基于叶绿素荧光技术的李子干旱胁迫状态监测

摘要

为探索叶绿素荧光技术在监测作物干旱胁迫状态中的应用，本文以李子园为研究场所，采用连续投影算法（successive projections algorithm,SPA）和迭代保留信息变量法（iteratively retains informative variables,IRIV）进行参数优选，通过随机森林（random forest,RF）和BP神经网络（back propagation neural network,BNN）建立干旱胁迫状态识别模型，分析干旱胁迫对李子叶绿素荧光参数的影响，以期为及时发现李子干旱胁迫状态和胁迫等级划分提供科学依据。结果表明：利用SPA和IRIV算法筛选出5个关键叶绿素荧光参数，显著提升了BNN模型在李子树干旱胁迫状态识别上的准确率。BNN模型准确率提升至64%，而RF模型在全参数集和公共参数集下均达到84%。混淆矩阵分析进一步证实了公共参数集的RF模型在干旱状态识别上的整体最佳表现，特别是在中度干旱识别上的准确率提升。这些发现为及时发现李子干旱胁迫状态和胁迫等级划分提供了科学依据，也为大尺度作物干旱监测提供了有力数据支持。

关键词

干旱胁迫 / 叶绿素荧光参数 / 李子 / 监测