基于机器学习的粳稻叶片叶绿素含量高光谱反演建模

叶绿素含量是表征粳稻生长状态的重要指标,高光谱遥感技术能够无损、快速的获取粳稻叶片叶绿素含量。本研究利用2015—2017年沈阳农业大学辽中水稻实验站粳稻叶片高光谱数据,并利用主成分分析法(PCA)、典型相关分析法(CCA)、核典型关联分析法(KCCA)3种方法对粳稻叶片高光谱信息降维,选出较优光谱参数作为叶绿素含量反演模型的输入变量。采用支持向量机回归(SVR)、神经网络(NN)、随机森林(RF)、偏最小二乘法(PLSR)四种机器学习算法建立粳稻叶片叶绿素含量反演模型。结果表明,KCCA降维方法对粳稻叶片高光谱降维效果要优于PCA和CCA两种方法。采用KCCA-SVR方法建立的粳稻叶片叶绿素含量反演模型的模型决定系数R²=0.801,RMSE=1.610,建立的粳稻叶绿素含量反演模型精度最高。该模型良好的预测能力为粳稻叶片叶绿素含量反演研究和养分诊断提供了数据支撑和模型参考。     

南方丘陵稻田土壤全钾和速效钾高光谱特征与反演模型研究

以兴国县稻田土高光谱反射率为研究对象,对比分析了同一种光谱反射率变换形式下土壤全钾、速效钾与高光谱反射率的相关性,提取了全钾和速效钾的高光谱敏感波段,建立了基于反射光谱特征的南方丘陵稻田土全钾、速效钾高光谱反演模型.经分析可知,在355～620 nm波段,土壤全钾、速效钾含量与光谱反射率相关性同增同减,而在621～2 250 nm波段内,土壤全钾含量与光谱反射率相关性要大于土壤速效钾;通过分析兴国县稻田土全钾、速效钾含量与光谱反射率18种数学变换的相关系数,提取全钾的敏感波段为602、804 nm,速效钾的敏感波段为602、1 058、1 638、2 214 nm;采用偏最小二乘回归,利用高光谱指数构建的反演模型能较好地预测全钾、速效钾含量,模型建模的相关系数和验证系数都较高,基于速效钾含量建立的南方丘陵稻田土高光谱反演模型预测能力较好.     

近红外光谱技术应用于玉米单籽粒蛋白质含量检测分析的初步研究

为探索应用近红外光谱技术检测玉米单籽粒蛋白质含量,本研究采用JDSU近红外光谱检测仪采集了205份不同基因型玉米材料的单籽粒光谱值,用常规化学法测定玉米单籽粒蛋白质含量化学值,以117个样本为建模集,拟合了玉米单籽粒近红外光谱仪扫描得到的光谱图与玉米单籽粒蛋白质含量化学值之间的相互关系,用88个样本作预测集,比较了偏最小二乘回归法(PLSR)和支持向量机回归法(SVR)2种预测模型的效果。结果表明,玉米单籽粒种子的蛋白质含量在样本中变异范围为3.48%~18.15%,平均值为10.17%。偏最小二乘回归法(PLSR)和支持向量机回归法(SVR)所建的模型预测效果基本相同,其决定系数(R2)分别为0.99和0.99,校正标准差(SEC)分别为0.32和0.32,预测标准差(SEP)分别为0.46和0.46,相对预测标准差(RSEP)分别为4.61和4.60,RPD分别为6.106和6.111。上述参数表明PLSR和SVR所建立的模型预测效果都比较好,预测值基本接近参比值,便携式JDSU近红外光谱检测仪可以应用于定量分析玉米单籽粒蛋白质含量。     

土壤类型对土壤钾素与烤烟烟叶钾素分布及其相互关系的影响研究——以云南省曲靖市为例

以云南曲靖烟区5种不同土壤类型土样及其对应的烟样为材料,分析了土壤钾素和烤烟烟叶钾素含量在不同土壤类型中的分布特点及其相互关系。结果表明:(1)土壤钾素含量与烤烟烟叶钾素含量在5种土壤类型中存在显著差异,不同土壤类型中平均全钾含量高低顺序为紫色土黄壤水稻土新积土红壤;速效钾含量高低顺序为:黄壤新积土水稻土紫色土红壤;平均烤烟钾含量在不同土壤类型中的分布高低顺序为:黄壤新积土红壤水稻土紫色土。(2)烟叶钾素仅在红壤类型上与土壤全钾含量呈极显著正相关,仅在红壤、新积土和紫色土类型上与土壤速效钾呈极显著正相关,在其他土壤类型下烟叶钾素与土壤钾素相关性不明显。在将土壤钾素含量分组后,在红壤中,烟叶钾含量随土壤全钾和速效钾含量的变化而表现出了较大的差异;在黄壤和水稻土中,烟叶钾含量在不同土壤钾素分组间未表现出明显的差异性;在新积土和水稻土中,烟叶钾含量在土壤全钾含量分组中没有明显的差异性,但在土壤速效钾含量的分组中则表现出较大的差异性。     

土壤类型对土壤钾素与烤烟烟叶钾素分布及其相互关系的影响研究——以云南省曲靖市为例

以云南曲靖烟区5种不同土壤类型土样及其对应的烟样为材料,分析了土壤钾素和烤烟烟叶钾素含量在不同土壤类型中的分布特点及其相互关系。结果表明:(1)土壤钾素含量与烤烟烟叶钾素含量在5种土壤类型中存在显著差异,不同土壤类型中平均全钾含量高低顺序为紫色土>黄壤>水稻土>新积土>红壤;速效钾含量高低顺序为:黄壤>新积土>水稻土>紫色土>红壤;平均烤烟钾含量在不同土壤类型中的分布高低顺序为:黄壤>新积土>红壤>水稻土>紫色土。(2)烟叶钾素仅在红壤类型上与土壤全钾含量呈极显著正相关,仅在红壤、新积土和紫色土类型上与土壤速效钾呈极显著正相关,在其他土壤类型下烟叶钾素与土壤钾素相关性不明显。在将土壤钾素含量分组后,在红壤中,烟叶钾含量随土壤全钾和速效钾含量的变化而表现出了较大的差异;在黄壤和水稻土中,烟叶钾含量在不同土壤钾素分组间未表现出明显的差异性;在新积土和水稻土中,烟叶钾含量在土壤全钾含量分组中没有明显的差异性,但在土壤速效钾含量的分组中则表现出较大的差异性。     

实验室模拟不同盐分土壤的高光谱特性

以托克托县采集的非盐渍土为研究对象,向其添加盐渍土中常见的易溶性钠盐,采用便携式地物光谱仪SVC HR-1024,测定不同盐分含量的土壤的光谱反射率,构建了土壤盐分与高光谱信息的偏最小二乘回归(PLSR)和多元线性逐步回归(MLSR)的土壤盐分反演模型.结果表明:(1)不同种类及含量的盐分对土壤的光谱曲线影响不同,经Na2 CO3、Na2 SO4和NaHCO3盐溶液处理的土壤光谱反射率随着土壤含盐量的增加而增加,NaCl溶液处理后的土壤反射率随着土壤含盐量的增加而递减,且各土样反射率均高于未经处理的土样.(2)4种土样原始光谱数据与SSC相关性从高到低依次为:NaCl、Na2 SO4、NaHCO3、Na2 CO3:经过数学变换后,4种土样最大相关系数分别为:R'-NaCl(-0.895)、(R)'-Na2CO3(-0.781)、R″-Na2SO4(0.767)、(lgR)'-Na2CO3(-0.874):各土样根据相关系数所选敏感波段不同.(3)建模效果最好的是NaCl土样的一阶微分处理的PLSR模型,决定系数(R2)和均方根误差分别为0.871和0.764;MLSR模型中效果最好的为经对数一阶微分处理后的NaHCO3模型,决定系数(R2)和均方根误差分别为0.824和0.846.经验证,PLSR模型更适宜进行土壤盐分反演.     

陆良县植烟土壤类型与土壤肥力的灰色关联度分析

为探究云南陆良烟区土壤肥力状况,对该县境内的植烟土壤进行了系统的调查取样,并利用灰色关联度分析法对该地区不同植烟土壤类型的土壤肥力状况进行了综合评价及关联度分析。结果表明:1陆良县植烟土壤类型主要有水稻土、红壤、新积土和紫色土,其中以红壤和水稻土为主。2新积土氮、磷、速效钾和有效镁含量较高;红壤有效钼含量较高,全钾和速效磷含量较低;水稻土p H相对较高,速效钾含量较低;紫色土p H及氮、磷含量偏低,全钾和有效硼含量较高;4类土壤的有效硫和水溶性氯含量均不同程度偏高。34类植烟土壤肥力的灰色关联度排序为:红壤(0.8548)新积土(0.8392)水稻土(0.8222)紫色土(0.8214),说明在该区的生态环境条件下,红壤的肥力较高,紫色土的肥力最差,且土壤肥力与土壤颗粒构成存在一定的相关性。     

水稻叶片SPAD值的高光谱估算模型

[目的]构建水稻叶片SPAD值的高光谱精确估算模型,为进一步提高高光谱对水稻SPAD值反演估算精度提供参考依据.[方法]利用SPAD-502型叶绿素测定仪测量水稻叶片SPAD值,以FieldSpec 4光谱仪采集水稻叶片光谱数据.通过分析光谱植被指数、位置参数与SPAD值的相关性,构建4个水稻叶片SPAD值高光谱估测模型,即逐步多元线性回归(SMLR)模型、支持向量机回归(SVR)模型、基于主成分分析的支持向量机回归(PCA+SVR)模型和以逐步多元线性回归确定最佳参数的支持向量机回归(SMLR+SVR)模型;并采用均方根误差(RMSE)、平方相关系数(R2)、相对分析误差(RPD)和平均相对误差(MRE)等指标对模型进行评价.[结果]在分析的15个光谱特征参数中,除黄边位置(λy)无显著相关外(P>0.01),水稻叶片SPAD值与叶片光谱位置参数及植被指数参数间存在显著相关性,选择相关系数大于0.800的5个植被指数参数(VOG1、VOG2、VOG3、CARI和PRI)和7个光谱位置参数[蓝边面积(SDb)、黄边振幅(Dy)、黄边面积(SDy)、绿峰反射率(Rg)、红谷净深度(Hr)、蓝边振幅(Db)和红边位置(λh)]作为输入变量构建水稻叶片SPAD值的估测模型.R2和RPD值越大,RMSE和MRE值越小,则表明模型的性能越好,估算精度高.比较4个模型训练与测试结果的R2、RMSE、MRE和RPD可知,在模型估算精度上,SMLR+SVR模型高于SMLR模型,PCA+SVR模型高于SVR模型.总体上,SMLR+SVR模型能更好地实现对水稻叶片SPAD值的预测,其模型各项评价指标R2、RMSE、MRE和RPD分别为0.856、2.076、3.984%和2.550.[建议]进一步挖掘分析光谱特征参数与水稻叶片SPAD值间的关系,提出新的光谱特征参数或优化特征参数选择组合方法,增加回归建模算法,提高高光谱对水稻叶片SPAD值的有效估算.采集水稻冠层高光谱图像,反演出高光谱图像中的水稻冠层SPAD值,研究冠层SPAD与水稻长势关系,为水稻科学管理提供技术支持.     

基于近红外光谱的不同建模方法检测土壤有机质和速效P含量的研究

【目的】采用近红外光谱和不同建模方法测定土壤中的有机质和速效P含量。【方法】分别采集江西不同地区的土样240个,采集土壤样品的近红外漫反射光谱,以对光谱数据进行主成分分析得到的前6个主成分(PCs)和偏最小二乘回归(PLSR)建模得到的6个潜在变量(LVs),分别作为反向传播神经网络(BPNN)和偏最小支持向量机(LS-SVM)的输入变量,共建立6个模型,分别为主成分回归(PCR)、PLSR、BPNN-PCs、BPNN-LVs、LS-SVM-PCs和LS-SVM-LVs,并对这些建模方法预测土壤有机质和速效P含量的结果进行评价,从中筛选出最佳模型。【结果】在预测土壤有机质和速效P含量时,LS-SVM-LVs模型的预测效果优于PCR、PLSR、BPNN-PCs、BPNN-LVs和LS-SVM-PCs模型。用LS-SVM-LVs模型得到的有机质、速效P预测集的决定系数(R2)和均方差(RMSE)分别为0.873 4,0.780 1mg/kg和2.92g/kg,4.97mg/kg。【结论】将近红外漫反射光谱和LS-SVM、PLSR相结合可用于测定土壤有机质和速效P含量。     

基于特征波长选择和建模的高光谱土壤总氮含量估测方法研究

以皖北地区采集的115个砂姜黑土样本为研究对象,获取土壤样本光谱数据,采用竞争性自适应重加权算法(CARS)、连续投影算法(SPA)、随机森林特征选择算法(RFFS)对土壤总氮含量特征波长进行选择,并分别应用偏最小二乘回归(PLSR)、支持向量机回归(SVR)、最小绝对值收缩和选择算子回归(LASSO)建立土壤总氮含量估算模型。结果表明,除CARS-PLSR方法模型精度低于相应的全波长模型外,其他基于选定的特征波长进行建模的效果都优于全波长。综合比较各变量筛选与回归建模组合发现,RFFS方法从全波长(224个波长)中筛选出20个特征波长建立土壤总氮含量的LASSO模型效果最好,该模型在预测集上的决定系数(R²)和相对分析误差(RPD)值分别为0.787 1和2.130 1。RFFS-LASSO模型简单,预测效果好,对土壤总氮含量近地传感器设备开发具有一定的指导意义。     

华南地区土壤全钾含量高光谱反演模型研究

【目的】为更快速准确地估算土壤全钾含量。【方法】本文以土壤高光谱数据和实验室分析所得的土壤全钾含量数据为数据源,研究土壤光谱与土壤全钾含量的关系。在土壤原始光谱预处理的基础上,对其进行光谱平滑、一阶微分、二阶微分和倒数对数等光谱变换处理,筛选出与对土壤全钾含量相关性最高的光谱指标,最终建立模型预测土壤全钾含量。【结果】基于一阶微分变换的光谱变量是估算土壤全钾含量的最佳光谱指标,其构建的土壤全钾高光谱反演模型(y=2E+06x~2+11328x+16.372)效果最佳,决定系数R~2为0.64,均方根误差RMSE为4.850 g/kg。【结论】利用该模型快速估算广东省土壤全钾含量是可行的。     

基于不同建模方法的土壤pH值无人机遥感影像反演

土壤pH值是土壤形成过程和熟化陪肥过程的一个指标。为了实现对农田土壤酸碱度状况的量化判别,提高模型预测精度,以江苏省南京市江宁区淳化街道农田土壤pH值为研究对象,采用棋盘式布点法选取60个点位进行土壤pH值测定,采用无人机搭载多光谱传感器获取土壤光谱信息,分别建立多元逐步线性回归（MLSR）、BP神经网络（BPNN）、LASSO回归模型,并采用R²、RMSE、VIF指标评价3种模型精度。结果表明,LASSO回归方法较其他回归方法在多光谱与土壤pH值反演中表现较好,R²=0.618,RMSE=0.430,可以平衡MLSR的共线性问题以及BPNN样本容量较少、验证集精度较差等问题。采用LASSO回归模型进行反演及分类制图,发现研究区内92.6%的土壤呈中性,以期为无人机多光谱反演土壤pH值提供理论参考。     

基于高光谱的土壤有机碳含量预测研究

[目的]对土壤有机碳含量进行预测研究。[方法]利用高光谱仪对表层土壤进行光谱测定并且进行光谱数据的预处理,通过多元线性逐步回归(SMLR)和偏最小二乘回归(PLSR)方法对土壤有机碳含量进行预测,并对2种模型的精度进行比较。[结果]LSR模型的精度高于SMLR模型。[结论]偏最小二乘回归法优于多元逐步回归法,对有机碳的预测具有更好的效果。     

凉山烟区土壤肥力的综合评价

根据凉山烟区5种类型土壤的9种肥力指标数据,应用主成分分析法对该区的土壤肥力进行了综合评价,得出的3个主成分的累积贡献率为86.96%。3个主成分为养分因子(由有机质、有机总碳、全氮、全磷、碱解氮、速效磷含量组成)、钾因子(由全钾和速效钾含量组成)和pH因子(由pH值组成)。不同类型土壤肥力的综合得分显示为:黄壤>紫色土>红壤>水稻土>黄棕壤。     

土壤游离氧化铁高光谱特征与定量反演

【目的】建立基于可见-近红外光谱的土壤游离铁精确预测模型,简单、快速、经济地预测土壤游离铁,有助于研究土壤发生和分类。【方法】采集广西壮族自治区的铁铝土、富铁土、淋溶土和雏形土等82个旱地土壤剖面的B层土壤,进行室内土壤化学分析、光谱测定,分析不同光谱变换后的光谱反射率与土壤游离铁含量的相关性。基于特征波段利用偏最小二乘回归(PLSR)和逐步多元线性回归(SMLR)法建立土壤游离铁含量光谱预测模型,通过决定系数(R2)、均方根误差(RMSE)和相对预测偏差(PRD)确定最优模型。【结果】土壤光谱曲线分别在457、800和900 nm波段附近有明显的游离铁吸收和反射峰特征;土壤游离铁含量与原始光谱反射率呈负相关;原始光谱经过微分变换后,游离铁含量与光谱反射率相关性显著提高;基于400～580和760～1 300 nm特征波段和一阶微分光谱变换的SMLR模型预测精度最高,其验证集的R2和RPD分别为0.85和2.62,RMSE为8.41 g·kg~(-1)。【结论】将可见近红外光谱技术应用于土壤游离铁含量高效快速地预测具有良好的可行性。广西旱地土壤光谱反射率与土壤游离铁含量具有高度的相关性,应用逐步多元线性回归方法可以很好地建立土壤游离铁含量反演模型。     

海南水稻土养分状况分析与质量评价

采用网格布点法收集海南岛较大的洋田水稻土样52份,分析测定土样的pH值、全磷、全氮、全钾和有机质5个养分指标,并对其进行分析与评价。结果表明:海南水稻土为酸性土壤,其pH值平均为5.94;海南水稻土养分水平以中低级为主,占总数的74.9%,普遍表现为土壤有机质和钾的含量低;不同母质形成的水稻土之间土壤养分差异不显著。     

新型矿基土壤调理剂对滨海盐土理化性状和水稻产量的影响

以自主研发的矿基土壤调理剂为试验材料,采用盆栽方法研究了土壤调理剂不同施用量(0、5.0、7.5、10.0、12.5 g·kg^-1)对滨海盐土理化性状[pH值、土壤电导率(EC),及有机质、全氮、碱解氮、速效钾、有效磷含量]、水稻养分吸收和产量的影响。结果表明,施用土壤调理剂后,土壤pH值、EC值和速效钾含量与不施土壤调理剂的对照相比显著(P<0.05)降低,而土壤有机质、全氮、碱解氮、有效磷含量,水稻秸秆、籽粒中的全氮、全磷和全钾含量,以及水稻株高、生物量和产量显著(P<0.05)增加。水稻的有效穗数、每穗粒数、株高、千粒重、生物量和产量与土壤pH值和EC值呈极显著(P<0.01)负相关,与土壤的有机质、全氮、碱解氮和有效磷含量呈显著(P<0.05)正相关,与速效钾含量无显著相关性。各施用量下,以10 g·kg^-1处理的效果最优。研究结果可为合理应用土壤调理剂改良滨海盐土、提高水稻产量提供理论依据。     

基于水稻冠层高光谱的叶片SPAD值估算模型研究

为进一步提高水稻冠层光谱对叶片叶绿素相对含量(soil and plant analyzer development,SPAD)值的反演精度,利用光谱仪和叶绿素计实测了水稻全生育期的冠层高光谱反射率和SPAD值,并对原始光谱反射率及一阶导数光谱与叶片SPAD值进行了相关性分析;利用主成分分析(principle component analysis,PCA)对原始光谱数据进行降维,将得到的主成分作为输入变量,分别应用逐步多元线性回归分析法(stepwise multiple linear regression,SMLR)与支持向量回归(support vector regression,SVR)构建叶片SPAD值的高光谱估算模型;另分析322种冠层光谱参数与叶片SPAD值之间的相关关系,筛选相关系数高的14种特征参数作为输入变量,分别应用逐步回归与支持向量回归构建SPAD值的高光谱估算模型,并进行验证。结果表明,叶片SPAD值与水稻冠层原始光谱反射率的相关性在669 nm处高达-0.876,与一阶导数光谱的相关性在543 nm处最高达-0.834;不同模型的精度值各异,以特征参数为输入变量建立的逐步回归模型和SVR模型的均方根误差RMSEv分别为2.926、3.895,相对分析误差RPD分别为2.064、1.55。而基于主成分分析建立的逐步回归模型和SVR模型的RMSEv分别为3.349、2.631,RPD分别为1.803、2.295。对比发现主成分分析结合支持向量机模型可以很好地预测叶片SPAD值。     

基于高光谱成像估测冬小麦不同生育时期水分状况

【目的】研究实时、快速估测冬小麦不同生育时期水分状况并构建模型,为冬小麦水分精准管理提供科学依据。【方法】以新疆典型滴灌冬小麦为研究对象,应用高光谱成像技术获取冬小麦冠层光谱信息,并对原始光谱反射率进行平滑和数据变换,利用一元线性回归(Simple linear regression,SLR)、主成分回归(Principal components regression,PCR)和偏最小二乘回归(Partial least squares regression,PLSR)3种建模方法,对冬小麦冠层原始光谱及变换光谱分别构建植株水分含量估测模型。【结果】冬小麦冠层原始光谱反射率与植株水分含量相关性不高,对原始光谱反射率进行数据变换可以显著增强与水分含量的相关性和相关波段数,其中倒数一阶微分变换与冬小麦植株水分含量的相关系数最大,为-0.893 0,但不同变换最优相关系数所对应的波段位置并不固定。PLSR方法的模型精度最高,对数变换的PLSR模型估测精度最高,模型$R_{p}^{2}$、RMSE_p、RPD值分别为0.880 8、3.251 2%、2.934 3;冬小麦不同生育时期估测模型精度存在差异,拔节期、抽穗期估测模型精度较低,灌浆中期最高,其估测模型$R_{p}^{2}$、RMSE_p、RPD值分别为0.904 8、1.381 1%、3.454 7。【结论】利用高光谱成像技术对估测冬小麦植株水分含量是可行的,在灌浆中期的估测效果最佳。     

烤烟连作下不同植烟土壤化学性状与酶活性变化及其相关性

通过分析连作条件下云南省3种植烟土壤(红壤、水稻土、紫色土)的化学性状指标及酶活性的变化特征,旨在进一步剖析烤烟连作障碍机制,指导烤烟种植布局优化.结果表明,连作5年导致3种植烟土壤的化学性状和酶活性发生明显变化,主要表现在pH值降低,土壤有机质、全氮、碱解氮和有效磷含量不同程度增加,过氧化氢酶、蔗糖酶活性降低,而脲酶、磷酸酶活性增强.逐步回归分析结果显示,3种植烟土壤的部分化学性状指标与酶活性间存在密切的相互影响的关系.过氧化氢酶活性与pH值、全钾含量之间具有极显著的正相关性(P<0.05),与全磷、有效磷含量之间具有极显著的负相关性(P<0.01);蔗糖酶、脲酶活性与有机质、全氮、全磷、全钾、碱解氮含量之间具有显著或极显著的正相关性(P<0.05或P<0.01),脲酶活性与pH值之间具有极显著的负相关性(P<0.01);磷酸酶活性与pH值之间具有显著的负相关性(P<0.05),与全磷、有效磷含量之间具有极显著的正相关性(P<0.01).总体而言,3种植烟土壤经连作5年后,以紫色土的化学性状和酶活性变化幅度最小,对连作的响应相对最低.