苹果树冠SPAD高光谱估测：连续统去除法的应用

"基于连续统去除法的苹果树冠SPAD高光谱估测" 本文探讨了如何利用高光谱技术来准确、快速、实时地评估苹果树冠层的SPAD（土壤和作物分析仪）值，这对于监测苹果树的生长状况至关重要。研究者连续两年对62个果园的196棵苹果树进行了光谱反射率和SPAD值的测量。他们分析了原始光谱数据以及应用连续统去除法处理后的光谱数据与SPAD值之间的相关性。 连续统去除法是一种光谱预处理技术，旨在消除光谱中的连续背景影响，以便更好地揭示光谱特征与目标变量（如SPAD值）的关系。在350至1300纳米的光谱范围内，研究人员计算了不同波段组合形成的NDVI（归一化植被指数）、RVI（比值植被指数）和DVI（差值植被指数）等光谱指数。这些指数是通过比较不同波段的光谱反射率来评估植物健康状态的常用指标。 通过逐步回归和主成分分析，研究者选取主成分作为自变量，建立了一个基于支持向量机（Support Vector Machine, SVM）的回归模型来预测SPAD值。该模型使用第二年的数据进行了验证。在创建的三种植被指数中，NDVI(406, 563)、RVI(406, 565)和DVI(646, 695)与SPAD值的相关性最高，相关系数分别为0.677、0.690和0.711。支持向量机回归模型的预测集决定系数（PR²）达到0.837，表明模型预测精度较高，预测集相对误差（REP）仅为1.190%，而预测集相对分析误差（RPDP）为2.213，这进一步证明了模型的有效性。 研究发现，连续统去除法和光谱指数可以增强光谱数据与果树冠层SPAD值的相关性。此外，与SPAD值高度相关的光谱指数主要由可见光波段组成。这表明支持向量机回归模型在苹果树新梢旺长期的SPAD值估算中表现良好。 这项研究提供了一种利用高光谱技术和连续统去除法结合植被指数的方法，有效地评估苹果树冠层的叶绿素含量，对于果树管理特别是病虫害监测和营养状况评估具有重要应用价值。未来的研究可以进一步优化模型，提高预测精度，以实现更精确的果树健康监测。