基于近红外光谱技术的杏叶含水率反演研究

为实现杏树叶片含水率数据的准确获取,对新疆南疆杏树的节水灌溉提供科学指导,本研究使用近红外光谱技术对杏树叶片含水率进行预测。采集1 000～1 800 nm范围内‘小白杏’叶片的光谱数据,使用多元散射校正（MSC）、标准正态变量变换（SNV）、均值中心化（MC）、归一化处理（Nor）4种方法对原始光谱进行预处理,采用竞争性自适应重加权算法（CARS）及随机蛙跳算法（RF）获取特征波段,分别建立基于不同预处理方法的全波段及特征波段的偏最小二乘回归（PLSR）和BP神经网络预测模型。结果表明MSC为最佳预处理方法,最佳预测模型为MSC-CARS-BP神经网络模型,所建模型预测相关系数Rp为0.986,预测均方根误差RMSEP为0.404,剩余预测偏差RPD为6.09,模型具有较好的预测能力,因此近红外光谱技术可以用于杏树叶片含水率的快速检测。