农业机械学报

作者：鲁向晖，王倩，张海娜，龚荣新，张杰，杨宝城

单位：南昌工程学院,南昌工程学院,南昌工程学院,南昌工程学院,南昌工程学院,南昌工程学院,

关键词：芳樟;叶绿素相对含量;多光谱遥感;反射率;植被指数;径向基函数神经网络

基金：国家自然科学基金项目（52269013、32060333）、江西省主要学科学术和技术带头人培养计划青年项目（20204BCJL23046）、江西省科技厅重大科技专项（20203ABC28W016-01-04）和江西省林业局樟树研究专项（202007-01-04）

为实现利用多光谱技术开展芳樟叶绿素相对含量（SPAD）监测，及时快速诊断芳樟矮林生长状况，为田间管理决策提供信息支持，以红壤区芳樟矮林为研究对象，利用无人机多光谱遥感影像，提取波段反射率，筛选植被指数，分别以波段反射率和植被指数为模型输入量，采用偏最小二乘回归、支持向量回归、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4种方法构建芳樟矮林SPAD反演模型，并对比不同输入量、不同模型模拟结果的反演精度。研究结果表明：对比两种不同的输入量，在同一模型反演的精度相差不大；其中，基于偏最小二乘回归法，以植被指数为模型自变量估测芳樟矮林SPAD效果略优；基于支持向量回归、BP神经网络和RBF神经网络，以波段反射率为模型自变量估测芳樟矮林SPAD效果略优；对比4种建模方法，不同方法建模预测精度不同，与偏最小二乘回归、支持向量回归和BP神经网络相比，基于RBF神经网络反演芳樟SPAD的精度最高，以波段反射率和植被指数为模型输入量的测试集为例，其决定系数R2分别为0.788、0.751，均方根误差（RMSE）分别为1.838、2.457，表明RBF神经网络在芳樟矮林SPAD预测过程中具有明显优势。

来源：2023年第5期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第5期