机器学习结合高光谱植被指数与SPAD值估算冬小麦氮含量

冬小麦叶片氮含量与叶片光合作用和营养状况密切相关,直接影响植株生长发育,而茎秆中的氮含量与茎秆中纤维素、半纤维素和木质素的比例和含量密切相关,直接影响茎秆质量及植株的抗倒伏能力。然而,有关对冬小麦茎秆氮含量估算研究较为有限,限制了从氮含量角度判断茎秆质量及对倒伏的预测能力。为精准估算冬小麦不同器官（叶片、茎秆）氮含量,该研究通过2年田间试验,获取冬小麦4个关键生育期（拔节期、抽穗期、开花期、灌浆期）和3种施氮水平条件下（N1、N2和N3）的冠层光谱反射率、叶片、茎秆氮含量及叶片SPAD (soil and plant analyzer development, SPAD)值。分析了不同生育期和施氮水平条件下高光谱植被指数对叶片和茎秆氮含量的敏感性,并结合5种常用的机器学习算法：随机森林回归（random forest regression,RFR）、支持向量回归（support vector regression,SVR）、偏最小二乘回归（partial least squares regression,PLSR）、高斯过程回归（gaussian process regression,GPR）、深度神经网络回归（deep neural networks,DNN）构建冬小麦叶片和茎秆氮含量估算模型。结果表明：高光谱植被指数对叶片和茎秆氮含量的敏感性受到生育期和施氮水平的影响。在灌浆期,最佳植被指数双峰冠层植被指数 DCNI（double-peak canopy nitrogen index）对叶片氮含量的敏感性最高,R²为0.866。对茎秆氮含量,在抽穗期的敏感性最高,最佳植被指数归一化叶绿素比值指数 NPQI（normalized phaeophytinization index）与氮含量相关系数R²＝0.677。施氮水平的提升增加了光谱植被指数对茎秆氮含量的敏感性。结合SPAD值的机器学习算法提升了氮含量的估算精度,对叶片氮含量,在不同生育期和施氮水平条件下估算精度提升了1%～7%,其中在全生育期的归一化均方根误差NRMSE从0.254提升到0.214,抽穗期的NRMSE提升最大,从0.201提升到0.128。对茎秆氮含量,全生育期的NRMSE从0.443提升到0.400,抽穗期的NRMSE提升最大,从0.323提升到0.268。在全生育期,结合SPAD值的DNN模型对叶片（R²=0.782、NRMSE=0.214）和茎秆（R²=0.802、NRMSE=0.400）氮含量的估算精度最佳。研究说明,SPAD值与光谱植被指数结合有利于提升冬小麦不同生育期和施氮水平条件下叶片和茎秆氮含量的估算精度。     

棉花地上鲜生物量的高光谱估算模型研究

通过测试棉花6个生育时期350～2500 nm波段的冠层高光谱数据,采用连续统去除和波段深度归一化的分析方法,计算出棉花反射光谱550～750 nm波段深度参数(Dc);同时,将冠层反射光谱数据与棉花鲜生物量进行逐步回归分析,确定了近红外波段763 nm及红光波段670 nm是棉花鲜生物量的2个敏感波段,并组成了高光谱归一化植被指数(NDVI)和比值植被指数(RVI);基于Dc参数和NDVI、RVI植被指数,建立了棉花地上鲜生物量的5种单变量线性与非线性函数模型,分析表明,RVI的指数函数模型反演的棉花地上鲜生物量的估计值与实测值的相关系数最大(R=0.7289^**,RMSE=0.8776);5种函数模型方程,经检验均达到1%的极显著水平,其中,以指数函数、幂函数和双曲线函数构建的棉花鲜生物量估算模型精度相对较高;该研究采用高光谱植被参数和指数,实时、无损、动态、定量提取了棉花地上鲜生物量,为分析、模拟、评价、预测棉花群体大小,设计理想棉花群体及棉花高光谱遥感估产提供了科学的依据。     

斑潜蝇虫害叶片受害程度对其近红外反射光谱的影响

为探索实现作物虫害自动监测的方法，采用图像处理和光谱分析技术，测定了斑潜蝇虫害叶片的近红外反射光谱，计算了虫害叶片的破损率，对其破损率和干鲜比与近红外分光反射率的关系分别进行了回归分析。结果表明：在某些波段，叶片的破损率和干鲜比均与近红外分光反射率有较好的相关性。叶片的干鲜比与近红外分光反射率关系的决定系数：黄瓜为R²=0.79(在1452 nm)，番茄为R²=0.70(在1450 nm)。叶片的破损率与近红外分光反射率关系的决定系数，黄瓜为R²>0.81(在1436～1468 nm)，番茄为R²>0.69(在1436～1466 nm)。试验和分析结果证明斑潜蝇虫害叶片的虫害程度能很好地被近红外光谱信息反映。     

烤烟成熟鲜烟叶生化组分高光谱估算方法筛选

为实现实时无损快速预测鲜烟叶的品质生化组分、筛选估算生化组分最佳的方法,使用ASD Fieldspec FR2500对烤烟成熟鲜烟叶进行了反射率、透射率光谱测定和常规生化组分分析。对可见近红外波段(350～1650 nm)单波段光谱和选用已有100种光谱指数共两类光谱参量进行了与生化组分之间线性函数、幂函数、指数函数共3种形式相关分析和基于决定系数的筛选。结果表明,对于叶绿素a、叶绿素b、类胡萝卜素、钾估算方法分别是Gitelson and Merzlyak2(GM₂) (R²=0.81)、光化学指数2(PRI₂) (R²=0.80)、Gitelson and Merzlyak2(GM₂) (R²=0.83)、1420 nm吸收峰开始位置(λs₁₄₂₀) (R²=0.67)的线性拟合最优。对于总糖、比叶重、氮、烟碱最优方法分别是在532 nm反射率一阶微分线性拟合(R²=0.54)、在1423 nm透射率线性拟合(R²=0.45)、在666 nm反射率倒数对数一阶微分的幂函数拟合(R²=0.44),在1135 nm反射率倒数对数二阶微分的线性拟合(R²=0.20)。通过筛选的光谱方法可以评估烟叶的品质状况。     

基于高光谱的鲁西北平原土壤有效磷含量快速检测研究

土壤有效磷含量是农田土地评价的指标, 也是农作物施肥的基本指标, 快速准确测量土壤有效磷含量是土壤信息化管理和资源评价的前提条件。高光谱技术的发展为快速有效监测土壤有效磷含量提供了新的途径。本文对466个样点的土壤有机质、碱解氮、有效磷和速效钾含量进行了测定, 通过聚类分析和方差分析选取48个有机质、碱解氮、速效钾含量相近而有效磷差别较大的样点作为研究样点, 采用美国ASD Fieldspec3光谱仪, 对不同有效磷含量的土壤样本高光谱反射率进行测量, 并对反射率进行倒数、对数、平方根、对数的倒数、倒数的对数的变换及其各自相应的一阶导数变换, 将每个土样测定的有效磷含量值与350~ 2 500 nm光谱范围的反射率数据及反射率的9种变换形式逐一逐波段地进行单相关分析, 筛选出对有效磷敏感的光谱波段。将所选取的显著相关波段反射率或变换形式作为自变量, 与土壤中有效磷含量进行一元线性回归方程拟合, 对所建立的回归方程进行优选和检验。研究得出: 采用相关分析方法得出土壤有效磷含量的敏感波段为711 nm, 利用一元线性回归方法, 基于该波段的估算模型为最佳估算有效磷含量模型, 该模型的拟合优度R²达0.822 1, 验证决定系数R²达0.959 1。由此说明, 利用单个敏感波段建立土壤有效磷的反演模型, 可作为快速测量土壤有效磷含量的一种简单而可靠的方法。     

水稻成熟过程中高光谱与叶绿素、类胡萝卜素的变化规律研究

通过大田和室内试验，测定了2个品种、3个供氮水平处理的水稻冠层、主茎剑叶、完全展开倒三叶和穗在成熟过程中的不同时期的高光谱反射率及对应叶片和穗的叶绿素、类胡萝卜素含量。结果表明：不同供氮水平的水稻冠层和叶片光谱差异明显，其叶片的叶绿素、类胡萝卜素含量随供氮水平的提高而增大；冠层光谱反射率随发育期推移在可见光范围内逐渐增大，在近红外区域逐渐降低；穗光谱的红边位置象冠层、叶片光谱一样也存在“蓝移”现象；叶片叶绿素、类胡萝卜素含量和高光谱植被指数VI1(R₉₉₀/R_{553相似文献}   

基于Hyperion高光谱图像的氮和叶绿素制图

利用云南省西双版纳的Hyperion高光谱图像,利用多元逐步线性回归建立了Hyperion一阶导数反射率与氮浓度和叶绿素浓度的关系,结果表明：经6S模型大气校正的Hyperion反射率与野外实测冠层反射率基本吻合;经6S校正的反射率计算的NDVI,高于用绝对亮度、表观反射率计算的NDVI,而且前者与野外实测计算的NDVI最接近;预测氮和叶绿素浓度的模型中大部分入选波长与蛋白质的吸收有关,R²分别为0.586和0.506。产生了冠层水平氮和叶绿素浓度的空间分布。结果表明：水稻的氮浓度最高,为2.5%～3.5%,其次为甘蔗、土豆、茶树,氮浓度为1.0%～2.5%,而大多数森林的氮浓度在1.0%～1.5%。对于叶绿素,水稻、马铃薯的叶绿素浓度最高,为25%～35%,其次为玉米、甘蔗,叶绿素浓度为20%～30%,而栗树的叶绿素浓度为20%～25%。证明高光谱图像是大尺度估算植被生化组分的有效方式。     

玉米全氮含量高光谱遥感估算模型研究

该文对不同品种玉米测定了其室内光谱反射率及其对应的全氮含量,采用相关性分析以及单变量线性与非线性拟合分析技术,对全氮含量与原始光谱反射率、光谱反射率一阶微分、一些高光谱特征参数(如红边波长、红边位置以及红边面积等)以及由一阶微分光谱所构建的一些比值植被指数和归一化植被指数之间的关系进行了分析,结果表明：全氮含量与原始光谱在716 nm处具有最大相关系数(r=-0.847),呈极显著负相关,并且基于此波长所构建的对数关系估算模型明显优于线性模型;与光谱反射率一阶微分值在759 nm处具有最大相关系数(r=0.944),呈极显著正相关,并且基于此波长所构建的线性和非线性模型的拟合效果接近;对于所选取的3类高光谱特征变量,全氮含量除了与黄边位置(λy)以及由红边面积和黄边面积所构建的比值植被指数和归一化植被指数的相关性较弱之外,与其余变量均呈极显著相关关系,说明由这些变量对玉米全氮含量进行估算具有可行性;对所建立的各类方程进行精度检验,最终筛选确定由759 nm处的光谱反射率一阶微分值所构建的指数模型作为对玉米全N含量的预测模型最为理想。     

用偏最小二乘法及傅立叶变换近红外光谱快速检测白酒酒精度

为了得到白酒工业中酒精度的快速检测技术,将偏最小二乘法与傅立叶变换近红外光谱相结合,通过解析白酒样品的近红外光谱图和对光谱进行不同的预处理,结果表明：用最大最小归一化法预处理光谱,光谱范围选择9747.1～7498.3 cm^-1和6102～5446.3 cm^-1,采用内部交叉验证建立模型,决定系数(R²)为99.99%,交互验证均方根差(RMSECV)为0.165%,主成分数为4,此条件下建模效果较好;模型进行验证结果表明预测集相关系数(R²)为99.80%,预测标准偏差(RMSEP)为0.264%,模型的预测效果很好,具有较高的精密度和良好的稳定性,能满足生产中白酒酒精度的快速检测要求。     

基于光谱变换的滨海湿地土壤全氮含量建模预测

基于133个滨海湿地土样的全氮（TN）含量和光谱反射率（R）及其对数（lgR）、对数的一阶微分（（lgR）''）、倒数（1/R）、倒数的一阶微分（（1/R）''）、一阶微分（R''）、平方根（√R）、一阶微分的倒数（1/（R）''）变换，采用偏最小二乘回归（PLSR）、随机森林回归（RFR）和支持向量机回归（SVR）3种算法分别建立土壤TN含量估测模型。结果表明：①土壤TN含量与光谱变换形式相关性由高到低为：（1/R）''> R''> （lgR）''> 1/R > lgR > 1/（R）''> √R > > R，经光谱变换，土壤TN含量与变换光谱的相关性均高于R，其中与（1/R）''的Pearson相关系数最大为0.746。②PLSR和SVR基于R''、（1/R）''、（lgR）''和1/（R）''变换构建的模型、RFR方法构建的所有模型R²均大于0.732，均可用于滨海湿地土壤TN含量的估算。③基于1/（R）''建立的SVR模型预测精度最高，其R²为0.987，RMSE为0.057 g/kg，MAE为0.050 g/kg，是预测滨海湿地土壤TN含量的最优模型，可为准确获取滨海湿地土壤TN含量提供稳定方法。