[发明专利]一种苹果叶片叶绿素遥感估测方法

权利要求书

1.一种苹果叶片叶绿素遥感估测方法，其特征在于，包括以下步骤：

步骤1、光谱数据测定

采用美国SCVHR 1024i型便携式高光谱仪进行叶片漫反射光谱数据的测定；光谱仪测定的波长范围为350～2500nm，通道数为1024个，其中350～1000nm区间光谱分辨率为1.4nm，1000～1850nm区间光谱分辨率为3.8nm，1850～2500nm区间光谱分辨率为2.4nm；测定工作在室内进行，每次进行样品光谱测定前，利用漫反射参考板进行仪器校正，每组叶片选择1片叶子，先对叶面进行清洁；然后进行光谱测定；每个点测定2次取平均值作为该点光谱测定值，每一叶片取3～5个点，最后取各点的平均值作为该叶片的光谱值；

步骤2、叶绿素含量测定

使用日本KONICA MINOLTA公司生产的SPAD502叶绿素仪同步对苹果叶片的相对叶绿素含量进行无损测量；在每片叶子不同位置上测定10个SPAD值，取平均值作为该叶的SPAD值，代表该叶片的叶绿素含量，共获得500个叶片的SPAD值；

步骤3、数据处理

在数据分析前利用光谱仪自带的处理软件ViewSpec Pro 6.0将测定的苹果叶片光谱数据进行重采样，设置采样间隔为1nm；采用Savitzky-Golay平滑滤波对光谱数据进行预处理，设置平滑点数为5，由原始光谱求得一阶微分光谱，从一阶微分光谱中提取叶片的红边参数；

步骤4、模型构建与精度检验

采用一元线性、指数、对数、多项式和幂函数构建叶片叶绿素含量与各项红边参数的普通回归模型，选择相关性好、精度高的红边参数作为自变量，构建叶绿素含量估算模型；甄选出的红边参数作为人工神经网络的输入向量，构建基于红边参数的人工神经网络模型。

2.根据权利要求1所述的苹果叶片叶绿素遥感估测方法，其特征在于，步骤3中，叶片的红边参数，包括红边位置、红边振幅、红边面积、峰度系数以及偏度系数。

3.根据权利要求1所述的苹果叶片叶绿素遥感估测方法，其特征在于，步骤3中，共选择了其中的286组光谱数据和SPAD值进行分析研究；建模过程中，在286组数据中随机筛选236组用于建模，另50组用于验证。

4.根据权利要求1所述的苹果叶片叶绿素遥感估测方法，其特征在于，步骤4中，人工神经网络选择BP神经网络和RBF神经网络两种。

5.根据权利要求1所述的苹果叶片叶绿素遥感估测方法，其特征在于，步骤4中，为检验模型精度，将模型预测值与实测值进行回归拟合，采用通用的决定系数R²、均方根误差RMSE、相对误差RE验证模型的准确性。