【目的】比較篩選高光譜數(shù)據(jù)預處理方法和水稻葉片SPAD值估測模型,為利用高光譜技術測定水稻葉片葉綠素含量提供依據(jù)。【方法】研究對象為96份不同施肥處理下的水稻葉片樣本,利用ASD FildSpec 4測定葉片光譜,采用葉綠素計SPAD-502測定SPAD值。采用7種光譜預處理方法處理350～2 500 nm光譜,結合3種回歸模型(偏最小二乘、支持向量機和隨機森林算法),建立了高光譜反射率與水稻葉片SPAD值的映射關系,比較了模型的預測精度�！窘Y果】(1)BC、SG、SG+BC、SG+SNV預處理提高了PLSR模型驗證集建模精度;SG、SG+BC預處理提高了SVR模型驗證集建模精度;SG、SG+BC、SG+MSC、SG+SNV提高了RFR模型驗證集建模精度;(2)SG+BC預處理能提高PLSR、SVR、RFR模型建模精度,說明采用消除信號不穩(wěn)定造成的噪聲、背景細小噪聲和低頻信號干擾對于提高水稻葉片的高光譜反演精度有重要的作用。(3)數(shù)據(jù)預處理后RFR模型精度最佳,驗證集的平均決定系數(shù)R²為0.84,RMSE為13.70,RPD為2.59�！窘Y論】SG及其復合預處理方...

【文章頁數(shù)】：9 頁

【文章目錄】：
1 材料與方法
    1.1 試驗設計
    1.2 葉片光譜和SPAD值的測定
    1.3 數(shù)據(jù)預處理
    1.4 模型構建
2 結果與分析
    2.1 偏最小二乘回歸（PLSR）預測SPAD值
    2.2 支持向量機回歸（SVR）預測SPAD值
    2.3 隨機森林回歸（RFR）預測SPAD值
    2.4 模型預測精度比較
3 討論
    3.1 預處理對模型預測精度的影響分析
    3.2 估測模型比較
4 結論



本文編號：3995178