基于光谱指数的苹果叶片水分含量估算模型研究.pdf

《基于光谱指数的苹果叶片水分含量估算模型研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、中国摩擘c童握2014，30(4)：120—126ChineseAgriculturalScienceBulletin基于光谱指数的苹果叶片水分含量估算模型研究朱西存，姜远茂，赵庚星，王凌，房贤一(山东农业大学资源与环境学院，山东泰安271018：山东农业大学园艺科学与工程学院，山东泰安271018；+土肥资源高效利用国家工程实验室，山东泰安271018)摘要：建立快速、无损的苹果叶片水分含量高光谱估算模型，为苹果树干旱预警提供理论依据。以2个不同生育期采集的苹果叶片为研究对象，研究了不同水分含量的苹果叶片高光谱特征，分析了苹果叶

2、片水分含量与光谱指数之间的相关关系，建立了苹果叶片水分含量估算模型。结果表明，苹果叶片水分含量的敏感光谱波段主要集中于近红外和短波红外波段；利用6个光谱指数建立的单变量估算模型均达到了极显著水平(0．01)，但以水分指数建立的估算模型y=29503．57746x+28317的拟合决定系数最大，为0．5401；经检验，拟合方程的RMSE为2．4，RE为5．8％，检验精度达到了94．2％。采用主成分回归分析方法，建立的苹果叶片水分含量估算模型y=-一556．819+347．838xl一17．815x2—27．864x3+299．492

3、x,+25．647x5+9．835的拟合决定系数为0．6371，经检验，拟合方程的RMSE为1．26，RE为1．8％，检验精度达到了98．2％。表明以主成分回归分析建立的苹果叶片水分含量估算模型具有较好的敏感性和稳定性。关键词：光谱指数；苹果叶片；水分含量；估算模型中图分类号：$661．1，TP79文献标志码：A论文编号：2013—1599HyperspectralEstimatingLeafWaterContentsBasedonSpectralIndexinAppleZhuXicun．2，3，JiangYuanmao，Zhao

4、Gengxing，WangLing，FangXianyi(CollegeofResourcesandEnvironment,ShandongAgriculturalUniversity，Tai’anShandong271018；CollegeofHorticultureScienceandEngineering,ShandongAgriculturalUniversity,Tai’anShandong271018；NationalEngineeringLaboratoryforEfficientUtilizationofSoila

5、ndFertilizer,Tai’anShandong271018、Abstract：Theobjectiveofthepaperistoestablishahyperspectralestimatingmodelofrapidandnondestructivefortheappleleafwatercontentsandtoprovidethetheoreticalbasisofdroughtwarningforthefruittree．Theappleleaveswerecollectedastheresearchobject

6、ontwodifferentgrowthesandstudiedthedifferentwatercontentsofappleleavesofhyperspectralfeatures．Therelationshipwasanalyzedbetweenthediferentleaveswatercontentsandspectralparameters．Estimatingmodelsofappleleafwatercontentsweresetupbymeansofconstructingsixcommonspectralin

7、dexeswhichwereWI，WBI，PWI，GVWI，MSIandNDWI．Theresultsindicatedthatsensitivebandsoftheappleleafhyperspectralwerefocusedmainlyonthenearinfraredandshortwaveinfraredlightareas．Allsinglevariableestimatingmodelsreachedasignificantlevel(P<0．01)bysixvegetationmoistureindexes．Bu

8、tthemoistureindexestablishedestimationmodelwas29503一57746+28317，itsfittingdeterminationcoefficient=0．5401，wasthelargest．Them