基于主成分分析和随机森林回归的冬小麦冠层叶绿素含量估算

为提高冬小麦冠层光谱对叶绿素含量的估算精度,以陕西省乾县冬小麦为研究对象,利用SVC-1024i光谱仪和SPAD-502型叶绿素仪实测了冬小麦冠层反射率和叶绿素含量,分析了一阶导数光谱、10种特征参数和9种植被指数与叶绿素含量的相关性,并利用主成分分析(PCA)对叶绿素敏感的可见光波段(390~780 nm)一阶导数光谱进行降维,将特征值大于1的主分量结合特征参数和植被指数形成不同的输入变量,用偏最小二乘回归和随机森林回归构建冬小麦冠层叶绿素估算模型,并利用独立样本对模型进行验证。结果表明,小麦冠层叶绿素含量与一阶导数光谱在751 nm处的相关性最高(r=0.71),特征参数中红边蓝边归一化(SDr-SDb)/(SDr+SDb)与叶绿素含量的相关性最高(r=0.66),植被指数(VI)中修正归一化差异指数(mND705)相关性最高(r=0.74)。在输入变量相同的情况下,基于随机森林(RF)回归的预测模型均优于偏最小二乘回归(PLSR)模型,其中PCA-VI-RF模型的各精度指标均达到最优(r^(2)=0.94,RMSE=1.05,RPD=3.70),是冬小麦冠层叶绿素含量估算的最优模型。

基于高光谱和连续投影算法的猕猴桃叶片氮平衡指数的估测

通过研究猕猴桃叶片氮平衡指数(Nitrogen balance index,NBI)与高光谱反射率之间的关系,建立合适的遥感估算模型,以期为指导陕西咸阳地区猕猴桃生长监测及田间精准施氮奠定理论基础。以陕西省咸阳市杨凌区的徐香猕猴桃为主要研究对象,测定其高光谱反射率、叶片氮平衡指数,通过一阶导数、二阶导数、连续统去除和标准正态分布光谱变换,分析包含原始光谱在内的5种不同光谱与叶片氮平衡指数之间的关系;进一步通过连续投影算法,剔除冗余信息,筛选出特征波长,并基于不同光谱的特征波长,使用单因素回归模型、随机森林回归(Random forest regression,RF)模型、支持向量机回归(Support vector regression,SVR)模型和偏最小二乘回归(Partial least square regression,PLSR)模型进行建模,比较模型精度。结果表明,当NBI值不同时,猕猴桃叶片相关指标的变化趋势类似:可见光波段的反射率随NBI值的增加呈现下降的趋势,而近红外波段反射率的变化趋势则与之相反,表现出随NBI值的增加而上升的趋势;部分光谱变换可以增加通过0.01水平显著性检验的波段数,提升与NBI值的相关性,其中连续统去除光谱的敏感波段数增加得最多,增加了190个,一阶导数光谱相关系数的绝对值最大值为0.77;连续投影算法可最大限度地减少数据的冗余,最高降维比达99%,在大幅提高计算效率的同时提高了模型的精度;与单因素回归模型相比,多因素机器学习模型对猕猴桃氮平衡指数的估算能力较高,其中SNV-SVR的表现最好,决定系数(R 2)为0.82,相对百分比差异(RPD)为2.34。在今后对猕猴桃氮平衡指数的估测中,可优先考虑本研究模型。

基于无人机高光谱分数阶微分玉米SPAD值估算

以夏玉米为研究对象,基于无人机高光谱数据和野外玉米冠层叶片实测SPAD值,以0.2阶为步长,计算光谱0~2阶分数阶微分,分析其与玉米冠层实测SPAD值之间相关性,筛选相关系数绝对值前10波段为特征波段组合,构建并比较玉米冠层叶片SPAD值的支持向量回归模型(SVR)、反向传播神经网络模型(BPNN)和麻雀优化算法随机森林模型(SSA-RFR)。结果表明,经分数阶微分变换可显著提高与SPAD值相关性,其中以0.6阶698 nm处相关系数绝对值最大;基于分数阶微分模型整体精度高于整数阶模型,其中基于分数阶微分的SSARFR模型精度最高,R2为0.706,较整数阶提高32.46%,RMSE和MRE分别为2.444和3.579%,较整数阶降低13.46%和12.95%。

基于连续小波变换耦合CARS算法的冬小麦冠层叶片含水量估算

为实现干旱地区冬小麦冠层叶片含水量的快速测定,以陕西省乾县为研究区,基于野外冬小麦冠层高光谱数据和实测叶片含水量,对原始光谱进行连续小波变换(continuous wavelet transform,CWT)后得到的小波能量系数与实测含水量进行相关性分析;并通过竞争性自适应重加权采样(competitive adaptive reweighted sampling,CARS)过滤冗余变量,筛选与叶片含水量相关性较好的波长变量,作为优选变量集;通过粒子群算法(particle swarm optimization,PSO)对BP神经网络模型进行优化,构建冠层叶片含水量预测模型并进行分析。结果表明,从尺度1到尺度10,小波系数与冬小麦叶片含水量整体相关性先升后降,中等分解尺度在光谱波段去除噪声、提高相关性方面最佳;基于CARS优选变量集所建的两种模型中,BP-PSO模型预测能力明显优于普通BP神经网络模型,其决定系数可达0.82,均方根误差为0.86%,相对误差为0.82%。这说明CWT-CARS-BP-PSO耦合算法在提升相关性、过滤冗余波段、提高模型预测精度方面效果显著,可用于冬小麦叶片含水量预测。

连续投影与SSA-ELM结合的玉米氮平衡指数高光谱估测

玉米氮平衡指数的快速、无损估测,对监测植株长势和指导田间氮肥施用具有重要现实意义。通过田间试验观测各生育期(拔节期、抽雄期、乳熟期、完熟期)玉米叶片氮平衡指数和对应光谱反射率,应用特征波段和植被指数,构建不同类型的玉米氮平衡指数高光谱反演模型。结果表明:不同氮平衡指数下的叶片高光谱反射特征基本一致,在可见光波段反射率较低、近红外波段反射率较高,不同生育期氮平衡指数与光谱反射率的相关性在抽雄期最高,乳熟期、完熟期次之、拔节期最低;连续投影算法具有良好的降维效果,筛选出的各生育期建模光谱参数为8~20个;各生育期多因素模型均优于单因素模型,抽雄期各类模型效果最佳,其中基于麻雀搜索算法优化的极限学习机回归模型是最优模型,其建模R^(2)与验证R^(2)均为0.93,相对预测偏差分别为2.57、2.31,表明该模型对氮平衡指数具有极好的预测能力。

基于Stacking集成学习的猕猴桃叶片叶绿素含量估算

叶绿素含量能有效表征植物光合作用强度,是反映植物生长状况的重要参量之一。以秦岭北麓壮果期猕猴桃叶片为研究对象,分别测定其叶绿素含量和光谱反射率,通过分析380~1000 nm范围内高光谱参数与叶绿素含量的相关性,筛选出估测模型的输入特征,选择随机森林、极限梯度提升树、K-近邻、LightGBM算法和岭回归作为基模型,线性回归作为元模型,建立基于Stacking集成学习的猕猴桃叶片叶绿素含量估算模型,并通过网格搜索和交叉验证提高模型泛化能力,将Stacking模型与多个单一模型进行比较。结果表明:(1)不同叶绿素含量的猕猴桃叶片高光谱反射率变化趋势基本一致,在380~1000 nm范围内呈现“一峰两谷一平台”的特点;(2)各高光谱参数与猕猴桃叶片叶绿素含量相关性较好,优化光谱指数和传统光谱指数中与叶绿素含量相关性最高的分别是比值光谱指数(RSI′_(581,438),r=0.947)和红边位置(r=0.914);(3)与多个单一模型相比,Stacking集成模型的估算精度最高(R^(2)=0.807,MAE=0.334,RMSE=0.136),同时,其相对预测偏差(RPD=7.443)明显高于其他模型,具有极好的预测能力。本研究为快速、无损、精确地获取猕猴桃叶片叶绿素含量提供了新思路。

基于小波纹理和随机森林的猕猴桃果园遥感提取

为快速、准确地从高分影像中获取猕猴桃种植分布信息,提出了一种结合小波变换纹理分析和随机森林分类的QuickBird影像猕猴桃果园自动提取方法。首先,采用coif5小波对QuickBird全色影像进行多尺度小波分解,计算各子频带小波系数的能量特征作为纹理特征;然后,将小波纹理与光谱特征组合构建分类特征;最后,利用随机森林分类实现土地利用分类和猕猴桃果园空间分布提取。结果表明,小波纹理识别猕猴桃果园的效果明显优于光谱特征和其他2种纹理特征;光谱+小波纹理特征的分类精度最高,猕猴桃果园提取精度(Fk)和总体分类精度(OA)分别为95.30%和94.46%,比光谱+灰度共生矩阵纹理分类分别提高6.70%和2.88%,比光谱+分形纹理分类显著提高13.43%和6.98%;随机森林分类结果优于相同特征下的支持向量机、最大似然分类。本文提取的猕猴桃果园面积与目视解译结果的相对误差小于7%。此外,利用本文方法对同期QuickBird影像另一研究区的苹果园分布进行提取,结果表明,该方法对苹果园提取有较好的适用性。

地形起伏度最佳统计单元算法的比较研究

基于90m分辨率SRTM DEM数据,利用邻域分析法在不同大小窗口下(2×2,3×3,4×4,…,30×30)对山西省地形起伏度进行了提取,运用人工作图法、最大高差法、模糊数学法、均值变点分析法和累积和(CUSUM)分析算法分别计算最佳统计单元,对统计单元计算方法的准确性及适用性进行分析,提出山西省地形起伏度提取的最佳统计单元。研究分析表明:均值变点分析法和累积和分析算法是相对比较有效的方法;运用均值变点分析法与累积和分析算法计算所得的最佳统计单元分别为11×11(0.980 1km^2)和14×14(1.587 6km^2);均值变点分析法是计算最佳统计单元的一种最为理想的方法;对于同一地区而言,不同DEM数据类型、不同分辨率DEM,所使用的最佳统计单元大小也不同。

黄绵土钾含量高光谱估算模型研究

为了研究可见/近红外光谱法估算渭北旱塬区黄绵土钾含量的可行性,以陕西省乾县试验田采集的120个土壤样品为研究对象,在室内进行土壤全钾、速效钾含量及反射光谱数据测量的基础上,应用多元线性回归(MLR)和偏最小二乘回归(PLSR)方法建立土壤钾含量的估算模型,并用独立样本进行验证。结果表明,以土壤光谱反射率一阶微分(DSSR)为自变量建立的多元线性回归模型(MLR)能进行土壤全钾含量准确估算。以波段深度一阶微分(DBD)为自变量建立的PLSR模型,验证集的决定系数(R2pre)大于0.90,预测均方根误差(RMSEpre)等于0.054,预测相对分析误差(RPDpre)等于3.310,是估算土壤全钾含量的最优模型;而以DSSR为自变量建立的PLSR模型,RPDpre值为1.619和1.572,是估算土壤速效钾含量的最优模型。本研究表明可见/近红外光谱结合多元线性回归和偏最小二乘回归方法能对渭北旱塬区黄绵土全钾含量进行快速、准确估算,但对速效钾含量仅能进行粗略估算。

中国山洪沟现状及防洪治理对策

为了推动重点山洪沟治理项目更好地开展,与所在小流域的监测预警系统和群测群防体系等相结合,形成综合防御体系,通过数据分析、案例研究、现场调研、经验总结等方法,在阐述山洪沟定义的基础上,综述国内外山洪沟治理研究技术,介绍我国重点山洪沟治理项目的现状,共规划治理山洪灾害危害重的重点山洪沟1 664条,建设了适合我国国情的专群结合的山洪灾害防治体系,发挥了显著的防灾减灾效益,然后从治理特点、治理部署特点、治理技术特点等方面进行分析。结果表明:中国山洪沟的整体分布、危害情况等与山洪灾害防治区基本一致,具有覆盖范围广、投资力度大、治理任务重、发生灾害频繁、基础防御能力低、人类活动影响严重等特点。结合山洪沟治理存在的问题,提出密切结合非工程措施,管理和监督共同推进,多渠道筹集资金,建立激励机制,强化技术、法律、宣传等措施,以期实现最大限度地减少人民生命财产损失。

陕西黄土台塬近三十年耕地动态变化的表层土壤有机碳效应

区域土地利用类型转变对土壤有机碳储量的影响,是生态环境效应评价的核心问题。根据土壤样点和土地利用数据,研究了陕西黄土台塬近三十年耕地转变对表层(0-20 cm)土壤有机碳密度和储量的影响。结果表明:(1)1985-2006、2006-2015年耕地的土地利用转化率分别为2.81%和17.89%,说明退耕还林政策加快了研究区土地利用类型转换速度。(2)研究区近三十年不同年份耕地表层土壤有机碳密度变化差异较大,1985年为1.73 kg/m^2,2006年较之增加8.09%,2015年较2006年增加36.36%。(3)1985-2006年,耕地不变和发生转变的面积分别为9429.87 km2和272.41 km^2,表层土壤增加的碳储量分别为927.93×10^6 kg和33.8×10^6 kg。2006-2015年,耕地不变和发生转变的面积分别为8119.04 km^2和1768.47 km^2,表层土壤碳储量增加值分别为3132.79×10^6 kg和1198.99×10^6 kg。⑷耕地转变为林草地等类型,有利于表层土壤有机碳储量的增加,是朝着碳汇方向进行。因此,陕西黄土台塬退耕还林可以增加生态系统碳固定。

基于无人机高光谱影像的水稻叶片磷素含量估算

为快速获取水稻叶片磷素含量信息,采用无人机搭载高光谱成像仪获取水稻冠层高光谱影像,并采样检测叶片磷素含量(质量分数)(Leaf phosphorus content,LPC)。分析了水稻LPC在无人机高光谱影像上的光谱特征,使用连续投影算法提取对磷素敏感的特征波长,通过任意波段组合构建并筛选与磷素高度相关的光谱指数,基于特征波长反射率和光谱指数建立水稻LPC的估算模型,利用最佳模型对高光谱影像进行反演填图,得到LPC空间分布信息。结果表明:全生育期内LPC与462~718 nm范围内光谱反射率显著负相关,负相关最大处相关系数达到-0.902;LPC的特征波长为670、706、722、846 nm,基于特征波长、使用偏最小二乘回归建立的LPC估算模型精度最高,验证R^(2)达到0.925,RMSE为0.027%;在任意波段组合构建的3种类型的光谱指数中,NDSI(R498,R606)、RSI(R498,R606)和DSI(R498,R586)与LPC的相关性最高,相关系数分别为0.913、0.915和0.938;基于3个光谱指数、使用神经网络构建的LPC估算模型精度较高,验证R^(2)为0.885,RMSE为0.029%;对各生育期水稻LPC空间分布的反演结果与实测数据相一致,说明利用无人机高光谱遥感可以实现田间水稻LPC的快速无损监测。

基于红边参数和人工神经网络的苹果叶片叶绿素含量估算

【目的】应用人工神经网络来解决苹果叶片叶绿素含量与高光谱数据之间的非线性关系,建立估测苹果叶片叶绿素含量的最佳模型,为苹果叶片叶绿素含量的快速无损监测提供参考。【方法】以位于陕西扶风杏林镇的树龄为4～5年的15棵苹果树为研究对象,2015年分别于果树花期(4月27日)、幼果期(5月30日)、果实膨大期(7月6日)、果实着色期(8月5日)、果实成熟期(9月11日)采集叶片样本,利用SVC HR-1024i型高光谱仪和SPAD-502叶绿素仪同步获取苹果叶片光谱值和对应的叶绿素含量,对原始光谱和一阶导数光谱与叶绿素含量之间的关系进行分析,从一阶导数光谱中提取苹果叶片光谱的5个红边参数,从5个红边参数中筛选出相关性好的红边参数,使用传统单变量回归算法、反向传播(back propagation,BP)神经网络和径向基函数(radial basis function,RBF)神经网络,建立叶绿素含量估测模型,用决定系数(R2)、均方根误差(RMSE)和相对误差(RE)来验证模型的准确性。【结果】与原始光谱相比,一阶导数光谱与苹果叶片叶绿素含量的相关性更高。5个红边参数中,红边位置、峰度系数、偏度系数与叶绿素含量的相关系数均较高,且均达极显著水平。建立的传统单变量回归模型中,基于红边位置、峰度系数和偏度系数的R2均大于0.7,其中基于偏度系数建立的多项式模型模拟精度最高,验证结果R2为0.872,RMSE为4.631,RE为8.81%。选取红边位置、峰度系数和偏度系数为人工神经网络的输入变量,分别优化BP神经网络的隐含层节点数和网络类型以及RBF神经网络的扩展系数(SPREAD值)来提高预测精度,结果发现,建立隐含层节点数为4的双隐含层BP神经网络最优模型R2为0.891,RMSE为3.844,RE为7.55%;当SPREAD值为0.6时,建立的RBF神经网络最优模型的R2为0.955,RMSE和RE分别为2.517和3.69%。【结论】估算苹果叶片叶绿素含量时,人工神经网络模型比传统单变量模型精度高,其中RBF神经网络模型学习速度快、精度高,拟合结果更加可靠。

2015年中国山洪灾害特点及减灾效益分析

全国山洪灾害防治项目经过2010—2015年的建设,初步形成了一套适合中国国情、较完整的山洪灾害防御体系,并发挥了显著的实际效益。基于全国山洪灾害防治项目的最新数据,介绍中国山洪灾害防御体系建设概况,分析认为2015年中国山洪灾害具有致死人数为历史最低、区域差异显著、同县多次遭灾、发生灾害时间提前等特点。结合中国在防御山洪灾害方面的典型案例以及取得的实际效益,从经济、社会、生态3个方面对山洪灾害防御建设进行综合评价,同时针对防御工作中的薄弱环节,提出了相应的对策和建议。

关中塿土发生特性与分类研究进展

塿土是关中地区受人类活动影响深刻的重要农业土壤,而对其发生分类及系统分类的归属仍有较大争议。本文综述了塿土的形成过程和成土过程特点,塿土发生分类归属的变更,系统分类的主要诊断层、诊断特性和诊断现象,高级分类单元归属及空间分布,基层分类单元的主要诊断指标等方面的研究进展。在此基础上,展望了塿土需要进一步开展的研究工作包括3个方面:①深入理解人为影响下塿土的成土过程,定量化分析覆盖层的形成过程;②开展塿土覆盖层厚度调查,界定堆垫表层的厚度标准;③进行土壤普查,建立塿土代表土系。

山丘区小流域下垫面数据精度对HEC-HMS水文模拟的影响研究

山丘区小流域下垫面条件复杂多变,DEM分辨率及子流域划分水平对分布式水文模型模拟结果的影响有待深入研究。本文选取小流域应用广泛的HEC-HMS分布式水文模型,在河南省栾川流域设置四种DEM分辨率方案及四种子流域划分方案,分别提取不同方案下的流域水文特征参数进行对比,并分析两种类型的数据精度对纳什系数和峰值模拟的影响。研究结果表明,与大中流域相比,DEM分辨率和子流域划分对山丘区小流域空间参数和水文模拟结果的影响要更为显著。在实际山洪预警预报工作中,为保证模拟结果的稳定性和可靠性,应尽可能选择高精度下垫面数据精度。

基于支持向量机的棉花冠层叶片叶绿素含量高光谱遥感估算

【目的】建立并研究棉花冠层叶片叶绿素含量的高光谱估算模型,探讨合适的建模方法,以提高棉花叶绿素含量的高光谱遥感估算精度。【方法】以2016年种植的渭北旱塬区棉花鲁棉研28号为试验对象,用SPAD-502型手持式叶绿素仪和HR-1024i便携式地物光谱仪,分别测定棉花不同生育期冠层叶片SPAD值和对应的光谱反射率,分析SPAD值与光谱反射率的相关性。选取8个光谱参数,分析SPAD值与这8个光谱参数的相关性,并采用单因素回归、多元逐步回归和支持向量机(SVM)回归方法,构建棉花冠层叶片叶绿素含量的高光谱估算模型,比较各模型的决定系数(R2)、均方根误差(RMSE)以及相对误差(RE),评价模型的精度。【结果】(1)棉花冠层叶片光谱反射率在400～700nm波段随叶片SPAD值升高而降低,在700～1 000nm波段表现为SPAD值越高,叶片光谱反射率越高;(2)在530～570nm和680～730nm处叶绿素含量与光谱反射率呈极显著负相关(99.99%置信区间,n=144);(3)所选用的8个光谱参数与叶绿素含量均达到极显著相关,相关系数最高为0.686;(4)SVM回归模型验证R2达到了0.884,RMSE和RE最低,分别为2.186和3.419,比单因素回归模型中预测精度最高的SPAD-RVI1的RMSE和RE分别降低46.4%和46.3%,较多元逐步回归模型SPAD-MSR的RMSE和RE分别降低33.4%和32.1%,明显提高了棉花叶绿素含量的估算效果。采用8个光谱参数构建的SPAD-SVM8模型RMSE和RE比采用4个光谱参数构建的SPAD-SVM8模型分别降低了19.2%和23.5%。【结论】支持向量机(SVM)回归方法可以作为棉花冠层叶片叶绿素含量高光谱遥感估算的优选方法,且采用较多光谱参数构建的SVM模型估算精度更高。

基于Dualex植物多酚-叶绿素仪的冬小麦叶绿素含量高光谱估算

为探讨基于Dualex植物多酚-叶绿素仪和高光谱遥感技术反演小麦叶绿素含量的可行性,利用Dualex植物多酚-叶绿素仪,测定不同生育时期冬小麦叶片叶绿素含量(Chl),同时进行叶片光谱测定,以对Chl敏感的1个一阶导数波段、3个三边参数和3个植被指数作为自变量,利用偏最小二乘法(PLS)和支持向量回归(SVR)构建估测模型,并利用验证样本对各生育时期估测模型进行精度检验,同时与传统的单因素模型进行了比较。结果表明,冬小麦反射光谱曲线在不同生育时期有所不同,且随着叶绿素含量的增加,可见光波段的光谱反射率不断降低;在以一阶导数光谱敏感波段、三边参数以及植被指数构建的冬小麦Chl单因素估算模型中,基于各生育时期显著相关的植被指数构建的模型精度最优;以7个参数作为自变量,利用偏最小二乘法(PLS)和支持向量回归(SVR)构建的模型在各生育时期均表现出较好的拟合性及预测精度,尤其利用SVR建立的模型建模决定系数在0.8以上,预测决定系数在0.7以上,是进行冬小麦叶片Chl估测的最优模型。

关中地区塿土系统分类归属及代表土系建立

塿土是关中地区受人为长期土粪堆垫而在原土壤表层形成明显堆垫层的重要农业土壤,其分类一直备受关注。为了解塿土的成土特点及系统分类归属,选取关中地区18个典型塿土剖面,通过野外成土因素、剖面形态调查与土样分析测定,依据中国土壤系统分类方案,确定其在高级和基层分类单元归属。结果表明,供试剖面包含堆垫表层、黏化层、钙积层等9个诊断层和诊断特性,隶属5个亚类,其中3个剖面为钙积土垫旱耕人为土,2个剖面为斑纹土垫旱耕人为土,8个剖面为普通土垫旱耕人为土,4个剖面为堆垫简育干润淋溶土,1个剖面为普通简育干润雏形土;按土族划分标准,可分为9个土族,其中13个剖面颗粒大小级别为黏壤质,5个为壤质;16个剖面矿物学类型为硅质混合型,2个剖面为混合型,土壤温度状况均为温性,14个剖面为石灰性,4个剖面为非酸性;按土系划分标准,18个剖面可划分为18个不同的土系。相关文献的71个塿土剖面的统计结果表明,堆垫层厚度介于17~97 cm,平均厚度为50.07 cm,因此堆垫表层以50 cm厚度为检索标准是适宜于划分典型塿土的高级分类归属的。为进一步完善中国土壤系统分类,强化对具有堆垫现象的雏形土有更强的区分能力和分类的准确性,建议在简育干润雏形土土类下增设堆垫简育干润雏形土亚类。

猕猴桃叶片叶绿素含量高光谱估算模型研究

【目的】研究猕猴桃叶片叶绿素含量的高光谱估算方法,为猕猴桃长势的遥感监测提供理论依据。【方法】以陕西杨凌蒋家寨村2018年不同生育期(初花期、幼果期、膨果期、壮果期、果实成熟期)的猕猴桃叶片为研究对象,分别测定其高光谱反射率和叶绿素含量(SPAD值),分析原始光谱和5个常见的植被指数(归一化植被指数、归一化叶绿素指数、改进的叶绿素吸收反射率指数、MERIS地面叶绿素指数、土壤调整指数)与叶绿素含量之间的相关关系,提取各生育期的特征波段,分别建立基于特征波段和植被指数的单波段叶绿素含量一元线性估算模型。利用主成分分析对原始光谱数据进行降维,将得到的主成分得分作为随机森林模型的输入变量,建立基于多波段信息的叶绿素含量多元估算模型,并对模型进行精度验证和分析。【结果】不同生育期猕猴桃叶片光谱反射率变化趋势基本一致,整体趋势为可见光波段反射率低,近红外波段反射率高;在可见光波段,光谱反射率随着叶绿素含量的升高而降低;在近红外波段,光谱反射率则随着叶绿素含量的增加而升高。通过相关性分析可知,初花期、幼果期、膨果期、壮果期、果实成熟期原始光谱的特征波段分别为729,548,707,707和712 nm,估算模型决定系数(R^2)分别为0.18,0.85,0.54,0.85和0.82,其中初花期估算模型未通过显著性检验,其余生育期均通过极显著性检验。在5个常用植被指数中,初花期与叶绿素含量相关性最高的是归一化叶绿素指数(NPCI),但是估算模型决定系数R^2只有0.1,未通过显著性检验;其他生育期与叶绿素含量相关性最高的是MERIS地面叶绿素指数(MTCI),所建立的估算模型拟合效果好,预测精度高。基于主成分分析和随机森林回归建立的不同生育期猕猴桃叶片叶绿素含量估算模型的R^2在0.91~0.98,均通过极显著性检验,其拟合效果和预测精度远高于单波段一元线性回归和基于植被指数的一元线性回归模型,是估算猕猴桃叶片叶绿素含量的最优模型。【结论】基于主成分分析的随机森林模型包含了更完整的波段信息,对不同生育期猕猴桃叶片叶绿素含量具有较好的预测能力。