基于冠层光谱特性的水稻叶片含水率模型_孙俊

《基于冠层光谱特性的水稻叶片含水率模型_孙俊》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第25卷第9期农业工程学报Vol.25No.92009年9月TransactionsoftheCSAESep.2009133基于冠层光谱特性的水稻叶片含水率模型1,2111孙俊，毛罕平，羊一清，张晓东（1．江苏大学江苏省现代农业装备与技术质量点实验室，镇江212013；2．江苏大学电气信息工程学院，镇江212013）摘要：基于水稻叶片含水状况与冠层光谱反射率存在关联，尝试构建水稻叶片含水率模型。在水稻生长的孕穗期，同时测量室外水稻冠层光谱反射率和叶片含水率，依据水稻叶片含水率与各光谱波段反射率之间的相关性系数，选取高相关性系数对应

2、的光谱特征波段。采用遗传算法对BP神经网络的初始权值进行优化处理。分别应用BP神经网络和GA-BP-Network、传统多元线性回归方法建立预测模型。试验表明，GA-BP-Network模型的预测含水率值与真实值平均误差率为3.9%，最大误差率为6.1%，均比BP神经网络、传统多元线性回归预测模型有了很大的改善，提高了预测水稻叶片含水率的准确性。关键词：光谱分析，遗传算法，神经网络，多元线性回归分析，水稻doi：10.3969/j.issn.1002-6819.2009.09.024中图分类号：S511，S127文献标识码：A文章

3、编号：1002-6819(2009)-9-0133-04孙俊，毛罕平，羊一清，等.基于冠层光谱特性的水稻叶片含水率模型[J].农业工程学报，2009，25(9)：133－136.SunJun,MaoHanping,YangYiqing,etal.Modelofmoisturecontentofpaddyriceleafbasedoncanopyspectralreflectance[J].TransactionsoftheCSAE,2009,25(9)：133－136.(inChinesewithEnglishabstract)[

4、8]-[9]义抽象。BP神经网络是传统的预测方法，其具有较0引言强的函数非线性映射能力，经过训练可以找出输入、输水分是水稻的主要组成成分，水分亏缺是影响水稻出参数之间内在的映射关系，但是BP神经网络的初始权生长及产量的因素之一，所以研究水稻水分检测技术对值难以确定，若初始权值不当，BP网络则难以收敛且容水稻生长具有质量要意义。无损检测技术是随着高新技易陷入局部最优，且“过训练”问题会直接影响着网络术的发展应运而生的一门新技术，主要运用光学、电学最终的回归性能。为了提高BP网络学习效率和预测能和声学等方法对产品进行分析，且不破坏样

5、品，在迅速力，本文采用遗传算法对BP神经网络初始权值等进行优的获得样品信息的同时保证了样品的完整性。国内外对化，选择一组较优的初始权值，提高BP网络收敛速率，植物叶片或植株水分无损检测已有研究。EverittJH等利构成GA-BP-Network算法。目前国内外关于利用[1]用960nm处的导数光谱监测水稻的水分亏缺状况。田GA-BP-Network算法对水稻叶片含水率预测的研究鲜有永超等研究了不同土壤水氮条件下水稻、小麦冠层光谱报道，故本文尝试利用水稻冠层光谱信息，构建水稻叶反射特征和植株水分状况的量化关系，但是没有建立水片含水

6、率GA-BP-Network预测模型，提高预测精度。[2-3]分预测模型。CleversJGPW研究水稻冠层光谱与冠层1水稻样本培育及样本数据采集含水的相关性，得出970nm是试验中用于预测水稻冠层[4]含水的最优波段。王纪华利用线性回归方法对基于光谱水稻品种选为全生育期为158～160d的武育粳18反射率诊断小麦叶片水分状况进行了研究，但是线性回号，地点为江苏大学农业工程研究院的农业试验大棚内，[5]归算法预测精度不高。吉海彦测量冬小麦叶片在不同生栽种方式为沙粒盘栽，株行距为0.3m×0.3m。水稻的营长期的反射光谱，用偏最小二

7、乘方法（PartialLeast养液配制按照国际水稻营养液配方，于2007年7月1日Squares）建立了冬小麦叶片叶绿素和水分含量与反射光育苗，8月初开始按3个水分水平处理，分为3组，每组[6]谱的定量分析模型，LiL利用GA-PLS算法研究叶片和各有30盘：第一组在整个试验期间都保证充足的水分供[7]冠层水平上的等效水厚度，可以获得低均方根误差，但应，第二组在试验期间保持水正好浸泡沙子，第三组在是偏最小二乘法（PLS）算法模型建立过程复杂，公式含试验期间沙子处于缺水状态。测量水稻冠层光谱所用仪器选用美国ASD公司生产的Fiel

8、dSpec®3型手持便携式光谱仪器，光谱测量范围收稿时间：2008-10-20修订时间：2009-03-04基金项目：国家高技术研究发展计划863项目（2008AA10Z204）；国家自然为350～2500nm，在350～1000nm光谱区采样间隔