夏玉米叶片光合色素含量高光谱估算

为了实现夏玉米叶片光合色素含量的快速、无损检测，以陕西省关中地区夏玉米“大丰26号”为研究对象，探究了不同总色素含量水平的玉米叶片反射光谱特征。分别提取与叶绿素a、叶绿素b、类胡萝卜素和总色素含量相关性较强的15个光谱参数，通过单变量回归、多元逐步回归和随机森林回归分析，建立光合色素含量估算模型并进行精度比较。结果表明：基于随机森林方法构建的光合色素估算模型精度最高，其中，叶绿素a、叶绿素b、类胡萝卜素的建模R²为0.93，总色素的建模R²为0.92；叶绿素a和类胡萝卜素的检验R^{2<、sup>为0.74，叶绿素b和总色素的检验R2为0.71；各模型的均方根误差（RMSE）和相对误差（RE）相差不大；拟合精度由高到低依次为叶绿素a、类胡萝卜素、总色素和叶绿素b的RF模型。证实了随机森林方法在夏玉米叶片光合色素含量估算中的优越性，并构建了高精度的光合色素RF估算模型。}     

水稻冠层叶绿素含量高光谱估算模型

为了寻求西北引黄灌区水稻冠层叶绿素含量的高精度估算模型，通过田间试验测定了水稻冠层SPAD和高光谱数据，运用任意波段组合的方式构建了一系列基于原始光谱、一阶导数光谱的比值、差值、归一化和土壤调节植被指数，筛选出反映水稻冠层SPAD的最佳植被指数作为自变量，应用普通回归分析方法和随机森林算法建立了该区域水稻冠层SPAD估算模型并进行了对比分析。结果表明：（1)应用普通回归分析方法，以RVI(D₁₃₁₆，D₇₃₆)为自变量建立的指数模型是估算西北引黄灌区水稻冠层SPAD的最佳单变量模型；（2)采用随机森林算法，以4个植被指数RVI(R₆₉₆，R₅₄₀)、DVI(R₇₀₀，R_{536)、SAVI(R700，R536)、RVI(D1316，D736)建立的估算模型比普通回归模型精度更高，验证结果的决定系数R²为0.873，均方根误差RMSE为3.221，平均相对误差RE为13.25%。说明通过随机森林算法建立的模型可以实现水稻冠层SPAD的精准估测，可以用于西北引黄灌区水稻冠层叶绿素含量的快速、无损获取。}