基于植被指数及多光谱纹理特征的降香黄檀叶片全铁含量预测

编号 zgly0001695843

文献类型 期刊论文

文献题名 基于植被指数及多光谱纹理特征的降香黄檀叶片全铁含量预测

作者 陈珠琳  王雪峰 

作者单位 中国林业科学研究院资源信息研究所 

母体文献 林业科学 

年卷期 2020年02期

年份 2020 

分类号 S792.28 

关键词 降香黄檀  多光谱图像  植被指数  纹理特征  BP神经网络 

文摘内容 【目的】以海南省特有树种降香黄檀为研究对象,提出1种基于植被指数和多光谱纹理特征的叶片全铁含量（TIC）预测方法,为珍贵树种重金属营养诊断提供参考。【方法】分别设计4种梯度（CK、F1、F2、F3）的铁胁迫试验,胁迫结束后摘取叶片并获取多光谱图像,计算叶片图像的植被指数（VIs）及纹理特征（包括纹理特征均值TFMV和纹理特征方差TFV）,分析其与TIC之间的关系。通过显著性检验筛选出与TIC在0. 05和0. 01水平上显著相关的变量,再使用相关性分析法（CA）、主成分分析法（PCA）、平均影响值法（MIV）和遗传算法（GA）进行二次筛选,将筛选结果作为粒子群优化-反向反馈神经网络（PSO-BPNN）的输入变量,分析比较预测结果。【结果】1)在CK～F2梯度区间内,树高、冠幅和地茎的生长量随着施铁含量的增加而增加,而在F3梯度下,树高、冠幅生长量降低,地茎生长量出现大幅度上升; 2)随着叶片TIC的上升,B波段呈先下降后上升趋势;G波段则与B波段相反; R波段先下降后上升,之后基本保持稳定; RE和NIR波段则一直呈上升趋势; 3)大部分VI与TIC在0. 01和0. 05水平上相关,TFMV和TFV也可以反映叶片TIC,但TFV在相关水平和相关个数方面均优于TFMV。从波段角度分析,RE和NIR波段在植被指数和纹理特征方面与TIC的相关性均优于其他波段; 4)使用不同筛选方法得到的预测结果不同,其中CA与GA得到的评价指标最佳且相似,但GA在150～300mg·kg-1区间得到的预测结果偏低,不适用于田间施肥指导。5)仅使用植被指数得到的预测结果较差,加入纹理特征后很明显的提高了拟合优度及预测精度,纹理特征方差对模型精度的影响更大,说明叶片纹理的离散程度可以较好的作为预测全铁含量的辅助信息。【结论】F1和F2梯度的施肥量可以促进降香黄檀植株生长及生物量累计。最佳叶片全铁含量为150～300 mg·kg-1。除植被指数外,MPV作为辅助因素可以提高模型的拟合优度及预测精度,同时,CA-PSO-BPNN方法可以有效的运用于田间施肥指导,为珍贵树种重金属含量监测提供较为准确的预测。