《表4 不同SPAD值估算模型的训练与测试结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《水稻叶片SPAD值的高光谱估算模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

利用可见光波段和近红外波段的光谱反射率进行一系列的处理，获得各种功能和用途的植被指数，从而定量估算作物的农学参数。对不同作物生理生化参数进行估算时需筛选不同的植被参数。赵佳佳等（2014）通过测量冬小麦叶片冠层光谱反射率和SPAD值，并分析二者的相关性，发现冬小麦叶片SPAD值与冠层光谱植被指数（DVI、RVI、GRVI、ND-VI、FDRVI、FDNDVI、FDDVI、FDGRVI）均呈极显著相关，其中与NDVI的相关性较大（r=0.9238）。本研究针对水稻叶片的SPAD值，分析了15种植被指数与SPAD值间的相关性，发现这15种植被指数均与SPAD值极显著相关，水稻SPAD值与水稻叶片的光谱位置参数及植被参数存在极显著相关。朱西存等（2011）通过测定不同物候期的苹果叶片高光谱与SPAD值，发现光谱的红边参数（红边位置、红边斜率、红边面积）与SPAD值间均达显著或极显著相关。本研究不仅验证了上述结论，还发现光谱的绿峰参数（绿峰位置、绿峰反射率）、黄边参数（黄边面积、黄边振幅）、蓝边参数（蓝边位置、蓝边振幅、蓝边面积）、红谷参数（红峰反射率、红峰位置）与水稻SPAD值间存在极显著性相关，且黄边面积与SPAD值呈最大正相关（r=0.864），蓝边振幅与SPAD呈最大负相关（r=-0.865）。因此推断敏感波段的植被指数和光谱位置参数与SPAD值相关性更好，表明选择相关性高的信息作为建模输入，得到的结果更理想。孙小香等（2018）对水稻冠层SPAD值进行高光谱反演模型研究，结果表明对22个光谱位置参数进行主成分分析，提取方差累积贡献率达99.734%的前8个主成分进行支持向量机回归建模，模型的估算精度优于其他模型（PCA+SMLR、CP+SVR和CP+SMLR）；但模型估算精度的评价指标局限于RMSE的比较，未能反映MRE的大小，其结论有待进一步探讨。