张黎黎 吕霞

摘要：叶绿素含量是反映作物生长状态及产量的重要指标。高光谱技术是近年来较为常见的检测作物生物量的方法之一，但高光谱数据直接建模分析复杂度增大。提出一种基于Gram-Schmidt的降维方法，对以PROSPECT模型模拟数据作为建模集的光谱进行Gram-Schmidt变换，找到投影空间构造主基底，实现高光谱降维，建立光谱与叶绿素含量之间的模型，将实际测量的数据作为验证集。基于Gram-Schmidt的降维方法可降低维度到5维，交叉验证结果R2为0.775，MSE为0.062，通过与主成分分析法进行对比证明了该方法的有效性。研究结果对植物叶片的叶绿素含量估测与高光谱降维具有重要意义。

关键词：叶绿素;Gram-Schmidt算法;PROSPECT模型;光谱分析

中图分类号：S127    文献标识码：A    文章编号：1674-1161（2021）05-0023-03

高光谱技术通过光学传感器采集作物光谱反射率高光谱数据进行各参量的反演，能够实现作物快速、高效、经济的长势监测和营养诊断。但高光谱数据为高维矢量，直接建模分析会加大复杂度。Gram-Schmidt正交算法能够降低高光谱维度，为敏感诊断参数提供支持。叶绿素是植物进行光合作用时所需的主要色素，利用遥感手段快速及时地監测作物的叶绿素含量对于作物的长势及产量估算起到重要作用。本课题以辽宁地区粳稻为研究对象，基于正交变换理论探索高光谱数据降维方法，构建水稻叶片叶绿素含量估测模型，为水稻长势状态监测提供依据。

1 材料与方法

1.1 PROSPECT模拟数据设置

PROSPECT模型是能够基本模拟植物叶片光谱反射情况的有效模型，在遥感研究中得到广泛应用。……