关键词：微泄漏 冠层叶绿素含量 分数阶微分 bp神经网络 

摘要：通过野外实验对天然气微泄漏胁迫下大豆冠层叶绿素含量(Canopy Chlorophyll Content,CCC)进行高光谱估测,进而根据CCC的变化信息辅助判断天然气微泄漏信息。对大豆冠层光谱进行分数阶微分处理,根据各微分光谱与CCC的相关性选取敏感波段,构建各微分阶数下的多元线性回归模型和BP(Back-Propagation)神经网络模型,并对模型进行精度评价,筛选出天然气微泄漏胁迫下大豆CCC高光谱估测的最优模型。通过对各模型的精度评价可知:基于0.5阶微分的BP神经网络模型建模集R^2为0.914、RMSE为0.241g/m^2、RPD为3.351,验证集R^2为0.873、RMSE为0.294g/m^2、RPD为2.465,在所有模型中,其精度最高、预测效果最好,且稳定性好。因此,该模型可用于天然气微泄漏胁迫下大豆CCC的高光谱估测。

地理与地理信息科学杂志要求:

{1}文中图、表请顺序标号，且应有名称;若系采用于其他资料，请注明资料来源。

{2}文章格式一般要包括：题目、作者及单位、邮编、内容摘要、关键词、正文、参考文献等。

{3}作者请自留底稿，1个月收到采用通知可自行处理。因本刊人手有限，来稿恕不退还，请多谅解。

{4}题名应直接体现论文的要旨，必须与论文的内容相吻合。为方便读者检索，题名还应尽可能包含论文的关键词，以供二次文献编制题录、索引。

{5}顺序编码标注制是按引用文献出现的先后顺序，在文献的著者或成果叙述文字的右上角用方括号标注阿拉伯数字编排序号，并在参考文献表中按此序号依次著录，即将参考文献反引在文中引用位置。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社