| 摘 要： | 水分是影响冬小麦生长发育的重要指标,目前可以利用高光谱数据建模来对其进行预测诊断.但在冬小麦生育初期,这类预测模型精度较低,为解决这个问题,利用高光谱数据分析方法,结合叶面积指数,对基于高光谱的冬小麦水分状况预测模型进行优化.结果显示,冬小麦叶面积指数会随着灌水处理的不同产生显著差异;优化后,光谱与冬小麦水分状况相关的敏感波段范围在450-500 nm、620-690 nm和780 nm左右;相对于土壤含水率而言,优化模型对植株含水率有更好的预测精度;引入叶面积指数进行优化提高了冬小麦在生育前期的预测模型精度,使模型精度从0.2提升到0.4以上,并且还提高了基于原始光谱反射率模型的精度;最终获得的模型中,基于原始光谱反射率R780的植株含水率预测模型拟合精度最高,为0.862,基于光谱指数R(810, 460)的植株含水率诊断模型验证效果最好,均方根误差(RMSE)为4.341,平均绝对误差(MAE)为2.361;基于光谱指数VARI700的土壤含水率预测模型验证效果最好,均方根误差(RMSE)为4.506,平均绝对误差(MAE)为6.293.本研究表明利用叶面积指数优化模型可以很好地提高模型精度,在土壤含水率预测模型方面优化尤其显著,这为基于高光谱的水分状况预测模型构建与实际应用提供了新思路.(图6表5参31)
|
