基于分数阶微分算法的大豆冠层氮素含量估测研究

文献类型： 中文期刊

第一作者： 张亚坤

作者： 张亚坤;罗斌;潘大宇;宋鹏;路文超;王成;赵春江

作者机构：

关键词： 冠层氮素含量;高光谱数据;植被指数;分数阶微分算法

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2018 年 38 卷 10 期

页码： 3221-3230

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 氮素与作物的生长发育、产量和品质密切相关。作物冠层氮素含量的快速、准确、无损检测对于作物营养诊断和长势评估具有重要意义。传统的氮素检测方法检测周期长、操作复杂,同时具有破坏性,无法实现作物氮素含量在时间和空间上的连续动态监测。基于光谱遥感技术快速、无损地获取作物氮素含量是近年来作物组分快速检测研究的热点。当前的研究大多基于原始光谱或整数阶微分(一阶、二阶)预处理后的光谱进行氮素含量预测,原始光谱或整数阶微分预处理后的光谱会忽略光谱曲线间的渐变信息,影响氮素含量的预测准确度。与原始光谱和整数阶微分方法相比,分数阶微分算法在背景噪声去除、有效信息提取等方面较有优势。为研究分数阶微分预处理算法在作物氮素检测中的应用,本文以不同施肥处理下的盆栽大豆作物为研究对象,获取大豆苗期、花期、结荚期和鼓粒期四个生育期共256组冠层高光谱及对应的大豆冠层氮素含量(CNC)数据,运用分数阶微分算法对光谱数据进行0~2阶微分预处理,微分间隔为0.1,分别采用归一化光谱植被指数NDSI、比值光谱指数RSI对预处理后的光谱数据和大豆冠层氮素含量数据进行相关性分析,得到各阶微分预处理下NDSIα(α代表分数阶微分阶数)与大豆CNC,RSIα与大豆CNC相关系数绝对值的最大值及其对应的波段组合——最优波段组合NDSIα(opt)和RSIα(opt),采用线性回归方法,建立各阶微分下NDSIα(opt)与CNC,RSIα(opt)与CNC的预测模型,并与常用植被指数(VOGII,MTCI,DCNI,NDRE)建立的氮素含量预测模型进行比较,研究分数阶微分算法对大豆作物冠层氮素含量预测模型的效果。结果表明:(1)在0~2阶微分范围内,最优波段组合NDSIα(opt),RSIα(opt)与大豆CNC的相关系数随阶数增加呈现先升高后下降趋势。其中,0.8阶微分下NDSI0.8(R725,R769)与大豆CNC的相关系数最大,为0.875 9;0.7阶微分下RSI0.7(R548,R767)与大豆CNC的相关系数最大,为0.865 1;(2)分数阶微分预处理能够细化光谱数据中的有效信息,增强光谱数据对冠层氮素含量的敏感性,尤其是增强红边平台波段与氮素含量的正相关性及绿波段与氮含量的负相关性;(3)与整数阶微分、常用植被指数相比,分数阶微分能够提高大豆CNC预测模型的准确性。其中,基于0.7阶微分RSI0.7(R548,R767)建立的大豆CNC预测模型与0阶微分RSI0(R725,R769)相比建模集决定系数(R2C)和预测集决定系数(R2P)分别提高了0.061 9和0.016 6,建模集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别降低了0.552 5和0.180 9,预测相对偏差(RPD)提高了0.110 4。基于0.7阶微分RSI0.7(R548,R767)建立的大豆CNC预测模型与VOG II相比R2C和R2P分别提高了0.086 6和0.025 5,RMSEC和RMSEP分别降低了0.757 5和0.248 3,RPD提高了0.14688;(4)基于0.7阶微分比值光谱指数RSI(R548,R767)建立的大豆LNC预测模型较优,其R2C为0.748 4,R2P为0.800 3,RMSEC为4.752 9,RMSEP为3.511 1,RPD为2.253 7,能够较好的估测大豆冠层氮素含量。研究表明分数阶微分算法在大豆冠层氮素含量的定量预测中具有一定的优势,为光谱遥感技术在作物氮营养检测中的应用开拓了新的思路。

分类号： S565.1`O657.3

  • 相关文献

[1]基于无人机高光谱的水稻叶片氮含量估测方法. 张黎黎,吕霞. 2021

[2]基于敏感波段的小麦冠层氮含量估测模型. 杨宝华,陈建林,陈林海,曹卫星,姚霞,朱艳. 2015

[3]利用光谱反射率估算叶片生化组分和籽粒品质指标研究. 王纪华,黄文江,赵春江,杨敏华,王之杰. 2003

[4]小麦品质指标与冠层光谱特征的相关性的初步研究. 黄文江,王纪华,刘良云,赵春江,宋晓宇,马智宏. 2004

[5]冬小麦红边参数变化规律及其营养诊断. 黄文江,王纪华,刘良云,赵春江,王锦地,杜小鸿. 2003

[6]冬小麦品质的影响因素及高光谱遥感监测方法. 黄文江,王纪华,刘良云,赵春江,宋晓宇,马智宏. 2004

[7]夏玉米叶片全氮、叶绿素及叶面积指数的光谱响应研究. 谭昌伟,王纪华,黄文江,刘良云,黄义德,赵春江. 2004

[8]干贝水分检测的建模及分级方法. 黄慧,张德钧,詹舒越,沈晔,王杭州,宋宏,徐敬,何勇. 2019

[9]基于遥感数据与作物生长模型同化的作物长势监测. 刘峰,李存军,董莹莹,王芊,王纪华,黄文江. 2011

[10]基于二进制编码的烟花聚类算法. 李雪源,崔颖. 2016

[11]开都河流域下游绿洲盐渍化土壤高光谱特征. 赖宁,李新国,梁东. 2015

[12]整个生育期玉米叶片SPAD高光谱预测模型研究. 陈志强,王磊,白由路,杨俐苹,卢艳丽,王贺,王志勇. 2013

[13]施氮水平对苇状羊茅反射光谱的影响. 张文,王普昶,罗天琼,陈功,杨春燕. 2015

[14]基于光谱特征与PLSR结合的叶面积指数拟合方法的无人机画幅高光谱遥感应用. 高林,杨贵军,李长春,冯海宽,徐波,王磊,董锦绘,付奎. 2017

[15]高光谱遥感在植被理化信息提取中的应用动态. 谭昌伟,王纪华,黄文江,刘良云,黄义德,严伟才. 2005

[16]施氮水平对苇状羊茅反射光谱特征的影响. 张文,王普昶,罗天琼,陈功,杨春燕. 2015

[17]基于NDVI的西昌市紫茎泽兰入侵监测模型初探. 刘伟,张锦华,唐成斌,刘淑珍,杨颖慧. 2008

[18]利用叶片反射光谱预测大豆合交98-1667干物重模型. 宋英博,贾立君,杜永生,王囡囡,邓际华,陈庆山,胡国华. 2010

[19]基于MOD09GA产品的草地生物量遥感估算模型. 崔霞,梁天刚,刘勇. 2009

[20]基于植被指数与叶面积指数的水稻生长状况监测. 田翠玲,李秉柏,郑有飞. 2005

作者其他论文 更多>>

微信小程序