基于近紅外光譜技術(shù)的水稻葉部病害診斷模型構(gòu)建.pdf

1、本文主要研究了利用光譜數(shù)據(jù)診斷水稻胡麻斑病和水稻紋枯病葉片的理論和方法,通過(guò)對(duì)多種算法的比較分析研究,找出了最優(yōu)的光譜預(yù)處理和分析算法,并建立了最優(yōu)的病害嚴(yán)重度診斷模型和識(shí)別模型。為今后通過(guò)航空航天遙感平臺(tái)大面積監(jiān)測(cè)水稻胡麻斑病和水稻紋枯病提供了依據(jù),也可以為水稻其他病害的遙感監(jiān)測(cè)提供借鑒和參考。
　　 本文的研究對(duì)象是自然條件下發(fā)病的水稻葉片,主要流程如下:
　　 光譜數(shù)據(jù)采集階段,比較了運(yùn)用內(nèi)置光源的反射探頭和裸光纖

2、測(cè)量水稻葉片光譜信息的優(yōu)劣；通過(guò)比較不同寬度水稻葉片對(duì)光譜反射率的影響,發(fā)現(xiàn)寬度的變化對(duì)近紅外區(qū)域水稻葉片光譜反射率影響較大；同時(shí)提出了水稻病害葉片光譜數(shù)據(jù)采集的注意事項(xiàng),對(duì)進(jìn)入預(yù)處理階段的光譜進(jìn)行了篩選,最后獲取101個(gè)水稻病害葉片樣本用于論文研究。
　　 光譜數(shù)據(jù)預(yù)處理階段,針對(duì)光譜數(shù)據(jù)存在噪聲和散射的問(wèn)題,主要研究了S-G平滑、kernel平滑、導(dǎo)數(shù)算法、多元散射校正等預(yù)處理算法。結(jié)果表明,平滑點(diǎn)數(shù)和多項(xiàng)式階數(shù)需根據(jù)實(shí)際進(jìn)

3、行調(diào)整；kernel平滑比S-G平滑算法更優(yōu),但是處理速度較慢；光譜信息的一階導(dǎo)數(shù)較二階導(dǎo)數(shù)對(duì)噪聲敏感度低,且能得出重要的光譜參數(shù)；多元散射校正能很好的消除基線的平移和偏移。
　　 水稻病害光譜特征分析階段,對(duì)水稻病害葉片光譜信息對(duì)比發(fā)現(xiàn):在400～700nm范圍內(nèi),隨著胡麻斑病和紋枯病病害等級(jí)的增加反射率逐漸增高,紋枯病較胡麻斑病光譜反射率增高速度迅速；在700～1300 nm近紅外區(qū)域,水稻胡麻斑病和紋枯病葉片反射率隨病害等

4、級(jí)的增加而逐漸降低；在1900nm～2000nm范圍內(nèi),水稻紋枯病葉反射率隨等級(jí)增加逐漸增高,而水稻胡麻斑病葉片反射率隨等級(jí)增加而降低；而其他波段無(wú)明顯規(guī)律。
　　 特征提取階段,針對(duì)近紅外光譜的數(shù)據(jù)量大、波段眾多的問(wèn)題,先根據(jù)嚴(yán)重度與反射率的相關(guān)性數(shù)據(jù),選取了水稻胡麻斑和紋枯病的敏感波段,再運(yùn)用主成分分析的算法,選取累積貢獻(xiàn)率達(dá)到85％以上的前2個(gè)分量,最終選取990nm、1850nm、660nm、1921nm、1933nm這

5、5個(gè)主要的特征波段用于建模；原始光譜反射率經(jīng)一階導(dǎo)數(shù)處理后,選取與嚴(yán)重度相關(guān)性最好的紅邊面積作為區(qū)分健康與生病葉片的重要參數(shù)。
　　 模型建立階段,通過(guò)對(duì)得到的5個(gè)特征波段和紅邊面積參數(shù)分別建立水稻胡麻斑和紋枯病的嚴(yán)重度診斷模型,通過(guò)模型驗(yàn)證表明以下模型精度最高:(1)胡麻斑入選的組合反射率R1933nm-R990nm建立的模型:y=11.4971x+5.0313,r=0.8912；(2)紋枯病入選的紅邊面積和組合反射率R660