论文部分内容阅读
本文基于地面高光谱遥感与数字图像信息对甜菜氮素诊断方法进行研究,分析了国内外作物氮素营养诊断研究进展,结合本研究中可见近红外光谱数据与数字图像数据特点,建立了基于可见近红外光谱与数字图像信息的甜菜氮素营养诊断模型。本研究主要工作和成果如下：1.设计了不同氮素梯度下的甜菜小区试验,采用ASD高光谱仪采集甜菜冠层可见近红外光谱数据,采用Canon数码相机采集甜菜冠层数字图像数据,并同时测定甜菜冠层氮素含量指标,选取了146组样品作为建模集、48组样品作为验证集,用来建立甜菜冠层氮素含量诊断模型。2.对甜菜冠层数字图像进行图像预处理,图像滤波采用3×3中值滤波法,图像分割依次采用H颜色通道特定阈值法去除土壤干扰背景,采用Otsu法去除了阴影干扰背景,采用Cb颜色通道特定阂值法去除白板干扰背景,得到了甜菜冠层绿叶图像；利用MATLAB软件统计分析得到了甜菜冠层R、G、B颜色值数据信息。3.基于数字图像信息对甜菜氮素营养诊断方法进行研究,利用逐步多元线性回归建立了线性回归氮素预测模型,预测相关系数r=0.84,均方根误差RMSE=1.63;对图像数据进行主成分分析,利用支持向量机算法建立甜菜氮素营养诊断模型,预测相关系数r=0.79,均方根误差RMSE=1.85,利用BP神经网络算法建立甜菜氮素营养诊断模型,预测相关系数r=0.85,均方根误差RMSE=1.26。研究结果表明,BP神经网络算法建立的氮素预测模型比支持向量机算法和多元逐步回归建立的模型具有更好的预测效果。4.基于可见近红外光谱信息对甜菜氮素营养诊断方法进行研究,将原始可见近红外光谱数据转换成植被指数信息；利用多元逐步回归建立基于植被指数的氮素含量预测模型,预测相关系数r=0.77,均方根误差RMSE=1.09。5.基于可见近红外光谱与数字图像融合信息对甜菜氮素营养诊断方法进行研究,将植被指数信息与颜色特征值信息进行信息融合,对其进行主成分分析,利用支持向量机算法建立甜菜氮素营养诊断模型,预测相关系数r=0.82,均方根误差RMSE=1.64,利用BP神经网络算法建立甜菜氮素诊断模型,预测相关系数r=0.88,均方根误差RMSE=1.03。研究结果表明,BP神经网络算法比支持向量机算法和多元逐步回归具有更好的预测效果。