基于无人机高光谱的马铃薯冠层叶片全氮含量反演

为实现大田马铃薯冠层叶片全氮含量(LNC)的快速反演，利用低空无人机平台搭载成像光谱仪获取马铃薯冠层光谱数据，在综合比较原始反射率(R)、倒数变换反射率(1/R)、一阶微分变换反射率D(R)]、二阶微分变换反射率D(2R)]、倒数之对数变换反射率lg(1/R)]的基础上，选择D(2R)]用于后续试验。分别使用相关性分析(CA)、竞争性自适应重加权(CARS)、无信息变量消除(UVE)3种算法筛选特征光谱波段，使用偏最小二乘回归(PLSR)、支持向量机(SVM)构建马铃薯冠层LNC估测模型。结果表明：CA、CARS、UVE算法分别筛选出26、12、19个特征波段。在构建的PLSR模型中，用UVE筛选的特征波段建立的预测模型UVE-D(2R)-PLSR]效果最好，在验证集上的决定系数(R²)和均方根误差(RMSE)分别为0.806 8和0.193 2;在构建的SVM模型中，用CARS筛选的特征波段建立的预测模型CARS-D(2R)-SVM]效果最好，在验证集上的R²和RMSE分别为0.831 6和0.183 0。两模型对比，CARS-...