论文部分内容阅读
为实现玉米叶绿素含量的快速估测，使用低空无人机搭载S185高光谱相机获取关中地区抽雄期玉米冠层高光谱影像，并在地面同步测定采样点叶绿素含量（Chl值）,以原始光谱和一阶导数光谱为基础构建模型，分别通过任意2波段组合以及连续投影算法提取单因素建模参数和多因素建模参数，对比分析各类模型（单因素回归模型、多元线性回归模型和狮群算法优化的核极限学习机模型）对抽雄期玉米Chl值的预测能力。结果表明，原始光谱上Chl值的敏感波段主要集中于绿光波段和近红外波段，一阶导数光谱上Chl值的敏感波段主要集中于近红外波段。原始光谱和一阶导数光谱中的最优单因素建模参数均为差值光谱指数（DSI）,相关系数分别为0.71、0.68,连续投影算法筛选的多因素建模参数分别为14个、8个。原始光谱和一阶导数光谱下均为多因素模型估测效果优于单因素模型，机器学习算法优于传统回归算法，其中基于原始光谱的狮群算法优化的核极限学习机（LSO-KELM）回归模型是此次研究中的最优模型，具有较好的填图精度，其建模决定系数（R~2）和验证R~2分别为0.73、0.70,平均相对误差（MRE）分别为3.56%、3.53%。说明结合无人机高光谱影像与LSO-KELM可较好地估测田间抽雄期玉米冠层的叶绿素含量。