發(fā)布時(shí)間：2021-06-16 07:52

　　為探索水稻氮素營養(yǎng)的快速、無損診斷方法以及構(gòu)建基于高光譜技術(shù)的水稻氮素營養(yǎng)狀況分類識別模型。本研究以4種不同施氮水平的"中嘉早17"水稻分蘗期頂部第三完全展開葉葉片（簡稱頂三葉）為研究對象,測定各葉片的可見光到近紅外波段（350～2500 nm）內(nèi)的光譜數(shù)據(jù),對所獲取的光譜數(shù)據(jù)進(jìn)行平滑處理和歸一化處理,以消除噪聲及量綱的影響,并采用主成分分析（PCA）的方法進(jìn)行數(shù)據(jù)降維至22維,同時(shí)分別選用基于網(wǎng)格搜索算法、粒子群算法和遺傳算法優(yōu)化參數(shù)的支持向量機(jī)進(jìn)行水稻氮素營養(yǎng)狀況分類識別模型的建立。研究結(jié)果表明:1)不同施氮水平下的水稻葉片光譜反射率曲線走勢大致相同,但不同施氮水平下780～1 300、1 400～1 850及1 900～2500 nm波段光譜反射率存在一定的差別;2)優(yōu)化參數(shù)后的SVM模型與默認(rèn)參數(shù)下的SVM模型相比,其訓(xùn)練集與測試集分類識別效果都要優(yōu)于默認(rèn)參數(shù)下的SVM模型。其中,以遺傳算法優(yōu)化參數(shù)的SVM模型識別分類效果最佳,訓(xùn)練集和測試集識別準(zhǔn)確率分別為99.375%、98.750%,測試集的4種施氮水平（施氮量從低到高）識別準(zhǔn)確率分別為100%、95%、100%和100%... 

【文章來源】：中國土壤與肥料. 2020,(05)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

ASD野外光譜分析儀Field Spec 4

將4種施氮水平的240組（各施氮水平60組）光譜數(shù)據(jù)求取平均值，各施氮水平下的水稻葉片光譜如圖2所示，不同施氮水平下的光譜變化趨勢相同，但在紅外區(qū)780～1 300 nm 4種施氮水平的光譜反射率有所不同，以第四類（高氮）施氮水平下的光譜反射率最高，第三類（中氮）施氮水平其次。在1 400～1 850 nm及1 900～2 500 nm左右都表現(xiàn)出第四類（高氮）施氮水平的光譜反射率最低，其次是第三類（中氮）施氮水平，第一類（不施氮）和第二類（低氮）施氮水平反射率值差別不大，二者（第三類、第四類）光譜反射率都高于第一類（不施氮）和第二類（低氮）施氮水平。由此表明應(yīng)用水稻葉片光譜進(jìn)行水稻氮素營養(yǎng)狀況分類識別具有可行性。2.2 光譜數(shù)據(jù)平滑處理分析

將240組光譜原始數(shù)據(jù)進(jìn)行平滑處理，平滑處理前后效果如圖3、4所示。由圖3可知，不同施氮水平的水稻葉片光譜反射曲線呈相同趨勢。在綠光區(qū)的550 nm處，水稻葉片反射率出現(xiàn)波峰，在紅光區(qū)的680 nm及短波紅外區(qū)的1 450和1 900 nm處水稻葉片出現(xiàn)強(qiáng)烈吸收，形成波谷。該光譜反射現(xiàn)象與張亞彪等[26]的研究結(jié)果一致。由圖4可知，經(jīng)過平滑處理后的光譜反射曲線有效地消除了譜線平移、高頻隨機(jī)噪聲和光散射等因素的影響。圖4 平滑處理后的水稻光譜

【參考文獻(xiàn)】：
期刊論文
[1]基于高光譜的水稻葉片氮素營養(yǎng)診斷研究[J]. 楊紅云,周瓊,楊珺,孫玉婷,路艷,殷華.  浙江農(nóng)業(yè)學(xué)報(bào). 2019(10)
[2]RGB與HSI色彩空間下預(yù)測葉綠素相對含量的研究[J]. 孫玉婷,王映龍,楊紅云,周瓊,孫愛珍,楊文姬.  浙江農(nóng)業(yè)學(xué)報(bào). 2018(10)
[3]分蘗期氮水耦合對水稻產(chǎn)量和品質(zhì)的影響[J]. 張麗微,仲維君,姜玉偉,趙婷婷,宋澤,錢永德,姜沖沖.  江蘇農(nóng)業(yè)科學(xué). 2018(07)
[4]基于主成分分析和支持向量機(jī)的木材近紅外光譜樹種識別研究[J]. 譚念,孫一丹,王學(xué)順,黃安民,謝冰峰.  光譜學(xué)與光譜分析. 2017(11)
[5]有機(jī)-無機(jī)肥不同配施比例對水稻氮素吸收利用率的影響[J]. 劉紅江,蔣華偉,孫國峰,沈明星,陳留根,鄭建初.  中國土壤與肥料. 2017(05)
[6]基于參數(shù)優(yōu)化支持向量機(jī)的水稻施氮水平分類研究[J]. 周瓊,楊紅云,楊珺,孫玉婷,楊文姬,石強(qiáng)強(qiáng).  南方農(nóng)業(yè)學(xué)報(bào). 2017(08)
[7]西南黃壤性水稻土長期不同施肥模式下作物產(chǎn)量及氮肥利用率演變特征[J]. 劉彥伶,李渝,張雅蓉,張文安,蔣太明.  中國土壤與肥料. 2017(03)
[8]基于網(wǎng)格搜索與交叉驗(yàn)證的SVM磨機(jī)負(fù)荷預(yù)測[J]. 羅小燕,陳慧明,盧小江,熊洋.  中國測試. 2017(01)
[9]基于主成分分析和遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的光伏輸出功率短期預(yù)測[J]. 許童羽,馬藝銘,曹英麗,唐瑞,陳俊杰.  電力系統(tǒng)保護(hù)與控制. 2016(22)
[10]基于高光譜的寒地水稻葉片氮素含量預(yù)測[J]. 王樹文,趙越,王麗鳳,王潤濤,宋玉柱,張長利,蘇中濱.  農(nóng)業(yè)工程學(xué)報(bào). 2016(20)

碩士論文
[1]基于高光譜的寒地水稻葉片氮素營養(yǎng)診斷研究[D]. 趙越.東北農(nóng)業(yè)大學(xué) 2017
[2]基于近紅外、中紅外和拉曼光譜法甲醇柴油品質(zhì)檢測研究[D]. 黃志鴻.華東交通大學(xué) 2016
[3]基于機(jī)器視覺技術(shù)的水稻營養(yǎng)快速診斷研究[D]. 劉江桓.江西農(nóng)業(yè)大學(xué) 2011
[4]基于數(shù)字圖像處理技術(shù)的水稻氮素營養(yǎng)診斷研究[D]. 孫棋.浙江大學(xué) 2008



本文編號：3232686