来源：期刊VIP网 时间：
作者：肖玖军;刘鸿雁;李可相;邢丹;汪泓;张蓝月;
单位：贵州大学资源与环境工程学院;贵州科学院山地资源研究所;贵州省土地绿色整治工程研究中心;贵州大学农学院;贵州省农业科学院辣椒研究所;贵州大学矿业学院;
摘要：准确估算叶绿素含量对于评估作物营养状况、预测作物产量、制定精准管理措施等具有重要作用。为寻求叶绿素含量的高精度估算模型，以辣椒为对象，基于2021年不同施氮水平下(0、200、350、500 kg/hm~2)辣椒的地基高光谱数据和田间实测冠层叶绿素相对含量(SPAD值)数据，筛选了23个常用光谱参数，用简单线性回归法建立了辣椒SPAD值和光谱参数的23个关系模型；通过相关系数法、竞争自适应重加权采样法(CARS)、连续投影算法(SPA)、遗传偏最小二乘法(GAPLS)、无信息变量消除法(UVE)和迭代保留信息变量法(IRIV)等6种变量选择方法分析辣椒SPAD值和光谱参数的敏感性，找出优选光谱参数组合，以全光谱参数为对照，再利用多元线性回归法(MLR)、主成分回归法(PCR)、偏最小二乘法回归法(PLSR)和支持向量机回归法(SVMR)4种统计回归方法，构建了26个辣椒SPAD值估测模型。结果表明：常用光谱参数中，BmDN_(705)和MTCI估测模型效果较好，校正集R_c~2在0.5以上。6种变量选择方法中，SPA法压缩率最高，其次为CARS法和UVE法。4种回归方法中，MLR法的模型效果最好，SVMR法效果最差。26个光谱参数组合回归模型中，CARS-MLR的模型效果最好，其模型表达式为：SPAD=-126.71CARI+108.39PRI+45.68BmSR_(705)+93.29BmDN_(705)-112.97SR_r+102.99 R_r-5.88(R~2_p和RMSE_p分别为0.942、3.853)。通过构建最优光谱参数组合能够较好改进辣椒SPAD值估测模型，这可为辣椒冠层叶绿素含量的快速、无损获取提供参考。
关键词：高光谱遥感;;估测模型;;辣椒;;光谱参数组合;;变量选择
基金资助：国家重点研发计划项目(2022YFD1100307);; 贵州省科技支撑计划项目(黔科合支撑[2020]1Y172号,黔科合支撑[2021]一般173号,黔科合支撑[2021]一般496号);; 贵州省农业科学院青年基金项目(黔农科院青年科技基金[2021]22号)
