来源：期刊VIP网 时间：
作者：胡文瑞;高倩文;阳会兵;高志强;
单位：湖南农业大学农学院;
摘要：为构建水稻叶片SPAD值的高光谱精确估算模型，本试验以“晶两优华占”为供试材料，设置3个施肥处理，于全生育期内连续定期测定高光谱反射率与SPAD值数据，利用植被指数和连续小波变换(CWT)提取光谱的敏感信息，再利用传统的线性和非线性拟合以及反向传播神经网络(BPNN)算法建立水稻叶片SPAD值的估测模型，并利用决定系数(R~2)、均方根误差(RMSE)和相对分析误差(RPD)对模型的估测效果进行比较分析。结果表明：基于传统方法(线性函数、对数函数、指数函数、二次函数拟合),以9个常用植被指数为自变量构建的SPAD值反演单变量模型精度较低(RPD<1.4);选用6种母小波函数进行CWT,可以有效提高叶片高光谱反射率与SPAD值之间的相关性，以各母小波函数的最佳小波系数为自变量构建单变量模型，精度明显提高，可以达到SPAD值的粗略评估水平(RPD在1.523～1.581之间)。基于BPNN算法构建的水稻叶片SPAD值估测模型精度较单变量模型明显提高，RPD均在1.823～2.342,其中以bior3.3、gaus4作为母小波函数构建的BPNN模型具有良好的预测能力，RPD分别为2.342、2.178,但以gaus4作为母小波函数构建的BPNN模型存在过拟合现象。综合来看，用bior3.3作为母小波函数分解得到的前10个最佳小波系数构建的BPNN模型精度最高，R~2、RMSE分别为0.818、1.441,可以对水稻叶片SPAD值进行良好的预测。本研究证明了CWT可以有效提取水稻叶片光谱特征中的敏感信息，建立的bior3.3-BPNN模型可用于其SPAD值的监测，这可为后续水稻全生育期叶片叶绿素含量的快速无损监测提供参考，并为水稻生长发育动态的实时监测提供技术支持。
关键词：水稻;;SPAD值;;高光谱;;植被指数;;连续小波变换;;反向传播神经网络
基金资助：国家重点研发计划项目“粮食丰产增效科技创新”重点专项子课题“水稻生产信息化服务集成与示范”(2017YFD0301506);; 湖南省自然科学基金项目“棉花短季直播栽培群体光合特性及产量影响机理研究”(2021JJ30348)
