基于光谱指数波段优化算法的小麦玉米冠层含氮量估测

作物关键生育时期冠层氮素含量的实时监测对于优化氮肥用量和减少环境风险具有重要的意义。为了寻求预测不同作物氮素含量的最佳光谱参数,实现作物氮素无损营养诊断。本研究通过2008年—2011年在德国慕尼黑弗莱辛和河北曲周的不同氮量的小麦玉米田间试验,采用高光谱仪获取小麦玉米冠层的反射光谱,利用光谱理论模型进行光谱指数波段的优化,从而抽取不同冠层结构条件下的小麦玉米氮素营养敏感波段。结果表明与传统的基于红光的光谱指数相比,优化光谱指数显著提高了小麦玉米冠层氮素含量的预测能力,克服了传统的基于红光光谱指数的饱和问题。优化光谱指数的波段结合随着作物品种及其冠层结构的变化而变化,其优化波段范围主要集中在红边（730～760nm）和红边向近红外的过渡区域（760～880nm）。优化结果显示玉米最佳光谱指数为R_（λ766）/R_（λ738）-1,小麦最佳光谱指数为R_（λ796）/R_（λ760）-1,玉米小麦相结合优化后的最佳光谱指数为R_（λ876）/R_（λ730）-1。结果进一步验证了优化光谱指数估测的不同作物含氮量的预测值与实测值相关性最高,且验证偏差最小,证实了优化后的光谱特征参数可对不同作物氮素丰缺状况进行快速、准确、无损估测。试验结果也为设计作物冠层氮素传感器和更好的利用现有基于卫星的传感器实施区域上的作物氮素营养监测提供了理论基础。

近红外光谱波段优化选择在驴奶成分分析中的应用

近年来,驴奶引起了越来越多研究者的注意。与牛奶相比,驴奶的营养成分更接近母乳,且有着许多独特的优势。由于驴奶与牛奶成分差别较大,适用于牛奶的模型无法直接应用于驴奶的成分分析中。但目前还未见将近红外光谱分析技术应用到驴奶成分分析中的研究报道。文章采用傅里叶变换近红外光谱法,快速测定了新疆疆岳驴奶中脂肪、蛋白质、能量和灰分的含量。其含量分布范围分别为:1.15%～2.54%,0.34%～2.67%,355.87～565.17cal.kg-1,0.28%～0.57%。光谱扫描区为3899.6～12493.4cm-1,扫描间隔1cm-1。采用PLS回归算法对光谱信息阵X提取主成分时附加约束,使X的主成分与待分析组分Y相关。并利用优化波段和不同预处理方法优化组合,建立了PLS回归预测模型,并与PLS全谱区建模预测进行了比较。结果表明波段优化组合建模分析效果整体优于全谱区建模结果,驴奶样品中脂肪、蛋白质、能量和灰分的近红外光谱定量分析模型预测值与化学分析实测值在水平α=0.05下显著相关,其含量分析模型的校验集(RMSEP)值分别为0.18,0.117,23.5,0.0406,表明预测值有较好的精度。结果表明建立近红外光谱定量分析模型用于驴奶样品成分分析是可行的,波段优化选择与全谱建模分析效果比较表明,建立定量分析模型对波段优化组合选择是必要的,当模型中包含了与组分无关的信息时,对模型定量分析将起干扰的作用,会影响模型的分析效果。因此进行谱段信息选择建立相应组分分析模型是数据预处理的有效环节。样品各组分标准值的测定结果的准确度和精确度都影响近红外定量分析的准确度。以近红外光谱法进行定量建模分析时,扩大组分含量的分布范围,提高标准数据的分析精度和准确度都是很必要的。

砂梨糖度近红外光谱波段遗传算法优化

遗传算法不受搜索空间限制性假设的约束,利用简单的编码技术和繁殖机制来解决复杂近红外光谱数据的优化问题。文章采用遗传算法的波段选择法(R-SGA)对砂梨近红外光谱进行了波段优化,得到丰水、圆黄、黄金三种梨的R-SGA最佳因子数分别为10,12和16,并分别建立了单一品种GA-PLS模型;丰水梨和黄金梨的GA-PLS模型精度高于全谱PLS模型,其模型的RMSEP分别为0.608/0.632和0.524/0.540;圆黄梨GA-PLS模型精度(RMSEP=0.610)与全谱PLS模型(RMSEP=0.595)相当。经波段优化分析表明,使用552个数据点建立多品种砂梨混合模型,具有较高稳健性和预测性(RMSEC=0.627,RMSEP=0.641)。结果表明:基于遗传算法进行波段优化可以提高砂梨糖度模型精度,提高建模效率,同时说明建立多品种砂梨糖度通用模型是可行的。

基于优化光谱指数的夏玉米地上生物量估算

以夏玉米为研究对象,首先获取拔节期、大喇叭口期、抽雄期和灌浆期4个关键生育期的地面高光谱数据,并实测各生育期的地上生物量(AGB);其次基于任意波段组合的波段优化算法,分别构造6种不同波段组合形式的两波段和三波段光谱指数;然后将构造的12种光谱指数与地面实测的AGB进行相关性分析,从中筛选出相关性最好的光谱指数作为最优光谱指数构建夏玉米全生育期的AGB估算模型;最后对最优光谱指数估算夏玉米各关键生育期AGB的性能进行系统评价。结果表明:基于波段优化算法筛选的最优三波段光谱指数TBI6(760,925,895)与夏玉米各生育期和全生育期的AGB均具有良好的相关性,其构建的AGB估算模型具有较高的精度,可为夏玉米全生育期AGB的快速无损估算及AGB监测装置的集成与开发提供参考。

优化光谱指数助力机器学习提高马铃薯叶绿素含量反演精度

【目的】基于光谱指数的遥感估测方法因计算简单而被用于作物生长实时监测,但在作物生育前期易受土壤背景的影响而后期容易失去灵敏性。随着人工智能的快速发展,利用机器学习算法对叶绿素进行估测成为提高遥感监测精度的普遍接受的方法。然而机器学习算法种类较多,且估测结果与输入变量有很大的关系,本研究选用最常用的偏最小二乘法和随机森林算法,比较不同投入变量对这两个算法马铃薯叶绿素含量估测精度的影响。【方法】2019—2020年,在内蒙古马铃薯主产区进行不同氮素水平田间试验,在马铃薯关键生育时期获取光谱数据和叶绿素值,利用试验数据对光谱指数进行波段优化,寻找叶绿素敏感的优化光谱指数。分别利用全反射光谱波段和优化光谱指数作为输入变量,代入随机森林和偏最小二乘法模型对马铃薯叶绿素含量进行估测,将试验数据分为75%的建模集和25%的验证集,比较模型的精确度,同时对模型进行评价。【结果】光谱指数优化波段主要集中在紫光和绿光范围,基于中心波段408和552 nm的光谱指数Opt-NDVI优化效果最好。通过优化,光谱指数与马铃薯叶绿素含量的相关性显著提高,但是相关性受生育时期影响较大,马铃薯花后生育时期其相关性高于花前生育时期。利用随机森林和偏最小二乘法建模结果表明,与优化光谱指数相比,机器学习模型显著提高了对马铃薯叶绿素含量的估测能力,随机森林和偏最小二乘法模型都具有较高的估测精度。通过验证集数据和PROSAIL物理模型的验证和评价证明,基于优化光谱指数的随机森林模型具有更好的建模能力,实测值与估测值具有良好的线性拟合,且验证效果最好,同时克服了生育时期的影响。【结论】光谱指数的预测能力受生育时期的影响较大,优化光谱指数作为输入变量不仅可有效减少输入变量数量从而提高随机森林算法和偏最小二乘法的计算效率,而且可使预测精度有所提高。基于优化光谱指数的随机森林算法对马铃薯叶绿素含量的估测精度最高,在各生育时期都具有较好的估测能力,克服了生育时期的影响,利用该方法可对马铃薯叶绿素含量进行估测。

基于近红外光谱检测腐乳盐坯中盐分含量的研究

分别在短波、长波近红外2个区域,以透射、反射2种方式探讨了利用近红外光谱检测腐乳盐坯中盐分含量的理论依据,试验表明,光谱吸光度随盐溶液浓度的增加逐渐降低,谱峰向短波方向漂移;在用偏最小二乘法(PLS)建模过程中,重点讨论了异常值剔除,光谱预处理,波段优化选择等。尝试了在900nm￣1300nm、1650nm￣1850nm、2150nm￣2240nm 3段光谱范围内建模,所得建模相关系数R(0.994)、建模标准差RMSEC(0.391%)、预测标准差RMSEP(0.416%)、预测集平均相对标准偏差RSD(2.27%)均好于连续全谱(833nm￣2500nm)范围的指标。另外,还得出了积分球与光纤漫反射光谱对盐分检测结果无显著性差异(p=0.01)的结论。

空间信息遥感分类背景参数的应用分析

重点论述了空间信息遥感图像识别分类中背景参数的应用，包括图像信息的地学、生态特性与其制图对象、尺度的分析拟定；地物识别分类最佳时相图像的物侯历的研究；遥感图像识别分类中波段优化组合分析以及地物识别的目标背景因素的辅助应用。该类背景参数与区域参数的应用研究一样，对空间图像数字识别分类的精度的根本改进与提高，具有重要的作用。