文献类型：期刊文章

作　　者：武改红[1] 冯美臣[1] 杨武德[1] 王超[1] 孙慧[1] 贾学勤[1] 张松[1] 乔星星[1]

WU Gai-hong,FENG Mei-chen,YANG Wu-de,WANG Chao,SUN Hui,JIA Xue-qin,ZHANG Song,QIAO Xing-xing(Institute of Dry Farming Engineering, Shanxi Agricultural University, Taigu 030801, Shanxi, China)

机构地区：[1]山西农业大学旱作农业工程研究所,山西太谷030801

出　　处：《生态学杂志》

基　　金：国家自然科学基金项目(31201168;31371572);山西省科学技术发展计划项目(201603D221037-3);山西省归国留学人员重点科研项目(2014-重点4);山西省研究生创新项目(2017SY035)资助

年　　份：2018

卷　　号：37

期　　号：5

起止页码：1589-1594

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、BIOSISPREVIEWS、CAS、CSCD、CSCD2017_2018、GEOBASE、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、ZR、核心刊

摘　　要：为选择合适的光谱预处理方法,提高叶片SPAD值的预测精度,本研究分析冬小麦不同叶位叶片SPAD值与光谱的响应关系,对原始光谱数据进行归一化处理(NC)、多元散射校正(MSC)和基线校正(BC)及组合处理,并结合连续投影算法(SPA)和逐步多元线性回归(SMLR)构建SPAD值光谱估测模型。结果表明:增加施氮量能提高冬小麦不同叶位叶片的SPAD值,生育前期顶二叶在近红外光谱区域反射率最大,生育后期则为顶一叶最大;单一光谱预处理中基于NC处理的光谱预测模型最好(R2=0.770、RMSE=1.483),MSC处理降低了模型预测效果,组合预处理中,以BC+NC建模效果最好,R2和RMSE分别为0.755和1.540;部分预处理在一定程度上可以消减噪音,但不当的预处理方法会降低模型的预测能力;预处理方法并不是越多越好,顺序不同预测模型精度不同。

关 键 词：冬小麦 高光谱  预处理 叶绿素相对含量 模型  

分 类 号：S512.11]