谷子叶绿素含量高光谱特征分析及其反演模型构建

摘要

基于高光谱数据综合分析不同施肥条件下谷子各生长期冠层叶绿素含量的高光谱特征,在分析各光谱特征参数与叶绿素相关性的基础上,基于偏最小二乘法和人工神经网络构建叶绿素含量的遥感反演模型。结果表明:NDVI(归一化植被指数)、GNDVI(绿色归一化植被指数)、PSNDa(特殊色素归一化指数a)、PSSRc(特征色素简单比值指数c)、RENDVI(红边归一化植被指数)及Dy(黄边幅值)与不同生育期的SPAD值均呈极显著相关关系(P<0.05)。基于上述光谱指数为自变量建立的最佳一元回归模型R^(2)(决定系数)在0.4~0.6之间,基于偏最小二乘法的回归模型R^(2)在0.55~0.71之间,RMSECV(交叉验证均方根)在1.34~2.23之间,Q^(2)_(cum)(主成分累积模型预测能力)在0.54~0.83之间,对自变量的解释能力在63.1%~95.8%之间,说明上述光谱参数对叶片叶绿素的解释程度较好。利用BP神经网络估测叶绿素含量可达到最优精度,建模集的R^(2)达到0.70以上,RMSE(均方根误差)在1.18~2.48之间。综上所述,利用BP神经网络建模效果最优。