舒田 黎瑞君 陳智虎 孫長青 劉春艷 許元紅

摘要：構(gòu)建佛手瓜葉片葉綠素含量估算模型，為實(shí)現(xiàn)高光譜技術(shù)監(jiān)測佛手瓜葉片葉綠素含量變化提供參考依據(jù)。利用SPAD-502 PLUS葉綠素儀同步測定佛手瓜葉片的SPAD值，以Field Spec 3地物光譜儀采集佛手瓜葉片光譜數(shù)據(jù)。對原始光譜去噪處理后經(jīng)一階微分變換、倒數(shù)對數(shù)變換和倒數(shù)對數(shù)的一階微分變換提取其特征波段，然后利用紅邊及綠峰位置構(gòu)建了SPAD值的預(yù)測模型，并采用決定系數(shù)（R2）、均方根誤差（RMSE）和相對誤差（RE）對模型進(jìn)行精度評價。結(jié)果表明，在400～1 000 nm波長范圍內(nèi)，佛手瓜葉片光譜特征在可見光區(qū)的綠峰波段反射率在22%左右，在近紅外區(qū)形成高反射率，達(dá)到56%左右。通過對原始光譜曲線進(jìn)行一階微分變換、倒數(shù)對數(shù)變換和倒數(shù)對數(shù)的一階微分?jǐn)?shù)學(xué)變換后，提取出佛手瓜葉片的特征波長分別有520、550、640、650、670、680、700 nm。以單一紅邊位置與佛手瓜SPAD值建立的模型，r2為0.814 2，以此模型進(jìn)行SPAD值預(yù)測，得到預(yù)測值與實(shí)測值的決定系數(shù)r2為 0.833 7，RMSE為2.83，RE為4.36%；以紅邊與綠峰位置和佛手瓜SPAD值建立的模型，r2為0.824 7，同樣以該模型進(jìn)行SPAD值預(yù)測，得到的預(yù)測值與實(shí)測值的決定系數(shù)r2為0.885，RMSE為2.16，RE為3.43%。構(gòu)建的紅邊及綠峰位置的回歸預(yù)測模型對預(yù)測佛手瓜葉片SPAD值是可行的，為佛手瓜生產(chǎn)精準(zhǔn)調(diào)控、產(chǎn)量評估和科學(xué)管理提供必要技術(shù)支撐。

關(guān)鍵詞：佛手瓜；光譜特征；高光譜；SPAD值；估算模型

中圖分類號：S127??文獻(xiàn)標(biāo)志碼：A??文章編號：1002-1302（2023）09-0222-05

基金項(xiàng)目：貴州省科技支撐計(jì)劃（編號：黔科合支撐［2021］一般211號）；貴州省科學(xué)技術(shù)基金項(xiàng)目（編號：黔科合基礎(chǔ)-ZK［2021］一般130號）。

作者簡介：舒?田（1981—），男，湖南邵陽人，博士，副研究員，從事GIS與農(nóng)業(yè)遙感、農(nóng)業(yè)信息技術(shù)研究。E-mail：378074794@qq.com。

通信作者：黎瑞君，碩士，助理研究員，主要從事農(nóng)業(yè)信息技術(shù)研究。E-mail：635905436@qq.com。

佛手瓜［Sechium edule （Jacq.） Swartz.］別稱捧瓜、千金瓜、壽瓜、洋瓜、棚瓜、虎兒瓜、葵瓜等，為葫蘆科多年生草本攀緣植物［1-2］。佛手瓜嫩葉、莖和塊根均可食用，是一種藥食同源蔬菜［3-4］。佛手瓜在我國主要種植于貴州、云南、四川、廣東、福建、浙江等省份，生長快、產(chǎn)量高，產(chǎn)量可達(dá)60～90 t/hm2。佛手瓜喜溫暖氣候，不耐高溫和嚴(yán)寒，生長適宜溫度為18～25 ℃，溫度、光照和水分等是影響佛手瓜生長的主要因素，是一種典型的短日照植物。佛手瓜性涼、味甘，以葉和果實(shí)入藥，瓜苗富含硒元素，具有強(qiáng)抗氧化作用。

葉綠素作為植物進(jìn)行光合作用過程的重要農(nóng)學(xué)參數(shù)，其含量與植物光合速率、氮素水平、健康狀況及產(chǎn)量等密切相關(guān)，是植物營養(yǎng)脅迫、光合作用能力、葉片氮素含量以及生長發(fā)育狀況的重要指示劑［5-9］。通常在實(shí)際研究和應(yīng)用中，采用SPAD值來表征植物的葉綠素含量［10］。傳統(tǒng)的葉片葉綠素含量檢測常用分光光度計(jì)法［11-12］，測定葉綠素含量時常用研磨法和浸泡法，但該方法操作復(fù)雜、費(fèi)時費(fèi)力，且容易損害葉片組織結(jié)構(gòu)。加上葉綠素內(nèi)部結(jié)構(gòu)不穩(wěn)定，見光易分解，測量結(jié)果與實(shí)際可能存在著誤差［13-14］。葉綠素儀能夠準(zhǔn)確表征葉綠素的相對含量，實(shí)現(xiàn)對SPAD值的快速、高效和無損檢測。SPAD值表現(xiàn)植物葉片葉綠素含量的相對值，使用SPAD值代替葉綠素含量已成為植被長勢好壞的重要考量［15］。眾所周知，可見光范圍內(nèi)植物葉片光譜反射率主要受色素含量影響，葉綠素含量影響植物的光譜特性。當(dāng)植物健康正常并旺長時，葉綠素含量高時“綠峰藍(lán)移”。當(dāng)作物染病后，色素系統(tǒng)被破壞而“失綠”，從而出現(xiàn)病斑、黑斑或傷斑，這將導(dǎo)致可見光波段的反射率“綠峰紅移”［16-17］，說明植物葉片色素含量可通過光譜反射率進(jìn)行估算［18］。具有多波段、高光譜分辨率且連續(xù)性優(yōu)的高光譜技術(shù)可直接對地表物體進(jìn)行微弱光譜差異的定量分析［19］，利用高光譜遙感來探測作物葉片葉綠素含量的研究也受到越來越多學(xué)者的關(guān)注。王克曉等分析了油菜葉片光譜反射特征和光譜參數(shù)與SPAD值的相關(guān)性，構(gòu)建了偏最小二乘法回歸（PLSR）、BP（back propagation）神經(jīng)網(wǎng)絡(luò)（BPNN）、支持向量機(jī)回歸（SVR）和深度神經(jīng)網(wǎng)絡(luò)（DNN）等模型對葉片SPAD值進(jìn)行了估測［20］。李媛媛等利用玉米葉片的一階微分光譜得到其不同光譜位置參數(shù)，然后將與SPAD值相關(guān)系數(shù)高的4個參數(shù)作為輸入變量，將SPAD值作為輸出變量構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)模型［21］。章曼等分析了不同施肥條件下水稻不同生育期冠層反射光譜和葉綠素含量的變化特征，以及高光譜植被指數(shù)與葉綠素含量的相關(guān)關(guān)系［22］。雷祥祥等基于PROSPECT模型，擬合了蔬菜葉片的反射率光譜，通過線性反演得到了蔬菜葉片葉綠素含量和SPAD值［23］。郭晶晶等獲取了不同光照強(qiáng)度下生菜全生命周期的動態(tài)高光譜和SPAD值數(shù)據(jù)，探討了高光譜曲線的變化規(guī)律并建立了高光譜與SPAD值之間的關(guān)系模型［24］。

但是上述研究大多數(shù)集中在水稻、油菜、玉米和生菜上，對于藤架式的瓜果類蔬菜研究甚少。本研究在探討佛手瓜掛果期黃綠葉片光譜特征的基礎(chǔ)上，對原始光譜進(jìn)行去噪處理后經(jīng)一階微分變換、倒數(shù)對數(shù)變換和倒數(shù)對數(shù)的一階微分變換，提取了紅邊位置和綠峰位置以及其他特征波段，同時構(gòu)建了SPAD值的預(yù)測模型，以期為佛手瓜葉片葉綠素含量的準(zhǔn)確估算，實(shí)現(xiàn)高光譜技術(shù)監(jiān)測綠色植被葉綠素含量變化提供技術(shù)支撐和理論參考。

1?材料與方法

1.1?試驗(yàn)區(qū)概況與數(shù)據(jù)采集

試驗(yàn)于2022年10月26日上午在貴州省惠水縣好花紅鎮(zhèn)弄苑村的廣州市荔灣區(qū)-黔南州惠水縣鄉(xiāng)村振興協(xié)作示范基地-萬畝佛手瓜產(chǎn)業(yè)園進(jìn)行（中心點(diǎn)坐標(biāo)106°38′30.9″E，25°59′19.6″N，平均海拔1 165m）。供試品種為綠皮佛手瓜，當(dāng)天晴朗無風(fēng)，氣溫30 ℃左右，于11：20開始進(jìn)行佛手瓜葉片生理及光譜信息的采集。測量時正值佛手瓜掛果期，選擇生長狀況良好、長勢接近且葉片面積較大的黃綠葉片（圖1），共采集原始葉片樣本84組。采集的數(shù)據(jù)包括佛手瓜目標(biāo)葉片高光譜和葉綠素含量：（1）目標(biāo)葉片高光譜采用美國ASD公司的地物光譜儀（Field Spec 3）測量，波譜范圍為350～2 500 nm，當(dāng)光譜范圍為350～1 000 nm時，光譜采樣間隔為1.377 nm，光譜分辨率為3 nm；當(dāng)光譜范圍為1 001～2 500 nm時，光譜采樣間隔為2 nm，光譜分辨率為10 nm。使用前先預(yù)熱0.5 h，每個葉片獲取3條曲線并取均值，每次測量后使用白板進(jìn)行校正。（2）葉綠素含量采用日本產(chǎn)的SPAD-502 PLUS葉綠素儀同步獲取，避開主葉脈從葉尖到葉尾等間隔測量，每片葉獲取5條數(shù)據(jù)，因SPAD-502讀數(shù)與葉綠素含量密切相關(guān)，因此將測量的平均值代表SPAD值［25］。

分別取每一張佛手瓜葉片的SPAD值及反射光譜的平均值作為該葉片的SPAD值與對應(yīng)的光譜反射率。研究一共測得84份葉片樣本，按2 ∶?1的比例隨機(jī)選取56份進(jìn)行建模，剩余28份進(jìn)行驗(yàn)證。測定的佛手瓜葉片各類型樣本的SPAD值統(tǒng)計(jì)特征見表1。

1.2?光譜數(shù)據(jù)預(yù)處理

由于反射率受到大氣、水汽以及植物自身因素的影響，需要對原始光譜曲線進(jìn)行預(yù)處理。光譜曲線在首尾兩端存在較大噪聲，數(shù)據(jù)顯得異常，本研究僅保留400～1 000 nm范圍反射光譜數(shù)據(jù)進(jìn)行分析處理。數(shù)據(jù)處理及分析利用MATLAB軟件對光譜數(shù)據(jù)進(jìn)行Savitzky-Golay平滑去噪處理（5點(diǎn)二次多項(xiàng)式），在ENVI軟件對平滑處理后的原始光譜反射率R進(jìn)行去除包絡(luò)線C（R）處理，同時利用MATLAB軟件的計(jì)算代碼對預(yù)處理后的原始光譜反射率（R）進(jìn)行一階微分變換R′、倒數(shù)對數(shù)處理 lg（1/R） 以及倒數(shù)對數(shù)的一階微分［lg（1/R）］′數(shù)學(xué)變換。

1.3?模型構(gòu)建與精度檢驗(yàn)

對地物光譜儀采集的數(shù)據(jù)通過公式（1）進(jìn)行一階微分近似計(jì)算，得到紅邊位置和綠峰位置。

式中：λi為i nm處的波長；λi+1為（i+1） nm處的波長；λi-1為（i-1） nm處的波長；R（λi+1）為波長λi+1的反射率；R（λi-1）為波長λi-1的反射率；R′（λi）為λi的一階微分。

然后以紅邊位置和綠峰位置作為自變量，SPAD值作為因變量，采用SPSS進(jìn)行多元回歸分析，建立葉片SPAD值的預(yù)測模型。模型精度檢驗(yàn)的標(biāo)準(zhǔn)為較高的決定系數(shù)（r2）、較低的均方根誤差（RMSE）和相對誤差（RE）。三者可通過公式（2）、公式（3）、公式（4）來計(jì)算獲得［9］。

式中：yi為實(shí)測值；y^i為預(yù)測值；yi為實(shí)測值平均值；n為樣本總數(shù)。

2?結(jié)果與分析

2.1?原始光譜特征分析

圖2是不同等級SPAD值的佛手瓜葉片的光譜特性?？梢钥闯觯瑹o論在可見光還是近紅外波段，佛手瓜葉片光譜反射率呈現(xiàn)典型綠色植物的光譜特征：400～500、650～700 nm之間的藍(lán)光和紅光波段由于進(jìn)行光合作用的光輻射能被葉綠素全部吸收而形成2個低反射區(qū)，反射率一般在10%以下；在550 nm的綠波段處，由于葉片的吸收減少形成1個反射峰，反射率在20%左右；在700 nm左右反射率陡然上升近似垂直直線，斜率變大，進(jìn)入紅外區(qū)后光譜曲線變得平緩，成為高反射區(qū)，一般可達(dá)到50%～60%，從紅光波段的低吸收點(diǎn)到近紅外的高反射率的過渡地區(qū)，該波段范圍的斜率與植被單位面積葉綠素含量關(guān)系密切，學(xué)界稱為“紅邊位置”［26］，一般位于700～750 nm之間。可見光波段內(nèi)隨著葉綠素含量的增加（即SPAD值等級的提高），光譜反射率越低，吸收作用越強(qiáng)；然而到近紅外后變化不太規(guī)則，SPAD值最低的反射率還是最高，總體趨勢與可見光波段內(nèi)變化一致。通過圖1和圖2可以看出，黃綠葉相比綠葉來說，表面有黃色或褐色斑塊，猶如葉片受到病蟲害侵染后產(chǎn)生的病斑或傷斑，色素系統(tǒng)破壞而失綠，SPAD值也相對降低，可見光波長范圍內(nèi)綠峰位置有“紅移”的趨勢，而紅邊位置有“藍(lán)移”的現(xiàn)象，這與黃文江等的研究結(jié)論［27-28］頗為相似。

2.2?不同數(shù)學(xué)變換的光譜特征分析

2.2.1?一階微分變換光譜分析?根據(jù)公式（1）得到佛手瓜葉片的一階微分光譜曲線，具體見圖3?？梢钥闯?，佛手瓜葉片不同等級SPAD值在700 nm左右波長一階微分光譜的反射率最大，其次就是520 nm左右，2個峰值間明顯可以看出隨著SPAD值等級提高，光譜反射率降低。640 nm處有個明顯的吸收谷，隨著SPAD值等級的增加反射率也隨之增加，其他波長反射率不明顯。因此，經(jīng)過一階微分變換后不同SPAD值等級的光譜反射率變化得到增強(qiáng)，更容易區(qū)分并提取有效特征波段。圖3可以明顯提取佛手瓜葉片的特征波長位置分別為700、640、520 nm。

2.2.2?倒數(shù)對數(shù)變換光譜分析?從圖4可以看出，原始光譜經(jīng)過倒數(shù)對數(shù)變換后，與原始光譜曲線形成反向走勢，佛手瓜葉片不同等級SPAD值在 550 nm 波長附近出現(xiàn)吸收谷，不同等級SPAD值在該波長位置差別最為明顯且容易識別，其次就是680 nm左右反射峰。因此，經(jīng)過倒數(shù)對數(shù)變換可提取出佛手瓜葉片的特征波長為550 nm和680 nm。

2.2.3?倒數(shù)對數(shù)的一階微分變換光譜分析?同樣，原始光譜經(jīng)過倒數(shù)對數(shù)的一階微分變換后得到圖5光譜曲線，曲線走勢也與原始光譜形成反向走勢，佛手瓜葉片不同等級SPAD值在520 nm和690 nm附近出現(xiàn)較大吸收谷，但區(qū)別不明顯。然而在紅外波段的650 nm和670 nm處出現(xiàn)較高反射率且差別最為明顯。因此，經(jīng)過倒數(shù)對數(shù)的一階微分變換可提取出佛手瓜葉片的特征波長為650 nm和670 nm。

2.3?SPAD值預(yù)測模型構(gòu)建

將佛手瓜葉片原始光譜中可見光波段出現(xiàn)的峰值對應(yīng)的波長定義為綠峰位置，佛手瓜葉片原始光譜一階微分光譜反射率最大處所對應(yīng)的波長定義為紅邊位置，以紅邊位置和綠峰位置作為2個自變量，葉綠素含量（SPAD值）作為因變量，在SPSS中進(jìn)行多元回歸分析，建立佛手瓜葉片葉綠素含量（SPAD值）的預(yù)測模型，并通過決定系數(shù)（r2）、均方根誤差（RMSE）以及相對誤差（RE）對其精度進(jìn)行評價。

采用單一的紅邊位置與佛手瓜葉片的SPAD值建立的模型見公式（5），其決定系數(shù)r2達(dá)到 0.814 2。而采用紅邊位置 綠峰位置 與佛手瓜葉片SPAD值建立的模型見公式（6），其決定系數(shù)r2達(dá)到0.824 7。

由此可以看出，采用紅邊位置λred、綠峰位置λgreen這2個變量建立的模型效果比單個紅邊位置建立的模型效果要好，這與方慧等的研究結(jié)果［5］是一致的。

最后，根據(jù)公式（5）和公式（6）得到佛手瓜葉片SPAD的預(yù)測值與實(shí)測值關(guān)系，以單一紅邊位置λred得到的SPAD值與實(shí)測值的r2為0.833 7，RMSE為2.83，RE為4.36%（圖6-a）。而以紅邊位置λred綠峰位置λgreen得到的SPAD值與實(shí)測值的R2達(dá)到0.885，RMSE為2.16，RE為3.43%（圖6-b），所有值均優(yōu)于以單一紅邊位置建立的模型。

3?討論

本研究在綠皮佛手瓜黃綠葉片的原始光譜曲線基礎(chǔ)上，通過一階微分變換、倒數(shù)對數(shù)變換和倒數(shù)對數(shù)的一階微分變換后得到一系列的特征波段。同時，基于單一紅邊位置以及基于紅邊和綠峰位置分別構(gòu)建SPAD值的預(yù)測模型，旨在討論基于不同敏感波段建模的共性和差異，花宇輝等的研究［29-30］中均提出了模型構(gòu)建的新方法，得到了較高的決定系數(shù)、較低的均方根誤差和相對誤差。對于構(gòu)建的作物葉片SPAD值的預(yù)測模型，均建立在原始反射光譜之上。所得光譜指數(shù)可定性或定量地表征作物生長的各項(xiàng)指標(biāo)，建立光譜指數(shù)與葉綠素含量之間的定量模型，也是對田間測量和實(shí)驗(yàn)室測定的葉綠素含量驗(yàn)證的有效評估［31］。于躍等基于原始光譜的構(gòu)建并優(yōu)化光譜指數(shù)而建立的水稻葉片SPAD值的高光譜反演模型［32］、郭松等基于原始光譜變換及植被指數(shù)建立的玉米葉綠素含量估算模型［33］和何桂芳等建立的石楠葉片葉綠素含量估算模型［34］的r2均在0.8以上。吳文強(qiáng)等利用主成分分析及BP神經(jīng)網(wǎng)絡(luò)算法在紅邊參數(shù)基礎(chǔ)上建立的桃樹葉片SPAD值反演模型，r2達(dá)到了0.93［35］。因此，合適的模型、方法的選擇、算法的運(yùn)用、光譜植被指數(shù)的選取、特征或敏感波段的篩選等對模型構(gòu)建的精度都至關(guān)重要。

4?結(jié)論

通過對原始光譜反射率曲線的平滑去噪處理，佛手瓜葉片光譜反射率呈現(xiàn)典型綠色植物的光譜特征?？梢姽鈪^(qū)的綠峰波段反射率在22%，進(jìn)入近紅外后形成高反射率后變得平緩，反射率達(dá)到56%左右。同時，可見光波段內(nèi)隨著葉綠素含量的增加（即SPAD值等級的提高），光譜反射率越低，而接近近紅外后變化稍不規(guī)則，總體上還是與可見光波段內(nèi)變化一致，這也是綠色植被特征的光譜特征；采用對原始光譜曲線經(jīng)一階微分變換、倒數(shù)對數(shù)變換和倒數(shù)對數(shù)的一階微分變換后的常見變換形式，可以很快提取到不同SPAD值等級下佛手瓜葉片的特征波段，以及紅邊位置和綠峰位置；本研究利用綠峰位置和紅邊位置作為自變量，SPAD值作為因變量構(gòu)建的回歸模型比單一紅邊位置構(gòu)建的預(yù)測模型精度要高，決定系數(shù)r2達(dá)到0.824 7，最終以該模型預(yù)測的SPAD值與實(shí)測值決定系數(shù)r2也達(dá)到0.885，該方法對于預(yù)測佛手瓜葉片SPAD值是行之有效的，下一步從佛手瓜全生育期著手，構(gòu)建全生育期的優(yōu)化光譜植被指數(shù)，基于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法構(gòu)架最優(yōu)SPAD值預(yù)測模型，為佛手瓜生產(chǎn)精準(zhǔn)調(diào)控、產(chǎn)量評估和科學(xué)管理提供必要技術(shù)支撐。

參考文獻(xiàn)：

［1］Fu A Z，Wang Q，Mu J L，et al. Combined genomic，transcriptomic，and metabolomic analyses provide insights into chayote （Sechium edule） evolution and fruit development［J］. Horticulture Research，2021，8：35.

［2］朱鑫彤，趙?文，周?茜，等. 佛手瓜采后保鮮及加工的研究進(jìn)展［J］. 食品研究與開發(fā)，2021，42（2）：214-219.

［3］Jain J R，Timsina B，Satyan K B，et al. A comparative assessment of morphological and molecular diversity among Sechium edule （Jacq.） Sw.accessions in India［J］. 3 Biotech，2017，7（2）：106.

［4］Verma V K，Pandey A，Jha A K，et al. Genetic characterization of chayote［Sechium edule （Jacq.） Swartz.］landraces of North Eastern Hills of India and conservation measure［J］. Physiology and Molecular Biology of Plants，2017，23（4）：911-924.

［5］方?慧，宋海燕，曹?芳，等. 油菜葉片的光譜特征與葉綠素含量之間的關(guān)系研究［J］. 光譜學(xué)與光譜分析，2007，27（9）：1731-1734.

［6］徐新剛，趙春江，王紀(jì)華，等. 新型光譜曲線特征參數(shù)與水稻葉綠素含量間的關(guān)系研究［J］. 光譜學(xué)與光譜分析，2011，31（1）：188-191.

［7］李?哲，張?飛，陳麗華，等. 光譜指數(shù)的植物葉片葉綠素含量估算模型［J］. 光譜學(xué)與光譜分析，2018，38（5）：1533-1539.

［8］Cui B，Zhao Q J，Huang W J，et al. Leaf chlorophyll content retrieval of wheat by simulated RapidEye，Sentinel-2 and EnMAP data［J］. Journal of Integrative Agriculture，2019，18（6）：1230-1245.

［9］陳?瀾，常慶瑞，高一帆，等. 獼猴桃葉片葉綠素含量高光譜估算模型研究［J］. 西北農(nóng)林科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，48（6）：79-89，98.

［10］丁希斌，劉?飛，張?初，等. 基于高光譜成像技術(shù)的油菜葉片SPAD值檢測［J］. 光譜學(xué)與光譜分析，2015，35（2）：486-491.

［12］滕利榮，孟慶繁. 生物學(xué)基礎(chǔ)實(shí)驗(yàn)教程［M］. 北京：科學(xué)出版社，2008.

［13］徐彩平，劉?霞，陳宇煒. 浮游植物葉綠素a濃度測定方法的比較研究［J］. 生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2013，29（4）：438-442.

［14］薛?香，吳玉娥. 小麥葉片葉綠素含量測定及其與SPAD值的關(guān)系［J］. 湖北農(nóng)業(yè)科學(xué)，2010，49（11）：2701-2702，2751.

［15］趙小敏，孫小香，王芳東，等. 水稻高光譜遙感監(jiān)測研究綜述［J］. 江西農(nóng)業(yè)大學(xué)學(xué)報(bào)，2019，41（1）：1-12.

［16］浦瑞良，宮?鵬. 高光譜遙感及其應(yīng)用［M］. 北京：高等教育出版社，2000.

［17］舒?田，陳智虎，劉春艷，等. 水果病蟲害高光譜遙感應(yīng)用研究進(jìn)展［J］. 江蘇農(nóng)業(yè)科學(xué)，2022，50（20）：19-29.

［18］孫玉婷，楊紅云，孫愛珍，等. 水稻葉片SPAD值的高光譜估算模型［J］. 南方農(nóng)業(yè)學(xué)報(bào)，2020，51（5）：1062-1069.

［19］梁?爽，趙庚星，朱西存.蘋果樹葉片葉綠素含量高光譜估測模型研究［J］. 光譜學(xué)與光譜分析，2012，32（5）：1367-1370.

［20］王克曉，周?蕊，李?波，等. 基于高光譜的油菜葉片SPAD值估測模型比較［J］. 福建農(nóng)業(yè)學(xué)報(bào)，2021，36（11）：1272-1279.

［21］李媛媛，常慶瑞，劉秀英，等. 基于高光譜和BP神經(jīng)網(wǎng)絡(luò)的玉米葉片SPAD值遙感估算［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32（16）：135-142.

［22］章?曼，常慶瑞，張曉華，等. 不同施肥條件下水稻冠層光譜特征與葉綠素含量的相關(guān)性［J］. 西北農(nóng)業(yè)學(xué)報(bào)，2015，24（11）：49-56.

［23］雷祥祥，趙?靜，劉厚誠，等. 基于PROSPECT模型的蔬菜葉片葉綠素含量和SPAD值反演［J］. 光譜學(xué)與光譜分析，2019，39（10）：3256-3260.

［24］郭晶晶，于海業(yè)，劉?爽，等. 生菜葉片綠度的高光譜判別方法研究［J］. 光譜學(xué)與光譜分析，2022，42（8）：2557-2564.

［25］Donnelly A，Yu R，Rehberg C，et al. Leaf chlorophyll estimates of temperate deciduous shrubs during autumn senescence using a SPAD-502 meter and calibration with extracted chlorophyll［J］. Annals of Forest Science，2020，77（2）：30.

［26］王紀(jì)華，趙春江，黃文江，等. 農(nóng)業(yè)定量遙感基礎(chǔ)與應(yīng)用［M］. 北京：科學(xué)出版社，2008.

［27］黃文江. 作物病害遙感監(jiān)測機(jī)理與應(yīng)用［M］. 北京：中國農(nóng)業(yè)科學(xué)技術(shù)出版社，2009.

［28］趙春江. 農(nóng)業(yè)遙感研究與應(yīng)用進(jìn)展［J］. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45（12）：277-293.

［29］花宇輝，高志強(qiáng). 秋玉米SPAD值的光譜估算模型研究［J］. 作物雜志，2019（5）：173-179.

［30］王芳東，嚴(yán)志雁，趙小敏，等. 油茶葉片葉綠素含量高光譜估測的偏最小二乘模型參數(shù)選擇［J］. 江西農(nóng)業(yè)大學(xué)學(xué)報(bào)，2022，44（1）：86-96.

［31］劉?爽，于海業(yè)，張郡赫，等. 基于最優(yōu)光譜指數(shù)的大豆葉片葉綠素含量反演模型研究［J］. 光譜學(xué)與光譜分析，2021，41（6）：1912-1919.

［32］于?躍，于海業(yè)，李曉凱，等. 優(yōu)化光譜指數(shù)建立水稻葉片SPAD的高光譜反演模型［J］. 光譜學(xué)與光譜分析，2022，42（4）：1092-1097.

［33］郭?松，常慶瑞，崔小濤，等. 基于光譜變換與SPA-SVR的玉米SPAD值高光譜估測［J］. 東北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2021，52（8）：79-88.

［34］何桂芳，吳?見，彭?建，等. 基于高光譜的石楠葉片葉綠素含量估算模型［J］. 西北林學(xué)院學(xué)報(bào)，2022，37（1）：25-32，59.

［35］吳文強(qiáng)，常慶瑞，陳?濤，等. 基于PCA-BP神經(jīng)網(wǎng)絡(luò)算法桃樹葉片SPAD值高光譜估算［J］. 西北林學(xué)院學(xué)報(bào)，2019，34（5）：134-140，224.