基于神经网络的马尾松叶绿素含量高光谱估算模型

摘要：

分析不同生长期的马尾松冠层反射光谱特征与相应叶绿素含量的相关关系.利用36个红边参数逐一筛选,最终确定7个与叶绿素含量相关性较高的红边参数作为光谱特征参数,分别应用逐步分析法与BP神经网络构建叶绿素含量的高光谱估算模型;同样,筛选出4个植被指数作为光谱特征参数,同时,将对原始光谱进行主成分分析降维后的前4个主成分作为BP神经网络的输入变量,分别应用逐步分析法与BP神经网络构建叶绿素含量的高光谱估算模型.结果表明:将红边参数作为输入变量建立的逐步回归模型和BP神经网络模型的决定系数(R2)分别为0.5205、0.7253,均方根误差(RMSE)分别为0.1004、0.0848,相对误差分别为6.3％、5.7％.将植被指数作为输入变量建立的逐步回归模型和BP神经网络模型的R2分别为0.5392、0.7064,RMSE分别为0.0978、0.0871,相对误差分别为6.2％、6.0％.基于主成分分析的BP神经网络模型的预测效果最好,R2为0.7475,RMSE为0.0540,相对误差为4.8％.

关键词：高光谱、叶绿素含量、红边参数、植被指数、主成分分析、BP神经网络

所属期刊栏目：28

分类号：TP1;TP2

资助基金：国家自然科学基金项目31470579,31100414;江苏省高校优势学科建设工程项目资助 This work was supported by the National Natural Science Foundation of China31470579,31100414;the Priority Academic Program Development of Jiangsu Higher Education Institutions

在线出版日期：2017-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1128-1136