基于敏感波段的小麦冠层氮含量估测模型.pdf

《基于敏感波段的小麦冠层氮含量估测模型.pdf》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31卷第22期1762015年11月农业工程学报TransactionsoftheChineseSocietyofAgriculturalEngineering、，01．31No．22NOV．2015基于敏感波段的小麦冠层氮含量估测模型杨宝华1,2陈建林1⋯，陈林海1⋯，曹卫星1t姚霞1，朱艳睬(1．南京农业大学／国家信息农业工程技术中心，南京210095；2．安徽农业大学信息与计算机学院，合肥230036：3．上海市农业科学院农业科技信息研究所，上海201403；4．南京农业大学继续教育学院，南京210095)摘要：为提高小麦冠层叶片氮素含量检测

2、精度，在不同生育时期对5种不同氮素水平的小麦试验田进行光谱采集，获取了234个范围为350～2500am的高光谱数据。在比较蒙特卡洛一无信息变量消除(montecarlo．uninformativevariableelimination，MC-UVE)、随机青蛙(randomfrog)、竞争自适应重加权采样(competitiveadaptivereweightedsampling，CARS)及移动窗口偏最小二乘法的波段选择等方法的基础上，提出一种竞争性自适应重加权算法与相关系数法相结合的敏感波段选择方法，并从2151个原始波段中选出了30个敏感波段

3、。用筛选后的30个波段数据建立非线性回归模型，得到了径向基神经网络模型校正集均方根误差为0．3699，预测集均方根误差为1．074e．009，校正决定系数为0．9832，预测决定系数为0．9982。试验结果表明：经过竞争自适应重加权采样的相关分析后所建立的径向基神经网络预测模型，无论是预测精度还是建模精度，比误差后向传播(backpropagation，BP)神经网络和支持向量回归模型相比都有了显著提高，该方法在小麦氮含量预测过程中具有明显的优势，可在实际生产中应用。关键词：氮；光谱分析；算法；小麦冠层；检测；敏感波段；竞争性自适应重加权算法；高光谱

4、数据doi：10．11975巧．issn．1002—6819．2015．22．024中图分类号：S127；0657．33文献标志码：A文章编号：1002—6819(2015)一22—0176—07杨宝华，陈建林，陈林海，曹卫星，姚霞，朱艳．基于敏感波段的小麦冠层氮含量估测模型[J]．农业工程学报，2015，31(22)：176—182．doi：10．11975／j．issn．1002—6819．2015．22．024http：／／www．tcsae．orgYangBaohua，ChertJianlin，ChertLirdaai，CaoWeixing,

5、YaoXia，ZhuYah．Estimationmodelofwheatcanopynitrogencontentbasedonsensitivebands[J]．TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE)，2015，31(22)：176--182．rinChinesewithEnglishabstrac0doi：10．11975／j．issn．1002—6819．2015．22．024http：／／www．tcsae．org0引言氮素

6、是小麦生长必不可少的营养元素【11，快速获取氮素信息是监测小麦生长发育及品质保证的前提。高光谱遥感技术由于具有无损、高效等优点，已经被广泛运用在作物生长监测[2]。其中，利用光谱分析对小麦氮素含量进行无损定量监测，国内外已有一定的研究成果ij。6J。Dennis等【7】建立包括植被指数(normalizeddifferencevegetationindex，NDVI)和绿色植被指数(greennormalizeddifferencevegetationindex，GNDVI)等与小麦氮素含量间的二次多项式模型。姚霞等[8】分析基于星载通道的光谱指数与

7、小麦冠层叶片氮素营养指标的定量关系，确定监测小麦冠层叶片氮素营养的较好卫星传感器和光谱波段。冯伟等[9】建立了小麦叶片氮素状况估算的红边参数及监测模型，其中红边参数GM2、SR705和FD742与叶片氮积累量的关系最密切。唐强等【1o】利用光谱参数TCARI和VD672有效地评价小麦后期冠层叶片氮素状收稿日期：2015—04．30修订日期：2015—10．13基金项目：国家自然科学基金项目(31201130，31201131)；农业部行业专项(201303109)：江苏省高校优势学科建设项目(PAPD)和安徽农业大学学科培育骨干项目(2014XKPY

8、-62)作者简介：杨宝华，副教授，博士，主要从事数字农业、3s研究。南京南京农业大学／国家信息农业工程技术中