高光譜遙感技術(shù)具有快速、準確、無損、連續(xù)獲取作物生長狀況和環(huán)境脅迫各種信息的優(yōu)點,已廣泛應(yīng)用于作物水分監(jiān)測,并取得了一系列成果。目前高光譜水份監(jiān)測模型多以敏感波段或光譜指數(shù)等單一類型的估測因子作為參數(shù),而結(jié)合多種特征光譜參數(shù)構(gòu)建的水分監(jiān)測模型及其精度穩(wěn)定性方面的研究鮮見,尤其基于多種光譜特征參數(shù)共同建立的馬鈴薯關(guān)鍵生育時期水份實時監(jiān)測模型研究未見報道。

本工作為提高高光譜水份監(jiān)測模型精度和普適性,在馬鈴薯全生育期開展了不同灌水量試驗,以葉片含水量表征馬鈴薯植株水分狀況,采用目前較為先進的高光譜儀取馬鈴薯冠層高光譜數(shù)據(jù),針對馬鈴薯整個生育時期植株含水量表征參數(shù)和冠層光譜反射率的變化規(guī)律進行特征光譜參數(shù)篩選,建立多種估測因子構(gòu)成的馬鈴薯塊莖形成期植株水分狀況實時監(jiān)測模型,為高產(chǎn)高效的馬鈴薯高光譜水份診斷體系構(gòu)建提供堅實可靠的理論依據(jù)和技術(shù)支持。

01實驗部分

高光譜反射率的測定時間與植株含水量一致;即在苗期、塊莖形成期、塊莖膨大期、淀粉積累期和收獲期各取一次樣,隨機選取八個點進行測定,每個點測定5個數(shù)據(jù)。高光譜數(shù)據(jù)的采集使用便攜式,該儀器的光譜范圍337～2521nm。在數(shù)據(jù)處理過程中,為了保證模型對馬鈴薯整個生育期的普適性,選擇2020年全生育時期不同灌溉處理的試驗數(shù)據(jù)篩選表征葉片含水量的特征光譜參數(shù)(波段、一階導(dǎo)數(shù)、指數(shù)),以2021年—2022年塊莖形成期不同灌溉處理下得到的試驗數(shù)據(jù)建立該生育時期葉片含水量的監(jiān)測模型。采用獨立驗證樣本,將其實測值與模型預(yù)測值進行回歸擬合,以驗證模決定系數(shù)(R2)和均方根誤差(RMSE)作為指標評價模型的預(yù)測能力和遷移性;綜合建模和驗證模精度檢驗結(jié)果,選擇推薦最優(yōu)估算模型。共提取300組高光譜數(shù)據(jù)以及與之對應(yīng)的300個馬鈴薯冠層葉片含水量數(shù)據(jù),將數(shù)據(jù)集以7:3比例劃分為訓(xùn)練集和測試集,具體的樣本劃分結(jié)果如表1所示。

表1樣本劃分

采用連續(xù)投影算法(SPA)對馬鈴薯冠層光譜反射率的原 始波段進行篩選,得到均方根誤差(RMSE)和葉片含水量的 敏感波段選定數(shù)量,如圖1所示。

圖1均方根誤差和葉片含水量的敏感波段選定數(shù)量

02結(jié)果與討論

2.1模型預(yù)測結(jié)果比較

三種模型的預(yù)測結(jié)果比較如表2所示。由模型參數(shù)的比較結(jié)果,BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測效果最佳,其次為支持向量機,而偏最小二乘回歸模型的預(yù)測精度最低。

表2三種模型預(yù)測結(jié)果比較

圖2光譜與葉片含水量的 BP神經(jīng)網(wǎng)絡(luò)回歸模型擬合效果

(a):訓(xùn)練集預(yù)測結(jié)果;(b):測試集預(yù)測結(jié)果;(c):驗證集預(yù)測結(jié)果;(d):總預(yù)測結(jié)果

2.2模型遷移性比較

將BP神經(jīng)網(wǎng)絡(luò)模型、支持向量機回歸模型和偏最小二乘回歸模型的葉片含水量預(yù)測值分別與相同獨立樣本的葉片含水量實測值進行擬合并列出了不同估算模型的驗證結(jié)果,如表2所示。模型檢驗效果表明,3種模型的預(yù)測精度都比較高,決定系數(shù)均超過0.96,RMSE值的范圍在0.202%～0.266%;進一步說明了塊莖形成期葉片含水量的高光譜監(jiān)測模型遷移性較好。

表3不同估算模型的遷移性比較

03結(jié)論

針對馬鈴薯整個生育時期葉片含水量和冠層光譜信息提取了光譜特征參數(shù),將其運用到馬鈴薯塊莖形成期的葉片含水量估算模型構(gòu)建。三種模型預(yù)測精度較好,由敏感波段反射率、特征光譜一階導(dǎo)數(shù)和特征光譜指數(shù)構(gòu)成的光譜特征參數(shù)組合,創(chuàng)建關(guān)鍵生育時期馬鈴薯植株含水量的定量監(jiān)測方法具有較高穩(wěn)定性。

特征光譜一階導(dǎo)數(shù)和特征光譜指數(shù)均與葉片含水量的相關(guān)性較好,MSI和NDII與葉片含水量的相關(guān)系數(shù)在0.05水平顯著相關(guān),其余均在0.01水平極顯著相關(guān);

以上述特征光譜參數(shù)為自變量建立的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測效果明顯優(yōu)于支持向量機回歸模型和偏最小二乘回歸模型,其建模精度最高,可作為估算馬鈴薯塊莖形成期葉片含水量的最優(yōu)模型;支持向量機回歸模型和偏最小二乘回歸模型也能夠滿足馬鈴薯塊莖形成期葉片含水量的精確估測。

推薦：

便攜式高光譜成像系統(tǒng)iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫(yī)學(xué)醫(yī)療、精準農(nóng)業(yè)、礦物地質(zhì)勘探等領(lǐng)域的最新產(chǎn)品，主要優(yōu)勢具有體積小、幀率高、高光譜分辨率高、高像質(zhì)等性價比特點采用了透射光柵內(nèi)推掃原理高光譜成像，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)，高速USB3.0接口傳輸，全靶面高成像質(zhì)量光學(xué)設(shè)計，物鏡接口為標準C-Mount，可根據(jù)用戶需求更換物鏡。

審核編輯 黃宇