APP下载

基于反射光谱的PCA及BP神经网络法预测甘蔗叶片叶绿素含量

2017-05-08陈晓李修华周永华丁永军刘小阳马

计算技术与自动化 2017年1期

陈晓 李修华 周永华 丁永军 刘小阳 马绍对 赵立安

摘要:叶绿素是植物進行光合作用的重要色素,叶绿素含量可以作为评价植物生长状况的重要参数。本研究基于甘蔗叶片的反射光谱,利用PCA及BP神经网络算法,建立了甘蔗叶片的叶绿素含量预测模型。PCA算法可以在尽可能少地丢失有用光谱信息的前提下,降低输入光谱矩阵的维数,最大限度地减少冗余信息。BP神经网络算法因其良好的非线性逼近能力可大大提高该模型的预测精度。研究发现:基于PCA和BP算法建立的叶绿素含量预测模型,其预测值与实测值之间的R2达0.8929,表明该模型具有较高的预测能力。

关键词:甘蔗叶片;光谱反射率;叶绿素含量;PCA算法;BP神经网络

中图分类号:O657.3; TP722.4文献标识码:ADOI:10.3969/j.issn.10036199.2017.01.008

1引言

甘蔗是广西地区最重要的经济作物,新台糖22号甘蔗是广西蔗区种植面积最广的品种。但是与发达地区相比,广西的甘蔗生产水平相对较低,生产成本偏高,产品的国际竞争力不强。了解甘蔗的生长状况,建立与作物长势有关的作物生化指数(这里指的是叶绿素含量)的预测模型是精细农业研究的重要内容。叶片叶绿素含量植物的状态,而光谱为无损估算叶片叶绿素含量提供了[1-4]。

Gitelson等[5]通过对不同作物的冠层反射光谱进行研究,发现在波长550 nm和700 nm附近的光谱与叶绿素的含量相关性显著;Hansena and Schjoerring[6]通过比较预先假设的NDVI的两个长波段的预测模型,采用偏最小二乘法选择相关性最高的波段组合,结果发现用于估算叶片叶绿素含量的模型准确度高;……

登录APP查看全文