水稻叶片高光谱数据降维与叶绿素含量反演方法研究

高光谱遥感技术为水稻叶片叶绿素含量的高通量、无损、准确监测提供了有效途径,然而高光谱数据的降维或特征光谱参数的选择是叶绿素含量有效反演的关键环节。利用2017年辽宁省盘锦市大洼水稻氮高效品种筛选试验基地的水稻叶片叶绿素含量与叶片高光谱数据,探讨了高光谱数据的降维方法与叶绿素含量的反演建模。首先应用最优子集选择算法(best subset selection)对工程常用的水稻叶绿素反演特征光谱指数进行优选,筛选出最优组合,作为叶绿素多元回归模型的输入特征;同时应用没有在光谱领域得到有效应用的基函数展开算法,利用Gram-Schmidt正交变换寻找叶片高光谱数据的基函数空间,再将高光谱数据投影到基函数空间从而实现降维,最后利用降维后的数据进行多元回归建模,反演叶绿素。结果表明:最优子集选择算法优选出的mNDVI(445,705,750)、NDVI(705,750)、PSRI(500,680,750)、RD(505,705)、RI1dB(720,735)、MCARI(550,670,700)、PPR(450,550)共7个特征指数组合,回归模型反演精度最高,决定性系数R2为0.844,均方根误差RMSE为0.926;基于基函数展开算法对400～1000nm波段范围601维高光谱数据降至13维,叶绿素反演回归模型的决定性系数R2达到0.861,均方根误差RMSE为0.906。说明基于基函数展开的高光谱降维与叶绿素含量估测方法效果较好,可为水稻叶绿素含量估测与长势诊断提供技术支持。     

基于PROSPECT模型的植物叶片干物质估测建模研究

为了快速、准确估测植物叶片干物质含量,为作物长势及健康状况监控提供数据支撑,利用光谱分析技术探讨了干物质含量敏感光谱波段提取方法及其估测建模方法。试验数据由叶片辐射传输模型PROSPECT在干物质含量(0.001~0.02)g·cm~(-2)范围内进行模拟,随机产生1000条400~2500nm的光谱曲线,其中600条光谱曲线用于建模研究、400条光谱曲线作为模型验证数据,同时应用叶片光学特性数据库LOPEX93中325条叶片光谱-干物质含量数据进行进一步验证。首先应用试验数据进行局部敏感性分析,初步得到叶片干物质敏感波段范围,再运用改进Sobol算法进行全局敏感性分析,提取了干物质含量敏感的光谱波段范围,在此敏感波段范围运用波段组合算法计算归一化植被指数NDVI与叶片干物质含量相关系数,优选了4组相关性大的波段组合建立归一化干物质指数NDMI_((1644,1719))、NDMI_((1871,2294))、NDMI_((2150,2271))、NDMI_((1496,2282))用于干物质含量估测建模。结果表明:NDMI_((1644,1719))和NDMI_((1871,2294))模型中三次多项式形式(cubic)效果最佳、NDMI_((1496,2282))模型中幂指数形式(power)效果最佳,三者中NDMI_((1871,2294))的三次多项式模型最优,决定系数R~2为0.837,对叶片干物质含量具有较好的估测能力。     

分布式光伏发电特性与气象影响因子诊断分析

为了实现光伏电站并入电网后能够安全稳定运行以及农村电力系统发电计划的制定,光伏电站发电功率的准确预测是必不可少的。通过采集沈阳地区分布式光伏电站2014年10月至2016年9月发电功率与气象现场测试数据,利用Pearson相关性分析方法对光伏发电功率与同期气象影响因子进行了相关性分析:太阳辐射量、日照时数和日最高气温与光伏综合出力相关性最高,相关系数分别为0.902,0.782,0.364;在此基础上分析这3种气象因子在不同季节下与光伏发电功率的相关程度:夏季太阳辐射量和日照时数与发电功率相关程度最高,分别为0.972和0.641,秋季日最高气温与发电发电功率相关程度最高,相关性为0.382。在不同季节的基础上分析了不同天气类型下(晴、阴/多云、多云/晴、阴雨、多云、晴/霾和雪/多云)发电功率的扰动程度:不同季节、不同天气类型下日发电功率曲线均呈现正态分布,其中晴天发电功率扰动最小、阴雨天气发电功率扰动最大,晴天、多云、多云/晴、阴云、阴雨天的四季平均标准偏差分别为1.44,2.81,3.12,3.36,3.51,晴/霾和雪天的标准偏差均为1.91。将太阳辐射量、日照时数和日最高气温作为输入,建立不同季节不同天气类型发电功率多元线性回归模型,对2016年10月发电功率进行预测,试验结果表明:预测误差均小于20%,满足电网要求,发电功率的准确预测可以更好地实现农村电网的管理和调度。