基于随机森林法的棉花叶片叶绿素含量估算   总被引：3，自引：0，他引：3  

依尔夏提·阿不来提  买买提·沙吾提  白灯莎·买买提艾力  安申群  马春玥 《作物学报》2019,45(1):81-90

为了高效和无损地估算棉花叶片的叶绿素含量,本研究测定了棉花光谱反射率及叶绿素含量(soilandplant analyzerdevelopment,SPAD)值,对光谱数据进行包络线去除处理、立方根转换和倒数转换,以SPAD值与反射光谱之间的相关性为基础,通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段,构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression,PLSR)两个模型。结果表明,在605～690nm范围内的反射率与SPAD值相关性达0.01显著水平,均呈负相关,相关系数最高值为-0.619。与原始光谱相比,经过变换后的棉花反射率与SPAD值相关性结果相差较大,其中去除包络线光谱在550～750 nm波段范围有效提高了相关性,相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段,进而提高模型估算精度。在两种模型中,基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R~2分别为0.92、0.83,说明这两种模型的估算能力较好;两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%,表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。  相似文献   

基于吸收、透射和反射光谱预测水稻叶绿素含量研究   总被引：1，自引：0，他引：1  

张金恒  王娟  韩超 《中国农学通报》2010,26(7):78-83

选择基于吸收率和透射率的叶绿素含量定量反演波段组合,构建叶绿素含量光谱估测模型寻找基于吸收、透射和反射光谱预测叶绿素含量的波段。以3个水稻品种临稻11,圣稻13和阳光200为材料,进行田间实验。比较水稻叶片吸收、反射及透射光谱曲线和一阶导数光谱曲线,发现440、480、630nm和681nm为叶绿素吸收峰的实际发生波段位置,其中630nm波段处的叶片光谱吸收率(A)、透射率(T)和反射率(R)之间相关性最好。比较三者之间的相关性,吸收率与透射率的相关性最强。630nm波段处的叶片光谱吸收率、透射率和反射率与叶绿素含量之间的相关性均达到极显著水平。回归分析表明基于440、480nm和681nm3个波段光谱吸收率线性模型,440、480nm和630nm3个波段光谱透射率线性模型估测叶绿素a含量,480、630nm和681nm3个波段光谱透射率线性模型估测叶绿素b含量,与单独使用630nm光谱变量估测叶绿素含量比较,在4个生育期估测精度均有显著提高,其中以叶绿素a和叶绿素总量的估测效果最好。  相似文献   

基于高光谱的棉花叶片磷含量估测模型     

马元花  印彩霞  王红玉  刘宇轩  刘前通  张泽 《中国农学通报》2023,39(1):123-132

研究不同施磷条件下棉花叶片叶绿素含量的变化规律，旨在建立基于高光谱的叶片磷含量估测模型，实现棉花叶片磷含量快速监测。在盆栽试验条件下，设置不同的磷肥量，测定棉花功能叶叶绿素含量与磷含量，并利用植被指数和叶绿素含量的相关性构建磷含量的光谱变量，从而实现利用高光谱对棉花叶片磷含量的定量监测。结果表明：(1)棉花播种后100天左右，叶片磷含量与叶绿素呈现显著关系(决定系数R²=0.96)。(2)利用多个植被指数(X)和叶绿素含量(I)的相关性构建倒一叶、倒二叶、倒三叶、倒四叶的磷含量光谱变量，其中各叶片相关性最优的模型：倒一叶(L₁)为I₁=2.6131X_RENDVI-0.4275,X_RENDV为红边归一化植被指数，R²=0.71,RMSE=0.2；倒二叶(L₂)为I₅=0.0142X_TVI+0.3274,X_TVI为三角植被指数，R²=0.76,RMSE...  相似文献   

滴灌棉花不同生育时期冠层叶片叶绿素含量的高光谱估测模型   总被引：1，自引：0，他引：1  

洪帅  张泽  张立福  马露露  海兴岩  王振  张辉  吕新 《棉花学报》2019,(2)

【目的】利用高光谱数据对新疆北方地区不同生育时期滴灌棉花冠层叶片叶绿素含量进行估测,建立生长时序的叶绿素含量估算模型。【方法】以新陆早45号为试验材料,测定不同施氮水平和生育时期棉花冠层叶片叶绿素含量及对应的光谱反射率,分析了12种指数与叶绿素含量的关系,构建了滴灌棉花冠层叶片叶绿素含量的估测模型。【结果】棉花的4个生育时期(现蕾期、盛蕾期、花铃期和吐絮期)中冠层叶片叶绿素含量与Vogelmann红边指数1的相关系数都高,分别是0.944、0.907、0.895、0.930;采用多元回归方法建立的模型精度高于单指数线性模型,其决定系数都大于0.8,且均方根误差(RMSE)都较小。现蕾期模型(y=82.509x_1+89.937x_2-94.438)精度最好。【结论】针对不同生育时期建立的模型均可对棉花冠层叶片叶绿素含量进行估测,其中现蕾期模型监测效果最好。  相似文献   

基于冠层光谱的早籼稻籽粒粗蛋白含量估测     

田容才  高志强  卢俊玮 《作物杂志》2020,36(4):188-626

利用2019年长江中下游早籼稻早中熟组种质资源为材料,分析主要生育期冠层光谱反射率与籽粒粗蛋白含量的关系,筛选出可用于早籼稻籽粒粗蛋白含量预测的敏感生育期和敏感波长,建立了基于敏感波长和光谱参数的籽粒粗蛋白的一元线性、多元线性、指数和多项式预测模型,用决定系数（R ²）、均方根误差（RMSE）和相对误差（RE）对模型精度进行评价,以期找到估测早籼稻籽粒粗蛋白含量的最适模型。研究发现,在孕穗期514、580、638和695nm波长处冠层一阶微分光谱反射率与籽粒粗蛋白含量相关性达到极显著水平;在基于敏感波长的估测模型中,四元线性模型估测效果最佳,其建模集R ²、RMSE和RE分别为0.566、0.342%和2.874%,验证集R ²、RMSE和RE分别为0.518、0.154%和1.303%;在基于光谱参数构建的估测模型中,DSI(R′₅₁₄和R′₆₃₈)为自变量构建的多项式模型估测效果较优,其建模集R ²、RMSE和RE分别为0.638、0.312%和2.639%,验证集R ²、RMSE和RE分别为0.581、0.230%和2.307%。  相似文献   

基于无人机多光谱影像的水稻冠层SPAD值预测研究     

田婷  张青  徐雯 《中国农学通报》2023,39(4):149-153

比较筛选水稻冠层SPAD值估测模型，为无人机多光谱遥感反演水稻SPAD值提供依据。利用无人机获取水稻拔节期、抽穗期、乳熟期的冠层多光谱影像，选取7种常用的植被指数，利用3种回归方法建立基于植被指数的水稻叶片SPAD值反演模型。结果表明，在不同生育期与水稻叶片SPAD值相关系数最高的植被指数不相同，拔节期最高的是GNDVI，抽穗期最高的是CI_Green，乳熟期最高的是CI_Rededge。抽穗期是水稻叶片SPAD值反演的最佳时期，模型具有较好的建模精度和估测效果，其中多元线性回归的建模精度较高，偏最小二乘回归模型的估测效果最好。试验结果可为水稻长势的实时无损监测提供参考。  相似文献   

秋玉米SPAD值的光谱估算模型研究     

花宇辉  高志强 《作物杂志》2019,35(5):173-8

研究不同秋玉米品种叶片SPAD值与一阶微分光谱的相关关系,筛选出8个品种的敏感波长和一阶微分光谱参数,建立不同品种SPAD值的一元线性、指数、多项式和基于一阶微分光谱参数的预测模型,计算建模集和验证集的均方根误差RMSE和相对误差RE。结果发现,不同秋玉米品种SPAD值与光谱一阶微分相关系数较高,均在0.8以上;不同秋玉米品种光谱一阶微分的敏感波段位于650~680nm;基于敏感波长建立的SPAD值预测模型均表现出较好效果,多项式模型效果最佳,模型估测精度在不同品种间存在差异;在8个秋玉米品种中,正大999的多项式预测模型表现最佳,其建模集RMSE和RE分别为2.762和3.643%,其验证集RMSEv和REv分别为3.322和4.518%。  相似文献   

稻瘟病胁迫下水稻叶片叶绿素含量与光谱特征参数的相关性研究   总被引：1，自引：0，他引：1  

谢凯  蒋蘋  罗亚辉 《中国农学通报》2017,33(17):117-122

为实现受稻瘟病侵染水稻叶片叶绿素含量的高光谱反演,以‘陵两优268’为研究对象,测定受稻瘟病侵染的85个水稻叶片样品的叶绿素含量和高光谱反射率,分析受稻瘟病侵染的水稻叶片高光谱反射率与叶绿素含量间的相关关系,使用线性与非线性回归技术建立叶绿素含量反演模型。结果显示:叶绿素含量与原始光谱及一阶导数光谱的敏感波段分别发生在700 nm和752 nm,基于光谱特征参数SDr的回归模型均方根误差为1.27,平均相对误差为10.2%。研究表明受稻瘟病侵染水稻叶片光谱反射率差异明显,基于光谱特征参数SDr的回归模型预测叶绿素含量具有较高的精度。  相似文献   

基于无人机多光谱的华北平原花铃期棉花叶片SPAD建模方法研究     

纪伟帅  陈红艳  王淑婷  张玉婷 《中国农学通报》2021,37(22):143-150

华北平原地区棉花叶片SPAD光谱特征有待探明,其最适宜建模方法亦有待研究。笔者针对华北平原棉区,基于无人机多光谱探索其叶片SPAD光谱特征和最佳建模方法。以德州市夏津县大李庄棉区为研究区,利用无人机获取棉花花铃期的多光谱图像,同步测定棉花叶片SPAD值;对原始光谱进行预处理并组合构建光谱指数,进而采用相关分析筛选出6个棉花SPAD特征光谱指数;分别采用BP神经网络(BPNN)、多元逐步回归(MSR)和支持向量机(SVM)方法构建棉花SPAD值定量分析模型,并对模型验证、对比,优选最佳模型和建模方法,进而定量分析研究区棉花叶片SPAD空间分布。结果表明:棉花叶片SPAD的特征波段为红光和红边波段;入选模型的特征光谱指数为r、r*reg、(reg-r)/(reg+r)、r-g、r/g、$\sqrt{r^{2}+g^{2}}$;对比3种建模方法,BPNN模型精度最高,其建模集R²、RMSE分别为0.747、4.568,验证集R²、RMSE、RPD分别为0.758、4.142、2.135,确定为棉花叶片SPAD的最佳模型。基于BP神经网络模型进行棉花叶片SPAD的空间分布反演,反演值与实测值具有高度一致性,拟合结果较好。BP神经网络可以作为基于无人机多光谱的华北平原棉花叶片SPAD建模的优选方法,该研究可促进棉田定量遥感和棉花长势监测。  相似文献   

水稻叶片叶绿素含量与吸收光谱变量的相关性研究   总被引：2，自引：1，他引：1  

刘子恒 《中国农学通报》2009,25(15):0-71

采用小区试验研究了水稻叶片叶绿素含量与吸收光谱衍生变量的相关性。结果表明：拔节期、抽穗期和灌浆期是水稻叶片诊断的敏感时期;选择最佳的敏感波段组合构造衍生变量,利用光谱衍生变量反演水稻叶片叶绿素含量。发现：在抽穗期和灌浆期,对数相加模型的反演能力明显优于SPAD值的反演能力。SPAD值的反演能力仅在拔节期略优于对数相加模型的反演能力,说明用每个生育期的相应敏感光谱波段对数相加能更加准确地估测叶绿素含量。本文为进一步改进SPAD-502的测量性能提出一些探索性研究。  相似文献   

Hyperspectral Models for Estimating SPAD Value of Cotton Leaves under Waterlogging Stress     

WU Qixia  LI Jinbo  ZHU Jianqiang  YAN Jun  SU Rongrui  XU Xiaoxiao 《棉花学报》2017,29(6):579-588

[Object] To setup the hyperspectral sensing models for estimating SPAD value of cotton leaves under waterlogging stress. [Method] Irrigation and drainage controllable plots were introduced to simulate the waterlogging stress treatment in the flowering and boll forming stage, during which the change characteristics of the cotton leaf spectral reflectance and SPAD value were observed after 1 d, 3 d, 6 d, 9 d waterlogging, respectively. To find out the hyperspectral sensing models for estimating SPAD value of cotton leaves under waterlogging stress, the correlation and regression relationships between SPAD value and spectrum parameters were analyzed. [Result] (1) The SPAD value of the fourth cotton leaf from the top was significantly lower than control when suffers from waterlogging for 3 d, when waterlogged 9 d the SPAD value decreased by around 15% compared with the control. (2) The cotton suffering from waterlogged damage in the flowering and boll forming stage caused the reflection peak in green light wave band became steep, while the near infrared spectral reflectance increased, and caused the reduction of red absorption and red edge position "blue shifts", the red edge position drifts towards short wave with 4～5 nm when suffers from waterlogging for 9 d. With increase of the waterlogged days, the red edge slope and red edge area increased with a maximum value at 6 d of waterlogging, meanwhile, the skewness and kurtosis of red edge increased. (3) After waterlogging, the SPAD value of the fourth cotton leaf from the top (chlorophyll content) had a remarkable correlation with red edge slope(Dr), red edge position(λr), green peak reflection(Rg), green peak position(λg), red well position(λo), blue edge area(SDb), yellow edge skewness(Sy), yellow edge kurtosis(Ky), red edge skewness(Sr), red edge kurtosis(Kr), etc. An experience linear, polynomial and exponential models for estimating SPAD value had been built through using the Sy, Sr, Kr as independent variables, respectively, their determination coefficient (R²) were greater than 0.9, and the root mean square error (RMSE) were less than 1; and an experience binary linear regression equation for estimating SPAD value had been built through multivariate regression using the λg, SDr/SDb(VI3), Sb, Sy, Ky as independent variables, the R² was as high as 0.973, and the RMSE was 0.393. [Conclusion] The model can be remote sensing model used as estimating leaf SPAD of cotton value under waterlogging stress.  相似文献   

基于近红外波段玉米叶绿素含量最佳预测模型研究   总被引：2，自引：0，他引：2  

武倩雯  熊黑钢  王莉锋  靳彦华  王凯龙 《中国农学通报》2015,31(15):260-264

为了进一步探究近红外波段玉米光谱反射率与其叶绿素含量之间的关系,笔者采用线性和非线性法对玉米叶绿素含量与近红外波段光谱反射率及植被指数之间的关系进行分析,建立叶绿素含量最佳预测模型。结果表明：在近红外波段,光谱反射率与玉米叶绿素含量的相关性较大;叶绿素含量与RVI(R1001/R760)、RSI(R765/R720)、NDVI(R990-R760)/(R760+R990)、NDSI(R813-R763)/(R813+R763)、CCI(D794/D763)等植被指数均达极显著相关,其中与NDVI的相关性最大,为0.91。基于近红外波段的植被指数建立玉米叶绿素含量预测模型中,采用RVI、RSI、NDVI、NDSI所建的二次多项式模型其决定系数R2均高达0.75以上。采用990、760nm处的归一化植被指数NDVI建立的二次多项式为玉米叶绿素含量最佳预测模型,其具有最大决定系数(R2=0.855),较小RMSE(2.433)和RE%(0.61%),为利用高光谱信息反映玉米生长状况的叶绿素信息提供了基础。  相似文献   

利用数码相机和成像光谱仪估测棉花叶片叶绿素和氮素含量   总被引：9，自引：1，他引：8  

王方永  王克如  李少昆  陈兵  陈江鲁 《作物学报》2010,36(11):1981-1989

实时、无损监测棉花叶片的叶绿素和氮素含量对诊断棉花生理状况和氮肥精确管理具有重要意义。本研究基于MSI200成像光谱仪和数码相机两种可见光传感器,分析和比较了光谱和颜色参数与叶绿素、氮素浓度和SPAD读数的关系,并且确立了其定量预测模型。结果表明,不同传感器对叶绿素和氮素最敏感的波段分别为R₇₁₀和R;光谱指数与叶绿素、氮素浓度和SPAD读数的相关性比原始光谱好,而且以蓝光和红光波段组成的差值指数(DI和R–B)的预测能力最佳;DI所建棉花叶片Chl a+b、Chl a、Chl b、N和SPAD读数的预测模型的预测误差分别为0.0058、0.0050、0.0018和2.3002 mg g^–1和4.9736(分别为均值的18.39%、19.47%、30.33%、11.69%和8.45%),预测精度R²分别为0.7965、0.7582、0.6608、0.7019和0.7338;R–B所建模型的预测性比DI差,对Chl a+b的预测精度最高(R²=0.7400),而预测Chl b的精度最低(R²=0.5653)。基于CIE 1976 L*a*b*颜色模型的颜色参数b*和HSI颜色模型的S是两种传感器与叶绿素、氮素浓度和叶色关系较好的颜色参数;b*对叶绿素、氮素浓度和SPAD读数的预测能力稍逊于DI,预测误差和精度都与DI的比较接近;而饱和度S值的预测RRMSE最大,整体预测精度小于0.62。因此,可以利用可见光成像传感器的光谱和颜色参数估测棉花叶片叶绿素和氮素含量。  相似文献   

基于植被指数的夏玉米不同生育期叶绿素含量遥感估算   总被引：1，自引：0，他引：1  

袁媛  瑚波  武兴厚  赵婷  常庆瑞 《中国农学通报》2015,31(15):254-259

叶绿素含量是间接判断玉米营养状况的重要农学参数,估算叶绿素含量对农作物长势监测有重要意义。笔者利用ASD便携式地物光谱仪和SPAD-502叶绿素仪实测了夏玉米关键生育期冠层光谱反射率及叶片叶绿素相对含量,对3种植被指数与叶绿素相对含量进行了相关性分析,建立了基于归一化植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)的叶绿素估算模型,并进行精度检验,从中选出最佳拟合模型。研究结果表明：拔节期RVI、抽穗期和灌浆期NDVI以及蜡熟期DVI的均方根差(RMSE)和相对误差(RE)均最低,RMSE分别为5.688、5.323、2.751、4.111,RE分别为9.84%、8.56%、3.75%、7.15%,故为各个时期的最佳模型。因此得到了NDVI、RVI和DVI3种植被指数在不同生育期的最佳模型,对指导夏玉米种植与田间管理具有重要的指导意义。  相似文献   

基于无人机高光谱影像的玉米地上生物量反演     

石雅娇  陈鹏飞 《中国农学通报》2019,35(17):117-123

【目的】研究以玉米地上干生物量为研究对象,探讨基于无人机高光谱数据利用人工神经网络法反演生物量的可行性。【方法】在吉林省蔡家镇开展玉米氮肥梯度试验,并进行无人机高光谱数据和地上干生物量获取,共获数据30组。随机选22组数据用于建模,剩下8组用于模型的外部验证。分别基于光谱指数法和BP神经网络算法构建反演模型,比较分析各种方法反演玉米生物量的优劣。【结果】结果表明：和基于光谱指数构建的生物量反演模型相比,BP神经网络模型取得了更好的反演结果。其建模时决定系数为0.99均方根误差为0.08 t/ha,相对均方根误差为3.39%；外部验证时,决定系数为0.99,均方根误差为0.15 t/ha,相对均方根误差为8.56%。【结论】BP神经网络模型可有效提高无人机高光谱遥感反演玉米地上生物量的精度。  相似文献   

Is it possible to forecast the grain quality and yield of different varieties of winter wheat from Minolta SPAD meter measurements?     

Marianne Le Bail  Marie-Hlne Jeuffroy  Christine Bouchard  Aude Barbottin 《European Journal of Agronomy》2005,23(4):379-391

To optimize wheat segregation for the various markets, it is necessary to add to genotype segregation, a prediction before harvest of the values of yield and grain protein concentration (GPC) for the different fields of the collecting area. Different tools allowing a prediction of crop production exist. Among them, the evaluation of nitrogen concentration by a chlorophyll meter (Soil–Plant Analysis Development (SPAD) readings), classically used to adapt the nitrogen fertilizer application, has been used in few works to foresee grain yield and grain protein concentration. But the relationships between N crop status and SPAD measurements varies among varieties and this genotypic effect has rarely been incorporated in models of forecasting grain quality.

This paper compares several models to forecast yield, nitrogen uptake in grain (NUG) and grain protein concentration from trials carried out in 2001 and 2002 at the INRA experiment station of Grignon (West of Paris). Trials crossed nine varieties by four (2002) or five (2001) nitrogen rates. Input variables of those models are mainly chlorophyll meter measurements (SPAD) on the penultimate leaf at GS65 and on the flag leaf at GS71 Zadoks growth stages and ear number per square meter (NE).

A square root model of yield based on NE × SPAD gave the best fit (RMSE = 0.6 t ha⁻¹ for both stages) if considering three different groups of genotypes. Based on the same variable, NE × SPAD, a quadratic model for NUG without significant effect of genotypes gave the best fit (RMSE, between 21 and 30 kg ha⁻¹ depending of the growth stage). And, for GPC, considering the same three groups of genotypes, the slope of the linear model with the ratio of predicted grain nitrogen concentration to predicted yield, is the same at both stages and very close to the standard value used to calculate protein concentration from nitrogen concentration (5.7), but the predictive quality of the model is more than 10% higher at GS71 (R² of 0.77) than at flowering (R² of 0.64). Finally, the sensibility of the models to delay in the stage of measurement is discussed.  相似文献