高光谱成像技术的油菜叶片氮含量及分布快速检测

摘要：

应用高光谱成像技术实现了油菜苗-花-角果整个生命期叶片氮含量的快速检测和氮素水平分布的可视化。采集三个生长时期共计420个叶片样本的高光谱图像信息（380～1030 nm ），提取图像中感兴趣区域的平均光谱数据，经过不同光谱预处理后，利用连续投影算法（SPA ）选择特征波长，将提取的12个特征波长（467，557，665，686，706，752，874，879，886，900，978和995 nm ）作为自变量，叶片氮含量作为因变量，分别建立偏最小二乘法（PLS）和最小二乘-支持向量机（LS-SVM ）模型。SPA-PLS和SPA-LS-SVM 模型对叶片氮含量的预测相关系数 RP 分别为0.807和0.836，预测均方根误差RMSEP分别为0.387和0.358。高光谱图像中的每一个像素点都有对应的光谱反射值，利用结构简单、更易提取回归系数的SPA-PLS模型，快速计算出12个特征波长下高光谱图像中每个像素点对应的氮含量预测值，结合像素点的空间位置生成氮素浓度的叶面分布图。可视化分布图详细且直观的反应出同一叶片内部或不同叶片之间氮含量的差异。结果表明，应用高光谱成像技术分析整个油菜生长期的叶片氮含量及其可视化分布是可行的。

关键词：高光谱成像、油菜、氮素分布、偏最小二乘法、连续投影算法

分类号：O657;S565(分析化学)

资助基金：国家高技术研究发展计划863计划项目2013AA102405，2011AA100705;教育部高等学校博士学科点专项科研基金项目20130101110104;宁波市科技局重点项目2011C11024;中央高校基本科研业务费专项资金项目2014FZA6005

在线出版日期：2014-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2513-2518