CN105548455A - 一种返青后到抽穗以前冬小麦叶片氮积累量估算方法 - Google Patents
一种返青后到抽穗以前冬小麦叶片氮积累量估算方法 Download PDFInfo
- Publication number
- CN105548455A CN105548455A CN201510895620.0A CN201510895620A CN105548455A CN 105548455 A CN105548455 A CN 105548455A CN 201510895620 A CN201510895620 A CN 201510895620A CN 105548455 A CN105548455 A CN 105548455A
- Authority
- CN
- China
- Prior art keywords
- canopy
- appraising model
- nitrogen accumulation
- leaf
- heading
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
- G01N31/002—Determining nitrogen by transformation into ammonia, e.g. KJELDAHL method
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及作物生化组分光谱无损监测技术领域,公开了一种返青后到抽穗以前冬小麦叶片氮积累量估算方法,包括了冠层图像采集分析、田间样品采集处理、估算模型构建、估算模型验证,采用了支持向量机回归方法建立基于冬小麦冠层图像分析的叶片氮积累量估算模型,与传统破坏性田间取样调查方法相比具有经济、高效等特点;与基于高光谱遥感方法相比,本发明中的图片获取过程因更接近地面,较少受到云层的影响而获得分辨率更高的冠层图像,有效的提高了冬小麦叶片含氮量监测的准确性。
Description
技术领域
本发明涉及作物生化组分光谱无损监测技术领域,特别是一种返青后到抽穗以前冬小麦叶片氮积累量估算方法。
背景技术
适量增施氮肥能提高作物产量及品质,而过量施氮会造成产量及品质的下降,同时由于更多的氮素进入大气、水体会加剧气候变暖和水体富营养化。等指出全球氮循环通量已经远超其安全边界,其中很大一部分来源于农业生产消耗,获取作物营养状态是精准农业进行施肥管理的关键步骤。
传统的植物组织分析法需要进行破坏性取样和大量的实验室分析。基于光谱学原理的地面遥感技术中,叶绿素计(SPAD仪)的测量面积较小,且对过量施肥不敏感,而GreenSeeker、YaraN-sensor等则对氮饱和状态不敏感,而且价格较高。基于作物冠层高光谱反射率的航空、卫星遥感技术则适合于大尺度的作物生长监测,但同时也受到天气气候环境影响。
发明内容
本发明的目的在于提供一种返青后到抽穗以前冬小麦叶片氮积累量估算方法,利用支持向量机回归方法建立基于冬小麦冠层图像分析的叶片氮积累量估算模型,研究结果可为作物长势及氮素营养状态监测研究领域提供理论和方法上的借鉴。
为实现上述技术目的,达到上述技术效果,本发明公开了一种返青后到抽穗以前冬小麦叶片氮积累量估算方法,包括了冠层图像采集分析、田间样品采集处理、估算模型构建、估算模型验证,各步骤具体为:
冠层图像采集分析:对冬小麦冠层进行数码图像采集,获取冠层覆盖度和冠层图像色彩指数;
田间样品采集处理:将采集样本按茎、叶部位分开,并于105℃下杀青30分钟后于72℃下烘干至恒重,称叶片干重后粉碎,用凯氏定氮法测定叶片含氮量,进而计算叶片氮积累量;
估算模型构建:将采集样品叶片氮积累量数据与对应的冠层覆盖度和冠层图像色彩指数利用传统非线性回归方法和支持向量机回归方法构建估算模型;
估算模型验证:利用相关系数、均方根误差和相对均方根误差对估算模型进行检验。
其中,冠层图像采集分析中冠层图像色彩指数为红光亮度值(R)、绿光亮度值(G)和蓝光亮度值(B),田间样品采集处理为冬小麦的茎部与叶部、样品采集采用随机样品采集方法;估算模型验证中分别对模型参数的各个候选值进行20次5折交叉验证和外部数据验证。
其中,估算模型构建之支持向量机通过引入核函数将变量映射到高维空间可以实现非线性分类和回归。
其中,估算模型构建中引入的核函数为多项式函数K(x,x')=(scale<x,x'>+offset)degree,其中offset设为1。参数degree、scale以及惩罚系数cost通过交叉验证确定,候选值分别为{1,2,3},{0.001,0.01,0.1},{0.25,0.5,1}。
本发明具有以下有益效果:
1.本发明采用了支持向量机回归方法建立基于冬小麦冠层图像分析的叶片氮积累量估算模型,与传统破坏性田间取样调查方法相比,具有经济、高效等特点;与基于高光谱遥感方法相比,本发明中的图片获取过程因更接近地面,较少受到云层的影响而获得分辨率更高的冠层图像。
2.本发明基于冠层图像分析和支持向量机回归方法的冬小麦叶片氮积累量估算模型可提高冬小麦叶片氮积累量估算精度(模型验证的决定系数为0.862,均方根误差为18.698%),与适合于大面积、大尺度的高光谱卫星遥感方法相比,本发明更适合田间水平的冬小麦叶片氮积累量的估算。
附图说明
图1为本发明的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。
实施例1
如图1所示,本发明公开了一种返青后到抽穗以前冬小麦叶片氮积累量估算方法,包括了冠层图像采集分析、田间样品采集处理、估算模型构建、估算模型验证,各步骤具体为:
冠层图像采集分析:对冬小麦冠层进行数码图像采集,获取田间冠层覆盖度和冠层图像色彩指数,冠层图像色彩指数为红光亮度值(R)、绿光亮度值(G)和蓝光亮度值(B);
田间样品采集处理:田间样品采集处理为冬小麦的茎部与叶部、样品采集采用随机样品采集方法,将采集样本按茎、叶部位分开,并于105℃下杀青30分钟后于72℃下烘干至恒重,称叶片干重后粉碎,用凯氏定氮法测定叶片含氮量,进而计算叶片氮积累量;
估算模型构建:将采集样品氮积累量数据与对应的冠层覆盖度和冠层图像色彩指数利用传统非线性回归方法和支持向量机回归方法构建估算模型,估算模型构建中引入的核函数为多项式函数K(x,x')=(scale<x,x'>+offset)degree,其中offset设为1。参数degree、scale以及惩罚系数cost通过交叉验证确定,候选值分别为{1,2,3},{0.001,0.01,0.1},{0.25,0.5,1};
估算模型验证:利用相关系数、均方根误差和相对均方根误差对估算模型进行检验,估算模型验证中分别对模型参数的各个候选值进行20次5折交叉验证和外部数据验证。
工作原理:
冬小麦叶片氮积累量与由冠层图像分析获取的冠层覆盖度(CC)、红光亮度值(R)和绿光亮度值(G)呈显著相关,其中冠层覆盖度与叶片氮积累量的相关性最强。鉴于上述结论,本发明分别利用非线性回归方法和支持向量机回归方法构建了叶片氮积累量的估算模型,并利用外部数据验证和交叉验证方法验证了两种估算模型的估算精度和泛化性能。支持向量机回归方法相对于多元非线性回归方法更适合于建立基于冠层图像分析的冬小麦叶片氮积累量估算模型。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种返青后到抽穗以前冬小麦叶片氮积累量估算方法,其特征在于,包括了冠层图像采集分析、田间样品采集处理、估算模型构建、估算模型验证,所述的各步骤具体为:
冠层图像采集分析:对冬小麦冠层进行数码图像采集,获取冠层覆盖度和冠层图像色彩指数;
田间样品采集处理:将采集样本按茎、叶部位分开,并于105℃下杀青30分钟后于72℃下烘干至恒重,称叶片干重后粉碎,用凯氏定氮法测定叶片含氮量,进而计算叶片氮积累量;
估算模型构建:将采集样品叶片氮积累量数据与对应的冠层覆盖度和冠层图像色彩指数利用传统非线性回归方法和支持向量机回归方法构建估算模型;
估算模型验证:利用相关系数、均方根误差和相对均方根误差对估算模型进行检验。
2.如权利要求1所述的一种返青后到抽穗以前冬小麦叶片氮积累量估算方法其特征在于:所述的冠层图像采集分析中冠层图像色彩指数为红光亮度值(R,Redcolorintensity)、绿光亮度值(G,Greencolorintensity)和蓝光亮度值(B,Bluecolorintensity),所述的田间样品采集处理为冬小麦的茎部与叶部、样品采集采用随机样品采集方法;所述的估算模型验证中分别对模型参数的各个候选值进行20次5折交叉验证和外部数据验证。
3.如权利要求1或2所述的一种返青后到抽穗以前冬小麦叶片氮积累量估算方法,其特征在于:所述的估算模型构建支持向量机通过引入核函数将变量映射到高维空间可以实现非线性分类和回归。
4.如权利要求3所述的一种返青后到抽穗以前冬小麦叶片氮积累量估算方法,其特征在于:所述的估算模型构建中引入的核函数为多项式函数K(x,x')=(scale<x,x'>+offset)degree,其中offset设为1。参数degree、scale以及惩罚系数cost通过交叉验证确定,候选值分别为{1,2,3},{0.001,0.01,0.1},{0.25,0.5,1}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510895620.0A CN105548455A (zh) | 2015-12-07 | 2015-12-07 | 一种返青后到抽穗以前冬小麦叶片氮积累量估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510895620.0A CN105548455A (zh) | 2015-12-07 | 2015-12-07 | 一种返青后到抽穗以前冬小麦叶片氮积累量估算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105548455A true CN105548455A (zh) | 2016-05-04 |
Family
ID=55827788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510895620.0A Pending CN105548455A (zh) | 2015-12-07 | 2015-12-07 | 一种返青后到抽穗以前冬小麦叶片氮积累量估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105548455A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106442338A (zh) * | 2016-09-06 | 2017-02-22 | 西北农林科技大学 | 一种基于svr算法的苹果叶片叶绿素含量高光谱反演方法 |
CN106708075A (zh) * | 2016-12-30 | 2017-05-24 | 浙江大学 | 基于固定翼无人机的大范围油菜田spad值遥感***及采集方法 |
CN106770072A (zh) * | 2016-12-05 | 2017-05-31 | 青岛农业大学 | 一种返青后到抽穗前冬小麦叶片spad值估算方法 |
CN108760660A (zh) * | 2018-08-17 | 2018-11-06 | 山东农业大学 | 一种返青期冬小麦叶绿素含量估算方法 |
CN114965847A (zh) * | 2022-05-23 | 2022-08-30 | 西南大学 | 一种基于机载激光雷达的花椒氮累积量的无损监测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103293111A (zh) * | 2013-06-07 | 2013-09-11 | 南京农业大学 | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 |
CN103868880A (zh) * | 2014-01-24 | 2014-06-18 | 河南农业大学 | 基于光谱双峰指数的小麦叶片氮含量监测方法及其监测模型的构建方法 |
CN103940748A (zh) * | 2014-03-10 | 2014-07-23 | 浙江大学 | 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法 |
CN103942459A (zh) * | 2014-05-13 | 2014-07-23 | 扬州大学 | 一种遥感监测小麦叶面积指数的方法 |
CN104408307A (zh) * | 2014-11-25 | 2015-03-11 | 河南农业大学 | 田间小麦白粉病发病程度的快速监测方法及其监测模型的构建方法 |
-
2015
- 2015-12-07 CN CN201510895620.0A patent/CN105548455A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103293111A (zh) * | 2013-06-07 | 2013-09-11 | 南京农业大学 | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 |
CN103868880A (zh) * | 2014-01-24 | 2014-06-18 | 河南农业大学 | 基于光谱双峰指数的小麦叶片氮含量监测方法及其监测模型的构建方法 |
CN103940748A (zh) * | 2014-03-10 | 2014-07-23 | 浙江大学 | 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法 |
CN103942459A (zh) * | 2014-05-13 | 2014-07-23 | 扬州大学 | 一种遥感监测小麦叶面积指数的方法 |
CN104408307A (zh) * | 2014-11-25 | 2015-03-11 | 河南农业大学 | 田间小麦白粉病发病程度的快速监测方法及其监测模型的构建方法 |
Non-Patent Citations (1)
Title |
---|
周华杰等: "基于冠层数码图像的玉米长势和氮素营养状态分析", 《青岛农业大学学报(自然科学版)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106442338A (zh) * | 2016-09-06 | 2017-02-22 | 西北农林科技大学 | 一种基于svr算法的苹果叶片叶绿素含量高光谱反演方法 |
CN106770072A (zh) * | 2016-12-05 | 2017-05-31 | 青岛农业大学 | 一种返青后到抽穗前冬小麦叶片spad值估算方法 |
CN106708075A (zh) * | 2016-12-30 | 2017-05-24 | 浙江大学 | 基于固定翼无人机的大范围油菜田spad值遥感***及采集方法 |
CN106708075B (zh) * | 2016-12-30 | 2020-01-07 | 浙江大学 | 基于固定翼无人机的大范围油菜田spad值遥感***及采集方法 |
CN108760660A (zh) * | 2018-08-17 | 2018-11-06 | 山东农业大学 | 一种返青期冬小麦叶绿素含量估算方法 |
CN114965847A (zh) * | 2022-05-23 | 2022-08-30 | 西南大学 | 一种基于机载激光雷达的花椒氮累积量的无损监测方法 |
CN114965847B (zh) * | 2022-05-23 | 2023-05-12 | 西南大学 | 一种基于机载激光雷达的花椒氮累积量的无损监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Clevers et al. | Using spectral information from the NIR water absorption features for the retrieval of canopy water content | |
Verrelst et al. | Angular sensitivity analysis of vegetation indices derived from CHRIS/PROBA data | |
Wang et al. | Rice yield estimation using parcel-level relative spectral variables from UAV-based hyperspectral imagery | |
Croft et al. | Modelling leaf chlorophyll content in broadleaf and needle leaf canopies from ground, CASI, Landsat TM 5 and MERIS reflectance data | |
Xie et al. | Leaf area index estimation using vegetation indices derived from airborne hyperspectral images in winter wheat | |
Li et al. | Estimating wheat yield and quality by coupling the DSSAT-CERES model and proximal remote sensing | |
CN110376167A (zh) | 基于无人机高光谱的水稻叶片氮含量监测方法 | |
CN106290197A (zh) | 水稻叶片全氮含量高光谱估测及估测模型构建方法 | |
CN105548455A (zh) | 一种返青后到抽穗以前冬小麦叶片氮积累量估算方法 | |
Rodríguez-Caballero et al. | Importance of biocrusts in dryland monitoring using spectral indices | |
Mao et al. | Spatiotemporal dynamics of grassland aboveground net primary productivity and its association with climatic pattern and changes in Northern China | |
Zhu et al. | Monitoring leaf nitrogen in wheat using canopy reflectance spectra | |
Wu et al. | Improved estimation of light use efficiency by removal of canopy structural effect from the photochemical reflectance index (PRI) | |
Tong et al. | Combined use of in situ hyperspectral vegetation indices for estimating pasture biomass at peak productive period for harvest decision | |
Wu et al. | Estimation of gross primary production in wheat from in situ measurements | |
Huete et al. | Remote sensing of ecosystem structure and function | |
Aasen et al. | Automated hyperspectral vegetation index retrieval from multiple correlation matrices with HyperCor | |
Huang et al. | Assimilating remotely sensed information with the wheatgrow model based on the ensemble square root filter for improving regional wheat yield forecasts | |
Gara et al. | Evaluating the performance of PROSPECT in the retrieval of leaf traits across canopy throughout the growing season | |
Ren et al. | Evaluating cellulose absorption index (CAI) for non-photosynthetic biomass estimation in the desert steppe of Inner Mongolia | |
Li et al. | Retrieval of chlorophyll for assimilating branches of a typical desert plant through inversed radiative transfer models | |
Zarco-Tejada et al. | Remote sensing of vegetation biophysical parameters for detecting stress condition and land cover changes | |
Majeke et al. | Imaging spectroscopy of foliar biochemistry in forestry environments | |
Rodriguez et al. | Contributions of imaging spectroscopy to improve estimates of evapotranspiration | |
Berger et al. | Simulation of spaceborne hyperspectral remote sensing to assist crop nitrogen content monitoring in agricultural crops |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160504 |
|
RJ01 | Rejection of invention patent application after publication |