基于高光谱和GA-BP神经网络模型的冬小麦叶绿素含量反演

叶绿素是绿色植被进行光合作用的主要色素，是影响作物产量的重要因素之一，也是评价作物健康状况的重要生化指标。快速、准确、无损地监测作物叶片叶绿素含量，是实现作物长势和健康程度精准监测的关键。为提高作物叶绿素含量反演的精度，以冬小麦试验小区为基础，测量关中地区冬小麦叶片反射率及其对应的叶绿素含量。运用分数阶微分法计算0～2阶步长为0.1的分数阶光谱，通过灰色关联分析法提取出与叶绿素含量关联度大的特征，作为模型的输入参数。最终提取出0.6阶751、760 nm, 0.7阶744、751 nm, 0.8阶738、747 nm, 0.9阶738、750 nm, 1.0阶731、750 nm共10个与叶绿素含量关联度高的波段作为模型的特征波段。为解决BP神经网络(back propagation network)收敛速度慢、易陷入局部极小值的问题，使用遗传算法(genetic algorithm, GA)优化BP神经网络的权值和阈值，利用优化后的模型进行叶绿素含量的预测。结果表明，运用遗传算法优化BP神经网络模型反演精度较高，r²为0.952,均方根误差(RMSE)为3.64...