[发明专利]一种苹果叶片叶绿素遥感估测方法

摘要

本发明公开了一种苹果叶片叶绿素遥感估测方法，利用SVC HR‑1024i型高光谱仪和SPAD‑502叶绿素计同步获取苹果叶片高光谱反射率和对应的叶绿素相对含量，对原始光谱反射率和一阶导数光谱进行相关分析，提取苹果叶片光谱的红边参数，使用传统单变量回归算法、BP神经网络和径向基函数网络，并对人工神经网络进行优化处理，建立叶绿素含量反演模型。工网络模型相比传统单变量模型反演精度明显提高，而径向基函数网络学习速度快、精度高，拟合结果更加可靠，是一种值得推广的叶绿素含量反演模型。

主权项

一种苹果叶片叶绿素遥感估测方法，其特征在于，包括以下步骤：步骤1、光谱数据测定采用美国SCVHR 1024i型便携式高光谱仪进行叶片漫反射光谱数据的测定；光谱仪测定的波长范围为350～2500nm，通道数为1024个，其中350～1000nm区间光谱分辨率为1.4nm，1000～1850nm区间光谱分辨率为3.8nm，1850～2500nm区间光谱分辨率为2.4nm；测定工作在室内进行，每次进行样品光谱测定前，利用漫反射参考板进行仪器校正，每组叶片选择1片叶子，先对叶面进行清洁；然后进行光谱测定；每个点测定2次取平均值作为该点光谱测定值，每一叶片取3～5个点，最后取各点的平均值作为该叶片的光谱值；步骤2、叶绿素含量测定使用日本KONICA MINOLTA公司生产的SPAD502叶绿素仪同步对苹果叶片的相对叶绿素含量进行无损测量；在每片叶子不同位置上测定10个SPAD值，取平均值作为该叶的SPAD值，代表该叶片的叶绿素含量，共获得500个叶片的SPAD值；步骤3、数据处理在数据分析前利用光谱仪自带的处理软件ViewSpec Pro 6.0将测定的苹果叶片光谱数据进行重采样，设置采样间隔为1nm；采用Savitzky‑Golay平滑滤波对光谱数据进行预处理，设置平滑点数为5，由原始光谱求得一阶微分光谱，从一阶微分光谱中提取叶片的红边参数；步骤4、模型构建与精度检验采用一元线性、指数、对数、多项式和幂函数构建叶片叶绿素含量与各项红边参数的普通回归模型，选择相关性好、精度高的红边参数作为自变量，构建叶绿素含量估算模型；甄选出的红边参数作为人工神经网络的输入向量，构建基于红边参数的人工神经网络模型。