苎麻叶片高光谱特性研究及定性定量模型建立与应用

发布时间：2020-05-13 14:00

【摘要】：随着光谱技术的发展,以光谱遥感技术为基础,以计算机数据分析处理为辅助手段的无损光学检测和诊断技术成为当前农业领域的研究热点。苎麻(Boehmeiria nivea L)是我国的特产,作为一种传统的纤维作物,一直有着较高的经济地位。全面了解苎麻的高光谱响应特性,建立基于高光谱的苎麻模式识别模型,探讨苎麻叶片高光谱与生理生态参数之间的量化关系,有利于苎麻栽种、种质资源开发利用,为实现苎麻高产优质及麻田精准管理提供关键技术支撑,对提高苎麻产量和品质有重要意义,在推动苎麻事业可持续发展上具有广阔的应用前景。本文以长沙县梅花基地苎麻种质资源圃、湖南农业大学耘园苎麻材料圃和湖南农业大学国家麻类长期定位试验点的苎麻为研究对象,在大田栽培条件下,以光谱分析技术为基础,研究了40个品种的苎麻叶片高光谱特性,建立了9个苎麻品种的高光谱识别模型,苎麻褐斑病高光谱识别模型以及苎麻叶片含水率高光谱预测模型,本文主要研究内容、方法和结果如下:1、从原始高光谱峰谷参数、分波段的偏度峰度参数和三边参数等多方面统计分析了40个不同基因型苎麻叶片、褐斑病和健康叶片、上中下叶位叶片的高光谱数据,发现苎麻叶片高光谱特具有以下特性:(1)不同基因型苎麻叶片高光谱在可见光波段(400~780 nm)和短波红外波段(1350~2400 nm),差异主要体现在反射率和面积上;在近红外波段(780~1350 nm),反射率和位置差异均比较明显;各参数中,谷5位置、峰2反射率,黄边位置、红边振幅、n6峰度和n4偏度差异较小,而峰1位置、绿峰反射率、红边位置、蓝边振幅和n4峰度差异较大。(2)不同叶位叶片高光谱在可见光区域,下叶位反射率最高,且与SPAD(Soil and Plant Analyzer Development)值成反比;在780-1350 nm区域反射率均是上叶位中叶位下叶位,与上中下叶位叶片含水率大小呈负相关;在1350-2450nm区域反射率区别不明显,含水量最低的上叶位叶片反射率也最低;三边参数中,上中下叶位叶片的蓝边和黄边位置比红边位置稳定,振幅和面积值也小很多;SPAD值最大的中叶位红边位置离长波方向更近,SPAD值最小的下叶位离短波方向最近。(3)对比褐斑病和健康叶片的高光谱曲线,绿峰区域反射率、谷2位置、n3偏度、n4峰度和蓝边振幅差异比较明显;670-970nm区域健康叶反射率明显高于褐斑病叶片。2、采用高光谱峰谷参数、偏度峰度参数、三边参数和主成分分析法等多种特征变量选择(提取)方法,组合判别分析方法DA(Discriminant Analysis)和支持向量分类SVC(Support Vector Classification)两种模式识别方法,分别建立了能识别9个苎麻品种的模型以及苎麻叶片褐斑病识别模型。研究结果表明:基于高光谱的苎麻9个品种的识别模型中,以20个主成分+SVC(径向基核函数)方法效果最佳,其模型变量个数较少,且正确率达到96.91%;而苎麻叶片褐斑病识别模型以9个主成分+马氏距离判别分析MD-DA(Mahalanobis Distance Discriminant Analysis)和9个主成分+SVC(径向基核函数)方法最佳,其预测集正确率均达100%。3、采用多种预处理方法对原始高光谱降噪,然后分别采用相关系数法、回归系数法、相关-回归系数法和回归-回归系数法提取特征波段和特征波长,最后用偏最小二乘回归PLSR(Partial Least Squere Regression)和支持向量回归SVR(Support Vector Regression)分别建立基于全波段、特征波段和特征波长的苎麻叶片含水率预测模型。研究结果表明:以全波段作为输入变量,SG(Savitzky-Golay)平滑-PLSR模型效果最好,变量个数2031个,预测集R~2为0.7164,RMSEP(Root Mean Squeare Error of Prediction)为0.0292;以特征波段作为输入变量,以Normalize-回归系数波段-PLSR模型效果最好,变量个数360个,预测集R~2=0.7153,RMSEP=0.0292;以特征波长作为输入变量,以标准正态变量变换预处理结合回归-回归系数波长-PLSR模型效果最好,变量个数12个,预测集R~2=0.7016,RMSEP=0.0299。本文从原始高光谱峰谷参数、分波段的偏度峰度参数和三边参数等多方面多角度、深入研究苎麻叶片高光谱特性,并以研究结果为基础,建立了基于高光谱的苎麻品种识别、苎麻叶片褐斑病识别以及苎麻叶片含水率预测模型,填补了当前的研究空白。此外,在建立定性识别模型时,选择原始高光谱峰谷参数、分波段的偏度峰度参数作为特征变量,并深入探讨了主成分个数选择对建模效果的影响;在建立定量预测模型时,本研究提出基于相关系数、回归系数特征波段的二次提取特征波长的方法,均是本文的创新点。
【图文】：

波形,光谱响应

该波段是一个有波形起伏的高反射率区域：点附近有水或氧的窄吸收带而产生的，如 970nm、1200n收谷；而高反射率是由于细胞壁和细胞空隙间折射率不同这种强烈反射的特性被认为是植物预防过度增热的一种适500nm 波段。该波段的反射率与水分、二氧化碳和植物本50nm 和 1940nm 附近有两个强吸收谷，在 1650nm 和 22峰，1650nm 附近的反射峰较强，而 2200nm 附近的反射峰防其本身过度变冷的一种适应。在不同生长条件下，其光谱特征会有相应变化，相关研究as[26]等人就曾研究了在不同氮素水平下，七种植物的叶片片光谱反射率和氮素水平的关联；金林雪[27]等分析了小麦参数的相关关系，给出了小麦叶片水分及绿度特征的最佳Fig.1-1 The spectral response characteristics of green plants图 1- 1 绿色植物的光谱响应特征

试验区,湖南农业大学,苎麻

这两处试验地均采用随机区组设计，不设重复小区种植 20 蔸苎麻。湖南农业大学国家麻类长期定品种（中苎 1 号、湘苎 3 号、多倍体-1），每个品种小区，小区面积约 20.00 m2（长为 7.50 m，宽为 2.田间水、肥管理一致，每一季苎麻苗期施尿素（总45%，N-P2O5-K2O 比例为 15-15-15）各 250 kg/hm2，，基地苎麻种质资源圃b. 湖南农业大学耘
【学位授予单位】：湖南农业大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：S563.1

【参考文献】