农业机械学报

作者：朱盛凡，白驹驰，金忠煜，相爽，于丰华

单位：沈阳农业大学;国家数字农业区域创新分中心（东北）,沈阳农业大学;国家数字农业区域创新分中心（东北）,沈阳农业大学;国家数字农业区域创新分中心（东北）,沈阳农业大学;国家数字农业区域创新分中心（东北）,沈阳农业大学;国家数字农业区域创新分中心（东北）,

关键词：水稻叶绿素;叶片表面几何特征;PIOSL-B;辐射传输模型

基金：辽宁省自然科学基金面上项目（2023-MSLH-283）、国家自然科学基金青年基金项目（32201652）和辽宁省“兴辽英才计划”项目（XLYC2203005）

叶绿素（Cab）作为光合作用的核心色素，对水稻叶片生长、营养状态以及衰老过程起到重要的指示作用。利用PIOSL模型检测Cab含量时，模型区分第1单元层和其他单元层叶片介质，定量计算叶片反射光谱以及使用叶片光谱特征估算Cab含量。但该模型在描述叶片表面几何特征时，特征没有完全被定量，并且仅固定了一个光源入射角的理想值，这在一定程度上限制了叶片高光谱反射率的模拟精度，进而影响了利用辐射传输方法反演水稻叶片Cab含量的精度。本研究在现有PIOSL模型基础上，结合BRDF函数构建了PIOSL-B模型。首先利用PIOSL-B模型正向模拟构建“高光谱-叶绿素”数据集，从数据集中随机挑选2个样本的模拟光谱图，与PIOSL模型和PROSPECT模型相比，基于PIOSL-B模型的模拟光谱与实测光谱几乎吻合，PIOSL-B模型RMSE分别为0.015μg/cm2和0.011μg/cm2，精度高于PIOSL模型和PROSPECT模型。通过SPA算法和CARS算法分别提取水稻叶片Cab含量高光谱反射率特征波长，SPA算法筛选到的光谱个数比CARS算法少，同时特征波长大多处于曲线发生显著变化的位置，能够较好地包含所需的光谱信息，因此选择SPA算法提取的特征波长作为输入，最后利用随机森林算法建立水稻叶片Cab含量反演模型。研究结果显示，基于PIOSL-B模型构建的水稻叶片Cab反演模型，其R2和RMSE分别为0.817和4.586μg/cm2，相较于使用PIOSL模型和PROSPECT模型构建的水稻叶片Cab反演模型，反演精度有了显著提升，且优于极限学习机反演精度。结果表明，PIOSL-B模型能够有效建立水稻光谱与叶绿素含量之间的定量关系，可准确反演水稻叶绿素含量。

来源：2025年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第9期