甘蓝型油菜叶绿素荧光参数的高光谱预测

Prediction of chlorophyll fluorescence parameter of Brassica napus L.based on hyperspectral techniques

叶绿素荧光参数F_(v)/F_(m)是作物逆境胁迫研究中的重要指标。尽管目前存在不少F_(v)/F_(m)监测方法,但是监测成本高且需要时间进行暗适应,亟待进一步改进。基于此,为探究一种可以快速无损低成本的F_(v)/F_(m)监测方法,本试验采集薹期甘蓝型油菜的叶片光谱和对应的叶绿素荧光参数,使用Savitzky-Golay卷积平滑(SG)、标准正态变换(SNV)和多元散射校正(MSC)组成3种预处理方法对原始光谱进行预处理,通过竞争性自适应重加权算法(CARS)完成特征波段的筛选,进而基于筛选出的特征波段建立偏最小二乘回归方程(PLSR)、支持向量回归(SVR)和径向基神经网络(RBFNN)3种预测模型对F_(v)/F_(m)进行预测,采用决定系数(R^(2))、均方根误差(RMSE)和相对预测误差(RPD)对模型进行精度评价。结果表明,使用SG-SNV-RBFNN方法构建的预测模型精度最高,其训练集R^(2)为0.9288,RMSE为0.0088;测试集R^(2)为0.9072,RMSE为0.0115,RPD为3.4176。因此,在本研究涉及的方法中,利用SG-SNV-RBFNN建模方法预测叶绿素荧光参数F_(v)/F_(m)效果最好。