【目的】構(gòu)建水稻葉片SPAD值的高光譜精確估算模型,為進(jìn)一步提高高光譜對(duì)水稻SPAD值反演估算精度提供參考依據(jù)�！痉椒ā坷肧PAD-502型葉綠素測(cè)定儀測(cè)量水稻葉片SPAD值,以FieldSpec 4光譜儀采集水稻葉片光譜數(shù)據(jù)。通過(guò)分析光譜植被指數(shù)、位置參數(shù)與SPAD值的相關(guān)性,構(gòu)建4個(gè)水稻葉片SPAD值高光譜估測(cè)模型,即逐步多元線性回歸(SMLR)模型、支持向量機(jī)回歸(SVR)模型、基于主成分分析的支持向量機(jī)回歸(PCA+SVR)模型和以逐步多元線性回歸確定最佳參數(shù)的支持向量機(jī)回歸(SMLR+SVR)模型;并采用均方根誤差(RMSE)、平方相關(guān)系數(shù)(R2)、相對(duì)分析誤差(RPD)和平均相對(duì)誤差(MRE)等指標(biāo)對(duì)模型進(jìn)行評(píng)價(jià)�！窘Y(jié)果】在分析的15個(gè)光譜特征參數(shù)中,除黃邊位置(λy)無(wú)顯著相關(guān)外(P>0.01),水稻葉片SPAD值與葉片光譜位置參數(shù)及植被指數(shù)參數(shù)間存在顯著相關(guān)性,選擇相關(guān)系數(shù)大于0.800的5個(gè)植被指數(shù)參數(shù)(VOG1、VOG2、VOG3、CARI和PRI)和7個(gè)光譜位置參數(shù)[藍(lán)邊面積(SDb)、黃邊振幅(Dy)、黃邊面積(SDy)、綠峰反射率(Rg)、紅谷凈深度(...

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
0 引言
1 數(shù)據(jù)樣本與處理
    1.1 水稻樣本試驗(yàn)
    1.2 數(shù)據(jù)獲取與分析
        1.2.1 葉片SPAD值測(cè)量
        1.2.2 葉片高光譜數(shù)據(jù)測(cè)量
        1.2.3 一階微分變換
        1.2.4 高光譜特征選擇
    1.3 SVR參數(shù)選擇
    1.4 統(tǒng)計(jì)分析
2 結(jié)果與分析
    2.1 植被指數(shù)與葉片SPAD值間的關(guān)系
    2.2 光譜位置參數(shù)與葉片SPAD值間的關(guān)系
        2.2.1 原始光譜
        2.2.2 一階微分光譜
    2.3 水稻葉片SPAD值的估算模型
        2.3.1 SVR模型
        2.3.2 SMLR模型
        2.3.3 SMLR+SVR模型
        2.3.4 PCA+SVR模型
        2.3.5模型評(píng)價(jià)指標(biāo)與模型結(jié)果比較
3 討論
4 建議
    4.1 優(yōu)化光譜特征參數(shù)選擇
    4.2 采集水稻冠層高光譜圖像



本文編號(hào)：3746391