基于高光譜成像技術(shù)的油菜除草劑脅迫診斷及生理信息檢測研究.pdf

1、精細(xì)農(nóng)業(yè)是一種既能提高農(nóng)業(yè)產(chǎn)量與品質(zhì)，又能優(yōu)化資源利用率、保護(hù)生態(tài)環(huán)境等多目標(biāo)優(yōu)化的新型農(nóng)業(yè)，是我國發(fā)展現(xiàn)代農(nóng)業(yè)、緩解資源環(huán)境壓力、促進(jìn)農(nóng)民增收農(nóng)業(yè)增效、推進(jìn)智能農(nóng)業(yè)裝備技術(shù)、實(shí)現(xiàn)可持續(xù)發(fā)展的必由之路。農(nóng)田作物生理信息的獲取是精細(xì)農(nóng)業(yè)信息獲取的關(guān)鍵和核心問題之一，傳統(tǒng)方法對作物生理信息的獲取敏銳性不足、耗時(shí)費(fèi)力，不能實(shí)現(xiàn)實(shí)時(shí)動態(tài)監(jiān)測。作物生理信息快速無損檢測技術(shù)能夠?qū)r(nóng)情狀態(tài)進(jìn)行快速、實(shí)時(shí)的監(jiān)測和診斷，且不破壞作物，為農(nóng)業(yè)生產(chǎn)管理提供基

2、礎(chǔ)信息，提高了農(nóng)業(yè)管理決策的科學(xué)性和預(yù)見性，促進(jìn)傳統(tǒng)的經(jīng)驗(yàn)型農(nóng)業(yè)向數(shù)字化、精細(xì)化、智能化的現(xiàn)代農(nóng)業(yè)轉(zhuǎn)變。本研究以在我國種植廣泛、具有較好的經(jīng)濟(jì)價(jià)值的甘藍(lán)型油菜為研究對象，應(yīng)用光譜、成像和圖譜融合技術(shù)實(shí)現(xiàn)了3種油菜常用化學(xué)除草劑的脅迫診斷和油菜生理指標(biāo)的快速測定，對油菜生產(chǎn)過程的數(shù)字化、精細(xì)化和科學(xué)化管理決策提供了技術(shù)支持，對發(fā)展綠色農(nóng)業(yè)，實(shí)施農(nóng)藥減施技術(shù)，提高油菜籽的產(chǎn)量和品質(zhì)具有重要意義。主要研究結(jié)論如下:
　　(1)提出了3種

3、油菜除草劑（草除靈、丙酯草醚及胺苯磺隆）脅迫診斷的特征波長選取方法，建立了油菜不同生長期不同除草劑隨施藥時(shí)間的脅迫程度診斷模型，結(jié)合植被指數(shù)顯著性分析實(shí)現(xiàn)了大田和盆栽油菜除草劑藥害的快速診斷。針對油菜3種常用除草劑施藥后的脅迫效應(yīng)（大田試驗(yàn)為施藥后7、14和21天;盆栽試驗(yàn)為施藥后12、24、36、48和72小時(shí)），提出了特征波長提取的二階導(dǎo)數(shù)法，分別提取除草劑脅迫程度和種類診斷的特征波長，建立了支持向量機(jī)判別模型，結(jié)果表明:①針對油菜

4、施藥后的脅迫程度的最佳診斷時(shí)間，苗期草除靈為施藥后21天（大田）和36小時(shí)（盆栽），與植被指數(shù)RVSI與PRI顯著相關(guān);苗期丙酯草醚為施藥后7天（大田）和12小時(shí)（盆栽），與植被指數(shù)DVI、PRI和VSR顯著相關(guān);苗期胺苯磺隆為施藥后48小時(shí)（盆栽），與植被指數(shù)DVI、GNDVI、RVSI和SIPI顯著相關(guān);抽薹期草除靈脅迫程度與植被指數(shù)GNDVI、SIPI和VSR顯著相關(guān)，胺苯磺隆與植被指數(shù)PRI顯著相關(guān)。②針對除草劑種類的脅迫診斷，

5、苗期大田試驗(yàn)中丙酯草醚與草除靈的支持向量機(jī)模型區(qū)分識別率為96.3％（施藥21天），盆栽試驗(yàn)中胺苯磺隆與丙酯草醚和草除靈的區(qū)分識別率為80.00％左右;抽薹期大田試驗(yàn)中草除靈與胺苯磺隆的區(qū)分識別率為100％（施藥14天）。
　　(2)研究了基于空間灰度共生矩陣不同方向角（0°、45°、90°、135°和平均角度）的紋理信息提取方法，建立了油菜不同生長期3種除草劑脅迫程度的紋理信息診斷模型和特征光譜-紋理信息融合診斷模型，實(shí)現(xiàn)了除草

6、劑脅迫程度的多源信息融合診斷。研究提取了特征波長圖像上基于空間灰度共生矩陣不同方向角(0°、45°、90°、135°和平均角度)的8個(gè)紋理信息（均值、方差、逆差矩、對比度、非相似度、熵、角二階矩和相關(guān)性），建立了除草劑脅迫程度診斷的支持向量機(jī)模型，結(jié)果表明:①紋理信息診斷模型的最佳輸入變量為135°方向上的紋理信息;②草除靈、丙酯草醚、胺苯磺隆的脅迫程度診斷最優(yōu)模型分別為融合診斷模型（施藥7天，識別率為86.67％）、紋理信息模型（施藥

7、14天，識別率為93.3％）、融合診斷模型(施藥7天，識別率為85.0％)。
　　(3)提出了光譜數(shù)據(jù)組合預(yù)處理方法和特征波長提取方法，建立了油菜苗期和抽薹期葉片生理信息的全譜和特征波長快速無損檢測模型。針對除草劑脅迫下油菜葉片生理信息（丙二醛含量MDA、過氧化物酶活性POD、超氧化物歧化酶活性SOD和可溶性蛋白含量），建立了不同組合預(yù)處理下的偏最小二乘法PLS、最小二乘-支持向量機(jī)LS-SVM和極限學(xué)習(xí)機(jī)ELM預(yù)測模型，結(jié)果表明

8、:①對MDA的預(yù)測，苗期和抽薹期的最優(yōu)模型分別為基于特征波長的ELM模型（RP=0.929）和全譜PLS模型（RP=0.923）;②對POD的預(yù)測，苗期和抽薹期的最優(yōu)模型分別為基于特征波長的PLS模型（RP=0.877）和基于特征波長的ELM模型（RP=0.920）;③對SOD的預(yù)測，苗期和抽薹期的最優(yōu)模型分別為基于特征波長的PLS模型（RP=0.936）和基于特征波長的ELM模型(RP=0.798);④對可溶性蛋白含量的預(yù)測，苗期和抽

9、薹期的最優(yōu)模型分別為全譜PLS模型（RP=0.931）和基于特征波長的ELM模型（RP=0.934）;⑤針對4個(gè)生理指標(biāo)，分別選取不同年度（2011和2012年度）相同的特征波長所建最優(yōu)模型的預(yù)測相關(guān)系數(shù)均大于0.825。
　　(4)應(yīng)用高光譜成像技術(shù)“圖譜合一”的特性，建立了油菜葉片MDA、POD、SOD和可溶性蛋白含量的PLS預(yù)測模型，構(gòu)建了油菜葉片4種生理指標(biāo)預(yù)測分布圖，首次實(shí)現(xiàn)了非生物脅迫下油菜葉片生理信息的分布可視化，為