Page 122 - 《广西植物》2026年第6期
P. 122

6 期        李声繁等: 基于可见光-近红外光谱与机器学习的不同菌草物种叶片光谱特性比较分析                                        1 0 3 7






































             指数类型简称具体见表 3ꎮ
             The specific abbreviations of index types are presented in Table 3.
                                            图 6  不同菌草物种植被指数计算结果
                                     Fig. 6  Index calculation results of different Juncao species


            2.3 亲缘关系相近菌草物种叶片光谱差异分析                             确区分意义的量化指标ꎮ 导数变换参数表现如
                8 种供试菌草中ꎬ象草与莱牧 1 号象草、狼尾                        下:一阶导数光谱 525 nm 波峰处ꎬ象草导数值达
            草与杂交狼尾草、巨菌草与紫象草等同属近缘类                              0.001 3ꎬ莱牧 1 号象草为 0.001 0ꎬ差值 0.000 3ꎻ二
            群ꎬ亲缘关系相近导致其形态与生理基础具有较                              阶导数光谱 690 nm 处ꎬ紫象草峰值为 0.000 20ꎬ与
            高同源性ꎬ叶片光谱的细微差异集中体现在结构                              杂交狼尾草峰值 0.000 07 差值达 0.000 13ꎬ745 nm
            响应特征与量化参数差异两个核心维度且通过特                              处莱牧 1 号象草与紫象草谷值差值 0.000 16ꎻ三边

            定波段与特征参数形成可区分的光谱信号ꎮ                                参数中ꎬ红边面积是近缘物种区分的最优参数ꎬ狼
                 在结构响应维度上ꎬ差异主要源于叶片厚度、                          尾草红边面积达 0.157 6ꎬ杂交狼尾草为 0.125 5ꎬ
            海绵组织孔隙度等结构参数的量化分化ꎬ集中体                              差值 0. 032 1ꎬ蓝边位置参数中莱牧 1 号象 草 为
            现在 近 红 外 波 段 ( 750 ~ 900 nm) 与 红 边 区 域             522 nmꎬ较象草 524 nm 蓝移 2 nmꎮ 植被指数表现
            (700 ~ 750 nm)ꎮ 近红外波段中ꎬ巨菌草反射率处                     如下:SR 对差异响应最敏感ꎬ巨菌草 SR 值为4.21ꎬ
            于0.25 ~ 0.30 区间ꎬ紫象草则达 0.38 ~ 0.43ꎬ差值               紫象草 达 6. 12ꎬ 差 值 1. 91ꎻ NDVI 中 象 草 数 值 为
            达 0.13ꎮ 狼尾草与杂交狼尾草近红外反射率差值                          0.719 9ꎬ 与 莱 牧 1 号 象 草 ( 0. 587 0 ) 差 值 为
            为 0.04ꎮ 红边区域内ꎬ紫象草红边起始波长(700                        0.132 9ꎬ这些指数的量化差异是近缘物种叶绿素
            nm)早于巨菌草(702 nm)ꎬ上升斜率高于巨菌草ꎮ                        含量、光合效率等生理特性的综合体现ꎬ为精准区
            杂交狼尾草红边起始位置(704 nm) 滞后于狼尾草                         分提供了关键量化依据ꎮ
            (701 nm)ꎬ上升斜率更缓ꎮ                                   2.4 模型精度对比分析
                 量化参数维度上ꎬ通过光谱变换与特征提取ꎬ                              不同特征组合在 SVM 与 RF 算法下的分类精
            近缘物种的细微差异被进一步放大ꎬ形成具有明                              度计算结果 (表 5)显示ꎬ 两类算法及 20 组特征组
   117   118   119   120   121   122   123   124   125   126   127