基于光譜和多光譜圖像技術(shù)的植物生長信息采集.pdf

1、精細農(nóng)業(yè)是高新技術(shù)與農(nóng)業(yè)生產(chǎn)相結(jié)合形成的一門新興的跨學(xué)科和綜合技術(shù)。以農(nóng)田信息采集、變量作業(yè)和智能化管理為核心的精細農(nóng)業(yè)代表了21世紀農(nóng)業(yè)發(fā)展的必然趨勢?？焖儆行У夭杉兔枋鲎魑锏纳L信息是開展精細農(nóng)業(yè)的重要基礎(chǔ)，同時也是精細農(nóng)業(yè)研究的熱點問題。
　　 結(jié)合國內(nèi)外對作物生長信息采集的研究，針對于溫室黃瓜種植現(xiàn)狀，本文應(yīng)用光譜和多光譜圖像技術(shù)對黃瓜的生長信息進行快速采集。主要研究內(nèi)容如下：
　　 1．研究了黃瓜葉片光譜反射

2、率與黃瓜SPAD值含量的關(guān)系，建立黃瓜SPAD值含量的定量分析模型．采用不同建模方法對全波段光譜進行建模，結(jié)果表明采用最小二乘支持向量機(LSSVM)建模得到的預(yù)測效果最好。其相關(guān)系數(shù)r和預(yù)測均方根誤差RMSEP分別為0.9583和0.9732．通過對黃瓜葉片的光譜反射率與SPAD值的相關(guān)系數(shù)和PLS建模回歸系數(shù)分析，得到了531—581nm和696—716nm兩個特征波段以及556nm、581nm、698nm和715nm四個特征波長，

3、應(yīng)用LSSVM分別對特征波段和特征波長建模，分析表明，采用特征波段建模結(jié)果較好，其預(yù)測相關(guān)系數(shù)r和預(yù)測均方根誤差分別為0.9338和1.1370，與全波段建模結(jié)果相近，而采用特征波長建模效果稍差。
　　 2．研究了黃瓜葉片光譜反射率與含氮量的關(guān)系。對不同建模算法進行比較，結(jié)果表明LSSVM校正模型對葉片含氮量的預(yù)測效果最好，預(yù)測相關(guān)系數(shù)r和均方根誤差RMSEP分別為0.8651和1.1731。采用相關(guān)系數(shù)法和回歸系數(shù)法得到兩個特

4、征波長534—573nm和698—721nm以及三個特征波長556nm、703nm和717nm．采用LSSVM對所選的特征波段和特征波長進行建模分析，采用特征波長建模效果比較差，而采用特征波段建模其預(yù)測相關(guān)系數(shù)r和預(yù)測均方根誤差RMSEP分別為0.8445和1.2715，說明采用特征波段建?？梢栽诒ＷC精度的情況下大大減少運算量。
　　 3．研究了植被指數(shù)同黃瓜生長信息的關(guān)系．利用標(biāo)定板建立了光譜反射率同圖像灰度值之間的線性公式．