甘蓝型油菜叶绿素荧光参数的高光谱预测

叶绿素荧光参数F_v/F_m是作物逆境胁迫研究中的重要指标。尽管目前存在不少F_v/F_m监测方法，但是监测成本高且需要时间进行暗适应，亟待进一步改进。基于此，为探究一种可以快速无损低成本的F_v/F_m监测方法，本试验采集薹期甘蓝型油菜的叶片光谱和对应的叶绿素荧光参数，使用Savitzky-Golay卷积平滑(SG)、标准正态变换(SNV)和多元散射校正(MSC)组成3种预处理方法对原始光谱进行预处理，通过竞争性自适应重加权算法(CARS)完成特征波段的筛选，进而基于筛选出的特征波段建立偏最小二乘回归方程(PLSR)、支持向量回归(SVR)和径向基神经网络(RBFNN)3种预测模型对F_v/F_m进行预测，采用决定系数(R²)、均方根误差(RMSE)和相对预测误差(RPD)对模型进行精度评价。结果表明，使用SG-SNV-RBFNN方法构建的预测模型精度最高，其训练集R²为0.928 ...