基于神经网络的叶片等效水厚度高光谱反演

叶片等效水厚度(EWT)对植物水分状态评价具有重要意义,因此如何快速、准确、无损地检测叶片等效水厚度也具有重要的意义。高光谱数据可为检测植物中的叶片等效水厚度提供重要的手段。现有的研究主要集中使用各种机器学习方法来对叶片等效水厚度进行反演,这些方法往往需要对原始光谱进行光谱变换、特征选择、降维等一系列操作。本文采用神经网络的方法来建立叶片等效水厚度的反演模型。实验结果表明:在LOPEX93数据集中,使用神经网络的方法R2值与RMSE值分别达到了0.945与0.0012优于机器学习方法。