用MSC-ANN方法建立冬小麦叶片叶绿素与反射光谱的定量分析模型研究
- 出版年：2010
- 作者：梁雪；吉海彦；王鹏新；饶震红；申兵辉
- 单位1：中国农业大学信息与电气工程学院
- 出生年：1985
- 学历：硕士研究生
- 语种：中文
- 作者关键词：叶绿素；多元散射校正；非线性迭代偏最小二乘法；人工神经网络；反射光谱
- 起始页：188
- 总页数：4
- 经费资助：国家高技术研究发展计划项目（“863计划”）（2007AA10Z211）和国家科技支撑项目（2006BAD10A01）资助
- 刊名：光谱学与光谱分析
- 是否内版：否
- 刊频：月刊
- 创刊时间：1981
- 主管单位：中国科学技术学会
- 主办单位：中国光学学会
- 主编：黄本立
- 地址：北京市海淀区魏公村学院南路76号钢铁研究总院
- 邮编：100081
- 电子信箱：chngpxygpfx@vip.sina.com
- 网址：http://www.gpxygpfx.com
- 卷：30
- 期：1
- 期刊索取号：P342.06 220
- 数据库收录：物理类、化学类核心期刊
摘要
采用多元散射校正（MSC）预处理方法对冬小麦叶片反射光谱进行预处理，有效地减小物理因素对光谱的影响，之后用非线性迭代偏最小二乘法（NIPALS）提取经MSC处理后的反射光谱的主成分，主成分个数由交叉证实法（CrossValidation）确定，将提取的主成分作为人工神经网络（ANN）的输入，建立人工神经网络分析模型（MSC-ANN），用冬小麦叶片的反射光谱来预测冬小麦叶片叶绿素含量。校准集的化学值与预测值的相关系数r达到0.9604，预测标准偏差SD为0.187，相对标准偏差RSD为5.18%。检验集的化学值与预测值的相关系数r达到0.9600，预测标准偏差SD为0.145，相对标准偏差RSD为4.21%。结果表明，MSC-ANN方法能在较大程度上消除了野外物理因素的影响，使用具有代表性的光谱数据点建立模型，能够建立准确的冬小麦叶绿素含量预测模型，可代替经典分析方法，满足冬小麦叶片叶绿素快速分析的需要。