《農業工程學報》2018年第34卷第16期刊載了華中師範大學於雷、章濤、朱亞星、周勇、夏天和聶豔的論文——「基於 IRIV 算法優選大豆葉片高光譜特徵波長變量估測 SPAD 值」。該研究由國家自然科學基金項目（項目號：41401232）等資助。
葉綠素是植物營養脅迫、光合能力和衰老進程各階段的良好指示劑。監測大豆葉片的葉綠素狀況，對大豆生長診斷與施肥調控等具有重要意義。高光譜遙感技術具有高效率、非接觸、不破壞、無汙染等特點，為大範圍獲取植物葉片葉綠素含量提供了一種新方法。
然而，葉片近紅外光譜的吸收峰嚴重重疊，導致光譜中存在冗餘信息，影響了高光譜估測葉綠素含量模型的精度，利用變量篩選方法可有效濾除。但在植物葉綠素特徵波長變量篩選過程中，與葉綠素關係較弱的波長變量極易被忽略，導致這些弱信息變量包含葉綠素的有效信息丟失，因此，確定葉片光譜中弱信息變量對揭示葉綠素高光譜響應規律具有重要意義。
該研究以江漢平原大豆葉片為研究對象，採集80組大豆葉片高光譜和SPAD值，基於迭代和保留信息變量法（IRIV）將大豆葉片高光譜劃分為強信息波長變量、弱信息波長變量、無信息波長變量和幹擾信息波長變量4類，通過消除無信息波長變量和幹擾信息波長變量，在強信息波長變量和弱信息波長變量中確定大豆葉片的特徵波長變量，建立偏最小二乘回歸（PLSR）和支持向量機（SVM）模型估測SPAD值。
結果表明，基於IRIV算法確定了大豆葉綠素的特徵波長變量，利用特徵波長變量建立的估測模型的估測能力高於僅利用強信息波長變量建立的估測模型，表明弱信息變量對估測葉片SPAD值具有重要作用；IRIV-SVM模型估測能力最優，驗證集決定係數和相對分析誤差分別為0.73、1.82。該文嘗試證明了光譜中弱信息變量的重要性，為揭示葉片高光譜響應機理提供了理論依據。