烤烟叶片氯密度高光谱预测模型的建立

作者：杨艳东; 贾方方; 刘新源; 任天宝; 刘文; 李梦匣; 刘云飞; 刘国顺^*

来源：河南农业科学, 2019, 48(05): 155-160.

DOI：10.15933/j.cnki.1004-3268.2019.05.023

• 烤烟
• 氯密度
• 高光谱
• 植被指数
• 预测模型

连续2 a设置烤烟3个品种处理和3个地点处理,提取10个植被指数[修正三角形植被指数(Modified triangular vegetation index,MTVI)、归一化植被指数1(Normalized difference vegetation index 1,NDVI1)、归一化植被指数2(Normalized difference vegetation index 2,NDVI2)、新型植被指数(New vegetation index,NVI)、比值植被指数1(Ratio vegetation index 1,RVI1)、比值植被指数2(Ratio vegetation index 2,RVI2)、比值植被指数3(Ratio vegetation index 3,RVI3)、水分指数(Water index,WI)、归一化色素叶绿素植被指数(Normalized chlorophyll pigment vegetation index,NCPI)、简单比值水分指数(Simple ratio water index,SRWI)],用一元线性回归模型、多元线性回归模型、BP神经网络模型分别对烤烟叶片氯密度进行估算,比较其对烤烟叶片氯密度的预测效果。结果表明,NDVI2、NVI、RVI2、RVI3、NCPI、SRWI 6个植被指数与烤烟叶片氯密度均极显著相关,相关系数均>0.680。一元线性回归模型、多元线性回归模型、BP神经网络模型的决定系数分别为0.617、0.617、0.868,其均方根误差分别为1.573、1.577、0.828。BP神经网络的预测效果比一元线性回归模型、多元线性回归模型预测效果好。

• 出版日期2019
• 单位河南省烟草公司郑州市公司; 河南省烟草公司三门峡市公司; 商丘师范学院; 河南农业大学; 烟草行业烟草栽培重点实验室