基于高光谱和参数优化支持向量机的水稻施氮水平分类研究

发布时间：2021-06-16 07:52

　　为探索水稻氮素营养的快速、无损诊断方法以及构建基于高光谱技术的水稻氮素营养状况分类识别模型。本研究以4种不同施氮水平的"中嘉早17"水稻分蘖期顶部第三完全展开叶叶片（简称顶三叶）为研究对象,测定各叶片的可见光到近红外波段（350～2500 nm）内的光谱数据,对所获取的光谱数据进行平滑处理和归一化处理,以消除噪声及量纲的影响,并采用主成分分析（PCA）的方法进行数据降维至22维,同时分别选用基于网格搜索算法、粒子群算法和遗传算法优化参数的支持向量机进行水稻氮素营养状况分类识别模型的建立。研究结果表明:1)不同施氮水平下的水稻叶片光谱反射率曲线走势大致相同,但不同施氮水平下780～1 300、1 400～1 850及1 900～2500 nm波段光谱反射率存在一定的差别;2)优化参数后的SVM模型与默认参数下的SVM模型相比,其训练集与测试集分类识别效果都要优于默认参数下的SVM模型。其中,以遗传算法优化参数的SVM模型识别分类效果最佳,训练集和测试集识别准确率分别为99.375%、98.750%,测试集的4种施氮水平（施氮量从低到高）识别准确率分别为100%、95%、100%和100%... 

【文章来源】：中国土壤与肥料. 2020,(05)北大核心CSCD

【文章页数】：8 页

【部分图文】：

ASD野外光谱分析仪Field Spec 4

将4种施氮水平的240组（各施氮水平60组）光谱数据求取平均值，各施氮水平下的水稻叶片光谱如图2所示，不同施氮水平下的光谱变化趋势相同，但在红外区780～1 300 nm 4种施氮水平的光谱反射率有所不同，以第四类（高氮）施氮水平下的光谱反射率最高，第三类（中氮）施氮水平其次。在1 400～1 850 nm及1 900～2 500 nm左右都表现出第四类（高氮）施氮水平的光谱反射率最低，其次是第三类（中氮）施氮水平，第一类（不施氮）和第二类（低氮）施氮水平反射率值差别不大，二者（第三类、第四类）光谱反射率都高于第一类（不施氮）和第二类（低氮）施氮水平。由此表明应用水稻叶片光谱进行水稻氮素营养状况分类识别具有可行性。2.2 光谱数据平滑处理分析

将240组光谱原始数据进行平滑处理，平滑处理前后效果如图3、4所示。由图3可知，不同施氮水平的水稻叶片光谱反射曲线呈相同趋势。在绿光区的550 nm处，水稻叶片反射率出现波峰，在红光区的680 nm及短波红外区的1 450和1 900 nm处水稻叶片出现强烈吸收，形成波谷。该光谱反射现象与张亚彪等[26]的研究结果一致。由图4可知，经过平滑处理后的光谱反射曲线有效地消除了谱线平移、高频随机噪声和光散射等因素的影响。图4 平滑处理后的水稻光谱

【参考文献】：
期刊论文
[1]基于高光谱的水稻叶片氮素营养诊断研究[J]. 杨红云,周琼,杨珺,孙玉婷,路艳,殷华.  浙江农业学报. 2019(10)
[2]RGB与HSI色彩空间下预测叶绿素相对含量的研究[J]. 孙玉婷,王映龙,杨红云,周琼,孙爱珍,杨文姬.  浙江农业学报. 2018(10)
[3]分蘖期氮水耦合对水稻产量和品质的影响[J]. 张丽微,仲维君,姜玉伟,赵婷婷,宋泽,钱永德,姜冲冲.  江苏农业科学. 2018(07)
[4]基于主成分分析和支持向量机的木材近红外光谱树种识别研究[J]. 谭念,孙一丹,王学顺,黄安民,谢冰峰.  光谱学与光谱分析. 2017(11)
[5]有机-无机肥不同配施比例对水稻氮素吸收利用率的影响[J]. 刘红江,蒋华伟,孙国峰,沈明星,陈留根,郑建初.  中国土壤与肥料. 2017(05)
[6]基于参数优化支持向量机的水稻施氮水平分类研究[J]. 周琼,杨红云,杨珺,孙玉婷,杨文姬,石强强.  南方农业学报. 2017(08)
[7]西南黄壤性水稻土长期不同施肥模式下作物产量及氮肥利用率演变特征[J]. 刘彦伶,李渝,张雅蓉,张文安,蒋太明.  中国土壤与肥料. 2017(03)
[8]基于网格搜索与交叉验证的SVM磨机负荷预测[J]. 罗小燕,陈慧明,卢小江,熊洋.  中国测试. 2017(01)
[9]基于主成分分析和遗传优化BP神经网络的光伏输出功率短期预测[J]. 许童羽,马艺铭,曹英丽,唐瑞,陈俊杰.  电力系统保护与控制. 2016(22)
[10]基于高光谱的寒地水稻叶片氮素含量预测[J]. 王树文,赵越,王丽凤,王润涛,宋玉柱,张长利,苏中滨.  农业工程学报. 2016(20)

硕士论文
[1]基于高光谱的寒地水稻叶片氮素营养诊断研究[D]. 赵越.东北农业大学 2017
[2]基于近红外、中红外和拉曼光谱法甲醇柴油品质检测研究[D]. 黄志鸿.华东交通大学 2016
[3]基于机器视觉技术的水稻营养快速诊断研究[D]. 刘江桓.江西农业大学 2011
[4]基于数字图像处理技术的水稻氮素营养诊断研究[D]. 孙棋.浙江大学 2008



本文编号：3232686