麦类作物学报

作者：王琪，常庆瑞，李铠，陈晓凯，缪慧玲，史博太,曾学亮,李振发

单位：1.西北农林科技大学资源环境学院,陕西杨凌 712100； 2.江西农业大学国土资源与环境学院,江西南昌 330045

关键词：冬小麦,冠层叶绿素,主成分分析,偏最小二乘法,随机森林回归,

基金：国家863计划项目（2013AA102401-2）

为提高冬小麦冠层光谱对叶绿素含量的估算精度，以陕西省乾县冬小麦为研究对象，利用SVC-1024i光谱仪和SPAD-502型叶绿素仪实测了冬小麦冠层反射率和叶绿素含量，分析了一阶导数光谱、10种特征参数和9种植被指数与叶绿素含量的相关性，并利用主成分分析（PCA）对叶绿素敏感的可见光波段（390~780 nm）一阶导数光谱进行降维，将特征值大于1的主分量结合特征参数和植被指数形成不同的输入变量，用偏最小二乘回归和随机森林回归构建冬小麦冠层叶绿素估算模型，并利用独立样本对模型进行验证。结果表明，小麦冠层叶绿素含量与一阶导数光谱在751 nm处的相关性最高（r=0.71），特征参数中红边蓝边归一化(SDr-SDb)/(SDr+SDb)与叶绿素含量的相关性最高（r=0.66），植被指数（VI）中修正归一化差异指数（mND705）相关性最高（r=0.74）。在输入变量相同的情况下，基于随机森林（RF）回归的预测模型均优于偏最小二乘回归（PLSR）模型，其中PCA-VI-RF模型的各精度指标均达到最优（r2=0.94，RMSE=1.05，RPD=3.70），是冬小麦冠层叶绿素含量估算的最优模型。

来源：2024年第4期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2024年第4期