基于支持向量机的棉花冠层叶片叶绿素含量高光谱遥感估算

[目的]建立并研究棉花冠层叶片叶绿素含量的高光谱估算模型,探讨合适的建模方法,以提高棉花叶绿素含量的高光谱遥感估算精度.[方法]以2016年种植的渭北旱塬区棉花鲁棉研28号为试验对象,用SPAD-502型手持式叶绿素仪和HR-1024i便携式地物光谱仪,分别测定棉花不同生育期冠层叶片SPAD值和对应的光谱反射率,分析SPAD值与光谱反射率的相关性.选取8个光谱参数,分析SPAD值与这8个光谱参数的相关性,并采用单因素回归、多元逐步回归和支持向量机(SVM)回归方法,构建棉花冠层叶片叶绿素含量的高光谱估算模型,比较各模型的决定系数(R2)、均方根误差(RMSE)以及相对误差(RE),评价模型的精度.[结果]①棉花冠层叶片光谱反射率在400～700 nm波段随叶片SPAD值升高而降低,在700～1 000 nm波段表现为SPAD值越高,叶片光谱反射率越高;②在530～570 nm和680～730 nm处叶绿素含量与光谱反射率呈极显著负相关(99.99％置信区间,n=144);③所选用的8个光谱参数与叶绿素含量均达到极显著相关,相关系数最高为0.686;④SVM回归模型验证R2达到了0.884,RMSE和RE最低,分别为2.186和3.419,比单因素回归模型中预测精度最高的SPAD-RVI1的RMSE和RE分别降低46.4％和46.3％,较多元逐步回归模型SPAD-MSR的RMSE和RE分别降低33.4％和32.1％,明显提高了棉花叶绿素含量的估算效果.采用8个光谱参数构建的SPAD-SVM8模型RMSE和RE比采用4个光谱参数构建的SPAD-SVM8模型分别降低了19.2％和23.5％.[结论]支持向量机(SVM)回归方法可以作为棉花冠层叶片叶绿素含量高光谱遥感估算的优选方法,且采用较多光谱参数构建的SVM模型估算精度更高.