作者:姚胜男; 蒋金豹; 史晓霞; 王文佳; 孟豪微泄漏冠层叶绿素含量分数阶微分bp神经网络
摘要:通过野外实验对天然气微泄漏胁迫下大豆冠层叶绿素含量(Canopy Chlorophyll Content,CCC)进行高光谱估测,进而根据CCC的变化信息辅助判断天然气微泄漏信息。对大豆冠层光谱进行分数阶微分处理,根据各微分光谱与CCC的相关性选取敏感波段,构建各微分阶数下的多元线性回归模型和BP(Back-Propagation)神经网络模型,并对模型进行精度评价,筛选出天然气微泄漏胁迫下大豆CCC高光谱估测的最优模型。通过对各模型的精度评价可知:基于0.5阶微分的BP神经网络模型建模集R^2为0.914、RMSE为0.241g/m^2、RPD为3.351,验证集R^2为0.873、RMSE为0.294g/m^2、RPD为2.465,在所有模型中,其精度最高、预测效果最好,且稳定性好。因此,该模型可用于天然气微泄漏胁迫下大豆CCC的高光谱估测。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社