郑 雯, 明 金, 杨孟克, 周四维, 汪善勤,2**



基于波段深度分析和BP神经网络的水稻色素含量高光谱估算*

郑 雯1, 明 金1, 杨孟克1, 周四维1, 汪善勤1,2**

(1. 华中农业大学资源与环境学院 武汉 430070; 2. 农业部长江中下游耕地保育重点实验室 武汉 430070)

该文以水稻田间氮肥水平试验为基础, 采用单变量的线性和非线性回归方法, 建立基于植被指数的水稻色素含量高光谱估算模型。各植被指数对色素含量的估计能力分析结果显示, 植被指数在色素含量较大时存在饱和问题, 为此尝试将波段深度分析(BDA)与BP神经网络结合, 以提高利用高光谱技术对水稻叶片色素含量的估算精度。基于连续统去除处理的水稻冠层高光谱数据(400~750 nm), 选取波段深度(BD)、波段深度比(BDR)、归一化波段深度(NBDI)和归一化面积波段指数(BNA)4种波段指数, 在此基础上进行主成分分析(PCA)实现降维, 然后采用反向传播(BP)神经网络方法对水稻叶片色素含量进行高光谱反演, 探讨BDA与BP神经网络结合解决植被指数饱和问题的可能性和有效性。结果表明, 波段深度分析突出了光谱吸收特征差异, 挖掘了更多的潜在信息, 使得光谱曲线的差异性得到增强。BD与BP结合的估算模型对水稻叶片中的类胡萝卜素含量估算精度最高(2=0.61, RMSEP=0.128 mg×g-1), BNA与BP结合的估算模型对水稻叶片中的叶绿素含量估算精度最高(2=0.73, RMSEP=0.343 mg×g-1)。对比分析BDA与BP结合的模型和植被指数最佳回归模型的精度, 发现波段深度分析建立的BP神经网络模型能较好地解决饱和问题, 提高水稻叶片色素含量的估算精度。……