高叶绿素水体荧光峰位置变化响应关系研究

水体反射光谱红光区荧光峰是叶绿素特有的光谱特征,研究其位置变化与叶绿素的响应关系有助于内陆水体叶绿素含量的定量反演。通过2004～2006年13次长春南湖水体反射光谱和水质参数实测数据,分析了不同光谱分辨率下荧光峰位置变化与叶绿素a含量的响应关系,结果表明,两者呈现指数函数关系,即Peak position=a(Chl-a)b,不同光谱分辨率下,a在686.11～686.29,b在0.006 2～0.006 5间变化,且光谱分辨率越高,响应关系越好;荧光峰平均波长位置与叶绿素平均含量高度相关(R2>0.81),荧光峰位置变化适合用于反演叶绿素含量分布较为均匀的水体。这为今后利用成像光谱仪监测内陆水体叶绿素含量提供了实验和工作基础。     

基于高光谱数据的地表水化学需氧量反演

化学需氧量(COD)是地表水质量评价的重要指标。传统的COD检测方法存在需使用有毒试剂、易造成二次污染等缺点,高光谱法可避免上述缺点,在COD检测方面有着广阔的应用前景。为了探索在室内利用高光谱技术反演地表水COD浓度的可行性方法,以吉林省内流域的129个地表水样本为研究对象,将样本集以3∶1划分为训练集和测试集,使用高光谱成像系统收集样本的DN值并计算相应的水体光谱反射率,采用导数法进行数据预处理,通过Pearson相关性分析判断光谱数据与COD浓度实测值间的相关程度并提取特征谱数据。利用全谱数据和特征谱数据分别建立基于粒子群算法优化的最小二乘支持向量机(PSO-LSSVM)反演模型,通过决定系数R²、均方差RMSE和相对偏差RPD分析比较这几种模型的预测精度和可靠性。研究结果表明：经过导数法预处理后,地表水COD浓度与光谱反射率的相关性明显增强;利用导数光谱数据建模的预测结果优于用原始光谱数据建模的预测结果;提取特征谱数据所建立的模型比利用全谱数据建立的模型有更好的预测效果。其中采用一阶导数预处理方法并利用特征谱建立的地表水COD浓度反演模型预测结果最好,验证...     

基于GOCI影像分类的太湖水体叶绿素a浓度日变化分析

叶绿素a浓度(Chlorophyll-a: Chl-a)是内陆水体重要的水质参数之一,遥感数据为其提供了大范围、多时相的监测信息,然而由于内陆湖泊水色要素复杂的光学性质及较大的时空差异,传统的遥感影像及单一的Chl-a反演模型在应用中存在着局限性。因此本研究以太湖为研究区,时间分辨率1小时的静止海洋水色卫星Geostationary Ocean Color Imager(GOCI)为数据源,在基于层次聚类法实现归一化实测光谱反射率分类的基础上,利用光谱角测距匹配实现2012年5月6日(08:16—15:16) 8景GOCI太湖影像的水体分类;并针对不同水体类型分别建立基于GOCI影像的Chl-a反演模型,实现不同类型水体的Chl-a浓度反演。结果表明,太湖水体光谱可分为四类,类型1光谱体现出漂浮藻类的特征,可将其作为蓝藻水华的判定依据;类型2—4体现的特征分别为水体含有较高Chl-a浓度、较高悬浮物浓度及相对较低Chl-a较低悬浮物浓度;并且类型2—4与分类前相比,其分类模型估算的Chl-a浓度误差均得到了不同程度的提高,平均相对误差分别降低了7%,12.3%和15.9%;此外,GOCI影像反演结果不仅可以很好地反映Chl-a浓度的空间分布状况,也能反映出太湖Chl-a浓度的日变化差异及规律,表现出了其在富营养化污染动态监测及预警中的应用潜力。该方法在GOCI影像中的应用,在提高Chl-a浓度反演精度的同时也提高了模型在实际应用中的适用性,为日后太湖水体不同时刻Chl-a浓度的精确估算提供了基础。     

生成式对抗网络的土壤有机质高光谱估测模型

已有的土壤有机质含量估测模型大多以光谱特征波段、线性和非线性模型为基础,较少考虑通过拓展样本数据建模集来提高模型的估测能力。为进一步提高土壤有机质高光谱反演模型估测精度,提出利用生成式对抗网络(GAN)合成伪高光谱数据和有机质含量的动态估测模型。选取湖南省长沙市及周边区域的水稻田为研究对象,采集土样和实测高光谱数据(350~2 500 nm),室内化学测定有机质含量。以高光谱数据和有机质含量为基础,利用生成式对抗网络生成等量新数据, 结合原始数据建模集组成增强建模集。在GAN正式训练中,每轮训练完成后,设置4个观测点(对应增强建模集中含50,100,150和239个生成样本),动态构建交叉验证岭回归(RCV)、偏最小二乘回归(PLSR)和BP神经网络(BPNN)土壤有机质含量估测模型(分别简称GAN-RCV,GAN-PLSR和GAN-BPNN),并在相同测试集上实施模型评估。实验结果表明：(1)原始数据建模集上拟合的估测模型中,交叉验证岭回归表现最佳,决定系数(R2)和均方根误差(RMSE)分别为0.831 1和0.189 6;(2)GAN的150轮正式训练中,增强建模集上动态构建的GAN-RCV,GAN-PLSR和GAN-BPNN模型性能显著提高,具体表现为：GAN-RCV的R2取得最大值0.890 9(RMSE 0.153 7)、最小值0.850 5 (RMSE 0.18)与平均值0.868 7(RMSE 0.168 6),最大R2比建模集上拟合的RCV提高了7.2%(RMSE降低了18.9%),GAN-PLSR获得R2最大值0.855 4(RMSE 0.176 9)、最小值0.727 0 (RMSE 0.243 2)与平均值0.780 1 (RMSE 0.217 7),最大R2比建模集上拟合的PLSR提高了20.6%(RMSE降低了29.5%),GAN-BPNN表现最佳,R2取得最大值0.905 2(RMSE 0.143 3)、最小值0.801 7(RMSE 0.207 3)与平均值0.868 1(RMSE 0.168 6),最大R2比建模集上拟合的BPNN提高了30.8%(RMSE降低了44.5%);(3)随着增强建模集中生成样本数量增加,模型精度提升效果呈先升后降趋势,4个观测点中第3个观测点的模型性能提升最显著。充分的实验表明：基于GAN动态构建的有机质含量估测模型显著改善了模型预测性能。依据测试集上的评估结果,可择优使用最佳模型进行后续土壤有机质含量估测。     

小麦叶面积指数的高光谱反演

以高光谱遥感技术实现了小麦叶面积指数(leaf area index,LAI)的反演.对18种高光谱指数进行了比较分析,筛选出了可敏感反映小麦LAI的高光谱指数OSAVI,并以地面光谱数据为样本建立了小麦LAI的反演模型.分析表明,指数OSAVI所建立的反演模型校正集与预测集R2分别达0.823与0.818,在各指数中反演精度最高.利用反演模型逐象元对OMIS影像进行解算,实现小麦LAI的空间量化表达,并将反演结果与地面实测值进行回归拟合,发现两组数据的拟合模型R2达0.756,RMSE为0.500,具有较高的相似度.结果表明:以高光谱指数进行小麦LAI的反演是可行的,且OSAVI为优选指数.     

基于特征区域下凸点提取的藻类荧光光谱波长选择方法

藻华现象的频繁发生严重影响了海洋环境和人类的生产活动,因此对水体浮游植物的监测十分重要。三维荧光光谱被广泛应用于水体浮游植物中藻类的群落组成分析和浓度定量分析,然而三维荧光光谱数据中的信息冗余给藻类定性定量分析带来了一定的影响。针对光谱信息冗余问题,提出了特征区域积分与凸点提取相结合的三维荧光光谱波长选择方法。以抑食金球藻、细长聚球藻、小球藻为研究对象,采用Savitzky-Golay卷积平滑法对三维荧光光谱进行预处理,解决了因外界因素造成的光谱噪声问题,采用马氏距离法剔除三维荧光光谱数据集中的异常光谱样本,运用浓度残差法剔除三维荧光光谱数据集中的异常浓度值样本,然后通过偏最小二乘回归模型的内部交叉验证均方根误差衡量不同特征区域下凸点的可靠性进行波长变量的选择。为验证波长筛选方法的有效性,对三种藻类建立偏最小二乘回归模型,以内部交叉验证决定系数(R²)、内部交叉验证均方根误差(RMSECV)作为模型评价指标。与全光谱数据建立的回归模型进行了比较,抑食金球藻、小球藻、细长聚球藻的波长变量由全谱的1071个分别减少到77个、 75个、 67个,R²     

面向浑浊水体叶绿素a浓度遥感反演的光谱基线校正

根据浑浊水体中悬浮物的光学性质,提出使用线性基线校正方法来削弱水体光谱中的悬浮泥沙贡献。线性基线定义为450和750 nm的反射率值连线,基线校正为光谱反射率减去基线。2010年3月和2011年4月太湖梅梁湾水体的实测数据验证结果表明,光谱线性基线校正可以较好的提高叶绿素a浓度的反演精度,改进反演模型的诊断性。3月数据建立的波段比值反演模型中,校正前模型RMSE为4.11 mg·m-3,基线校正后模型RMSE为3.58 mg·m-3,同时,基线校正后模型残差的方差齐性和正态分布均有明显的改善。4月模型有类似结果,数据校正后的模型具有更小的误差。在没有水华发生的浑浊水体中,线性基线校正可以作为提高水体叶绿素a浓度反演精度的光谱数据处理方法。     

基于机器学习的水体化学需氧量高光谱反演模型对比研究

化学需氧量（COD）是水体有机污染的一项重要指标,如何快速准确检测水体的COD含量尤为重要。机器学习在水质反演领域应用日益增多,并取得了较多的研究成果,高光谱遥感具有光谱空间分辨率高、成像通道多等优势,使其在水体COD反演方面有着极大的潜力。利用不同的高光谱预处理方法对原始高光谱数据进行处理,并利用处理前后的高光谱数据对比研究了不同机器学习模型、不同高光谱预处理方法对水体COD的反演性能。首先利用ZK-UVIR-I型原位光谱水质在线监测仪在扬州宝带河实地收集了1 548组COD和对应的高光谱数据（400~1 000 nm）样本,为降低光谱噪音干扰以及消除光谱散射影响,分别使用Savitzky-Golay（SG）平滑、多元散射校正数据（MSC）以及SG平滑结合MSC对原始光谱进行预处理。其次,将样本集随机划分为训练集和测试集,其中训练集占比80%,测试集占比20%。对预处理后的训练集全波段光谱基于线性回归、随机森林（random forest）、AdaBoost、XGBoost四种机器学习方法建立COD高光谱反演模型,并选取了决定系数（R2）、均方根误差（RMSE）、相对分析误差（RPD）三种指标在测试集数据中评估高光谱反演模型的精度。结果表明,随机森林、AdaBoost、XGBoost均优于线性回归,无论光谱处理与否,通过XGBoost建立的反演模型预测能力均为最佳,其中使用XGBoost对经过SG平滑和MSC处理后的光谱数据进行建模的反演模型精度最高,其R2达到0.92,RMSE为7.1 mg·L-1,RPD为3.4。考虑到原始光谱可能存在冗余,通过主成分分析法（PCA）对经过SG平滑和MSC处理后的光谱进行降维,并选取累计贡献率达到95%的前十个主成分作为模型的输入变量。通过XGBoost建立反演模型,结果表明经过PCA后的反演模型不仅精度有所上升,RPD达到3.8,而且模型的训练时间也由72 s缩短到2.9 s。以上研究可为该水域及类似水域的高光谱水质反演模型的建立提供新的方法及思路。     

蜂蜜真伪的近红外光谱鉴别研究

如何有效鉴别蜂蜜真伪是目前我国蜂产品质量控制的难题之一。提出了一种用傅里叶变换近红外光谱结合判别偏最小二乘法(DPLS)快速鉴别蜂蜜真伪的新方法。首先采集了71个商品蜜样品的近红外光谱数据,其中包括27个纯蜂蜜和44个掺假蜂蜜,然后5次随机划分建模集样本和验证集样本,并对建模样本进行不同光谱预处理,选择并优化不同波段范围和主成分数,用DPLS法建立了5组蜂蜜样本的真伪鉴别模型,外部交叉验证法预测模型。通过对结果进行比较分析,5组校正模型中真蜂蜜和掺假蜂蜜的总体识别准确率分别为91.49%,94.68%,92.98%,93.86%,94.87%;预测样本的识别准确率为86.96%～93.75%,其中模型2,3,4中掺假蜜的识别准确率达100%。研究结果表明,该方法可作为鉴别商品蜜真伪的一种快速筛选技术,在我国蜂蜜质量监控中具有重要意义。     

利用光谱吸收深度定量反演碳酸盐矿物的影响因素及应用分析

光谱吸收特征是矿物识别与定量反演的重要指标。为提高利用光谱吸收特征定量反演矿物精度,以方解石为代表,以线性混合光谱模型与连续统去除方法为基础,以连续统去除吸收深度(CRBD)为分析对象,按端元光谱在2.33 μm附近有无吸收特征对光谱进行分类,并分析每类数据与方解石混合光谱CRBD随丰度、反射率以及光谱特征等影响因素的变化规律,进而非线性拟合其变化范围并提出一种新的矿物含量表示方法。研究结果表明,端元丰度对CRBD值影响较大,方解石丰度越大,吸收特征越明显,CRBD值越大。同样,混合端元反射率与光谱特征对混合光谱CRBD值影响也较明显,当混合端元光谱在2.33 μm附近为无特征时,端元光谱反射率越小,CRBD随碳酸盐丰度变化上凸越明显,为反射峰特征时,端元光谱反射率越大,下凹越明显;混合端元在2.33 μm附近为吸收谷特征时,CRBD随碳酸盐丰度接近线性变化。通过交叉分析与多端元混合光谱CRBD变化分析发现,混合光谱CRBD随碳酸盐矿物丰度及混合端元反射率变化受限于一定范围,其上限拟合方程满足指数函数变化,下限拟合方程为三次多项式函数,且拟合精度较高,R2均高于0.99,RMSE低于0.005。为实现矿物含量的精确预测,根据拟合方程提出一种以变化范围替代定量值来表示碳酸盐矿物丰度分布的方法,实现碳酸盐矿物含量反演的范围表示。通过影响因素分析及范围表示法可为矿产监测、定量评估等提供新的表达方法,为建立具有普适性的地物定量反演模型提供理论参考。     

改进SVR的内陆水体COD高光谱遥感反演

高光谱数据可以捕获内陆水体中不同浓度的化学需氧量（COD）引起的光谱变化,因此研究光谱反射率与COD浓度之间的关系对于COD的遥感估算至关重要。支持向量回归模型（SVR）具有适合小样本、泛化能力好的特点,基于SVR模型能够更加准确获得COD浓度和光谱数据之间的关系,但仍然存在参数选取困难和易陷入局部极值的问题。为了解决这个问题,将模拟退火-粒子群算法（SA-PSO）引入到支持向量回归机的参数优化过程中,提出了一种改进SVR（SA-PSO-SVR）的内陆水体COD高光谱遥感反演方法。以潍河流域为研究区域,通过野外测量获得了COD浓度和水表面光谱反射率。首先根据光谱反射率对COD的响应来确定敏感因子,把SA-PSO算法引入SVR的参数优化过程中建立了COD浓度与敏感因子之间的反演模型。最后利用珠海一号高光谱数据验证模型的准确性,进而获得了COD浓度的分布情况。通过光谱分析,可知该区域实测的水面光谱具有典型的二类水体特征,光谱曲线形状呈现明显的双峰特征,当浓度增加时,反射峰具有向短波长方向移动而反射谷向长波长方向移动的趋势。通过计算Pearson相关系数分析COD浓度和光谱之间的相关性,结果表明最佳的反演因子为518 nm/940.4 nm,623.6 nm/636.8 nm,729.2 nm/890.9 nm和752.3 nm/857.9 nm的四个波段比值组合;经过SA-PSO-SVR方法建立的COD估计模型的平均相对误差（MRE）和均方根误差（RMSE）分别为1.62％和2.99 mg·L-1（R2=0.86）,反演结果优于其他模型（SVR、BP神经网络和线性回归模型）。将实测水面光谱建立的最优模型应用于高光谱卫星影像上,RMSE和MRE分别为4.47 mg·L-1和11.87%。获得的潍河-峡山水库区域的COD反演结果显示：COD的整体浓度介于17~42 mg·L-1之间,韩信坝、峡山水库的东北部、渠河注入潍河的交汇处等区域的COD浓度高于其他水域。证实了SA-PSO-SVR是一种有效的COD高光谱反演方法,可供潍河流域水资源管理提供参考。     

特征荧光光谱法定量检测水质的研究

讨论了一种可同时检测自然水体中有机物和叶绿素a含量的快速分析方法。以武汉东湖水为样品,采用激光诱导荧光(LIF)的方法测量了水体的总荧光光谱(TLS);并用特征光谱荧光标记(SFS)技术对水体中溶解的有机物(DOM)及叶绿素a (Chl-a)的荧光光谱特征进行了分析和指认。并利用水的拉曼散射信号强度进行归一化的方法,分别得到较低浓度腐殖酸和叶绿素a的特征光谱归一化荧光强度以及它们在水体中浓度的标定曲线和线性关系式。另外, 对于较高浓度的腐殖酸溶液,确定了其特征光谱的荧光强度与浓度之间满足的函数关系。结果表明,在一定的浓度范围内,特征光谱的荧光强度与浓度之间仍然有很好的线性关系。该方法在自然水体质量的检测方面有广泛的应用前景,它能快速识别水体中的污染物,定量测量它们在水体中的含量,实现对自然水体的质量状况进行大范围的实时动态监测。     

融雪期积雪深度高光谱反演方法研究

积雪在干旱区的水分平衡中发挥着极为重要的作用,积雪深度的监测主要依靠地面站点观测和遥感反演等技术,高光谱遥感为快速、大面积监测积雪的物理特性提供了可能。通过对融雪期不同厚度积雪表面的反射光谱以及积雪深度数据的观测,进而对二者进行相关性分析;采用相关性较高同时也是特征吸收谷的波段数据建立单波段雪深回归模型;采用呈显著相关的波段进行逐步回归,选用贡献率最高的波段作为神经网络模型的输入变量进行积雪深度的反演研究。结果表明：在天山北坡中段的军塘湖流域地区,1 022,1 241和1 492 nm附近是积雪的特征吸收谷;相比单波段反演雪深模型的估算精度(R2=0.53),BP神经网络模型具有更高的雪深反演水平,当隐含层节点数为4时,R2为0.86,RMSE为0.67,表明神经网络模型可以显著提高高光谱数据反演积雪深度的能力。     

阿维菌素原药及制剂溶液的荧光光谱特征研究

针对农业生产中阿维菌素过度使用造成的农作物农药残留超标问题,利用JASCO FP8300荧光分光光度计对阿维菌素农药溶液进行荧光光谱检测,分析阿维菌素原药溶液及制剂溶液的荧光光谱特征,为实现阿维菌素的快速检测提供数据参考。实验首先通过分析原药溶液和两种来自不同生产厂家的制剂溶液的三维荧光光谱,对比荧光特征峰的位置异同,判断阿维菌素荧光特征峰的区域为Ex=250～290 nm, Em=280～320 nm,最佳激发波长为270 nm。接着,选定Ex=270 nm作为最佳激发波长对原药溶液及制剂溶液进行二维荧光光谱检测,得到相应的二维荧光光谱数据。根据光谱数据,分析阿维菌素荧光特征峰处荧光强度值随着溶液浓度变化的规律,将相关数据拟合,得出关于阿维菌素荧光特征峰值与对应溶液浓度值的预测模型。由数据分析结果得知,阿维菌素原药溶液在10～35 mg·L^-1浓度范围内预测模型的R²为0.999,预测结果的均方根误差RMSE为0.359 mg·L^-1;两种不同厂家生产的阿维菌素制剂溶液在10～35 mg·L^-1浓...     

盐胁迫下匍匐翦股颖高光谱分析与电解质渗透率反演

叶片电解质渗透率是反映植物细胞渗透性的一个重要指标,对草坪草遭受盐胁迫的研究有重要意义。针对叶片电解质渗透率传统检测方法,耗时长,损伤叶片,无法大面积监测等弊端,探讨了用高光谱快速无损检测叶片电解质渗透率的方法。以匍匐翦股颖(Agrostis stolonifera)为对象,在温室中水培两周后进行浓度分别为0(对照),100和200 mmol·L-1的盐处理,7 d后按间隔7 d取样3次,共72个样。每次取样时先测量样品的光谱值,然后采用电导率法测定叶片电解质渗透率。分析匍匐翦股颖三种盐处理与光谱反射率之间的关系和差异,对三种盐处理的光谱反射率计算归一化植被指数和差值植被指数,采用差分法计算光谱反射率的一阶微分,同时计算出蓝、绿和红光的三边参数,分析叶片电解质渗透率与光谱反射率、归一化植被指数、差值植被指数和三边参数的相关性。利用叶片电解质渗透率和各光谱数据相关程度高的数据,对校正集采用一元线性回归、多元线性回归和偏最小二乘回归法构建叶片电解质渗透率反演模型,用预测集检验反演模型。结果表明：盐胁迫与叶片高光谱在450～700 nm波段呈正相关;叶片电解质渗透率与450～732 nm波段反射率在0.01水平上显著相关;三边参数中绿边幅值和绿边面积与叶片电解质渗透率显著相关;采用偏最小二乘回归法建立的反演模型精度最好,建模和反演预测的决定系数分别达到了0.681和0.758,均方根误差分别为7.124和7.079。偏最小二乘法构建的反演模型实现了盐胁迫下匍匐翦股颖叶片电解质渗透率的快速无损检测,也为采用高光谱实时监测盐胁迫对匍匐翦股颖及其同类植物的伤害提供了依据和理论参考。     

湖泊水体叶绿素偏振高光谱反演模型研究

光进入水体中,经反射、 散射和吸收后,出射的偏振光与水体的物理、 化学特性密切相关,能够反映水体成分浓度的变化,可以作为高光谱遥感的有益补充,有利于动态定量监测湖泊复杂水体成分的变化。研究工作以巢湖为例,利用水面高光谱偏振多角度测量数据,在偏振光学理论和生物光学模型的基础上,建立了湖泊水体叶绿素三波段偏振高光谱半分析模型,并对模型进行检验。结果显示,偏振高光谱三波段组合与叶绿素浓度拟合的相关系数为0.844,均方根误差5.14 μg·L-1,平均相对误差31.44%,比传统的三波段辐射强度模型分别提高了4.1%,2.05 μg·L-1和5.46%,表明三波段偏振半分析模型对叶绿素a浓度具有较强的预测能力,体现出运用偏振高光谱信息监测湖泊水质的优势。     

GF-1与GF-6 WFV影像在滇池悬浮物浓度反演中的对比分析

总悬浮物(TSM)是水环境评价的重要参数之一,也是遥感水质反演的重要指标。GF-1/WFV和GF-6/WFV作为高分系列对外免费开放的卫星数据,在遥感监测中的应用较为广泛,但目前针对两种数据的对比分析以及GF-6/WFV新增波段在水体水质参数反演中的适用性研究较少。以云南滇池水域为研究区域,对与水体实测数据同步过境(或时相相近)的GF-1/WFV和GF-6/WFV遥感影像采用统计分析的方法进行相同波段(蓝、绿、红、近红外)一致性分析,在此基础上运用经验回归方法分别构建两种数据的TSM反演模型,并将加入GF-6/WFV新增波段的模型与GF-1/WFV构建的模型进行对比分析,选择最优模型应用于滇池2020年的6幅GF-6/WFV图像得到滇池TSM分布图。结果表明：GF-1/WFV与GF-6/WFV的蓝、绿、红、近红外波段的相关系数分别为0.98, 0.98, 0.97和0.99,两种数据的表观反射率具有很高的一致性。GF-1/WFV基于蓝、绿、近红外波段构建的差值模型“B2+B4-B1”反演精度较高,模型反演的均方根误差为6.35 mg·L^-1,平均绝对百分比误差为2...     

高光谱特征参量的冬小麦吸收性光合有效辐射分量估算模型

精确估算吸收性光合有效辐射分量(EPAR)对于检测植被水分、能量及碳循环平衡具有重要意义。应用ASD地物光谱仪与SUNSCAN冠层分析仪对冬小麦整个生育期内冠层光谱反射和光合有效辐射进行监测,并利用冠层反射率数据构建了24个高光谱特征参量,通过分析不同光谱特征参量与冬小麦FPAR的相关关系,建立冬小麦FPAR光谱参量估算模型。结果表明：除蓝边幅值Db外其余高光谱参量均与冬小麦FPAR呈极显著相关(p＜0.01)。红边面积SDr与蓝边面积SDb的比值(VI₄)与FPAR的相关系数最高,达到0.836。提取相关性较高的7个光谱参量分别与冬小麦FPAR建立最优线性与非线性估算模型,通过精度检验分析,优选了冬小麦FPAR最合适的模型。对于线性模型,绿峰位置λg与FPAR的反演模型最好,其预测模型的R2, RMSE和RRMSE分别为0.679, 0.111和20.82%;对于非线性模型,绿峰反射率Rg与红谷反射率Rr的归一化比值(VI₂)与FPAR的反演模型最好,其预测模型的R2, RMSE和RRMSE分别为0.724, 0.088和21.84%。为进一步提高模型精度,分别运用多元线性逐步回归与BP神经网络建立多个高光谱参量同时参与的模型,与单参量模型相比,BP神经网络模型的反演精度明显提高(R2=0.906,RMSE=0.08,RRMSE=16.57%)。利用高光谱特征参量测定冬小麦FAPR具有可行性,这为实时、有效、准确监测冬小麦生长过程中FPAR的动态变化提供了一种新的方法和理论依据。