CN109060676A - 基于高光谱的夏玉米冠层spad值估算模型的确定方法 - Google Patents
基于高光谱的夏玉米冠层spad值估算模型的确定方法 Download PDFInfo
- Publication number
- CN109060676A CN109060676A CN201810727612.9A CN201810727612A CN109060676A CN 109060676 A CN109060676 A CN 109060676A CN 201810727612 A CN201810727612 A CN 201810727612A CN 109060676 A CN109060676 A CN 109060676A
- Authority
- CN
- China
- Prior art keywords
- summer corn
- spad value
- canopy
- spad
- summer
- 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
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于高光谱的夏玉米冠层SPAD值估测模型的确定方法,通过对植株冠层高光谱和植株冠层叶片SPAD值等数据监测与分析,建立夏玉米冠层SPAD值与敏感波段、光谱指数之间的定量关系模型,通过小型蒸渗仪试验分析不同SPAD值下夏玉米植株冠层光谱反射率的变化特征,确定夏玉米植株冠层原始光谱及其一阶微分与冠层SPAD值的响应关系,筛选出在全生育期监测夏玉米冠层SPAD值的敏感波段与最优光谱指数,以促进高光谱技术在夏玉米水肥精准管理以及快速、无损长势监测中的应用。
Description
技术领域
本发明属于农林业技术领域,具体涉及一种基于高光谱的夏玉米冠层SPAD(“土壤作物分析仪器开发”的缩写,Soil and Plant Analyzer Development)值估算模型的确定方法。
背景技术
叶绿素含量是植物生长过程中一个重要的生化参数,对植被光合能力、发育阶段以及营养状况具有指示作用。相比于传统的叶绿素测定方法,高光谱遥感具有高分辨率光谱信息,能够分辨作物冠层光谱信息的微弱变化,因此可以快速、无损地实现对作物生长及营养状况的监测。但基于叶片尺度的叶绿素含量仅表征单株植物信息,而遥感获取的信息则对应冠层的叶绿素含量。因此实时观测作物冠层叶绿素含量的变化对作物长势监测、施肥调控与产量评估具有重要意义。
高光谱遥感从20世纪末开始应用于作物领域,在小麦、棉花、水稻、大豆、玉米等作物叶绿素含量监测方面已经开展了相关研究,分析了植株叶绿素含量与光谱反射率之间的相关性,建立了监测叶绿素含量的光谱指数。现有相关研究中,第一种方案中通过研究发现玉米叶片SPAD值与原始光谱及其一阶导数相关性最大处的波段位置在不同年份之间基本不变;第二种方案中发现光谱参数RVI(660,717)和NDVI(610,460)可以较好的估测水稻色素含量;第三种方案中指出以LCI、DSI(678,717)和DSI(549,678)为基础构建的预测模型可以准确预测玉米穗位叶SPAD值;第四种方案中通过研究小麦光谱反射率与叶绿素密度的相关性指出敏感波段位于红光光谱范围内;还有一种方案是采用统一的光谱指数来估算小麦叶绿素含量,并建立的叶绿素含量估测模型。目前已开展的研究主要是利用光谱估算叶绿素含量的可行性及其基本方法,关于夏玉米虽然也有一些简单研究,但还没有建立一个通用且精度较高的夏玉米冠层叶绿素含量估算模型。
发明内容
针对现有技术中的上述不足,本发明提供的基于高光谱的夏玉米冠层SPAD值估算模型的确定方法实现了利用高光谱技术更准确快捷估测夏玉米冠层SPAD值。为了达到上述发明目的,本发明采用的技术方案为:一种基于高光谱的夏玉米冠层SPAD值估算模型的确定方法,包括以下步骤:
S1、采用小型蒸渗仪试验种植夏玉米,并监测夏玉米冠层的原始光谱反射率和SPAD值;
S2、对原始光谱反射率进行重采样并导出,并确定其一阶微分光谱;
S3、对夏玉米冠层的SPAD值分别与原始光谱反射率和一阶微分光谱进行相关性分析,确定与夏玉米SPAD值相关性最大的原始光谱反射率和一阶微分光谱所对应的光谱波段;
所述原始光谱反射率和一阶微分光谱所对应的光谱波段分别为于原始光谱反射率、一阶微分光谱监测夏玉米冠层SPAD值的最敏感波段;
S4、对夏玉米冠层的最敏感波段通过多元逐步回归分析法得到最优波段组合;
S5、确定夏玉米冠层SPAD值最优光谱指数;
S6、分别基于与SPAD值相关性最大的原始光谱反射率、一阶微分光谱、最优波段组合和最优光谱指数建立夏玉米植株冠层SPAD值估算模型;
S7、通过模型评价指标对四个夏玉米植株冠层SPAD值估算模型进行检验,确定最优夏玉米SPAD值估算模型。
进一步地,所述步骤S1中测量夏玉米冠层原始光谱反射率的方法具体为:
通过光谱仪在夏玉米生育期内监测夏玉米冠层原始光谱反射率,监测过程中,进行标准白板校正,对每个小型蒸渗仪中的若干株夏玉米进行光谱反射率监测,然后将该若干光谱反射率的算数平均值作为该小型蒸渗仪的夏玉米冠层的原始光谱反射率;
所述夏玉米冠层原始光谱反射率的监测参数设置为:光谱波段为325nm~1075nm,监测采样间隔为1nm,光谱分辨率为3nm,监测时间为每天10点~14点,光谱仪传感器探头垂直向下,光谱仪视场角为25°,距离夏玉米冠层顶垂直高度为10~20cm。
进一步地,所述步骤S1中监测夏玉米冠层SPAD值的方法具体为:
通过叶绿素仪在夏玉米生育期监测夏玉米冠层SPAD值,将夏玉米冠层展开的第二、三叶片作为监测样点,监测时选取叶片中部并避开叶脉,每个样点随机测量若干个SPAD值,取同一小型蒸渗仪的所有SPAD值的平均值作为该小型蒸渗仪SPAD值。
进一步地,所述步骤S2具体为:
通过光谱仪的处理软件将监测的原始光谱反射率数据进行重采样并导出,对原始光谱反射率数据求一阶微分,并从一阶微分光谱中提取叶片的红边、蓝边和黄边的参数,用于夏玉米冠层的SPAD值与一阶微分光谱的相关性分析;
其中,采样间隔为1nm。
进一步地,夏玉米生育期中的拔节期、抽雄期、灌浆期和成熟期均需在各个小型蒸渗仪中选取若干夏玉米冠层进行原始光谱反射率和SPAD值的监测。
进一步地,所述步骤S3具体为:
计算夏玉米冠层SPAD值与原始光谱反射率及一阶微分光谱的相关系数,确定与夏玉米SPAD值相关性最大的原始光谱反射率和一阶微分光谱所对应的光谱波段;
所述相关系数r的计算公式为:
式中,n为实测次数;
xi为第i个夏玉米冠层的光谱反射率或一阶微分光谱;
为第i个夏玉米冠层的光谱反射率的平均值或一阶微分光谱平均值;
yi为第i个夏玉米冠层SPAD值;
为第i个夏玉米冠层SPAD值的平均值。
进一步地,所述步骤S4具体为:
采用逐步回归法,对夏玉米冠层325nm~1075nm范围内的光谱反射率和SPAD值进行回归分析,得到夏玉米植株冠层的最优波段组合。
进一步地,所述步骤S5具体为:
以73个SPAD值光谱监测指数为基础,通过对每个SPAD值光谱监测指数与夏玉米植株冠层SPAD值进行相关性分析,根据其相关系数,确定夏玉米冠层最优光谱指数。
进一步地,所述步骤S6中四个所述夏玉米植株冠层SPAD值估算模型均为二次项方程式。
进一步地,所述步骤S7中的评价指标为决定系数、均方根误差和平均绝对误差。
本发明的有益效果为:本发明提供的基于高光谱的夏玉米冠层SPAD值估算模型的确定方法,以夏玉米为研究对象,以手持式地物光谱仪为技术支持,对不同叶绿素含量下夏玉米冠层光谱特征进行研究,通过分析夏玉米冠层SPAD值与冠层光谱之间的相关性,确定夏玉米冠层SPAD值的光谱敏感波段及最优SPAD值估算模型。夏玉米冠层数据监测中,为小型蒸渗仪试验,对不同参数处理把握更加准确,相比于大田试验受各种因素干扰较小,获得的数据及得出的结论更加准确;本发明方法中针对全生育期夏玉米冠层进行研究,相比单一关键生育期数据建模,全生育期样本数据丰富,提高了估算模型的可靠性;且相比于夏玉米叶片尺度研究,冠层尺度研究所得结论对区域性研究具有重要意义。
附图说明
图1为本发明提供的实施例中基于高光谱的夏玉米层SPAD值估算模型的确定方法流程图。
图2为本发明提供的实施例中不同施氮水平下夏玉米冠层SPAD值对比图。
图3为本发明提供的实施例中不同施氮水平下夏玉米产量对比图。
图4为本发明提供的实施例中不同生育中夏玉米冠层光谱特征曲线。
图5为本发明提供的实施例中不同施氮水平下夏玉米冠层光谱特征曲线。
图6为本发明提供的实施例中夏玉米冠层光谱反射率与SPAD值的相关系数曲线。
图7为本发明提供的实施例中夏玉米冠层光谱反射率的一阶微分光谱与SPAD值的相关系数曲线。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种基于高光谱的夏玉米冠层SPAD值估算模型的确定方法,包括以下步骤:
S1、采用小型蒸渗仪试验种植夏玉米,并监测夏玉米冠层的原始光谱反射率和SPAD值;
上述步骤S1中测量夏玉米冠层原始光谱反射率的方法具体为:
通过光谱仪在夏玉米生育期内监测夏玉米冠层原始光谱反射率,监测过程中,及时进行标准白板校正(标准白板反射率为1,因此目标物光谱为相对反射率),以便于准确测量下一处理,对每个小型蒸渗仪中的若干株夏玉米进行光谱反射率监测,然后将该若干光谱反射率的算数平均值作为该小型蒸渗仪的夏玉米冠层的原始光谱反射率;
上述夏玉米冠层原始光谱反射率的监测参数设置为:光谱波段为325nm~1075nm,监测采样间隔为1nm,光谱分辨率为3nm,监测时间为每天10点~14点,光谱仪传感器探头垂直向下,光谱仪视场角为25°,距离夏玉米冠层顶垂直高度为10~20cm。
上述步骤S1中监测夏玉米冠层SPAD值的方法具体为:
通过叶绿素仪在夏玉米生育期监测夏玉米冠层SPAD值,将夏玉米冠层展开的第二、三叶片作为监测样点,监测时选取叶片中部并避开叶脉,每个样点随机测量若干个SPAD值,取同一小型蒸渗仪的所有SPAD值的平均值作为该小型蒸渗仪SPAD值。
夏玉米生育期中的拔节期、抽雄期、灌浆期和成熟期均需在每个小型蒸渗仪中选取若干夏玉米冠层进行原始光谱反射率和SPAD值的监测。
S2、对原始光谱反射率进行重采样并导出,并确定其一阶微分光谱;
上述步骤S2具体为:
在进行数据处理分析前,利用光谱仪的处理软件将监测的原始光谱反射率数据进行重采样并导出,采样间隔为1nm;为了提出土壤背景、大气散射的影响和提高不同吸收特征的对比度,对原始光谱反射率数据求一阶微分,并从一阶微分光谱中提取叶片的红边、蓝边和黄边等参数,用于夏玉米冠层的SPAD值与一阶微分光谱的相关性分析;
S3、对夏玉米冠层的SPAD值分别与原始光谱反射率和一阶微分光谱进行相关性分析,确定与夏玉米SPAD值相关性最大的原始光谱反射率和一阶微分光谱所对应的光谱波段;
上述原始光谱反射率和一阶微分光谱所对应的光谱波段分别为原始光谱反射率、一阶微分光谱监测夏玉米冠层SPAD值的最敏感波段;
上述步骤S3具体为:
计算夏玉米冠层SPAD值与原始光谱反射率及一阶微分光谱的相关系数,确定与夏玉米SPAD值相关性最大的原始光谱反射率和一阶微分光谱所对应的光谱波段;
所述相关系数r的计算公式为:
式中,n为实测次数;
xi为第i个夏玉米冠层的光谱反射率或一阶微分光谱;
为第i个夏玉米冠层的光谱反射率的平均值或一阶微分光谱平均值;
yi为第i个夏玉米冠层SPAD值;
为第i个夏玉米冠层SPAD值的平均值。
S4、对夏玉米冠层的最敏感波段通过多元逐步回归分析法得到最优波段组合;
上述步骤S4具体为:
采用逐步回归分析法,对夏玉米冠层325nm~1075nm范围内的光谱反射率和SPAD值进行回归分析,得到夏玉米植株冠层的最优波段组合。
S5、确定夏玉米冠层SPAD值最优光谱指数;
上述步骤S5具体为:
以73个SPAD值光谱监测指数为基础,通过对每个SPAD值光谱监测指数与夏玉米植株冠层SPAD值进行相关性分析,根据其相关系数,确定夏玉米冠层最优光谱指数。
S6、分别基于与SPAD值相关性最大的原始光谱反射率、一阶微分光谱、最优波段组合和最优光谱指数建立夏玉米植株冠层SPAD值估算模型;
上述步骤S6中四个所述夏玉米植株冠层SPAD值估算模型均为二次项方程式。
S7、通过模型评价指标对四个夏玉米植株冠层SPAD值估算模型进行检验,确定最优夏玉米SPAD值估算模型。
上述步骤S7中的评价指标为决定系数、均方根误差和平均绝对误差。
在本发明的一个实施例中,提供了以华北地区夏玉米为例的SPAD值估算模型的确定方法:
(一)数据采集
本实施例中的试验区为2017年6月-9月的中国水利水电科学研究院节水灌溉试验研究基地,该基地位于北纬39°37′,东经116°26′,海拔40.1m;该地属于暖温带半干旱大陆性季风气候,冬春干旱、夏季多雨。多年年平均降雨量540㎜,平均气温12.1℃,平均风速1.2m/s,年无霜期平均为185d,年平均水面蒸发量在1800㎜以上,年日照时间月2600h,适于夏玉米的生长。
试验设计为小型蒸渗仪试验,试验箱体规格为1m×0.75m×1m。供试土壤为砂壤土为主,供试夏玉米品种为纪元168,2017年6月15日播种,设置株、行距均为25㎝,种植密度为75000株/hm2,于9月25日收获。试验共设4个施肥处理,每次施肥量分别为0、225、450、675kg/hm2,即N0、N1、N2、N3处理,其中N2处理为正常施肥水平,各处理3次重复。供试肥料为复合肥(含N量15%、含P2O5量15%、含K2O量15%)、尿素(含N量46%),其中复合肥作为基肥施入,尿素为追肥在拔节-抽雄期施入,其他管理同常规高产田。
在夏玉米生育期内,选择天气晴朗、微风或无风条件下,采用美国AnalyticalSpectral Devices(ASD)公司Field-Spec HandHeld2型手持式地物光谱仪监测植株冠层光谱反射率,波段为325~1075nm,光谱采样间隔为1nm,光谱分辨率为3nm,适宜时间为每天10:00-14:00。测量过程中,及时进行标准白板校正(标准白板反射率为1,因此所得目标物光谱为相对反射率),以便于准确测量下一处理。测量时传感器探头垂直向下,光谱仪视场角为25°,距冠层顶垂直高度约10~20cm。每小型蒸渗仪选取3株玉米进行测量,然后取算术平均值作为该小型蒸渗仪夏玉米的冠层光谱反射率。
在对夏玉米植株冠层SPAD值进行监测时,SPAD值与叶绿素含量呈显著正相关,能够准确表达叶绿素含量。SPAD-502型叶绿素仪可在田间无损状况下通过光学原理快速测量植当前物叶片单位面积叶绿素的相对含量,即SPAD值。因此,在夏玉米生育期内采用SPAD-502型叶绿素仪在测定植株冠层高光谱反射率时同步进行SPAD值观测,在测定光谱的样点处,选择夏玉米冠层展开的第二、三片叶进行测量,测量时选取叶子中部并避开叶脉,每个样点随机测量2个SPAD值,则每个小型蒸渗仪共测定6个SPAD值,取其平均值作为该小型蒸渗仪的冠层叶绿素值。
上述数据采样监测时间为:按照夏玉米生长发育特点将全生育期划分为拔节期、抽雄期、灌浆期和成熟期等四个关键生育期,在每个生育期中期选择晴朗、无风天气测定一次夏玉米冠层光谱反射率并采样测定其SPAD值。
(二)数据处理与分析
在进行数据分析前,利用光谱仪自带的处理软件ViewSpec Pro6.2将测定的原始光谱数据进行重采样并导出,采样间隔为1nm。为了剔除土壤背景、大气散射的影响和提高不同吸收特征的对比度,对原始光谱求一阶微分,从一阶微分光谱中提取叶片的红边、蓝边、黄边等参数。试验中,分别在夏玉米拔节期、抽雄期、灌浆期和成熟期每小型蒸渗仪选取三株夏玉米冠层叶片进行光谱和SPAD值测量。
分析不同施氮水平下夏玉米冠层SPAD值与产量:
如图2为不同施氮量处理下夏玉米植株冠层SPAD值随生育期的变化规律。从图中可以看出,在夏玉米的整个生育期,施氮量大的处理其SPAD值总体上大于施氮量小的处理,在拔节期、抽雄期和成熟期夏玉米冠层SPAD值差异达显著水平(p<0.05)。随生育期推进,在N1、N2和N3处理下,夏玉米植株冠层SPAD值的变化呈抛物线形状,在灌浆期达到最大值,之后SPAD值随着作物的逐步衰老呈下降趋势。
叶绿素是植物进行光合作用的主要色素,叶绿素的含量将直接影响到夏玉米的光合作用能力,进而影响到作物干物质的积累,最终影响到作物产量,而氮素是叶绿素的重要组成元素,随着施氮量增加合成的叶绿素也随之增加。从图3可以看出,随施氮量增加夏玉米产量增大,在N2水平处理下产量达到最大值为10.435t/hm2,当施氮量进一步增大时产量反而降低如N3处理。由此表明,合理施肥能促进玉米生长,保证玉米高产,同时控制过量施肥导致的面源污染,利于农业生产持续高效利用。
分析夏玉米冠层光谱反射率的变化:
图4和图5显示,夏玉米植株冠层在可见光区域的光谱反射率均较低,是由于叶绿素吸收大部分的红光和紫光但反射绿光,使叶绿素呈现绿色,而叶绿素在光合作用的光吸收中起核心作用,故其光谱曲线在550nm左右区域的绿光波段和690nm左右区域的红光波段分别形成一个反射峰和吸收谷;在690~750nm之间光谱的反射率急剧上升形成“红边”现象;在近红外区受夏玉米植株冠层内部构造的控制,冠层光谱反射率表现为一个高的反射区。
如图4所示为夏玉米植株冠层在不同生育期的光谱反射率特征曲线,与其他生育期相比,夏玉米植株冠层光谱反射率在成熟期最高;拔节期冠层在可见光波段反射率最低,而近红外区域反射率则最高,随着生育期的推进,可见光波段反射率逐渐升高,近红外波段反射率逐渐降低,在灌浆期近红外波段降低到最小值,灌浆期最大冠层光谱反射率仅达31.15%。
夏玉米植株冠层的SPAD值不同其对应的光谱反射率也有差异,如图5。在可见光波段范围内,SPAD值越低,其冠层光谱反射率越高,随着SPAD值的增加而逐渐降低,在SPAD值最大为47.09时冠层光谱反射率最低;而在近红外区域,夏玉米植株冠层光谱反射率处理间变化规律则呈相反趋势,即随着SPAD值的增加植株冠层光谱反射率增加,在SPAD值最小为33.66时冠层光谱反射率最低,但处理间差异较小。
对夏玉米冠层SPAD值光谱监测敏感波段筛选:
(1)将夏玉米冠层叶片光谱反射率及其一阶微分光谱与叶绿素相对含量SPAD进行相关性分析,如图6和图7所示。
夏玉米植株冠层光谱反射率与SPAD值进行相关分析结果(图6)表明,在可见光区域500~675nm波段,SPAD值与冠层光谱反射率的相关性在拔节期不显著,在抽雄期呈显著正相关,相关系数在0.42~0.56之间,而在灌浆期与成熟期呈负相关,相关系数波动较大,最大值稳定在640nm波段附近,分别为-0.49和-0.36。在红光区域675~760nm波段,相关性由负相关变为正相关,其中拔节期、抽雄期、灌浆期和成熟期的相关系数分别在-0.05~0.63、0.38~0.67、-0.61~0.34、-0.50~0.01的范围内波动,拔节期和抽雄期相关性最高的波段在760nm,而灌浆期和成熟期则在700nm波段达到最大值。在近红外波段,相关系数相对稳定,随着生育期推进,二者间的相关系数分别稳定在0.62、0.68、0.33和0.16。综合全波段来看,抽雄期SPAD值与冠层光谱反射率的相关性最稳定且较高,对施肥具有实际指导意义。从夏玉米全生育期看,二者的相关系数在500~675nm稳定在-0.40左右,在红光波段形成一个波谷位于700nm处,在近红外波段形成一个波峰位于760nm处,相关系数分别为-0.50和0.02。
如图7为夏玉米植株冠层一阶微分光谱与SPAD值的相关系数,可以看出二者间的相关系数总体高于原始光谱与SPAD值的相关系数,这是由于在求微过程中去除了土壤背景等因素对光谱反射率的影响。在蓝光、绿光与近红外波段,二者间的相关系数较高但不稳定;在红光波段,二者在712~754nm均呈正相关,具有较高且稳定的正相关性,相关系数稳定在0.55~0.81之间。综合对比夏玉米冠层光谱反射率及其一阶微分光谱与SPAD值的相关性,夏玉米植株冠层SPAD值最敏感波段位于550nm波峰、640nm、690nm波谷、700nm、712~754nm以及760nm波段之间。
(2)对325nm~1075nm光谱反射率与SPAD值进行多元回归分析,获得较敏感波段有405nm、408nm和700nm。
根据上述分析结果,列出了夏玉米可见光区域的绿光(550nm)、红光(720nm)、特征点波段(640nm、690nm和760nm)以及根据逐步判别分析方法入选的405nm、408nm和700nm波段冠层光谱反射率、一阶微分光谱和SPAD值的相关系数见表1。结果表明,特征波段405nm、408nm、550nm、640nm和760nm的冠层光谱反射率及一阶微分光谱与SPAD值只在部分生育期呈极显著或显著相关,大部分生育时段的相关性都较低甚至无相关性;在抽雄期、灌浆期和全生育期,特征波段690nm、700nm和720nm的光谱反射率和SPAD值均达到显著或极显著相关;对于一阶微分光谱与SPAD值的相关性,690nm在灌浆期、成熟期和全生育期达显著相关,700nm仅在灌浆期达极显著相关,而720nm除灌浆期外在其他生育时段均达到极显著相关。综上,分别以特征波段光谱反射率和一阶微分光谱与SPAD值的相关性最高为选择标准,获得在全生育期采用光谱反射率、一阶微分光谱监测夏玉米植株冠层SPAD值的最敏感波段分别为700nm和690nm。
表1夏玉米植株冠层SPAD值与光谱反射率及其一阶微分光谱的相关系数
注:**—P<0.01,*—P<0.05,--—无相关性
确定夏玉米冠层SPAD值光谱监测指数:
本实施例以目前的73个SPAD值光谱监测指数(表2)为基础,通过对各个监测指数模型计算值与夏玉米植株冠层SPAD值进行相关性分析优选出5个相关系数较高的光谱指数模型进行建模,分别是(SDr-SDb)/(SDr+SDb)、MCARI//OSAVI、TCARI/OSAVI、SDr/SDb和MTCI,具体相关系数见表3。在拔节期和抽雄期,除MCARI//OSAVI和TCARI/OSAVI光谱指数与SPAD值的相关性不显著,其他光谱指数均达到显著或极显著水平,且(SDr-SDb)/(SDr+SDb)指数相关性最高,其相关系数分别为0.545和0.667。在灌浆期和全生育期,所有光谱指数与SPAD值均达到极显著相关,其中MTCI指数在灌浆期相关性最高,相关系数达0.701;在全生育期(SDr-SDb)/(SDr+SDb)指数相关性最高,相关系数达0.697。在成熟期,除MCARI//OSAVI光谱指数达到显著水平,其他指数均达到极显著水平,且(SDr-SDb)/(SDr+SDb)指数与SPAD值相关系数高达0.868。
综合考虑各个生育期光谱指数与SPAD值的相关性,(SDr-SDb)/(SDr+SDb)指数在整个生育期均达到极显著相关;结合图2,在拔节期、抽雄期和成熟期不同施氮量处理间冠层SPAD值差异显著,且抽雄期为SPAD值监测对施肥具有指导意义的关键生育期,而在该三个生育期光谱指数(SDr-SDb)/(SDr+SDb)与SPAD值的相关性也是最高的,所以本文推荐光谱指数(SDr-SDb)/(SDr+SDb)作为最适宜的玉米冠层SPAD值监测指数。
表2 SPAD值光谱指数及计算公式
表3夏玉米植株冠层SPAD值与光谱相关指数相关系数
注:**—P<0.01,*—P<0.05,--—无相关性
(三)确定并比较四个夏玉米冠层SPAD值估算模型,得出最优估算模型:
综合考虑以上结果,本实施例中选择与SPAD值相关性较大的700nm原始光谱反射率、690nm一阶微分光谱、光谱指数(SDr-SDb)/(SDr+SDb)及利用逐步判别分析获得的最优波段组合等分别构建了基于原始光谱反射率、一阶微分光谱、光谱指数及最优波段组合的夏玉米植株冠层SPAD值估测模型见表4,并采用决定系数(R2)、均方根误差(RMSE)和平均绝对误差(MAE)等指标对模型进行检验。在进行回归建模时,对光谱参数变量分别尝试了指数、线性、对数、多项式和幂函数模型,而700nm光谱反射率、690nm一阶微分光谱及(SDr-SDb)/(SDr+SDb)指数对SPAD值的拟合都以二次多项式方程最佳,而以光谱指数(SDr-SDb)/(SDr+SDb)的计算值为自变量的估算模型的观测值与预测值的拟合方程具有最大的决定系数0.539、最小的均方根误差6.194和最小的平均绝对误差4.702;
采用多元逐步判别分析获得波段组合的线性回归函数建立了基于波段最优组合的夏玉米植株冠层SPAD值估算模型,模型模拟值与实测值之间的R2、RMSE、MAE分别为0.777、4.308、3.245。对比最优波段组合与光谱指数对SPAD值的拟合效果表明,基于前者构建的模型其决定系数R2最大,RMSE和MAE均最小,模型精度最高,为全生育期最佳估算模型。此外,以(SDr-SDb)/(SDr+SDb)指数构建的二次多项式模型其检验精度仅次于最佳模型。因此,基于405nm、408nm和700nm波段组合建立的线性回归估算模型y=45.262-376.843R700+8052.458R408-6901.352R405可作为夏玉米植株冠层SPAD值的最佳估算模型。
表4夏玉米全生育期冠层SPAD值光谱参数模型拟合与验证
(四)结论
本实施例中以小型蒸渗仪试验对不同施氮量处理下夏玉米植株冠层光谱反射率与SPAD值进行监测研究。通过研究夏玉米4个关键生育期植株冠层在325~1025nm的反射率特征曲线,发现各生育期光谱反射率特征曲线趋势一致,在可见光波段,冠层光谱反射率主要受叶绿素的影响,随生育期推进,SPAD值不断增加,叶面积增大,土壤背景噪音减小,光谱反射率不断增大;在近红外波段主要决定于叶片组织的光学特性和冠层结构,叶片内部对光的多次反射和散射形成高反射平台,植物叶片内部细胞间隙、形状、成分的不同对光谱的反射造成影响。不同施氮量处理下夏玉米植株冠层SPAD值差异显著,植株光谱也表现出相应的变化。植株冠层SPAD值与原始光谱及一阶微分光谱都显著相关,且SPAD值与一阶微分光谱的相关系数总体高于与原始光谱的相关系数,这是因为一阶微分光谱可以有效地减小土壤背景等因素的影响,因而可以根据光谱反射率及一阶微分光谱的变化筛选出敏感波段及最优波段组合来估算夏玉米冠层的SPAD值。
夏玉米植株全生育期原始光谱与SPAD值相关性最大的波段位于700nm,一阶微分光谱与SPAD值相关性最大的波长位置为690nm,相关系数分别为-0.498、-0.538,均达到显著相关。在实施例中列出的5个光谱指数中,大多数指数在各个生育期均与SPAD值呈显著相关,其中(SDr-SDb)/(SDr+SDb)指数在各生育期均与SPAD值达极显著相关。
分别基于原始光谱反射率、一阶微分光谱、光谱指数以及最优波段组合建立了夏玉米冠层SPAD值的估算模型。其中,基于最优波段组合建立的模型要优于基于光谱指数建立的模型,其次为基于一阶微分光谱建立的模型,而基于原始光谱建立的模型拟合效果最差,这与多波段组合可以减小土壤背景等外界因素的干扰,增强夏玉米冠层光谱信息精度,增强与夏玉米冠层SPAD值的相关性有关。
从上述实施例中可以得出以下结论:
1)在可见光波段范围内,随着SPAD值增加光谱反射率值减小,在近红外波段760~1075nm范围内,随着SPAD值增加,光谱反射率值增加。
2)在夏玉米全生育期采用原始光谱、一阶微分光谱监测冠层SPAD值的最敏感波段分别为700nm、690nm;由逐步回归分析获得的最优波段组合由405nm、408nm和700nm波段构成。
3)光谱指数(SDr-SDb)/(SDr+SDb)与SPAD值在各生育期均达到极显著相关,相关系数绝对值均在0.545以上,其通用性较高。
4)在基于原始光谱反射率、一阶微分光谱、光谱指数和最优波段组合建立的夏玉米SPAD值的回归模型中,按照模型模拟精度对该4种模型模拟效果进行排序依次为:最优波段组合、光谱指数、原始光谱反射率、一阶微分光谱;因而,本研究推荐基于405nm、408nm和700nm波段组合建立的线性回归估算模型y=45.262-376.843R700+8052.458R408-6901.352R405作为夏玉米植株冠层SPAD值的最佳估算模型。
本发明的有益效果为:本发明提供的基于高光谱的夏玉米冠层SPAD值估算模型的确定方法,以夏玉米为研究对象,以手持式地物光谱仪为技术支持,对不同叶绿素含量下夏玉米冠层光谱特征进行研究,通过分析夏玉米冠层SPAD值与光层光谱之间的相关性,确定夏玉米冠层SPAD值的光谱敏感波段及最优SPAD值估算模型。夏玉米冠层数据监测中,为小型蒸渗仪试验,对不同参数处理把握更加准确,相比于大田试验受各种因素干扰较小,获得的数据及得出的结论更加准确;本发明方法中针对全生育期夏玉米冠层进行研究,相比单一关键生育期数据建模,全生育期样本数据丰富,提高了估算模型的可靠性;且相比于夏玉米叶片尺度研究,冠层尺度研究所得结论对区域性研究具有重要意义。
Claims (10)
1.一种基于高光谱的夏玉米冠层SPAD值估算模型的确定方法,其特征在于,包括以下步骤:
S1、采用小型蒸渗仪试验种植夏玉米,并监测夏玉米冠层的原始光谱反射率和SPAD值;
S2、对原始光谱反射率进行重采样并导出,并确定其一阶微分光谱;
S3、对夏玉米冠层的SPAD值分别与原始光谱反射率和一阶微分光谱进行相关性分析,确定与夏玉米SPAD值相关性最大的原始光谱反射率和一阶微分光谱所对应的光谱波段;
所述原始光谱反射率和一阶微分光谱所对应的光谱波段分别为原始光谱反射率、一阶微分光谱监测夏玉米冠层SPAD值的最敏感波段;
S4、对夏玉米冠层的最敏感波段通过多元逐步回归分析法得到最优波段组合;
S5、确定夏玉米冠层SPAD值最优光谱指数;
S6、分别基于与SPAD值相关性最大的原始光谱反射率、一阶微分光谱、最优波段组合和最优光谱指数建立夏玉米植株冠层SPAD值估算模型;
S7、通过模型评价指标对四个夏玉米植株冠层SPAD值估算模型进行检验,确定最优夏玉米SPAD值估算模型。
2.根据权利要求1所述的夏玉米冠层SPAD值估算模型的确定方法,其特征在于,所述步骤S1中测量夏玉米冠层原始光谱反射率的方法具体为:
通过光谱仪在夏玉米生育期内监测夏玉米冠层原始光谱反射率,监测过程中,进行标准白板校正,对每个小型蒸渗仪中的若干株夏玉米进行光谱反射率监测,然后将该若干光谱反射率的算数平均值作为该小型蒸渗仪的夏玉米冠层的原始光谱反射率;
所述夏玉米冠层原始光谱反射率的监测参数设置为:光谱波段为325nm~1075nm,监测采样间隔为1nm,光谱分辨率为3nm,监测时间为每天10点~14点,光谱仪传感器探头垂直向下,光谱仪视场角为25°,距离夏玉米冠层顶垂直高度为10~20cm。
3.根据权利要求1所述的夏玉米冠层SPAD值估算模型的确定方法,其特征在于,所述步骤S1中监测夏玉米冠层SPAD值的方法具体为:
通过叶绿素仪在夏玉米生育期监测夏玉米冠层SPAD值,将夏玉米冠层展开的第二、三叶片作为监测样点,监测时选取叶片中部并避开叶脉,每个样点随机测量若干个SPAD值,取同一小型蒸渗仪的所有SPAD值的平均值作为该小型蒸渗仪SPAD值。
4.根据权利要求1所述的夏玉米冠层SPAD值估算模型的确定方法,其特征在于,所述步骤S2具体为:
通过光谱仪的处理软件将监测的原始光谱反射率数据进行重采样并导出,对原始光谱反射率数据求一阶微分,并从一阶微分光谱中提取叶片的红边、蓝边和黄边的参数,用于夏玉米冠层的SPAD值与一阶微分光谱的相关性分析;
其中,采样间隔为1nm。
5.根据权利要求1~3任意一条权利要求所述的夏玉米冠层SPAD值估算模型的确定方法,其特征在于,夏玉米生育期中的拔节期、抽雄期、灌浆期和成熟期均需在每个小型蒸渗仪中选取若干夏玉米冠层进行原始光谱反射率和SPAD值的监测。
6.根据权利要求1所述的夏玉米冠层SPAD值估算模型的确定方法,其特征在于,所述步骤S3具体为:
计算夏玉米冠层SPAD值与原始光谱反射率及一阶微分光谱的相关系数,确定与夏玉米SPAD值相关性最大的原始光谱反射率和一阶微分光谱所对应的光谱波段;
所述相关系数r的计算公式为:
式中,n为实测次数;
xi为第i个夏玉米冠层的光谱反射率或一阶微分光谱;
为第i个夏玉米冠层的光谱反射率的平均值或一阶微分光谱平均值;
yi为第i个夏玉米冠层SPAD值;
为第i个夏玉米冠层SPAD值的平均值。
7.根据权利要求1所述的夏玉米冠层SPAD值估算模型的确定方法,其特征在于,所述步骤S4具体为:
采用逐步回归法,对夏玉米冠层325nm~1075nm范围内的光谱反射率和SPAD值进行回归分析,得到夏玉米植株冠层的最优波段组合。
8.根据权利要求1所述的夏玉米冠层SPAD值估算模型的确定方法,其特征在于,所述步骤S5具体为:
以73个SPAD值光谱指数为基础,通过对每个SPAD值光谱监测指数与夏玉米植株冠层SPAD值进行相关性分析,根据其相关系数,确定夏玉米冠层最优光谱指数。
9.根据权利要求1所述的夏玉米冠层SPAD值估算模型的确定方法,其特征在于,所述步骤S6中四个所述夏玉米植株冠层SPAD值估算模型均为二次项方程式。
10.根据权利要求1所述的夏玉米冠层SPAD值估算模型的确定方法,其特征在于,所述步骤S7中的评价指标为决定系数、均方根误差和平均绝对误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810727612.9A CN109060676A (zh) | 2018-07-05 | 2018-07-05 | 基于高光谱的夏玉米冠层spad值估算模型的确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810727612.9A CN109060676A (zh) | 2018-07-05 | 2018-07-05 | 基于高光谱的夏玉米冠层spad值估算模型的确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109060676A true CN109060676A (zh) | 2018-12-21 |
Family
ID=64819156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810727612.9A Pending CN109060676A (zh) | 2018-07-05 | 2018-07-05 | 基于高光谱的夏玉米冠层spad值估算模型的确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109060676A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110082309A (zh) * | 2019-05-20 | 2019-08-02 | 中国水利水电科学研究院 | 冬小麦冠层spad值综合光谱监测模型建立方法 |
CN110567891A (zh) * | 2019-09-16 | 2019-12-13 | 中国水利水电科学研究院 | 一种冬小麦冠层叶绿素估测***及方法 |
CN112750048A (zh) * | 2020-12-22 | 2021-05-04 | 中国农业大学 | 一种利用花后ndvi动态分析禾谷类作物冠层衰老进度的方法 |
CN112945881A (zh) * | 2021-03-11 | 2021-06-11 | 内蒙古农业大学 | 一种基于高光谱特征参数的马铃薯叶片含水量监测方法 |
CN115144346A (zh) * | 2022-06-23 | 2022-10-04 | 勐海曼香云天农业发展有限公司 | 一种香米田间成熟度确定方法及*** |
CN115344997A (zh) * | 2022-07-11 | 2022-11-15 | 中国水利水电科学研究院 | 夏玉米植株叶片-冠层-像元尺度氮浓度协同预测方法 |
-
2018
- 2018-07-05 CN CN201810727612.9A patent/CN109060676A/zh active Pending
Non-Patent Citations (2)
Title |
---|
刘秀英: "《玉米生理参数及农田土壤信息高光谱监测模型研究》", 《中国博士学位论文全文数据库》 * |
田永超 等: "《基于光谱信息的作物氮素营养无损监测技术》", 《生态学杂志》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110082309A (zh) * | 2019-05-20 | 2019-08-02 | 中国水利水电科学研究院 | 冬小麦冠层spad值综合光谱监测模型建立方法 |
CN110567891A (zh) * | 2019-09-16 | 2019-12-13 | 中国水利水电科学研究院 | 一种冬小麦冠层叶绿素估测***及方法 |
CN112750048A (zh) * | 2020-12-22 | 2021-05-04 | 中国农业大学 | 一种利用花后ndvi动态分析禾谷类作物冠层衰老进度的方法 |
CN112945881A (zh) * | 2021-03-11 | 2021-06-11 | 内蒙古农业大学 | 一种基于高光谱特征参数的马铃薯叶片含水量监测方法 |
CN112945881B (zh) * | 2021-03-11 | 2022-10-25 | 内蒙古农业大学 | 一种基于高光谱特征参数的马铃薯叶片含水量监测方法 |
CN115144346A (zh) * | 2022-06-23 | 2022-10-04 | 勐海曼香云天农业发展有限公司 | 一种香米田间成熟度确定方法及*** |
CN115344997A (zh) * | 2022-07-11 | 2022-11-15 | 中国水利水电科学研究院 | 夏玉米植株叶片-冠层-像元尺度氮浓度协同预测方法 |
CN115344997B (zh) * | 2022-07-11 | 2024-05-31 | 中国水利水电科学研究院 | 夏玉米植株叶片-冠层-像元尺度氮浓度协同预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109060676A (zh) | 基于高光谱的夏玉米冠层spad值估算模型的确定方法 | |
CN107796764B (zh) | 一种基于三波段植被指数的小麦叶面积指数估算模型的构建方法 | |
Tian et al. | Comparison of different hyperspectral vegetation indices for canopy leaf nitrogen concentration estimation in rice | |
CN110376167A (zh) | 基于无人机高光谱的水稻叶片氮含量监测方法 | |
CN109187441B (zh) | 基于冠层光谱信息的夏玉米含氮量监测模型的构建方法 | |
Stroppiana et al. | Plant nitrogen concentration in paddy rice from field canopy hyperspectral radiometry | |
CN102426153B (zh) | 一种基于冠层高光谱指数的小麦植株水分监测方法 | |
CN107024439A (zh) | 一种水稻不同生育期叶绿素含量高光谱估测方法 | |
CN107505271B (zh) | 基于氮素组分辐射传输模型的植株氮素估算方法和*** | |
CN103196838B (zh) | 一种海岸河口富营养化高光谱遥感监测方法 | |
CN109187398A (zh) | 一种小麦植株氮含量的高光谱测定方法 | |
CN107271382A (zh) | 一种不同生育期油菜叶片spad值遥感估算方法 | |
Feng et al. | Analysis of the relationship between the spectral characteristics of maize canopy and leaf area index under drought stress | |
CN103868880A (zh) | 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 | |
Song et al. | Using multi-angle hyperspectral data to monitor canopy leaf nitrogen content of wheat | |
CN110082309B (zh) | 冬小麦冠层spad值综合光谱监测模型建立方法 | |
CN103293111A (zh) | 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 | |
CN104502283A (zh) | 估测大豆产量和地上部干重的一套两波段高光谱指数和预测模型 | |
CN108520127A (zh) | 一种树种叶面积指数的高光谱反演方法 | |
Singh et al. | Quantification of leaf pigments in soybean (Glycine max (L.) Merr.) based on wavelet decomposition of hyperspectral features | |
CN110069895B (zh) | 冬小麦含氮量全生育时段光谱监测模型建立方法 | |
CN106485345A (zh) | 棉花全生育期冠层spad值遥感估算及估算模型构建方法 | |
CN106469240A (zh) | 基于光谱指数的油菜叶片spad估测及估测模型构建方法 | |
CN111044516A (zh) | 一种水稻叶绿素含量遥感估测方法 | |
Wen et al. | Estimation of the vertically integrated leaf nitrogen content in maize using canopy hyperspectral red edge parameters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |