摘要：干旱区荒漠植物的叶绿素定量反演是动态监测、快速有效评估植物生物量及长势的有效方法.利用便携式可见-近红外光谱仪FieldSpecPro3测定绿洲、盐碱地及沙漠3种生境内的芦苇高光谱值,对高光谱数据一阶微分以及红边参数与叶绿素含量进行了相关分析,选取最佳红边参数建立经验估算模型与神经网络模型,并评估检验.模型显示,三种生境下均为二项式回归模型的决定系数最佳,检验精度的决定系数（R2）分别为0.8466、0.8672和0.7935,均方根误差RMSE（root-mean-squareerror）分别为2.3601、1.4112和2.8002;BP神经网络模型的检验精度的决定系数（R2）分别为0.9147、0.9331和0.8813,RSME分别为1.4010、0.9964和0.5559.结果表明,利用BP（backpropagation）神经网络估算的模型精确度显著提高,可作为芦苇叶绿素高光谱反演的有效模型而使用,为荒漠植物叶片叶绿素的光谱特征反演提供了借鉴,为监测荒漠植物生长、产量估算及动态监测等提供可行的手段.
分类：期刊> 自然科学与工程技术> 基础科学> 生物学
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：芦苇 红边参数 叶绿素含量 反演模型
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
