论文部分内容阅读
水稻作为主要的粮食作物之一,它的种植面积以及总产量均处于世界前列,水稻的生长过程对农业生产和粮食安全等方面有着重大影响。水稻叶片作为水稻植株的重要组成部分,是水稻进行呼吸、光合以及蒸腾作用的主要器官。叶绿素是叶片的一项生理参数,它是水稻植株进行光合作用时最主要的色素之一,是判定水稻光合能力、健康状态以及营养元素含量的重要指标。叶面积是叶片的一项形态参数,其大小决定了水稻光合面积的大小,对水稻的生理生态、作物栽培、作物产量都具有十分重要的意义。本文采用支持向量机回归(Support Vector Machine Regression,SVR)的方法对水稻叶片的生理及形态参数进行研究,主要研究内容如下:为探明RGB与HSI两种色彩空间下水稻叶片图像颜色特征与叶绿素相对含量(Soil and Plant Analyzer Development,SPAD)之间的关系,通过对比传统的和改进的网格搜索算法(Improved Grid Search Algorithm,IGSA)在SVR上的参数寻优性能,采用参数优化后的SVR,建立了金优458(JY458)、中早35(ZZ35)以及两优培九(LYP9)三种水稻品种在两种色彩空间下的SPAD值预测模型。结果表明:IGSA在SVR上的参数寻优性能更好,且其均方根误差(Root Mean Squared Error,RMSE)和寻优时间都明显低于传统的网格搜索算法;三种水稻品种在HSI色彩空间上预测值的RMSE和平均相对误差(Mean Relative Error,MRE)均低于RGB色彩空间。为探明水稻叶长、叶宽与叶面积之间的关系,以水稻叶长(L),叶宽(W)以及叶面积回归拟合值(S)作为输入变量,应用IGSA参数优化后的SVR建立水稻叶面积的预测模型。结果表明:不同水稻品种下,本文提出的支持向量机回归Ⅲ模型预测结果的RMSE和MRE最低。为探明高光谱信息与SPAD值之间的关系,通过分析中嘉早17(ZJZ17)水稻品种叶片的原始光谱反射率和一阶微分光谱获得光谱植被指数与光谱位置参数,并与叶片SPAD值之间进行相关性分析,并采用一元线性回归、SVR、逐步多元线性回归(Stepwise Multiple Linear Regression,SMLR)以及SMLR+SVR,分别构建水稻叶片SPAD值预测模型。结果表明:15个植被指数中VOG1与SPAD呈最大正相关,CARI与SPAD呈最大负相关;14个光谱位置参数中黄边面积(SDy)与SPAD呈最大正相关,蓝边振幅(Db)与SPAD呈最大负相关;构建的四种模型中,SMLR+SVR模型的预测精度最高。研究表明:基于支持向量机回归构建水稻叶片生理及形态参数的预测模型具有一定的可行性,预测误差小,为快速准确无损获取叶片的生理及形态参数提供一种新的方法。