基于高光谱成像技术的苹果叶片氮素含量估测研究

作     者：李百超 

作者单位：山东农业大学 

学位级别：硕士

导师姓名：朱西存

授予年度：2018年

学科分类：09[农学] 0902[农学-园艺学] 090201[农学-果树学] 

主      题：高光谱成像技术 氮素含量 BP神经网络模型 支持向量机回归模型 随机森林回归模型 

摘      要：植被叶片氮素含量的传统检测方法是在野外采集样本后,在实验室采用在实验方法测量,虽然测量精度高,但需要消耗大量的人力物力财力。而近年来发展起来的植被叶片营养成分检测的高光谱成像技术,将成像技术与高光谱技术相结合,既发挥了高光谱光谱分辨率高,波段连续,又利用了成像技术成像直观,可视化的优势,对准确监测植被养分含量有重要意义。以山东烟台栖霞苹果园为研究区,在2017年5月前后进行苹果叶片样本的采集和实验数据的测定。利用成像光谱仪测得苹果叶片样本的成像高光谱数据,在实验室测得苹果叶片样本的氮素含量。通过对苹果叶片样本的分析得到了苹果叶片氮素含量的高光谱响应规律。通过对氮素与光谱进一步的分析,分别得到了苹果叶片氮素含量与原始光谱的相关关系和敏感波长,以及原始光谱SG平滑一阶微分之后的敏感波长。构建并筛选了苹果叶片氮素含量相关的植被指数。在此基础上,分别建立了三种苹果叶片氮素含量预测模型,并选出了最佳预测模型。其主要研究结果:(1)明确了苹果叶片氮素含量的高光谱响应规律。400-490nm形成低反射区,490-560nm形成高反射区,560-700nm形成低反射区,700-750nm有明显的植被红边特征,750-1000nm趋势较为平缓,形成高反射平台。不同氮素含量,不同品种苹果叶片光谱曲线变化趋势一致,在绿光范围内,波长550nm处由于反射绿光形成一个“绿峰,在绿峰处,光谱反射率对苹果叶片氮素含量响应敏感,利用苹果叶片绿峰(550nm)处高光谱反射率可以定性的判断苹果叶片氮素含量高低。在绿峰处,光谱反射率越大,苹果叶片氮素含量越低;光谱反射率越小,苹果叶片氮素含量越高。(2)筛选出了原始敏感波长R和R。通过对光谱曲线进行SG平滑处理和一阶微分变换,筛选出9个敏感波长,它们的反射率值分别SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR。通过研究常用与植被叶片氮素含量相关的植被指数,以及构建NDVI、DVI、RVI三种常用的植被指数,最终确定了5个与苹果叶片氮素含量密切相关的植被指数,分别是TVI、TCI、NDVI(566,766)、RVI(566,766)、DVI(680,723)。(3)建立了苹果果叶片氮素含量BP神经网络模型、支持向量机回归模型和随机森林回归模型。基于原始波长R和R,SG平滑一阶微分数据SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR,植被指数TVI、TCI、NDVI(566,766)、RVI(566,766)、DVI(680,723),分别建立BP神经网络模型、支持向量机回归模型和随机森林回归模型。对比模型结果,基于SG平滑一阶微分数据SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR、SG-FDR建立的苹果叶片氮素含量支持向量机回归模型SG-FDR-SVM为最佳氮素预测模型。其估测的决定系数R=0.724,均方根误差RMSE=1.94,相对误差RE=5.13%。