【目的】利用高光谱技术估测植物叶片叶绿素含量时,如何在高维的光谱数据中选择有效的高光谱参数作为估测模型的输入矢量是估测叶绿素含量精度的关键。【方法】以南方丘陵地区油茶为试验材料,收集了182份油茶叶片光谱反射率及叶绿素含...【目的】利用高光谱技术估测植物叶片叶绿素含量时,如何在高维的光谱数据中选择有效的高光谱参数作为估测模型的输入矢量是估测叶绿素含量精度的关键。【方法】以南方丘陵地区油茶为试验材料,收集了182份油茶叶片光谱反射率及叶绿素含量样本,综合分析了敏感波段、光谱指数、高光谱特征参数和全波段(400~1350 nm)4个不同高光谱参数与叶绿素含量的相关性,筛选出较优高光谱参数分别作为估测模型输入矢量,建立估测油茶叶片叶绿素含量的偏最小二乘回归(partial least square regression,PLSR)模型。【结果】表明:(1)基于全波段建立PLSR模型,其建模集与验证集的R^(2)分别为0.84和0.85,RPD值分别为2.52和2.59,估测效果最优;(2)与全波段参数相比,基于高光谱特征参数建立的PLSR模型预测结果略低,建模与验证R^(2)分别为0.81和0.80,RPD值分别为2.31和2.28,模型输入矢量的数量较全波段模型降低了98.73%,减少了模型运算量,提高了模型运算速度。【结论】利用PLSR模型对油茶叶片叶绿素含量进行估测时,全波段和高光谱特征为估算油茶叶片叶绿素含量的有效高光谱参数。研究结果对快速准确获取油茶叶片叶绿素含量的相关研究有重要的技术指导意义。展开更多
文摘【目的】利用高光谱技术估测植物叶片叶绿素含量时,如何在高维的光谱数据中选择有效的高光谱参数作为估测模型的输入矢量是估测叶绿素含量精度的关键。【方法】以南方丘陵地区油茶为试验材料,收集了182份油茶叶片光谱反射率及叶绿素含量样本,综合分析了敏感波段、光谱指数、高光谱特征参数和全波段(400~1350 nm)4个不同高光谱参数与叶绿素含量的相关性,筛选出较优高光谱参数分别作为估测模型输入矢量,建立估测油茶叶片叶绿素含量的偏最小二乘回归(partial least square regression,PLSR)模型。【结果】表明:(1)基于全波段建立PLSR模型,其建模集与验证集的R^(2)分别为0.84和0.85,RPD值分别为2.52和2.59,估测效果最优;(2)与全波段参数相比,基于高光谱特征参数建立的PLSR模型预测结果略低,建模与验证R^(2)分别为0.81和0.80,RPD值分别为2.31和2.28,模型输入矢量的数量较全波段模型降低了98.73%,减少了模型运算量,提高了模型运算速度。【结论】利用PLSR模型对油茶叶片叶绿素含量进行估测时,全波段和高光谱特征为估算油茶叶片叶绿素含量的有效高光谱参数。研究结果对快速准确获取油茶叶片叶绿素含量的相关研究有重要的技术指导意义。
