红边光谱谐波分析的神经网络法叶绿素含量反演研究
Research on Inversing Chlorophyll Content Based on Neural Network Methods Optimized by the Harmonic Analysis of Red Edge Spectrum作者机构:中国矿业大学(北京)地球科学与测绘工程学院北京100083
出 版 物:《科学技术与工程》 (Science Technology and Engineering)
年 卷 期:2016年第16卷第24期
页 面:19-24页
学科分类:09[农学]
主 题:红边光谱 谐波分析 主成分分析 神经网络 叶绿素含量 反演模型
摘 要:叶绿素含量测定对于了解作物生长状况具有重要意义。为实时、快速、准确获取叶绿素含量,研究了玉米叶片叶绿素含量的BP神经网络(BPNN)法高光谱反演模型;而BPNN输入因子的选择是建立反演模型的关键。已有研究证明作物红边光谱与叶绿素含量有较强的相关性,为避免红边参数提取的不确定性,提高建模精度与效率,运用红边光谱的频率域谐波分析(HA)技术获得谐波余项、振幅和相位等能量谱特征分量(ESCC);并选择具有强相关性的10个ESCC进行主成分分析后,取前4位主分量作为BPNN的输入因子,进而进一步强化其相关性来构建叶绿素含量反演模型。同时,分别用遗传算法(GA)和小波基(wavelet-based)函数优化BPNN结构,建立GA-BPNN、WNN反演模型。实验通过比较BPNN、GA-BPNN、WNN模型和常规的多元线性回归(MLR)模型的玉米叶片叶绿素含量反演结果,得出非线性的BPNN模型要明显优于线性的MLR模型;而在神经网络模型中,GA-BPNN优化模型的反演精度最高。