以不同品种类型和不同施氮水平的水稻(Oryza sativa)叶片近红外光谱信息为基础,运用逐步多元回归法(Stepwise multiple linear regression,SMLR)、主成分回归法(Principal component regression,PCR)、偏最小二乘法(Partial least squar...
详细信息
以不同品种类型和不同施氮水平的水稻(Oryza sativa)叶片近红外光谱信息为基础,运用逐步多元回归法(Stepwise multiple linear regression,SMLR)、主成分回归法(Principal component regression,PCR)、偏最小二乘法(Partial least square,PLS)和BP神经网络法(Back-propagation neural network,BPNN),建立了水稻叶片中叶绿素a(Chl a)、叶绿素b(Chl b)、叶绿素a+b (Chl a+b)和类胡萝卜素(Car)的近红外预测模型.结果显示,利用8000~4000 cm-1波段范围的一阶导数(First derivative,FD)建模效果最佳.其中,基于PLS的预测模型效果最好;4类近红外色素模型的内部交叉验证误差分别为0.251,0.063,0.305和0.073;外部交叉验证的误差RMSEP分别为0.335,0.123,0.302和0.072,表明的预测效果较好.因此,可以基于近红外模型对水稻叶片色素含量进行快速测定.
暂无评论