基于模糊神经网络的水稻农田重金属污染水平高光谱预测模型

以吉林省长春一汽厂附近3块不同重金属污染状况的水稻实验样地为例,通过地面实测获取了水稻的光谱反射率、叶片叶绿素含量、叶片及土壤重金属含量等数据.同时,在分析重金属对水稻叶片叶绿素含量影响的基础上,通过多元逐步回归分析选出对水稻叶片叶绿素含量微小变化指示灵敏的光谱参数作为模型输入层,并将水稻叶片叶绿素含量值作为输出层来表征农田重金属污染胁迫水平,最终建立了用于预测水稻农田重金属污染水平的模糊神经网络模型.结果表明,该模糊神经网络模型预测的水稻重金属污染胁迫水平与实测结果吻合度较高,预测的叶绿素含量值与实测值的拟合度较好(R2=0.985).表明在受重金属污染胁迫的情况下,水稻叶片叶绿素含量微小而复杂的变化可以通过构建模糊神经网络模型很好地模拟出来,从而确定出农田的重金属污染水平.