葉片含水量（leaf water content,LWC）的快速監(jiān)測(cè)對(duì)于作物的干旱診斷和灌溉決策至關(guān)重要。以葉片、冠層兩個(gè)尺度,原始、一階導(dǎo)數(shù)兩種光譜處理形式的高光譜數(shù)據(jù)為基礎(chǔ),采用兩波段植被指數(shù)如歸一化差分（normalized difference spectral index,NDSI）和比值光譜指數(shù)（ratio spectral index,RSI）,偏最小二乘回歸（partial least squares regression,PLSR）和競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣-偏最小二乘回歸（competitive adaptive reweighted sampling-partial least squares regression,CARS-PLSR）三種方法對(duì)葉片含水量進(jìn)行建模分析,以確定最佳冬小麥葉片含水量預(yù)測(cè)模型。結(jié)果表明:三種方法中,基于葉片一階導(dǎo)數(shù)光譜的CARS-PLSR模型對(duì)LWC的預(yù)測(cè)效果最好, LWC的預(yù)測(cè)值與實(shí)測(cè)值高度重合（R²=0.969, RMSE=0.164, RRMSE=6.00%）。相同條件下,三種方法的葉片光譜模型對(duì)LWC的預(yù)測(cè)效果... 

【文章來源】：光譜學(xué)與光譜分析. 2020,40(03)北大核心EISCICSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
引 言
1 實(shí)驗(yàn)部分
    1.1 試驗(yàn)設(shè)計(jì)
    1.2 光譜采集與預(yù)處理
    1.3 葉片含水量測(cè)定
    1.4 數(shù)據(jù)分析方法
2 結(jié)果與討論
    2.1 原始光譜與一階導(dǎo)數(shù)光譜經(jīng)驗(yàn)植被指數(shù)相關(guān)性分析
    2.2 葉片、 冠層尺度下冬小麥LWC模型構(gòu)建與分析
        2.2.1 兩波段植被指數(shù)回歸建模
        2.2.2 PLSR/CARS-PLSR回歸建模
3 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]基于敏感波段的小麥冠層氮含量估測(cè)模型[J]. 楊寶華,陳建林,陳林海,曹衛(wèi)星,姚霞,朱艷.  農(nóng)業(yè)工程學(xué)報(bào). 2015(22)
[2]用光譜反射率診斷小麥葉片水分狀況的研究[J]. 王紀(jì)華,趙春江,郭曉維,田慶久.  中國(guó)農(nóng)業(yè)科學(xué). 2001(01)
[3]用光譜反射率診斷小麥水分狀況的可行性分析[J]. 田慶久,宮鵬,趙春江,郭曉維.  科學(xué)通報(bào). 2000(24)



本文編號(hào)：3189400