基于PCA-BP神经网络算法桃树叶片SPAD值高光谱估算

编号 zgly0001679982

文献类型 期刊论文

文献题名 基于PCA-BP神经网络算法桃树叶片SPAD值高光谱估算

作者 吴文强  常庆瑞  陈涛  余蛟洋 

作者单位 西北农林科技大学资源环境学院 

母体文献 西北林学院学报 

年卷期 2019年05期

年份 2019 

分类号 S662.1  TP183 

关键词 高光谱  SPAD值  红边参数  主成分分析  BP神经网络 

文摘内容 光谱技术实现了桃树叶片SPAD(soil and plant analyzer development)值的监测,使用基于主成分分析(principal component analysis,PCA)的BP神经网络算法建立桃树叶片SPAD值光谱估算模型。分析各生育期桃树叶片SPAD值的变化及其与叶片光谱的相关关系,分析5种红边参数与SPAD值的相关性,选取相关性较高的3种红边参数,分别与SPAD值进行单因素建模;然后把红边参数和SPAD值用主成分分析、基于PCA-BP神经网络算法建模,并对估算模型进行验证,结果表明:1)5-9月,桃树叶片SPAD值呈先上升后下降的变化特征,8月达到最大;2)4个生育期所建立的3种模型均通过0.01显著性检验,其中6月估算SPAD值的模型,建模精度和验证精度均最高,R~2≥0.814;3)各生育期桃树叶片SPAD值在单因素模型中,以红边位置建立的模型估算和预测精度最高;4)各个生育期中,基于PCA-BP神经网络模型的估算效果最好,建模精度和预测精度最高,R~2最高分别为0.938和0.974;主成分分析模型次之,单因素模型最低。因此,基于红边参数建立的PCA-BP神经网络反演模型能进行桃树叶片SPAD值的准确估算,为桃树叶片叶绿素含量监测提供理论依据。