CN102636438A - 一种根据小麦植株吸氮量核心波长确定适宜带宽的方法 - Google Patents
一种根据小麦植株吸氮量核心波长确定适宜带宽的方法 Download PDFInfo
- Publication number
- CN102636438A CN102636438A CN201210109596XA CN201210109596A CN102636438A CN 102636438 A CN102636438 A CN 102636438A CN 201210109596X A CN201210109596X A CN 201210109596XA CN 201210109596 A CN201210109596 A CN 201210109596A CN 102636438 A CN102636438 A CN 102636438A
- Authority
- CN
- China
- Prior art keywords
- bandwidth
- plant
- core
- nitrogen
- core bands
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于小麦生长无损监测诊断领域,提供了一种根据小麦植株吸氮量核心波长确定适宜带宽的方法,该方法基于不同品种、密度、氮肥和播期的小麦大田试验数据,通过在确定的核心波段范围内核心波段和带宽同时变化条件下对模型预测精度与准度的影响,确定了各核心波长的适宜段宽;并且得到以下结论:最适的带宽与特定的核心波长有关;而且最适带宽不仅与特定的核心波长有关,还与构成植被指数的另一个波长相关,具有重要的理论意义和实践意义,非常值得应用和推广。
Description
技术领域
本发明属于无损监测领域,尤其涉及一种根据小麦植株吸氮量核心波长确定适宜带宽的方法。
背景技术
除了水分和光能辐射外,氮素是冬小麦及其他作物生长和产量形成的主要限制因素。而由植株氮含量和生物量构成的植株吸氮量显著地影响小麦产量、品质形成,是监测植株氮素状况的优良指标。
近来的研究表明窄波段在农作物生理参数的定量研究中可以提供比宽波段更多的信息,从而可以显著的提高模型预测精度。窄波段对监测植物生长参数具有更高的敏感性,窄波段植被指数还可以缓解植被指数在高生物量情况下的饱和以及在低生物量时降低土壤背景的影响。但另一些研究却发现窄波段数据在实际应用中表现并不是很理想。Broge和Leblanc研究表明相对于窄波段植被指数,宽波段植被指数在监测叶面积和叶绿素密度时受到外界因素的影响较小。Knox等地研究也指出高光谱数据中的噪音较大,原因是窄波段能够捕捉的能量较小易被传感器自身的噪声所掩盖。
目前的技术方法比较宽波段与窄波段植被指数时,会选择特定的核心波段和固定带宽的宽波段植被指数与相应的窄波段植被指数来比较,或者在特定的核心波段条件下通过带宽的变化来研究随着带宽的增加植被指数预测能力的变化规律。然而随着带宽的增加核心波段会有所变化,因而每一个核心波段都应有特定的最适带宽,较少的研究同时考虑到带宽和核心波段的同时变化对植被指数预测能力的影响以及带宽和核心波段的互作效应,从而不能系统分析不同带宽下所有核心波段组合的表现,并由此来确定核心波段及其最适的带宽。
发明内容
本发明提供了一种根据小麦植株吸氮量核心波长确定适宜带宽的方法,旨在解决目前的技术很少同时考虑到带宽和核心波段同时变化对植被指数预测能力的影响,从而不能系统分析不同带宽下所有核心波段组合的表现,并由此来确定核心波段及其最适的带宽的问题。
本发明的目的在于提供一种根据小麦植株吸氮量核心波长确定适宜带宽的方法,所述方法包括以下步骤:
采集不同年份、生态点、品种、氮肥、播期和密度处理的小麦植株样本;
对小麦植株样本进行冠层光谱反射率和植株吸氮量的测定;
基于任意两波段组合的归一化植被指数(NDVI),构建植被指数与小麦植株吸氮量的线性模型并确定核心波段的范围;
在确定的核心波段范围内任意两波段组合的归一化植被指数(NDVI)分别构建了不同带宽下的植株吸氮量监测模型,对于每一组特定波段组合的监测模型中,R2最大的模型所对应的带宽为该波段组合下的最适带宽。
进一步,在确定的核心波段范围内利用高斯响应函数模拟带宽及核心波段同时变化对已建模型精度和准度的影响,核心波段范围内任意两波段组合的归一化植被指数(NDVI)分别构建了不同带宽下的植株吸氮量监测模型,对于每一组特定波段组合的监测模型中,R2最大的模型所对应的带宽为该波段组合下的最适带宽;所有波段组合中最大的R2所对应的核心波段和带宽即为植株吸氮量监测的最优核心波段和最适带宽。
进一步,小麦植株样本的采集来自于8个大田实验,涉及不同年份、生态点、品种、氮肥、播期和密度处理。
进一步,所述冠层光谱反射率主要是采用FieldSpec Pro FR2500型背挂式野外高光谱辐射仪田间测量;该光谱仪的350~1000nm波段采样间隔为1.4nm,光谱分辨率为3nm;1000~2500nm波段采样间隔为2nm,光谱分辨率为10nm。
进一步,所述光谱仪的测量方法为:
在关键生育时期,在无云、无风或风速很小时进行,时间为10:00~14:00,于小麦冠层上方1.2m测量,测试时传感器探头垂直向下,光谱仪视场角为25°所测数据通过白板(Labsphere,North Sutton,NH,USA)校正后获得反射率数据,以15条光谱为一采样光谱,以其平均值作为该小区的光谱反射值。每测定5条光谱数据进行白板校正。
进一步,所述植株吸氮量的测定的实现方法为:
田间破坏性取样0.25m2,在105°下杀青并在80°下烘干至恒重后称重,测定植株干重;计算为单位土地面积植株干重;称重后将植株样本磨碎后进行氮含量分析。
进一步,所述植株氮含量采用凯氏定氮法测定,通过植株干重(PDW,g DWm-2)与植株氮含量(PNC,g 100g-1)相乘计算出植株吸氮量(PNU,g N m-2)。
进一步,所述植株吸氮量监测核心波段的确定基于归一化植被指数NDVI的形式,在350-2500nm范围内基于任意两波段组合的归一化植被指数(NDVI),构建NDVI与植株吸氮量线性模型并确定核心波段的范围;
进一步,所述所确定的核心波段范围为波段700-750nm和波段700-1000nm,带宽的变化从1nm到100nm间隔1nm。
进一步,所述植株吸氮量的测定方法包括以下步骤:
称样:每个样品称取0.14g左右。使用万分之一天平,每个样品做好编号,装入对应编号的试管中;
消煮:每个样品加5-10ml浓硫酸,浸泡一夜,放入消煮炉内消煮。280℃半个小时,升到330℃消煮1个小时,关闭消煮炉,冷却10min左右,边加入双氧水边小心摇晃至溶液无色透明,330℃继续加热半小时;
定容:消煮完成,样品冷却后,加入蒸馏水定容至100ml,摇匀;
蒸馏:加入10ml样品溶液,加入8-10ml氢氧化钠溶液。提前在三角瓶中加入5ml指示剂。大约40ml;
滴定:稀硫酸滴定至颜色变为原来的红色,读数。
本发明提供的确定小麦适宜带宽的方法基于不同品种、密度、氮肥和播期的八个小麦大田试验数据,通过在确定的核心波段范围内核心波段及段宽同时变化条件下对模型预测精度与准度的影响,确定了各核心波段的适宜段宽;并且得到以下结论:最适的带宽与特定的核心波段有关;而且最适带宽不仅与特定的核心波段有关,还与构成植被指数的另一个波段相关。
附图说明
图1示出了本发明实施例提供的根据小麦植株吸氮量核心波长确定适宜带宽的方法的实现流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定发明。
图1示出了本发明实施例提供的根据小麦植株吸氮量核心波长确定适宜带宽的方法的实现流程。
该方法包括以下步骤:
S101、采集不同年份、生态点、品种、氮肥、播期和密度处理的小麦植株样本;
S102、对小麦植株样本进行冠层光谱反射率和植株吸氮量的测定;
S103、在350-2500nm范围内基于任意两波段组合的归一化植被指数(NDVI),构建归一化植被指数(NDVI)与植株吸氮量线性模型并确定核心波段的范围;
S104、在确定的核心波段范围内利用高斯响应函数模拟带宽及核心波段同时变化对已建模型精度和准度的影响,核心波段范围内任意两波段组合的归一化植被指数(NDVI)分别构建了不同带宽下的植株吸氮量监测模型,对于每一组特定波段组合的监测模型中,R2最大的模型所对应的带宽为该波段组合下的最适带宽。而所有波段组合中最大的R2所对应的核心波段和带宽即为植株吸氮量监测的最优核心波段和最适带宽。
在本发明实施例中,植株吸氮量的测定采用凯式定氮法,定氮步骤具体如下:
首先是准备工作:
1、仪器清洗:用清水冲洗过后,用蒸馏水润洗两遍。
2、溶液配制:
---硼酸指示剂:20g硼酸加蒸馏水定容至1升,加5ml指示剂原液。每个样需要加5ml,1600个样大概需要8升。可以一次配制两升,即40g硼酸加蒸馏水定容至2升,加10ml指示剂原液。
---指示剂原液:0.5g溴甲酚绿和0.1g甲基红溶于100乙醇中。
---氢氧化钠溶液:4瓶氢氧化钠(500g/瓶)加5升水配制。每个样品需要用10ml,共需要16升,可以分三次配制,边用边配。
---稀硫酸溶液:1mol/L硫酸吸取28.3ml浓硫酸定容至1000ml。
具体操作步骤:
1、称样:每个样品称取0.14g左右。使用万分之一天平,每个样品做好编号,装入对应编号的试管中。
2、消煮:每个样品加5-10ml浓硫酸(最好能浸泡一夜),放入消煮炉内消煮。280℃半个小时,升到330℃消煮1个小时,关闭消煮炉,冷却10min左右,边加入双氧水边小心摇晃至溶液无色透明,330℃继续加热半小时。
3、定容:消煮完成,样品冷却后,加入蒸馏水定容至100ml,摇匀。
4、蒸馏:加入10ml样品溶液,加入8-10ml氢氧化钠溶液。提前在三角瓶中加入5ml指示剂。大约40ml。
5、滴定:稀硫酸滴定至颜色变为原来的红色,读数。
以下结合具体的实施方式对本发明做进一步的说明。
在本发明实施例中,共采集来自于8个大田实验,涉及不同年份、生态点、品种、氮肥、播期和密度处理的小麦植株样本。
在对采集的小麦植株样本进行冠层光谱反射率和植株吸氮量的测定中,冠层光谱反射率的测定主要是采用FieldSpec Pro FR2500型背挂式野外高光谱辐射仪田间测量。350~1000nm波段采样间隔为1.4nm,光谱分辨率为3nm;1000~2500nm波段采样间隔为2nm,光谱分辨率为10nm。冠层光谱测定选择在无云、无风或风速很小时进行,时间范围为10:00~14:00,传感器探头垂直向下,光谱仪视场角为25°,距冠层顶垂直高度约1.2m测量,所测数据通过白板(Labsphere,North Sutton,NH,USA)校正获得反射率数据。以15条光谱为一采样光谱,以其平均值作为该小区的光谱反射率。每测定5条光谱数据进行白板校正。每个试验在关键生育时期都进行观测。植株吸氮量的测定主要是田间破坏性取样0.25m2,在105°下杀青并在80°下烘干至恒重后称重,测定植株干重,进一步计算为单位土地面积植株干重。称重后将植株样本磨碎后进行氮含量分析。植株氮含量采用凯氏定氮法测定,通过植株干重(PDW,g DW m-2)与植株氮含量(PNC,g 100g-1)相乘计算出植株吸氮量(PNU,gN m-2)。
在构建植株吸氮量光谱指数中,植株吸氮量监测核心波段的确定基于归一化植被指数NDVI的形式。计算350-2500nm范围内任意两波段组合并从中选出核心波段,构建植株吸氮量植被指数。
其中λ1和λ2为不同核心波段下的光谱反射率。
利用高斯响应函数模拟带宽及核心波段变化对已建模型精度和准度的影响,其中,核心波段范围基于本文的结果为波段700-750nm和波段700-1000nm,带宽的变化从1nm到100nm间隔1nm。核心波段范围内的每一波段组合的NDVI分别构建了不同带宽下的植株吸氮量监测模型,对于每一组特定波段组合的监测模型中,R2最大的模型所对应的带宽为该波段组合下的最适带宽。而所有波段组合中最大的R2所对应的波段和带宽确定为植株吸氮量监测的最优核心波段和最适带宽。
适宜带宽下模型与窄波段模型R2的差值占窄波段模型R2的比例定义为带宽变化对模型准确度的影响度(percent variation)。该影响度的值为正说明在这一NDVI(λ2,λ1)组合下适宜带宽的结果由于窄波段的结果,其值越大说明适宜带宽波段指数与窄波段指数相比的优势越大。
本方法考虑了带宽和核心波段同时变化对模型的影响,分析了在确定的核心波段范围内所有波段组合的适宜带宽,从中选出最优核心波段组合及其最适的带宽。在本研究中我们比较了核心波段范围内所有两波段组合的归一化植被指数(NDVI)在不同带宽的下在植株吸氮量预测中的表现,发现基于窄波段指数的NDVI在监测植株吸氮量上并不一定具有优势,在一些波段范围内,例如核心波段在740-750nm和800-975nm组合范围内,随着带宽的增加模型对植株吸氮量的预测能力显著提高。同时,我们发现最适的带宽与特定的核心波段有关,例如位于红边区域的核心波段λ1(720-740)具有相对较窄的适宜带宽范围,而核心波段λ2所在范围825-860nm和930-1000nm则具有相对较宽的带宽。最适波段不仅与特定的波段位置有关,而且还与构成植被指数的另一个波段相关。例如当λ1=725nm时,λ2在765-867nm范围内时λ2适宜带宽值较大(大于80nm),而λ2在865-930nm范围内时λ2却有较窄的适宜带宽(小于20nm)。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种根据小麦植株吸氮量核心波长确定适宜带宽的方法,其特征在于,所述方法包括以下步骤:
采集不同年份、生态点、品种、氮肥、播期和密度处理的小麦植株样本;
对小麦植株样本进行冠层光谱反射率和植株吸氮量的测定;
基于任意两波段组合的归一化植被指数(NDVI),构建植被指数与小麦植株吸氮量的线性模型并确定核心波段的范围;
在确定的核心波段范围内任意两波段组合的归一化植被指数(NDVI)分别构建了不同带宽下的植株吸氮量监测模型,对于每一组特定波段组合的监测模型中,R2最大的模型所对应的带宽为该波段组合下的最适带宽。
2.如权利要求1所述的方法,其特征在于,在确定的核心波段范围内利用高斯响应函数模拟带宽及核心波段同时变化对已建模型精度和准度的影响,核心波段范围内任意两波段组合的归一化植被指数(NDVI)分别构建了不同带宽下的植株吸氮量监测模型,对于每一组特定波段组合的监测模型中,R2最大的模型所对应的带宽为该波段组合下的最适带宽;所有波段组合中最大的R2所对应的核心波段和带宽即为植株吸氮量监测的最优核心波段和最适带宽。
3.如权利要求1所述的方法,其特征在于,小麦植株样本的采集来自于8个大田实验,涉及不同年份、生态点、品种、氮肥、播期和密度处理。
4.如权利要求1所述的方法,其特征在于,所述冠层光谱反射率主要是采用FieldSpec Pro FR2500型背挂式野外高光谱辐射仪田间测量;该光谱仪的350~1000nm波段采样间隔为1.4nm,光谱分辨率为3nm;1000~2500nm波段采样间隔为2nm,光谱分辨率为10nm。
5.如权利要求4所述的方法,其特征在于,所述光谱仪的测量方法为:
在关键生育时期,在无云、无风或风速很小时进行,时间为10:00~14:00,于小麦冠层上方1.2m测量,测试时传感器探头垂直向下,光谱仪视场角为25°所测数据通过白板校正后获得反射率数据,以15条光谱为一采样光谱,以其平均值作为该小区的光谱反射值。每测定5条光谱数据进行白板校正。
6.如权利要求1所述的方法,其特征在于,所述植株吸氮量的测定的实现方法为:
田间破坏性取样0.25m2,在105°下杀青并在80°下烘干至恒重后称重,测定植株干重;计算为单位土地面积植株干重;称重后将植株样本磨碎后进行氮含量分析。
7.如权利要求4所述的方法,其特征在于,所述植株氮含量采用凯氏定氮法测定,通过植株干重与植株氮含量相乘计算出植株吸氮量。
8.如权利要求1所述的方法,其特征在于,所述植株吸氮量监测核心波段的确定基于归一化植被指数(NDVI)的形式,在350-2500nm范围内基于任意两波段组合的归一化植被指数(NDVI),构建归一化植被指数(NDVI)与植株吸氮量线性模型并确定核心波段的范围。
9.如权利要求1所述的方法,其特征在于,所述所确定的核心波段范围为波段700-750nm和波段700-1000nm,带宽的变化从1nm到100nm间隔1nm。
10.如权利要求1所述的方法,其特征在于,所述植株吸氮量的测定方法包括以下步骤:
称样:每个样品称取0.14g左右,使用万分之一天平,每个样品做好编号,装入对应编号的试管中;
消煮:每个样品加5-10ml浓硫酸,浸泡一夜,放入消煮炉内消煮;280℃半个小时,升到330℃消煮1个小时,关闭消煮炉,冷却10min左右,边加入双氧水边小心摇晃至溶液无色透明,330℃继续加热半小时;
定容:消煮完成,样品冷却后,加入蒸馏水定容至100ml,摇匀;
蒸馏:加入10ml样品溶液,加入8-10ml氢氧化钠溶液。提前在三角瓶中加入5ml指示剂。大约40ml;
滴定:稀硫酸滴定至颜色变为原来的红色,读数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210109596.XA CN102636438B (zh) | 2012-04-16 | 2012-04-16 | 一种根据小麦植株吸氮量核心波长确定适宜带宽的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210109596.XA CN102636438B (zh) | 2012-04-16 | 2012-04-16 | 一种根据小麦植株吸氮量核心波长确定适宜带宽的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102636438A true CN102636438A (zh) | 2012-08-15 |
CN102636438B CN102636438B (zh) | 2015-05-27 |
Family
ID=46620915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210109596.XA Active CN102636438B (zh) | 2012-04-16 | 2012-04-16 | 一种根据小麦植株吸氮量核心波长确定适宜带宽的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102636438B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103528965A (zh) * | 2013-08-28 | 2014-01-22 | 南京农业大学 | 一种小麦叶片等效水厚度高光谱监测方法 |
CN104614321A (zh) * | 2015-01-20 | 2015-05-13 | 山东农业大学 | 一种基于光谱图像的作物长势实时监测方法 |
-
2012
- 2012-04-16 CN CN201210109596.XA patent/CN102636438B/zh active Active
Non-Patent Citations (6)
Title |
---|
《农业机械学报》 20110228 姚霞等 小麦氮素无损监测仪敏感波长的最佳波段宽度研究 162-167 10 第42卷, 第2期 * |
冯伟等: "利用红边特征参数监测小麦叶片氮素积累状况", 《农业工程学报》 * |
姚霞等: "基于减量精细采样法估算小麦叶片氮积累量的最佳归一化光谱指数", 《应用生态学报》 * |
姚霞等: "小麦氮素无损监测仪敏感波长的最佳波段宽度研究", 《农业机械学报》 * |
王强盛等: "钾对不同类型水稻氮素吸收利用的影响", 《作物学报》 * |
肖彦春等: "凯氏定氮仪的使用及维护", 《中国计量》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103528965A (zh) * | 2013-08-28 | 2014-01-22 | 南京农业大学 | 一种小麦叶片等效水厚度高光谱监测方法 |
CN103528965B (zh) * | 2013-08-28 | 2016-03-02 | 南京农业大学 | 一种小麦叶片等效水厚度高光谱监测方法 |
CN104614321A (zh) * | 2015-01-20 | 2015-05-13 | 山东农业大学 | 一种基于光谱图像的作物长势实时监测方法 |
CN104614321B (zh) * | 2015-01-20 | 2017-07-25 | 山东农业大学 | 一种基于光谱图像的作物长势实时监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102636438B (zh) | 2015-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gnyp et al. | Hyperspectral canopy sensing of paddy rice aboveground biomass at different growth stages | |
CN102426153B (zh) | 一种基于冠层高光谱指数的小麦植株水分监测方法 | |
Chang-Hua et al. | Estimating leaf chlorophyll content using red edge parameters | |
CN103868880B (zh) | 基于光谱双峰指数的小麦叶片氮含量监测方法及其监测模型的构建方法 | |
Daumard et al. | Continuous monitoring of canopy level sun-induced chlorophyll fluorescence during the growth of a sorghum field | |
CN110567892B (zh) | 一种基于临界氮浓度的夏玉米氮素高光谱预测方法 | |
CN103954567A (zh) | 基于连续统去除法的土壤盐分测定方法 | |
CN101776584B (zh) | 松材线虫病的高光谱综合分析早期探测方法 | |
CN103185695A (zh) | 一种基于光谱的烤烟成熟度田间快速判断方法 | |
CN107505271A (zh) | 基于氮素组分辐射传输模型的植株氮素估算方法和系统 | |
CN109060676A (zh) | 基于高光谱的夏玉米冠层spad值估算模型的确定方法 | |
CN103048276A (zh) | 一种用于检测作物冠层叶片碳氮比的光谱指数构造方法 | |
CN113035290A (zh) | 一种基于高光谱遥感技术的小麦植株氮积累量监测方法 | |
GomezChova et al. | Solar induced fluorescence measurements using a field spectroradiometer | |
CN109959621A (zh) | 一种基于中高分辨率时序遥感数据的水环境分析方法 | |
CN102636438B (zh) | 一种根据小麦植株吸氮量核心波长确定适宜带宽的方法 | |
He et al. | Remote estimation of leaf water concentration in winter wheat under different nitrogen treatments and plant growth stages | |
Wu et al. | Research of foliar dust content estimation by reflectance spectroscopy of Euonymus japonicus Thunb | |
CN112362812A (zh) | 基于Lars算法的水稻叶片叶绿素类胡萝卜素含量比值遥感反演模型和方法 | |
An et al. | The optimal soil water content models based on crop-LAI and hyperspectral data of winter wheat | |
Kasim et al. | Estimation of the relative chlorophyll content in spring wheat Based on an optimized spectral index | |
Tola et al. | Determining soil organic carbon concentration in agricultural fields using a handheld spectroradiometer: implication for soil fertility measurement. | |
Kong et al. | An integrated field and hyperspectral remote sensing method for the estimation of pigments content of Stipa Purpurea in Shenzha, Tibet | |
Huang et al. | Estimation of chlorophyll content in pepper leaves using spectral transmittance red-edge parameters | |
Li et al. | Assessing plant nitrogen concentration in winter oilseed rape using hyperspectral measurements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |