[发明专利]一种不同生育期油菜叶片SPAD值遥感估算方法

权利要求书

1.一种不同生育期油菜叶片SPAD值遥感估算方法，其特征在于，包括以下步骤：

步骤1、光谱反射率测定

油菜叶片光谱反射率采用美国SVC HR-1024i型光谱仪进行测定，该仪器光谱探测范围为350～2500nm，在波段350nm-1000nm光谱分辨率3.5nm，1000-1850nm波段光谱分辨率9.5nm，1850-2500nm波段光谱分辨率6.5nm；利用自带光源型手持叶片光谱探测器直接测定叶片光谱，光源为内置卤钨灯；每次测定前均利用漫反射参考版对仪器进行优化，之后将待测叶片直接置于探测器进行光谱测量；为了获得叶片具有代表性的光谱，每片叶子测量3个位置，每个位置测量两条光谱，取六条光谱的平均值作为该样本的最终光谱反射率；

步骤2、SPAD值测定

使用日本KONICA MINOLTA公司生产的SPAD 502叶绿素仪同步测定油菜叶片的SPAD值；为减小误差，每片叶子测量10个点，然后取其平均值作为该叶片的SPAD值，测量时避开叶脉，同时根据所采油菜叶片面积的不同，适当增加某些叶子的SPAD采集点；

步骤3、数据处理与模型构建

利用SVC HR-1024i PC、Excel2013、Origin2016及SPSS22.0软件对数据进行处理与计算，选择400-1000nm的波段范围进行研究，并将光谱重采样到1nm；对每期采集的180个样本按SPAD值进行排序，采用分层抽样的方法抽取135个作为建模样本，剩余45个作为检验样本。

2.根据权利要求1所述的不同生育期油菜叶片SPAD值遥感估算方法，其特征在于，步骤1中选取10种光谱指数光谱指数RVI、NDVI、mNDVI、TCARI、GRVI、NPCI、DCNI、MSR705、FDRVI、FDNDVI。

3.根据权利要求1所述的不同生育期油菜叶片SPAD值遥感估算方法，其特征在于，步骤3中，模型构建分别采用一元线性回归、多元逐步回归和随机森林回归算法；其中随机森林回归算法基于RandomForest软件包在R环境中进行回归模拟，在模型构建过程中，分类树的数量和分割节点的随机变量数是该模型中最为重要的两个参数，经反复试验，根据随机森林模型的预测误差及其决定系数R²确定本发明中的分类树的数量为3000，分割节点的变量数为3。

4.根据权利要求1所述的不同生育期油菜叶片SPAD值遥感估算方法，其特征在于，步骤3中，为验证模型的精度，利用检验样本将不同模型的预测SPAD值与实测SPAD值进行回归拟合，以决定系数R²、均方根误差RMS和相对误差RE来评价模型的优劣。