Microchemical Journal | 楸树叶片含水率的高光谱反射率和光谱指数反演模型的构建
文摘
科学
2024-01-29 13:12
山东
点击蓝字 关注我们 ▏▍![]()
叶片含水率是植物体重要生理指标，常被用于指示植物受盐胁迫、干旱胁迫程度。其测定需损伤叶片，胁迫解除后破坏的叶片失去了对叶片原位含水率的比较意义。但现有的含水率反演模型精度较低，并不能用于实际生产。因此，本文针对楸树叶片含水率高光谱反射率高精度模型进行构建与比较，实现了楸树叶片含水率无伤反演。
![]()
图1.文章图形摘要
叶片中的水分在维持叶片生理中起重要作用，除参与光合作用、呼吸作用、渗透平衡等生理过程，水分仍可充当反应溶剂。因此，对叶片含水率进行快速、无损的监测尤为重要。高光谱反射率定量反演已有较长时间的发展。因而本文系统地比较了楸树叶片含水率的高光谱反射率模型构建方法，以寻找高精度的模型构建方法并得以测试。本研究基于偏最小二乘(PLS)回归，检录高光谱反射率(包括朗博比尔化、一阶微分、二阶微分变换)与叶片含水量的反演模型，发现，高光谱反射率具有更好的反演结果。以高光谱反射率作为因子，经过多种变量筛选方法的对比，进行多元线性回归(MLR)、偏最小二乘回归、支持向量机(SVM)回归与反向传播神经网络(BPNN)回归，发现，蒙特卡洛-无信息变量消除法(MC-UVE)具有优异的变量筛选结果和模型适用性。MC-UVE-PLS模型最优测试集回归系数(R2)最大(0.7903),均方根误差(RMSE)最小(1.7352%)。
![]()
图2.多元线性回归预测值与实测值散点图
进一步，以含水率与光谱指数(包括比率指数SR和归一化指数ND)相关性矩阵的最大值作为预测变量，构建一元线性回归模型，因子筛选对比后发现，SR(1466nm、2128nm)构建出的叶片含水率模型最优，表现为测试集回归系数(R2)最大(0.7365)，均方根误差(RMSE)最小(1.9450%)。
![]()
图3.ND和SR与含水量相关系数的热图
注：在该图中(a)表示构建的ND与含水量之间的相关性；(b)表示构建的SR和含水量之间的相关性。
本研究筛选确定了楸树叶片含水率的高光谱最优反演模型，为楸树叶片含水率的精确和快捷定量提供模型基础，并为便捷、低成本叶片含水率测定提供技术手段。研究结果以"Construction of Hyperspectral Reflectance and Spectral Index Inversion Model for the Water Content of Catalpa bungei Leaves"为题在线发表于Microchemical Journal期刊，中国林业科学研究院与东北林业大学联合培养硕士研究生吕思毓为该论文的第一作者，中国林业科学研究院麻文俊副研究员为论文通讯作者。该研究得到了十四五国家重点研发计划项目(2021YFD2200301)资助
https://www.sciencedirect.com/science/article/pii/S0026265X23014303
