| 摘 要： | 为建立基于高光谱的苎麻叶片含水量估测模型,在大田栽培条件下,采集了360个苎麻叶片高光谱数据和相应的叶片含水量。用高杠杆值排除异常样本,用浓度梯度法划分样本集。采用多种光谱预处理方法,建立并比较各预处理方法的PLSR(partial least squares regression)模型效果,其中OSC(orthonormal signalcorrection)预处理方法最佳,预测集R~2=0. 8503,RMSEp=0. 0235。为了减少变量个数,通过OSC_PLSR模型的回归系数RC(regression coefficient)选择特征波段EB(effective bands)作为输入变量。随后,为了进一步降低计算量,本研究提出的一种新的特征提取方法:在基于RCEB建立的PLSR模型中,再次提取RC特征波长EW(effective wavelength)。由建模结果可知:与全波段相比,2种特征提取方法的变量个数均大幅减少(全波段为2 031个,RCEB为508个,RCEB_EW为16个); RCEB_PLS模型预测集指标最佳(R~2=0. 8546,RMSEp=0. 0232);与RCEB_PLS模型相比,RCEB_EW_PLSR模型预测集指标略低(R~2=0. 8499,RMSEp=0. 0234),但这种方法变量个数最少,因此综合评价效果最优。研究探讨了叶片高光谱与含水量之间的量化关系,建立基于高光谱的叶片含水量预测模型,对作物栽培中水分的实时监测和精确诊断具有实际指导意义。
|
