用于微小型光谱仪的冬小麦抽穗期叶绿素含量诊断模型

摘要：

采用基于微小型光谱学传感器构建的作物冠层反射光谱探测系统,在田间轻量便携式地测量冬小麦抽穗期冠层可见光-近红外反射光谱.首先对冠层反射光谱进行去噪预处理,对原始光谱先一阶微分运算后,采用Bior Nr.Nd双正交小波进行小波包分解和重构以达到数据平滑的目的.对样本点数据利用蒙特卡罗抽样方法进行分析,去除异常样本点值,然后基于Random frog特征变量选取算法进行叶绿素含量敏感波长筛选.分别对原始光谱和经预处理后的光谱数据所选取的敏感波长进行偏最小二乘回归(partial least squares regression,PLSR)建模,建模结果如下:基于原始光谱的敏感波长639、436、459、642、556、653、596、455 nm建立叶绿素含量诊断PLSR模型,建模精度Rc2为0.70,均方根误差为1.3980,验证精度Rv2为0.10,均方根误差为2.3810;经过预处理后,基于选取的特征波长719、572、562、605、795、527、705、514 nm建立叶绿素含量诊断PLSR模型,建模精度Rc2为0.69,均方根误差为1.3648,验证精度Rv2为0.52,均方根误差为1.8397,估测能力得到了提高.结果表明:基于微小型光谱学传感器构建的作物冠层反射光谱探测系统能够合理地预测冬小麦叶片中的叶绿素含量,可用于田间冬小麦抽穗期的作物营养诊断.

关键词：光谱分析、叶绿素、数据处理、RF算法、特征波长筛选、冬小麦穗期

所属期刊栏目：33

分类号：S127(农业物理学)

资助基金：国家自然科学基金资助项目31501219;"十三五"国家重点研发计划课题2016YFD0300606和2016YFD0200602

在线出版日期：2017-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：157-163