基于高光谱特征的松材线虫岭回归估测模型研究

以2017年6—8月获取的重庆永胜林场马尾松光谱反射率为数据源,对绿光区(490～560 nm)、黄光区(560～590 nm)、红光区(620～680 nm)、红边(680～780 nm)、近红外区(780～1 100 nm)最大反射率和反射率总和、绿峰(500～670 nm)反射高度、红谷(560～760 nm)吸收深度等14个高光谱特征参数进行岭迹分析,筛选出非共线性特征参数,构建松材线虫岭回归估测模型。结果表明:红边和近红外区反射率最大值、红边和近红外区反射率总和、红谷吸收深度岭迹曲线变化稳定且不趋于零,可用于岭回归建模。当岭迹参数k=0. 2时,上述5个高光谱特征参数岭迹趋于稳定,根据k值计算岭回归系数,构建松材线虫岭回归估测模型。模型决定系数R2为0. 868 6,均方根误差RMSE为0. 273 5,平均估测精度为87. 15%,可为松材线虫病害早期监测和防治研究提供技术支持。     

竹叶片氮含量高光谱估测方法对比研究

为实现快速无损检测竹叶片氮含量,采用波长范围为350~2500nm的地物光谱仪获取竹叶片光谱数据,以金镶玉竹叶片为样本,对其进行高光谱分析。将高光谱原始反射率及其一阶微分、对数一阶微分和二阶微分值,与化学法测量的竹叶片氮含量值进行了相关性分析,分别获得了不同微分变化下的特征波段;基于微分变换后的高光谱反射率数据,分别采用二元线性回归、多元逐步回归、偏最小二乘回归和基于主成分分析的BP神经网络方法,建立了4种金镶玉竹叶片的氮含量高光谱估测模型。对比4种估测模型的校验结果表明,在光谱反射率的对数一阶微分变换下,采用拓扑结构为6-10-1的基于主成分分析的BP神经网络估测模型,校验环节决定系数为0.838,均方根误差RMSE为0.0452,具备较好的竹叶片氮含量估测效果。     

基于荧光光谱分析的马铃薯叶片钾素营养检测研究

马铃薯属于喜钾作物,在栽培过程中钾素营养的供应直接关系到马铃薯的产量与品质.本研究探讨了不同供钾水平下马铃薯作物叶片的荧光光谱响应特性,并基于不同形式的光谱参量构建了马铃薯不同生育时期叶片钾素含量的回归模型.结果表明:将敏感波段中680nm和718nm波长处的荧光强度F680和718进行组合及对数变换处理后[F680+F718、lgF680、lgF718、lg(F80+F718)]作为光谱参量,所构建的叶片钾素含量回归模型的决定系数均较原始光谱参量(F680、F718)有所提高,其中以lg (F680+F718)为光谱参量所建立的回归模型拟合效果最佳,在发棵期和结薯期回归模型的决定系数均高于0.94,基于该参量所建立的模型适宜用来估算马铃薯叶片钾素的含量及对马铃薯作物钾素营养的丰缺状况进行评价.     

基于连续统去除法的冬小麦叶片全氮含量估算

以陕西省关中地区冬小麦小区试验为基础,获取不同生育期冬小麦的冠层高光谱数据,提取其连续统去除光谱和7类吸收特征参数,对比原始冠层光谱和连续统去除光谱对叶片氮含量的响应,分析连续统去除光谱吸收特征参数对叶片氮含量的估算能力。结果表明:连续统去除光谱在721~727 nm波段与叶片氮含量呈极显著负相关,相关系数为-0.851;吸收特征参数增强了对叶片氮含量的估算能力,400~550 nm波段吸收特征参数与叶片氮含量的相关性弱于550~770 nm波段;叶片氮含量与550~770 nm和400~770 nm的吸收峰总面积、吸收峰左面积以及吸收峰右面积呈显著正相关,与面积归一化最大吸收深度呈显著负相关,且相关系数绝对值均在0.8以上;550~770 nm波段的吸收峰总面积建立的叶片氮含量指数估算模型精度最高,R2达到0.82,模型检验结果稳定,可用来定量估算冬小麦叶片氮素含量水平。     

基于高光谱特征参数荒漠草原生物量估测研究

应用高光谱技术对荒漠草原草地生物量进行估测,分别采用原始光谱、一阶微分光谱和高光谱特征参数,分析荒漠草原草地冠层光谱数据与草地生物量相关关系,选择与草地生物量显著相关的高光谱特征参数,利用单变量线性与非线性、逐步回归和BP(Back Propagation)神经网络构建估测模型。试验结果表明:与草地生物量相关系数最大的为高光谱特征参数SDR/SDb,相关系数为0.792;通过高光谱特征参数Dy、Rg、Rr、SDy、SDR、Rg/Rr、(Rg-Rr)/(Rg+Rr)、SDR/SDb、(SDR-SDy)/(SDR+SDy)建立的BP神经网络回归模型最优,决定系数R2为0.766,均方根误差为40.19g/m2,相对误差为29.88%。因此,利用草地冠层高光谱特征参数可以估测草地生物量,能够对草地生物量进行定量分析,为草地精细化管理提供技术支持,对畜牧业可持续发展具有重要意义。     

基于吸收特征参数的有机质含量光谱估算模型研究

连续统去除法是简便、准确而有效地提取光谱吸收特征参数的方法之一.为此,研究利用ASD FieldSpec Pro地物光谱仪在自然环境条件下对不同有机质含量的土壤样本进行光谱测量,提取特征吸收面积来评价与有机质含量的关系,发现基于包含有机质含量敏感波段在内的450～580nm波段范围特征吸收面积建立的有机质含量对数诊断模型预测精度较高.结果表明,土壤有机质吸收特征参数估算模型为土壤肥力的快速测定提供了新的途径.     

苹果叶片氮素含量快速检测模型

利用UV-2450型光谱分析仪测量苹果叶片光谱反射率,同时在实验室利用凯氏定氮法测量苹果叶片的氮素质量比,建立了适用于便携式检测仪的苹果叶片氮素含量快速检测模型.研究了苹果叶片光谱特性并进行了光谱反射率与氮素的相关性分析,获得了两个氮素敏感波长652 nm和772 nm.同时,利用分段减量精细采样法,构建了350 ～ 730 nm与740～880 nm波段内所有两两波段形成的归一化植被指数NDVI,并获取了与氮素含量相关性最高的波段组合(859 nm,364 nm)来构建苹果树NDVI.最后建立了基于苹果树NDVI、652 nm处反射率以及772 nm处反射率的偏最小二乘回归模型,建模精度达到0.904 8,均方根误差为0.159 7,检验模型精度达到0.917,均方根误差为0.283 3.     

基于高光谱遥感的苹果树冠层叶片全氮量估测

【目的】快速准确获取大面积果园冠层叶片全氮含量（LNC ,Leaf Nitrogen Content）是实现现代精准农业的基本要求。【方法】本试验通过无人机高光谱成像仪（391.9nm ~ 1006.2nm）采集了甘肃省静宁县两个典型果园的果树冠层光谱图像,包括人工灌溉的苹果示范园与自然降雨的苹果园,综合比较两区共160份冠层叶片样本的原始光谱反射率（OD）、倒数光谱（RT）、对数光谱（LF)、一阶微分光谱（FD）,构建任意两个光谱波段集组合的差值植被指数（Difference spectral index,DSI ）、土壤调节植被指数（Soil Adjusted Vegetation Index ,SAVI）、归一化光谱指数（Normalized Different Spectral Index, NDSI）,分析三种光谱指数与叶片氮含量的相关性,利用一元线性回归模型与光谱指数构建两区最佳苹果冠层LNC估测模型。【结果】研究表明：人工灌溉区的FD-SAVI(825,536）、自然降雨区的LF-SAVI(854,392)与LNC的相关性最强,并基于FD-SAVI、LF-SAVI构建一元线性回归模型。人工灌溉区构建的FD-SAVI-ULRM估测模型精度最高,验证集R2和RMSE为0.6601和0.0678;自然降雨区构建的LF-SAVI-ULRM估测模型精度最高,验证集R2和RMSE为0.6746和0.0665。本试验采用LNC模型绘制出两个试验区的苹果树冠层叶片LNC估测图,实现对果园叶片全氮含量的精准掌握及精细化管理。     

基于正交变换与SPXY样本划分的冬小麦叶绿素诊断

冬小麦叶绿素含量的准确预测,可为冬小麦田间精细化管理提供依据。采集冬小麦冠层400~900nm范围反射光谱,经一阶微分预处理后,为了抑制由于连续波长自变量多重共线性对叶绿素含量诊断模型的干扰,利用Gram-Schmidt正交变换算法初步提取叶绿素敏感波长特征参数为848、620、677nm。在定量模型的建立过程中,对比了传统随机样本集划分与以空间中样本间距离远近为指导的SPXY样本集划分方法,并讨论了大田冠层反射光谱对叶绿素浓度诊断的最优精度,研究结果表明,以620nm和677nm两个敏感波长结合SPXY样本划分方法建立的多元线性回归模型预测精度较高,且叶绿素质量浓度为0.3mg/L分辨间隔时,建模决定系数和验证决定系数分别达0.730和0.739,可为无损检测冬小麦拔节期叶绿素含量提供技术支持。     

水培番茄施钾量诊断模型

探讨了不同施钾水平下水培番茄叶片光谱信息的变化规律，建立了基于水培番茄叶光谱信息施钾量的预测模型。研究表明:不同施钾水平下水培番茄叶片的光谱信息在整个测试范围（350～2 500 nm）内的变化规律比较复杂，在可见光波段469～743 nm和近红外波段743～1 392 nm、1 500～1 785 nm，高水平和低水平钾的叶片光谱反射率均低于正常养分的光谱反射率；在1 450 nm处，番茄叶片的光谱反射率随着施钾量的增加而增大。      

基于无人机高光谱影像的水稻叶片磷素含量估算

为快速获取水稻叶片磷素含量信息,采用无人机搭载高光谱成像仪获取水稻冠层高光谱影像,并采样检测叶片磷素含量（质量分数）（Leaf phosphorus content, LPC）。分析了水稻LPC在无人机高光谱影像上的光谱特征,使用连续投影算法提取对磷素敏感的特征波长,通过任意波段组合构建并筛选与磷素高度相关的光谱指数,基于特征波长反射率和光谱指数建立水稻LPC的估算模型,利用最佳模型对高光谱影像进行反演填图,得到LPC空间分布信息。结果表明：全生育期内LPC与462~718 nm范围内光谱反射率显著负相关,负相关最大处相关系数达到-0.902;LPC的特征波长为670、706、722、846 nm,基于特征波长、使用偏最小二乘回归建立的LPC估算模型精度最高,验证R2达到0.925,RMSE为0.027%;在任意波段组合构建的3种类型的光谱指数中,NDSI(R498,R606)、RSI(R498,R606)和DSI(R498,R586)与LPC的相关性最高,相关系数分别为0.913、0.915和0.938;基于3个光谱指数、使用神经网络构建的LPC估算模型精度较高,验证R2为0.885,RMSE为0.029%;对各生育期水稻LPC空间分布的反演结果与实测数据相一致,说明利用无人机高光谱遥感可以实现田间水稻LPC的快速无损监测。     

生菜叶中磷含量的光谱定量分析

为快速、准确检测生菜叶内的磷含量,提出了应用光谱技术结合化学计量法无损检测生菜叶内磷含量的方法。通过获取不同施磷量下生菜叶片于波长350~2500nm处的反射光谱,对光谱数据进行5点平滑和一阶导数变换后,利用联合区间偏最小二乘算法（siPLS）提取了与生菜叶磷元素相关的4个特征波段,即950~1070nm, 1430~1549nm,1906~2025nm和2144~2263nm。进一步利用连续投影算法（SPA）对全光谱波段和4个特征波段进行特征波长提取,分别筛选出变量63个和25个。分别对4个特征波段、63个和25个特征波长进行主成分降〖JP2〗维,当主成分数分别为7、5和4时,隐含层神经元数分别为7、5和3时,建立了siPLS+BPANN,SPA+BPANN,siPLS+〖JP〗SPA+BPANN生菜叶磷含量检测模型。研究结果表明：siPLS+SPA+BPANN模型的预测结果优于其他模型,验证集相关系数为0.911,验证均方根误差为479mg/kg。     

基于特征波长优化的便携式作物叶绿素检测仪研究

为了满足田间作物长势快速检测与指导变量管理的需求,基于作物叶绿素光谱响应特征波长筛选与优化,开发了一款便携式作物叶绿素检测仪。首先,采用高光谱仪采集玉米冠层325～1 075 nm反射光谱,并采样萃取叶片叶绿素含量真值,开展叶绿素敏感响应波长筛选。经蒙特卡洛无信息变量消除(MC-UVE)算法在10～100个特征波长范围内进行变量筛选,表明采用50个特征波长时具有最优的叶绿素含量检测能力。其次,选择AS7265x型光谱传感器,以半峰宽20 nm的12个区间覆盖筛选的50个波长,设计的叶绿素检测仪包括传感器、主控制器、显示和控制等模块,实现作物冠层反射光数据采集、处理、显示和存储功能。开展传感器反射率标定与田间应用测试,基于传感器获取的反射率构建叶绿素含量偏最小二乘检测模型验证集决定系数为0.628;进一步组合归一化红边植被指数(NDRE:730、900 nm)和绿光归一化差值植被指数(GNDVI:535、900 nm),检测模型精度提高到0.69,模型嵌入系统最终实现了田间叶绿素含量快速检测,为作物长势高效分析提供了技术支持。     

基于SVM的加工番茄早疫病叶氮素含量光谱反演

采用支持向量机(SVM)模型,对新疆加工番茄早疫病病害植株的叶片氮素含量进行光谱反演。分析不同病害严重度的病叶氮素含量的光谱特征,发现在218~357 nm、384~587 nm、1 033~1 141 nm、1 499~2 500 nm,氮素含量与光谱反射率的相关系数的绝对值大于0.7,在227~353 nm的相关系数大于0.8,表明不同病害严重度的病叶氮素含量与光谱反射率呈强相关。利用K层交叉检验(K-CV)方法验证、优选出SR705、ND705、GMI-2、RI-half、PTEBc等5种光谱指数,作为SVM模型的输入变量;同时,分别建立线性核、多项式核、径向基核和Sigmoid核的SVM模型,通过模型拟合比较,得出最佳模型为径向基核的SVM模型。采用径向基核的SVM模型对病叶氮素含量进行光谱反演,结果表明:径向基核的SVM模型氮素含量反演的真实值与预测值的MSE为0.012 4,相关系数R为85.916%,平均相对误差为0.175,结合多光谱指数的SVM模型提高了加工番茄早疫病病害叶片氮素含量的反演精度。     

基于高光谱成像技术的生菜冠层含水率检测

为实现作物含水率的无损检测,以6种水分胁迫水平的生菜为研究对象,利用高光谱成像技术和特征波长选取方法对生菜冠层含水率进行检测研究。采用掩模法去除高光谱图像的背景噪声,并对生菜冠层光谱图像进行光强校正。利用标准正态变量变换法(SNV)去除原始平均光谱数据的噪声,采用蒙特卡罗无信息变量消除法(MCUVE)剔除无关变量,结合基于最小绝对收缩和选择算法(LASSO)、连续投影法(SPA)、LASSO与SPA算法组合(LASSO SPA)筛选特征变量,对数据进行降维处理,采用偏最小二乘法(PLS)建立5个生菜冠层含水率检测模型。经对比发现,全光谱中存在很多冗余信息变量和无关变量,采用全光谱建立的PLS模型复杂度最高,且预测能力最差;以MCUVE LASSO SPA筛选变量后的PLS模型效果最优,其中建模集相关系数R c和预测集相关系数R p分别为0.8827和0.9015,均方根误差分别为1.0662和0.9287。择优选取MCUVE LASSO SPA PLS模型计算生菜冠层每个像素点的干基含水率,生成可视化分布图,实现了生菜冠层叶片干基含水率可视化检测。本研究可为生菜冠层含水率快速无损检测提供参考。     

冬小麦冠层高光谱特征与覆盖度相关性研究

在2010年度与2011年度冬小麦生长季大田试验小区,实测了3个播种密度、3个灌水水平下冬小麦冠层的高光谱反射率与覆盖度。分析了冬小麦冠层光谱特征以及不同生育期冬小麦冠层光谱特征参数与覆盖度的相关性,建立了基于光谱特征参数的不同生育期冬小麦覆盖度估算模型。结果表明:从返青到成熟,冬小麦冠层可见光区光谱反射率先减小后增大,近红外区先增大后减小。不同种植密度下,适宜供水冬小麦在可见光波段的反射率依次小于轻度亏水、重度亏水条件下的冬小麦;在近红外波段,规律正好相反。在相关性分析中,传统光谱特征参数和新光谱特征参数与覆盖度在不同生育期均具有较好的相关性。相比以传统光谱特征参数为自变量的冬小麦覆盖度估算模型,基于绿峰峰度的估算模型可以提高冬小麦覆盖度的估算精度。     

基于高光谱遥感的冬小麦涝渍胁迫识别及程度判别分析

冬小麦涝渍胁迫频发不仅严重影响区域粮食安全和生态安全,还威胁社会经济稳定和可持续发展.为识别冬小麦涝渍胁迫及判别其胁迫程度,本研究设置冬小麦涝渍胁迫梯度盆栽试验,采用ASD地物光谱仪和Gaiasky-mini2推扫式成像光谱仪分别测定叶片及冠层高光谱数据,结合植被指数、归一化均值距离和光谱微分差信息熵等方法,监测冬小麦...     

铜胁迫下玉米叶片的HHT包络谱变化与污染预测模型

根据不同Cu~(2+)胁迫梯度下玉米叶片光谱及叶片中Cu~(2+)含量数据,利用经验模态分解(EMD)获取不同胁迫梯度下叶片光谱的各阶本征模态函数(IMF),选IMF4进行HHT包络谱分析,研究了玉米叶片在不同Cu~(2+)胁迫梯度下光谱的Hilbert包络谱变化特征与污染程度预测方法。通过构建包络谱峰值指标(E_1)和包络谱峭度系数(E_2)特征参量,分析叶片在不同Cu~(2+)胁迫梯度下的包络谱变化;同时基于包络谱特征参量值与叶片中Cu~(2+)含量的相关性分析和逐步回归统计,建立了玉米叶片重金属污染的Cu~(2+)含量的单、双因素变量预测模型。实验结果表明:不同Cu~(2+)胁迫梯度下,玉米叶片光谱的包络谱为分布在100 Hz频率以内的连续谱;E_1和E_2值均表现出与叶片中Cu~(2+)含量呈正相关的变化趋势,两个包络谱特征参量值都在Cu(150)位置达到最大值;由于E_1和E_2值与叶片中Cu~(2+)含量都具有良好的相关性,可把E_1和E_2作为监测玉米重金属污染预测指标。根据E_1、E_2单因素及双因素变量构建的Cu~(2+)含量预测模型应用结果比较,表明E_1、E_2双因素变量构建的模型具有最优的预测能力。