關鍵詞：微泄漏 冠層葉綠素含量 分數階微分 bp神經網絡 

摘要：通過野外實驗對天然氣微泄漏脅迫下大豆冠層葉綠素含量(Canopy Chlorophyll Content,CCC)進行高光譜估測,進而根據CCC的變化信息輔助判斷天然氣微泄漏信息。對大豆冠層光譜進行分數階微分處理,根據各微分光譜與CCC的相關性選取敏感波段,構建各微分階數下的多元線性回歸模型和BP(Back-Propagation)神經網絡模型,并對模型進行精度評價,篩選出天然氣微泄漏脅迫下大豆CCC高光譜估測的最優模型。通過對各模型的精度評價可知:基于0.5階微分的BP神經網絡模型建模集R^2為0.914、RMSE為0.241g/m^2、RPD為3.351,驗證集R^2為0.873、RMSE為0.294g/m^2、RPD為2.465,在所有模型中,其精度最高、預測效果最好,且穩定性好。因此,該模型可用于天然氣微泄漏脅迫下大豆CCC的高光譜估測。

地理與地理信息科學雜志要求:

{1}文中圖、表請順序標號，且應有名稱;若系采用于其他資料，請注明資料來源。

{2}文章格式一般要包括：題目、作者及單位、郵編、內容摘要、關鍵詞、正文、參考文獻等。

{3}作者請自留底稿，1個月收到采用通知可自行處理。因本刊人手有限，來稿恕不退還，請多諒解。

{4}題名應直接體現論文的要旨，必須與論文的內容相吻合。為方便讀者檢索，題名還應盡可能包含論文的關鍵詞，以供二次文獻編制題錄、索引。

{5}順序編碼標注制是按引用文獻出現的先后順序，在文獻的著者或成果敘述文字的右上角用方括號標注阿拉伯數字編排序號，并在參考文獻表中按此序號依次著錄，即將參考文獻反引在文中引用位置。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社