准确估算叶绿素含量对于评估作物营养状况、预测作物产量、制定精准管理措施等具有重要作用。为寻求叶绿素含量的高精度估算模型,以辣椒为对象,基于2021年不同施氮水平下(0、200、350、500 kg/hm2)辣椒的地基高光谱数据和田间实测冠层叶绿素相对含量(SPAD值)数据,筛选了23个常用光谱参数,用简单线性回归法建立了辣椒SPAD值和光谱参数的23个关系模型;通过相关系数法、竞争自适应重加权采样法(CARS)、连续投影算法(SPA)、遗传偏最小二乘法(GAPLS)、无信息变量消除法(UVE)和迭代保留信息变量法(IRIV)等6种变量选择方法分析辣椒SPAD值和光谱参数的敏感性,找出优选光谱参数组合,以全光谱参数为对照,再利用多元线性回归法(MLR)、主成分回归法(PCR)、偏最小二乘法回归法(PLSR)和支持向量机回归法(SVMR)4种统计回归方法,构建了26个辣椒SPAD值估测模型。结果表明:常用光谱参数中,BmDN705和MTCI估测模型效果较好,校正集Rc2在0.5以上。6种变量选择方法中,SPA法压缩率最高,其次为CARS法和UVE法。4种回归方法中,MLR法的模型效果最好,SVMR法效果最差。26个光谱参数组合回归模型中,CARS-MLR的模型效果最好,其模型表达式为:SPAD=-126.71CARI+108.39PRI+45.68BmSR705+93.29BmDN705-112.97SRr+102.99Rr-5.88(Rp2和RMSEp分别为0.942、3.853)。通过构建最优光谱参数组合能够较好改进辣椒SPAD值估测模型,这可为辣椒冠层叶绿素含量的快速、无损获取提供参考。
