干旱胁迫下玉米叶片叶绿素含量与含水量高光谱成像反演方法

• Published in: 智慧农业（中英文） Vol. 5; no. 3; pp. 142 - 153
• Main Authors: 王敬湧, 张明珍, 凌华荣, 王梓廷, 盖倞尧
• Format: Journal Article
• Language: Chinese
• Published: 中国农业科学院农业信息研究所 30.09.2023; 广西大学广西甘蔗生物学重点实验室,广西南宁 530004,中国; 广西大学 机械工程学院,广西南宁 530004,中国%广西大学 农学院,广西南宁 530004,中国%广西大学 农学院,广西南宁 530004,中国
• Subjects: 叶绿素含量反演; 高光谱技术; 干旱胁迫; 机器学习; 含水量反演; mechine learning; drought stress; hyperspectral; inversion of water content; inversion of chlorophyll content
• ISSN: 2096-8094
• DOI: 10.12133/j.smartag.SA202308018

[目的/意义]为实现玉米的干旱胁迫等作物生长状态的无损监测，本研究探索一种基于高光谱技术的干旱胁迫下玉米叶片叶绿素含量与含水量无损检测方法。[方法]首先使用高光谱相机采集不同干旱胁迫程度的苗期玉米叶片图像，并使用图像处理技术提取叶肉部分平均光谱。通过系统性地分析不同特征波长提取方法、机器学习回归模型对叶绿素含量和含水量预测性能的影响，分别建立最优叶绿素含量和含水量反演模型；并探究构建可用于叶绿素含量和含水量反演的植被系数并评估其反演能力。[结果和讨论]结合逐步回归（Stepwise Regression, SR）特征提取与Stacking回归可获得最优叶绿素含量预测效果（R2为0.878，均方根误差为0.317 mg/g）；结合连续投影算法（Successive Projections Algorithm, SPA）特征提取与Stacking回归可获得最优含水量预测效果（R2为0.859，RMSE为3.75%）；新构建的归一化差分植被指数[（R410-R559）/（R410+R559）]和比值系数（R400/R1171）分别对叶绿素含量和含水量反演精度最高且显著高于传统植被系数，R2分别为0.803和0.827，均方根误差分别为0.403 mg/g和3.28%。[结论]本研究构建的基于高光谱信息的反演模型与植被系数可以实现玉米叶片叶绿素含量与含水量的精确、无损检测，可为玉米生长状态实时监测提供理论依据和技术支持。