基于CARS-PLSR的冬小麦叶片含水量快速无损检测研究.docxVIP

?

?

基于CARS-PLSR的冬小麦叶片含水量快速无损检测研究

?

?

吴剑飞

摘要：为探讨实际应用中高光谱技术快速准确获取农作物叶片含水量，本文以拔节期冬小麦含水量为研究对象，对冬小麦原始光谱进行三种光谱变换处理，采用双波段光谱指数和竞争性自适应重加权采样（CompetitiveAdaptiveReweightedSampling，CARS）获取高光谱数据中与LWC高度相关的波段组合，进行多种LWC建模并对比预测精度。结果表明：由CARS筛选的波段组合压缩率达98%以上，结合偏最小二乘回归（PartialLeastSquaresRegression，PLSR）构建的含水量预测模型拟合精度最高，所建模型中最高预测决定系数为0.8441，模型预测精度均高于以双波段组合所建模型的预测精度。CARS在筛选与冬小麦叶片含水量相关的光谱波段组合方面较为适用，可为估算冬小麦种植区干旱情况和水分管理提供技术支持。

关键词：冬小麦;叶片含水量;高光谱技术;竞争性自适应重加权采样算法

：S512.1;S314?：A?：1673-260X（2021）07-0022-05

引言

作物含水量是体现作物生长状况的重要品质指标，直接影响作物对光能的利用和营养供给水平，最终影响其生长质量、品质及产量[1]。冬小麦在中国国民饮食結构中占主导地位，对高产稳产有着重要意义。传统的烘干法检测精度较高，但难以满足生产实践中对大范围冬小麦含水量实时、无损的检测需求，且存在时效性差、有损检测等弊端[2]。遥感技术为冬小麦含水量的动态无损监测提供了新的技术手段，其中高光谱分析技术具有快速、高效、无损的优点，能够获取丰富的地物光谱信息，估算作物生化参数进而诊断其健康状态[3]。

相对于其他遥感技术，高光谱遥感属于前沿领域，具有波段数目多、精度高等特点。国内外学者针对高光谱技术的在农业方面的应用开展了大量研究。如王玉娜等[4]利用FD-SPA建模获取了多个时期冬小麦生物量与高光谱数据的响应关系，模型预测决定系数达0.78，得出抽穗期是估算冬小麦地上部生物量的较佳生育时期。任怡等[5]采用CARS算法对香葱含水量和叶绿素含量的高光谱敏感变量优选，压缩率达3.24%和1.78%，采用偏最小二乘法和支持向量回归建立了定量分析模型，预测决定系数达0.9046和0.9143。

本研究以淮南阜阳地区拔节期冬小麦为实验材料，通过对冬小麦高光谱数据和含水量的测定，采用原始光谱（OriginalSpectrum，OS）和一阶导数（FirstDerivative，FD）、二阶导数（SeconderDerivative，SD）和多元散射校正（MultiplicativeScatterCorrection，MSC）处理后的共4种光谱数据形式，采用差值光谱指数（DifferenceSpectralIndex，DSI）、比值光谱指数（RatioSpectralIndex，RSI）、归一化光谱指数（NormalizedSpectralIndex，NDSI）、竞争性自适应重加权采样（CompetitiveAdaptiveReweightedSampling，CARS）共四种波段筛选方法获取与叶片含水量（LeafWaterContent，LWC）高度相关的波段组合，结合支持向量回归（SupportVectorRegression，SVR）、BP神经网络和偏最小二乘回归（PartialLeastSquaresRegression，PLSR）建立波段组合和含水量的关系模型，对比分析预测精度，以期为实际应用中高光谱技术获取作物含水量提供技术支持。

1材料与方法

1.1研究区概况

研究区位于安徽省阜阳市颍上县谢桥镇（东经115°56′-116°38′、北纬32°27′-32°4′）。该地区属于北温带与亚热带之间过渡型气候，地势平坦，土壤肥沃;主要分布的土地类型为砂礓黑土;主要种植小麦、稻谷、玉米等作物，该地区是“农业绿色发展先行先试支撑体系建设试点县”。选择该地为研究区域，是考虑到该地的土壤和降水条件，且该地区小麦种植产量超过农作物总产量的一半，有着丰富的小麦资源和适宜的实验条件。

1.2光谱数据获取

2019年4月15日，在当地小麦拔节期分多次采集光谱数据，采样时间为10：30—13：30，测量时天气晴朗，采用ASDFieldSpec4便携式地物光谱仪共采集96组冬小麦冠层高光谱数据。仪器波长范围为350～2500nm，其中350～1000nm波长的采样间隔为1.4nm，1000～2500nm波长的采样间隔为2nm，每个样本测得30条光谱，剔除异常光谱后取平均值作为该样本的光谱，每组数据采样前均进行标准白板校正。

1.