基于BP神经网络的烟草叶片质体色素高光谱反演

为促进高光谱遥感技术在烟叶品质监测中的应用，以云烟87为研究对象，设置不同的光质处理，测定了不同生育时期烤烟叶片的质体色素（叶绿素a、叶绿素b和类胡萝卜素）含量（质量分数）及相应的叶片光谱反射率。采用小波能量系数提取法将原始光谱数据从2151个降维为21个，并分别建立了以质体色素实测值作为输出因子，降维后的光谱数据作为输入因子的BP神经网络预测模型，训练函数采用L-M优化算法函数trainlm，输入层和输出层传递函数分别为S型正切传递函数tansig和线性传递函数purelin，叶绿素a、叶绿素b和类胡萝卜素的神经网络的隐含层节点数分别为27、32和45。结果表明，叶绿素a、叶绿素b和类胡萝卜素各模型决定系数R2分别为0.84、0.86和0.76；均方根误差RMSE分别为0.12、0.14和0.10；相对误差绝对平均值K分别为0.23、0.21和0.15。3种质体色素模型的拟合精确度均较高，误差较小，整体效果良好。