基于+svr+算法的小麦冠层叶绿素含量高光谱反演

《基于+svr+算法的小麦冠层叶绿素含量高光谱反演》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第28卷第20期农业工程学报Vol.28No.201622012年10月TransactionsoftheChineseSocietyofAgriculturalEngineeringOct.2012·农业信息与电气技术·基于SVR算法的小麦冠层叶绿素含量高光谱反演梁亮1,2，杨敏华3，张连蓬1，林卉1，周兴东1（1.江苏师范大学测绘学院，徐州221116；2.南京大学国际地球系统科学研究所，南京210008；3.中南大学地球科学与信息物理学院，长沙410083）摘要：为给小麦的长势监测与农艺决策提供科学依据，利用高光谱技术实现了小麦冠层叶绿素含量

2、的估测。通过分析18种高光谱指数对叶绿素的估测能力，筛选出可敏感表征叶绿素含量的指数REP，利用地面光谱数据为样本集，以最小二乘支持向量回归（leastsquaressupportvectorregression，LS-SVR）算法建立了小麦冠层叶绿素含 量反演模型，其校正决定系数C-R2与预测决定系数P-R2分别为0.751与0.722，在各指数中反演精度最高。进一步分析表明，REP对叶绿素含量以及LAI值较高与较低的样本均具备良好的预测能力，可有效避免样本取值范围以及冠层郁闭度等因素对叶绿素含量估测的影响。利用LS-SVR反演模型完成了OMIS

3、影像叶绿素含量的遥感填 图，并以地面实测值进行检验，其拟合模型R2与RMSE值分别为0.676与1.715。结果表明，高光谱指数REP所建立的LS-SVR模型实现了叶绿素含量的准确估测，可用于小麦叶绿素含量信息的快速、无损获取。关键词：遥感，叶绿素，光谱分析，反演，小麦，支持向量回归doi：10.3969/j.issn.1002-6819.2012.20.022中图分类号：TP722；S123文献标志码：A文章编号：1002-6819(2012)-20-0162-10梁亮，杨敏华，张连蓬，等.基于SVR算法的小麦冠层叶绿素含量高光谱反演[J].农业

4、工程学报，2012，28(20)：162－171.LiangLiang,YangMinhua,ZhangLianpeng,etal.Chlorophyllcontentinversionwithhyperspectraltechnologyfor wheatcanopybasedonsupportvectorregressionalgorithm[J].TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE),2012,28(20):162－171

5、.(inChinesewithEnglishabstract)0引言参量的估测。自Curran[6]与Filella[7]等的研究指出红边位置与形状可作为植被理化参量信息获取的指叶绿素含量与植物的光合作用能力与生长状标后，众多学者对以光谱指数进行叶绿素含量的估态密切相关，是植被光合能力强弱、营养生理状测进行了探讨。Daughtry[8]与Wu[9]等分析了况以及衰老进程的良好指示剂，其含量的测定对农作物长势监测、施肥调控与产量评估具有重要MCARI、OSAVI等十余种光谱指数估测玉米叶片叶绿素浓度的精度。Broge等[10]的研究则表明优化意义[1

6、-2]。型土壤调节指数TCARI/OSAVI可较准确地实现农由于利用高光谱技术进行叶绿素等植物理化作物冠层叶绿素含量的估测，并能较好地消除各种参量的测定具有低耗、快速以及非损伤性等优势，干扰因子的影响。Zhang等[11]对利用早在上世纪80年代，Horler[3]等就已在实验室开展了叶片叶绿素浓度与反射光谱间相关关系的研究。TCARI/OSVAI、mSR等指数进行云杉这一针叶冠层叶绿素含量反演的效果进行了探讨。杨峰等[12]随后，利用多元统计分析方法进行叶绿素等生化参分析了14种植被指数与小麦、水稻2种典型粮食量的估测得到了广泛的应用[4-5]。

7、但由于这一方法需 作物叶片叶绿素密度的相关性。除了对已有的指数要对光谱数据进行降维，所建立的回归模型虽然可进行分析外，一些研究者还构建新的指数以更精确得出很高的相关系数，但模型物理意义不明确，推地实现叶绿素含量的估测。如宋开山等[13-14]采用特广性也较差。为克服这一缺陷，后续研究者常采用征波段组合的方法建立了玉米与大豆叶绿素含量选取特征波段构建光谱指数的方法实现各类理化的神经网络估算模型，黄春燕[15]与蒋金豹[16]等则通过构建光谱微分指数对棉花与小麦的叶绿素密度收稿日期：2012-04-21修订日期：2012-09-18基金项目：江苏省自然

8、科学基金项目（BK2012145）、江苏省高校自然科学研究面上项目(12KJB420001)、国家自然科学基金项目（305