以油菜叶片为研究对象,利用高光谱成像技术,成功建立了叶绿素相对值SPAD值的预测模型。共采集了160个油菜叶片样本在380~1030nm范围内的高光谱图像。选择500~900nm之间的平均光谱作为油菜叶片样本的光谱。利用蒙特卡罗最小二乘法（monte...以油菜叶片为研究对象,利用高光谱成像技术,成功建立了叶绿素相对值SPAD值的预测模型。共采集了160个油菜叶片样本在380~1030nm范围内的高光谱图像。选择500~900nm之间的平均光谱作为油菜叶片样本的光谱。利用蒙特卡罗最小二乘法（monte carlo partial least squares,MC-PLS）剔除了13个异常样本,基于剩余的147个样本光谱数据与SPAD测量值进行分析,采用了不同的方法建立了多种预测模型,包括：全光谱的偏最小二乘法（partial least squares,PLS）模型,连续投影算法（successive projections algorithm,SPA）选择特征波长的PLS预测模型,＂红边＂位置（λred）的简单经验估测模型,三种植被指数R710/R760,（R750-R705）/（R750-R705）和R860/（R550＊R708）分别建立的简单经验估测模型,以及基于这三种植被指数的PLS预测模型。建模结果显示,全光谱的PLS模型预测效果最为精确,其预测相关系数rp为0.833 9,预测均方根误差RMSEP为1.52。而使用SPA算法选出的8个特征波长所建立的PLS模型其预测结果可达到与全光谱的PLS模型非常接近的水平,而且在保证一定精度的条件下减少了大量运算,节省了运算时间,大幅提高了建模的速度。而基于红边位置和选择的三种植被指数而建立的简单经验估计模型其预测结果虽与基于全光谱的PLS预测模型有一定差距,但模型简单、运算量小,适合用于对精度要求不高的场合,对后续的便携仪器设备开发有一定的指导作用。展开更多
文摘以油菜叶片为研究对象,利用高光谱成像技术,成功建立了叶绿素相对值SPAD值的预测模型。共采集了160个油菜叶片样本在380~1030nm范围内的高光谱图像。选择500~900nm之间的平均光谱作为油菜叶片样本的光谱。利用蒙特卡罗最小二乘法（monte carlo partial least squares,MC-PLS）剔除了13个异常样本,基于剩余的147个样本光谱数据与SPAD测量值进行分析,采用了不同的方法建立了多种预测模型,包括：全光谱的偏最小二乘法（partial least squares,PLS）模型,连续投影算法（successive projections algorithm,SPA）选择特征波长的PLS预测模型,＂红边＂位置（λred）的简单经验估测模型,三种植被指数R710/R760,（R750-R705）/（R750-R705）和R860/（R550＊R708）分别建立的简单经验估测模型,以及基于这三种植被指数的PLS预测模型。建模结果显示,全光谱的PLS模型预测效果最为精确,其预测相关系数rp为0.833 9,预测均方根误差RMSEP为1.52。而使用SPA算法选出的8个特征波长所建立的PLS模型其预测结果可达到与全光谱的PLS模型非常接近的水平,而且在保证一定精度的条件下减少了大量运算,节省了运算时间,大幅提高了建模的速度。而基于红边位置和选择的三种植被指数而建立的简单经验估计模型其预测结果虽与基于全光谱的PLS预测模型有一定差距,但模型简单、运算量小,适合用于对精度要求不高的场合,对后续的便携仪器设备开发有一定的指导作用。
