张婉婉，杨可明，汪国平，刘二雄，刘 聪（中国矿业大学（北京）地球科学与测绘工程学院，北京100083）

基于EMD-SD光谱的玉米叶片叶绿素含量GA-BP模型反演

张婉婉，杨可明，汪国平，刘二雄，刘 聪
（中国矿业大学（北京）地球科学与测绘工程学院，北京100083）

叶绿素是作物进行光合作用所需的主要色素，BP神经网络（BPNN）是较为新颖的反演叶绿素含量的方法。为研究反演精度更高的叶绿素含量反演模型，将经验模态分解（EMD）与光谱微分（SD）结合来提高输入因子与叶绿素含量的相关性，并使用遗传算法（GA）优化BPNN得到GA-BP模型以获得最优初始权值阈值。将光谱数据EMD后进行一阶微分变换得到EMD-SD光谱，选择与叶绿素含量相关系数超过0.6的5个波段处的EMD-SD值作为GA-BP模型的输入因子，隐含层节点数为7，多次训练取最优个体适应度值最低的GA-BP模型来反演玉米叶片叶绿素含量。GA-BP模型反演得到的预测值与实测值之间的判定系数（R2）最高，达到0.818，均方根误差（RMSE）仅为2.442，平均相对误差（e）为5.436%。研究表明，EMD-SD光谱作为GA-BP模型的输入因子，与线性模型MLR和未优化的BP模型相比反演精度最高，验证了基于EMD-SD光谱的GA-BP模型提高玉米叶片叶绿素含量反演精度的可行性。

叶绿素含量；光谱微分；遗传算法；BP神经网络

光合作用是生物界赖以生存的基础，在这个过程中植物色素是必不可少的。这些色素包括叶绿素a、叶绿素b、类胡萝卜素和叶黄素等，其中叶绿素是吸收光能的主要物质，并且直接影响植物光合作用的光能利用。因此，叶绿素含量与作物营养状况、生长发育等有较好的相关性，已经成为评价作物长势的一种有效手段［1-3］。……