麦类作物学报

作者：李铠，常庆瑞，陈倩，陈晓凯，莫海洋，张耀丹，郑智康

单位：1.西北农林科技大学资源环境学院,陕西杨凌 712100 2.西北大学城市与环境学院,陕西西安 710127

关键词：冬小麦,叶片含水量,高光谱,连续小波变换,竞争适应重加权采样,粒子群算法PSO优化BP神经网络,

基金：国家863计划项目(2013AA102401-2)

为实现干旱地区冬小麦冠层叶片含水量的快速测定，以陕西省乾县为研究区，基于野外冬小麦冠层高光谱数据和实测叶片含水量，对原始光谱进行连续小波变换（continuous wavelet transform，CWT）后得到的小波能量系数与实测含水量进行相关性分析；并通过竞争性自适应重加权采样（competitive adaptive reweighted sampling，CARS）过滤冗余变量，筛选与叶片含水量相关性较好的波长变量，作为优选变量集；通过粒子群算法(particle swarm optimization,PSO)对BP神经网络模型进行优化，构建冠层叶片含水量预测模型并进行分析。结果表明，从尺度1到尺度10，小波系数与冬小麦叶片含水量整体相关性先升后降，中等分解尺度在光谱波段去除噪声、提高相关性方面最佳；基于CARS优选变量集所建的两种模型中，BP-PSO模型预测能力明显优于普通BP神经网络模型，其决定系数可达0.82，均方根误差为0.86%，相对误差为0.82%。这说明CWT-CARS-BP-PSO耦合算法在提升相关性、过滤冗余波段、提高模型预测精度方面效果显著，可用于冬小麦叶片含水量预测。

来源：2023年第2期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2023年第2期