基于最优光谱参数组合的辣椒SPAD值定量估测研究

摘要

准确估算叶绿素含量对于评估作物营养状况、预测作物产量、制定精准管理措施等具有重要作用。为寻求叶绿素含量的高精度估算模型，以辣椒为对象，基于2021年不同施氮水平下（0、200、350、500 kg/hm²）辣椒的地基高光谱数据和田间实测冠层叶绿素相对含量（SPAD值）数据，筛选了23个常用光谱参数，用简单线性回归法建立了辣椒SPAD值和光谱参数的23个关系模型；通过相关系数法、竞争自适应重加权采样法（CARS）、连续投影算法（SPA）、遗传偏最小二乘法（GAPLS）、无信息变量消除法（UVE）和迭代保留信息变量法（IRIV）等6种变量选择方法分析辣椒SPAD值和光谱参数的敏感性，找出优选光谱参数组合，以全光谱参数为对照，再利用多元线性回归法（MLR）、主成分回归法（PCR）、偏最小二乘法回归法（PLSR）和支持向量机回归法（SVMR）4种统计回归方法，构建了26个辣椒SPAD值估测模型。结果表明：常用光谱参数中，BmDN₇₀₅和MTCI估测模型效果较好，校正集R_c²在0.5以上。6种变量选择方法中，SPA法压缩率最高，其次为CARS法和UVE法。4种回归方法中，MLR法的模型效果最好，SVMR法效果最差。26个光谱参数组合回归模型中，CARS-MLR的模型效果最好，其模型表达式为：SPAD=-126.71CARI+108.39PRI+45.68BmSR₇₀₅+93.29BmDN₇₀₅-112.97SR_r+102.99 R_r-5.88（R²_p和RMSE_p分别为0.942、3.853）。通过构建最优光谱参数组合能够较好改进辣椒SPAD值估测模型，这可为辣椒冠层叶绿素含量的快速、无损获取提供参考。

关键词

高光谱遥感 / 估测模型 / 辣椒 / 光谱参数组合 / 变量选择