来源：期刊VIP网 时间：
作者：谢东;何敬;何嘉晨;王彬;林远杨;刘刚;
单位：成都理工大学地球科学学院;成都理工大学地质灾害防治与地质环境保护国家重点实验室;
摘要：[目的]通过无人机高光谱影像实现对水稻叶绿素含量高效、无损监测是现代化精准农业发展的重要手段。研究水稻叶片原始光谱的不同预处理方法及其组合，构建不同光谱参数进行模型反演，得到研究区水稻叶片SPAD值的最佳反演模型，可为高效无损监测水稻叶绿素含量提供参考。[方法]以四川省成都市青白江区姚渡镇水稻种植区的水稻为研究对象，分别测定其叶片SPAD值和500～900 nm范围内的高光谱反射率，对原始反射率进行一阶微分（D1）、Savitzky-Golay卷积平滑（SG平滑）、标准正态变换（SNV）和多元散射校正（MSC）及其组合的预处理方式，通过相关系数筛选出p<0.1的特征波段作为第1种光谱参数，在特征波段的基础上进行主成分分析（PCA）降维，将得到的主成分作为第2种光谱参数。将2种参数分别作为Extra Trees模型的输入变量，建立研究区水稻SPAD值的反演模型。[结果]相比于利用相关系数筛选的特征波段所建的模型，通过PCA对特征波段进行降维，得到的光谱参数建模精度更高，其中，ET＿D1和ET＿SG＿MSC的R2分别由0.769和0.782增加到0.793和0.825，提升幅度为3%和5.5%;ET＿SG＿SNV的R2由0.754增加到0.796，提升幅度为5.6%；模型ET＿PCA＿特征＿SG＿MSC精度最高，R2和RMSE分别为0.825和0.984，是研究区水稻SPAD值的最佳反演模型。[结论]研究结果可为实现高效、精准的水稻叶片叶绿素含量监测提供参考及依据。
关键词：水稻;;叶绿素;;高光谱;;相关系数;;主成分分析;;Extra Tress
基金资助：自然资源部成都平原国土生态与土地利用野外科学观测研究站开放基金（CDORS-2023-04）;; 成都市技术创新研发项目（2022-YF05-01090-SN）;; 成都理工大学研究生质量工程项目（2022YJG022）
