【目的】快速、準(zhǔn)確地獲得漬害脅迫下小麥SPAD狀況�！痉椒ā炕谔镩g試驗(yàn),分析了漬害脅迫8 d對(duì)8個(gè)小麥品種SPAD的影響及其與17個(gè)高光譜特征參數(shù)的相關(guān)關(guān)系,并建立小麥SPAD值的災(zāi)損估算模型�！窘Y(jié)果】與正常小麥相比,受漬8 d時(shí)的SPAD值差異并不明顯;而停止?jié)n水7 d后,受漬小麥SPAD值較正常小麥顯著降低;小麥SPAD值與17個(gè)高光譜特征參數(shù)中AR指數(shù)的相關(guān)性最高（r=-0.84）,且其減少量隨受漬時(shí)間的變化與品種的耐漬能力基本吻合;與基于高光譜特征參數(shù)的小麥SPAD災(zāi)損估算模型相比,基于偏最小二乘回歸方法建立的模型估算精度較高,模型決定系數(shù)R²達(dá)到0.984。【結(jié)論】AR指數(shù)的減少量可以用來(lái)反映不同品種小麥?zhǔn)軡n情況,且基于PLSR建模方法可以有效進(jìn)行漬害脅迫下小麥SPAD的災(zāi)損估算。 

【文章來(lái)源】：灌溉排水學(xué)報(bào). 2020,39(12)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

試驗(yàn)期間土壤體積含水率

基于高光譜反射率建立小麥SPAD值及其減少量的PLSR估算模型如圖4所示。由圖4(a）可見(jiàn)，利用PLSR方法建立的小麥冠層SPAD值估算模型中引進(jìn)的因子數(shù)為17個(gè)，模型決定系數(shù)R2和RMSE分別達(dá)到0.980和0.589(n=48）�；谑剑�1）分別計(jì)算各小區(qū)冠層光譜反射率的減少量，基于建模集數(shù)據(jù)（n=12）建立SPAD值減少量的PLSR估算模型，模型中引進(jìn)的因子數(shù)為10個(gè)，并利用驗(yàn)證集數(shù)據(jù)（n=12）對(duì)模型進(jìn)行獨(dú)立驗(yàn)證。由圖4(b）和圖4(c）可知，基于高光譜反射率構(gòu)建的小麥SPAD值減少量建模集R2和驗(yàn)證集Rv2分別達(dá)到0.984和0.917，二者的均方根誤差RMSE和RMSEv分別為0.358和0.639，其精度明顯高于基于單個(gè)高光譜特征參數(shù)的估算結(jié)果。圖4 基于PLSR的小麥SPAD值及其災(zāi)損估算結(jié)果

基于PLSR的小麥SPAD值及其災(zāi)損估算結(jié)果


本文編號(hào)：3320651