基于BP神经网络的烟草叶片质体色素高光谱反演

为促进高光谱遥感技术在烟叶品质监测中的应用,以云烟87为研究对象,设置不同的光质处理,测定了不同生育时期烤烟叶片的质体色素(叶绿素a、叶绿素b和类胡萝卜素)含量(质量分数)及相应的叶片光谱反射率。采用小波能量系数提取法将原始光谱数据从2 151个降维为21个,并分别建立了以质体色素实测值作为输出因子,降维后的光谱数据作为输入因子的BP神经网络预测模型,训练函数采用L-M优化算法函数trainlm,输入层和输出层传递函数分别为S型正切传递函数tansig和线性传递函数purelin,叶绿素a、叶绿素b和类胡萝卜素的神经网络的隐含层节点数分别为27、32和45。结果表明,叶绿素a、叶绿素b和类胡萝卜素各模型决定系数R2分别为0.84、0.86和0.76;均方根误差RMSE分别为0.12、0.14和0.10;相对误差绝对平均值K分别为0.23、0.21和0.15。3种质体色素模型的拟合精确度均较高,误差较小,整体效果良好。