菜油兼用型油菜籽粒油酸含量的高光谱模型构建

摘要：

[目的]基于高光谱特征初步判别油菜摘薹情况,为实现高光谱反演籽粒油酸含量提供理论指导.[方法]使用FieldSpec 3地物光谱仪采集油菜盛花期叶片光谱数据,采用Agilent GC-MS 7980B气相色谱仪分析摘薹和未摘薹处理的籽粒油酸含量,比较2组处理的平均原始光谱反射率特征,及其油菜叶片原始及一阶微分光谱反射率与籽粒油酸含量相关性,在此基础上构建基于原始光谱特征波长的支持向量机(SVM)判别模型、基于光谱参数的油酸含量二项式模型、基于一阶微分光谱特征波长的油酸含量多元线性逐步回归(MLSR)及偏最小二乘回归(PLSR)预测模型,并利用独立样本T检验对模型精度进行验证.[结果]发现未摘薹及摘薹处理的平均原始光谱反射率曲线在760～1080 nm波段存在一定差异.未摘薹及摘薹处理的原始光谱反射率与籽粒油酸含量相关性曲线存在一定差异,未摘薹处理的原始光谱反射率在484～956和1001～1146 nm波段与籽粒油酸含量呈正相关,摘薹处理的原始光谱反射率在1882～2111和2324～2499 nm波段与油菜籽粒油酸含量呈正相关,说明摘薹会影响油菜光谱反射率与籽粒油酸含量的相关性表现.选取位于760～1080 nm波段4个拐点波长(760、920、970和1080 nm)的原始光谱反射率作为自变量,用以构建SVM判别模型,经过多次随机取样比较构建所有SVM判别模型,发现最佳判别模型的训练集样本总体精度为86.1％,验证集样本总体精度为77.8％,说明利用高光谱技术判别油菜是否摘薹具有一定的可行性.光谱参数模型中RVI模型对未摘薹处理油菜籽粒油酸含量的反演效果最佳,且该模型与未摘薹处理籽粒油酸含量的相关系数(-0.705)最高.比较全部油菜籽粒油酸含量预测模型类型,PLSR模型对未摘薹处理籽粒油酸含量预测精度最高,其训练集R2=0.590、RMSE=0.610,MLSR模型对摘薹处理籽粒油酸含量预测精度最高,其训练集R2=0.773、RMSE=0.874.利用独立样本T检验对二者模型测试集样本进行验证,未摘薹样本P=0.839,摘薹样本P=0.858,二者样本实测值与预测值均无显著差异(P>0.05),模型合理,说明利用高光谱技术对油菜籽粒油酸含量进行预测可行.[建议]引入随机森林等机器学习算法,更好地选取特征波长(显著相关波长或全波段等),提高光谱数据对油菜籽粒油酸含量的预测能力.后期的试验应侧重于多品种油菜籽粒油酸含量估测研究,探索高光谱技术估测油菜籽粒油酸含量是否具备普遍的可行性.利用高光谱技术反演其他油菜籽粒品质指标,为高光谱遥感监测油菜品质提供理论依据.

关键词：油菜;高光谱;摘薹处理;油酸含量;特征波长;判别模型;预测模型

所属期刊栏目：52

分类号：S565.4;S127(经济作物)

资助基金：国家重点研发计划项目2017YFD0301506

在线出版日期：2021-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1674-1682