典型文献
谷子叶绿素含量高光谱特征分析及其反演模型构建
文献摘要：
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R2(决定系数)在0.4～0.6之间,基于偏最小二乘法的回归模型R2在0.55～0.71之间,RMSECV(交叉验证均方根)在1.34～2.23之间,Q2cum(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R2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.
文献关键词：
谷子;叶绿素含量;高光谱;特征波段;反演模型
中图分类号：
作者姓名：
彭晓伟;张爱军;杨晓楠;王楠;赵丽
作者机构：
河北农业大学国家北方山区农业工程技术研究中心,河北 保定071000;河北省山区研究所,河北 保定071000;河北农业大学机电工程学院,河北 保定071000;河北农业大学农学院,河北 保定071000
文献出处：
引用格式：
[1]彭晓伟;张爱军;杨晓楠;王楠;赵丽-.谷子叶绿素含量高光谱特征分析及其反演模型构建)[J].干旱地区农业研究,2022(02):69-77
A类：
PSNDa,PSSRc,Q2cum
B类：
谷子,子叶,光谱特征,反演模型,高光谱数据,施肥,生长期,冠层叶绿素含量,偏最小二乘法,人工神经网络,网络构建,遥感反演,归一化植被指数,GNDVI,归一化指数,单比,RENDVI,红边,Dy,边幅,不同生育期,SPAD,光谱指数,一元回归模型,决定系数,RMSECV,交叉验证,预测能力,光谱参数,估测,综上所述,网络建模,特征波段
AB值：
0.312247
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
