刘若晨刘大铭李譞洞刘雪纯

(1. 宁夏大学电子与电气工程学院，宁夏银川 750021；2. 宁夏大学宁夏沙漠信息智能感知重点实验室，宁夏银川 750021)

宁夏枸杞是茄科枸杞属多年生落叶灌木[1]，现已发展为宁夏特色产业，因此监测宁夏枸杞植株生长状况并进行产量预测对地区经济发展尤为重要。 叶片叶绿素含量高低能反映作物光合能力的强弱和营养生理状况的好坏，是评价植物健康水平的重要指标之一[2]。 检测叶绿素含量的方法主要有分光光度计法[3]、高效液相色谱法和原子吸收法[4]等，但此类方法只局限于较小的样本数量，对叶片有破坏性，且检测步骤繁琐，效率较低。

高光谱技术的发展使快速无损化监测作物信息得以实现，国内外基于高光谱技术监测叶绿素含量的研究也逐渐增多，主要通过从高光谱图像提取多种光谱波段信息，然后结合神经网络与优化算法，建立全波段叶绿素含量估算模型。 如:依尔夏提·阿不来提等[5]基于高光谱与BP 神经网络，利用去包络后光谱指数建立预测模型，对棉花冠层叶绿素含量进行估算，R2为0.85；王东等[6]利用高光谱图像，经特征波段筛选并结合使用BP神经网络，建立了叶绿素荧光参数的预测模型，测试集R2为0.918；孙红等[7]采集马铃薯叶片高光谱图像，利用标准正态变量校正处理数据，结合随机蛙跳算法与偏最小二乘回归法建立叶绿素含量预测模型，预测精度R2达0.8423；彭晓伟等[8]利用高光谱特征分析并结合BP 神经网络对谷子叶片叶绿素含量进行估算，预测精度R2在0.7 以上；……