摘要: 叶绿素是作物进行光合作用所需的主要色素,BP神经网络(BPNN)是较为新颖的反演叶绿素含量的方法。为研究反演精度更高的叶绿素含量反演模型,将经验模态分解(EMD)与光谱微分(SD)结合来提高输入因子与叶绿素含量的相关性,并使用遗传算法(GA)优化BPNN得到GABP模型以获得最优初始权值阈值。将光谱数据EMD后进行一阶微分变换得到EMDSD光谱,选择与叶绿素含量相关系数超过06的5个波段处的EMDSD值作为GABP模型的输入因子,隐含层节点数为7,多次训练取最优个体适应度值最低的GABP模型来反演玉米叶片叶绿素含量。GABP模型反演得到的预测值与实测值之间的判定系数(R2)最高,达到0818,均方根误差(RMSE)仅为2442,平均相对误差(e)为5436%。研究表明,EMDSD光谱作为GABP模型的输入因子,与线性模型MLR和未优化的BP模型相比反演精度最高,验证了基于EMDSD光谱的GABP模型提高玉米叶片叶绿素含量反演精度的可行性。