曹英丽，肖 文，刘亚帝，江凯伦，郭宝赢，于丰华

（沈阳农业大学 信息与电气工程学院/辽宁省农业信息化工程技术中心，沈阳110161）

高光谱技术在植被营养诊断与病害检测中有广泛应用[1-6]。 传统的植被反演诊断和检测方法，对经验要求较高、需破坏性取样、分析成本高、易受时空影响，无法满足大范围的农田监测。 而高光谱技术是用植株在不同条件下的光学特性差异来进行判别检测，这种方法能够简化过程、提升效率，是近年来该领域主要采用的方法之一。在进行高光谱分析时，由于一般高光谱值在400～2500nm，试验样本量也过百，导致数据维度非常高，因此数据降维是反演未知参量的一个关键环节。以往研究较多的是采用植被指数及特征进行降维。 孙小香等[7]证明了基于2 个指标[SD(752,751)、SR(534,1350)]优于单指标构建估算水稻叶片氮素含量方法，秦占飞等[8]以组合波段738nm和522 nm 光谱反射率的一阶导数构成的比值光谱指数，以线性模型为水稻叶片全氮含量的最优估测模型，TIAN 等[9]研究表明指数SR（553，537）对估测水稻叶片氮素含量具有较好的贡献，CHU 等[10]采用红边770nm 和752nm 波长反射率所构建的比值光谱参数较好的预测了水稻叶片氮素积累量。此类植被指数及特征进行降维，只是依据先前经验选取几个特定波段进行组合并进行了数学变形，对数据造成了大量舍弃，从而大大影响了氮素的反演精度。 现阶段利用高光谱全波段降维可以更全面保存对病害的有用信息，是光谱分析的关键，许多学者已经对此进行了研究。……