CN103185695A - 一种基于光谱的烤烟成熟度田间快速判断方法 - Google Patents
一种基于光谱的烤烟成熟度田间快速判断方法 Download PDFInfo
- Publication number
- CN103185695A CN103185695A CN201310088703XA CN201310088703A CN103185695A CN 103185695 A CN103185695 A CN 103185695A CN 201310088703X A CN201310088703X A CN 201310088703XA CN 201310088703 A CN201310088703 A CN 201310088703A CN 103185695 A CN103185695 A CN 103185695A
- Authority
- CN
- China
- Prior art keywords
- flue
- cured tobacco
- spectrum
- leaf
- tobacco
- 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.)
- Pending
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于光谱的烤烟成熟度田间快速判断方法,该方法包括以下步骤:测定烤烟叶片在1100nm和660nm的光谱反射率,计算烤烟叶片在这两个波长的光谱反射率之比R1100/R660,以R1100/R660到表1中查找对应的烤烟叶片成熟度。本发明的方法利用高光谱对烤烟成熟度进行判断。首先利用多波段组合可以提高叶绿素光谱诊断的精度,且高光谱植被指数反射信息大、外部因子影响小,有利于消除土壤亮度、色度、大气和地形地貌的影响,使其对植被参数的估计更为精确,另本发明能够从烤烟内在化学成分对其成熟度进行判断,快速,准确,值得在生产推广应用。
Description
技术领域
本发明属于烟草种植技术领域,具体涉及一种基于光谱的烤烟成熟度田间快速判断方法。
背景技术
烟叶成熟度是影响烤烟质量的核心要素之一,烤烟生产中快速、准确判断田间烟叶成熟度对适时采收和科学调制具有重要意义。
目前,国内外在烟叶成熟采收时所采用的方法不尽相同。美国通过提前1周采摘烟叶样品进行化学成分分析,以此来判断烟叶是否成熟;津巴布韦则根据烟叶成熟时彩色图片颜色、烤房试验及抽屉试验的量化指标来判断烤烟成熟度;日本则采用比色卡比色的方法来判断。Nolte等学者也曾提出用烤烟叶片电导率诊断法来判断烟叶成熟度。
在国内烤烟生产上,主要采用叶片外观特征结合叶龄的方法,如根据不同成熟度烟叶的外观特征、茎叶夹角、适熟烟叶采收叶龄来判别烤烟的成熟度,但这些方法在应用时存在外观描述的含糊性、经验性及主观性问题。
近年来,随着农业生物信息技术的发展,相关技术在烤烟长势监测、估产和预测品质上曾有一些报道。李向阳等选取室内光谱红边参数反演出相应的叶绿素含量估测烤烟叶片成熟度,并用光谱反射率预测烤烟叶片烟碱含量;李佛林等研究提出基于SPAD(soil plant analysis development,SPAD)的成熟度判别TMDSPADV模型,且发现不同成熟度鲜烟叶的差异主要表现在叶绿素含量上;汪强等在TMDSPADV模型基础上建立了基于计算机视觉技术的烟叶成熟度判定方法。
现有的研究表明,单一波段反射率易受生物量、土壤背景等环境因子的影响,如SPAD仪在生产上应用时受到作物品种、生育期、环境条件等的影响较大;随着高光谱技术的兴起,利用光多波段组合可以提高叶绿素光谱诊断的精度。高光谱植被指数反射信息大、外部因子影响小,有利于消除土壤亮度、色度、大气和地形地貌的影响,使其对植被参数的估计更为精确,广泛应用于水稻、小麦、大豆等作物的品质与产量监测,但其在烟草上的研究却鲜有报道,而有关运用光谱植被指数监测烟叶成熟度的研究更少见报道。
发明内容
为了克服现有的烤烟成熟度判断方法在应用时存在外观描述含糊性、经验性及主观性等缺点,本发明的目的在于提供一种基于光谱的烤烟成熟度田间快速判断方法,该方法是基于不同成熟度烤烟鲜烟叶光谱反射率特性、相应叶片的叶绿素、类胡萝卜素含量、类叶比及其与光谱植被指数间的相关关系,构建基于光谱植被指数的烟叶成熟度监测模型,为建立烤烟生产上烟叶成熟度鉴别的定量化方法提供依据。
本发明的目的通过下述技术方案实现:
一种基于光谱的烤烟成熟度田间快速判断方法,包括以下步骤:
测定烤烟叶片在1100nm和660nm的光谱反射率,计算烤烟叶片在这两个波长的光谱反射率之比R1100/R660,以R1100/R660到表1中查找对应的烤烟叶片成熟度;
表1 烤烟鲜烟叶成熟度的判别
本发明相对于现有技术具有如下的优点及效果:
本发明的方法利用高光谱对烤烟成熟度进行判断。首先利用多波段组合可以提高叶绿素光谱诊断的精度,且高光谱植被指数反射信息大、外部因子影响小,有利于消除土壤亮度、色度、大气和地形地貌的影响,使其对植被参数的估计更为精确,另本发明能够从烤烟内在化学成分对其成熟度进行判断,快速,准确,值得在生产推广应用。
附图说明
图1是不同成熟度的鲜烟叶的光谱反射曲线图。
图2是烟叶叶绿素含量与比值植被指数的定量关系示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1
试验于2010-2011年在广东省韶关市始兴县马市镇进行,供试烤烟品种K326,试验地前茬为水稻,土壤为紫色土,pH5.35,有机质质量分数2.64%,全氮质量分数0.105%,全磷质量分数0.158%,全钾质量分数2.79%,碱解氮142.88mg·kg-1,速效磷16.1mg·kg-1,速效钾72.4mg·kg-1。
试验设置2种施肥模式:SPAD仪指导的烤烟实时氮肥管理模式(RTNM施肥法)和当地农民习惯施肥法,RTNM施肥法共施纯氮110kg/hm2,农民习惯施肥法共施纯氮165kg/hm2,具体施用方法参照表2。
表2 氮肥施用量及施用时期
每种施肥方法设3个重复,共6个小区,采用随机区组排列,每小区种烟150株,行株距110cm×60cm,其他管理措施按照始当地优质烟叶栽培技术规范执行。
根据生产实践经验中烤烟田间成熟度分级标准,选取2种施肥模式下不同成熟度等级(见表3)的中部叶(从下往上数第12片叶)和上部叶(从下往上数第18片叶)作为光谱信息采集的样本,其中当地农民习惯施肥法采集的数据用于模型的建立,RTNM施肥法采集的数据进行模型的验证。
表3 烤烟田间成熟度分级标准
用美国CropScan公司生产的MSR-16型多光谱仪在天气晴朗无云时的10:00~14:00对不同成熟度等级的中部叶和上部叶进行鲜烟叶光谱反射率测定,测定时以黑布为统一背景,将叶片水平放置在黑布上并置于阳光照射下,探头垂直距叶中10cm处测定,每片烟叶测定20次,取平均值为该烟叶的光谱反射率。
剪取经过光谱反射率测定后的鲜烟叶,采用分光光度计法测定叶片的叶绿素和类胡萝卜素含量,二者均以鲜叶质量分数%表示。
计算可见光波段和近红外波段两波段组成的所有比值植被指数RVI、归一化植被指数NDVI和差值植被指数DVI。RVI(λ1,λ2)=ρλ1/ρλ2;NDVI(λ1,λ2)=|ρλ1-ρλ2|/(ρλ1+ρλ2);DVI(λ1,λ2)=|ρλ1-ρλ2|;其中ρ为反射率,λ为波长。采用MATLAB软件进行数据的统计分析,Excel绘制图。
图1为烟株不同成熟度中、上部鲜烟叶的光谱反射曲线。中、上部鲜烟叶的光谱反射曲线具有典型的绿色植物光谱特征,因植物色素吸收作用,整个光谱曲线存在明显的2个吸收谷和1个反射峰,不同成熟度的中部叶和上部叶光谱反射率所表现的规律基本一致。在可见光波段(460nm-680nm),烟叶光谱反射率随着烟叶成熟度的增加逐渐升高;而在近红外波段(760nm-1300nm)处,烟叶光谱反射率随着烟叶成熟度的增加而逐渐降低。
对敏感波段进行3种光谱植被指数拟合,分别与色素含量及类叶比进行相关分析列于表4。
表4 3种光谱植被指数与叶片色素含量及其比值的相关关系
由表4可知,RVI、NDVI与色素含量及类叶比均达到显著相关水平,DVI相关性较差,且中部叶和上部叶规律基本上一致。植被指数不同,反演色素含量的能力也各不相同,近红外波段与红光波段660nm组合的植被指数相关性较其他可见光波段高,且RVI与NDVI与色素含量呈极显著正相关,与类叶比呈显著负相关关系,中部和上部烟叶叶绿素含量均与RVI(1100,660)相关系数最大。因此,本试验条件下可选择RVI(1100,660)与叶绿素含量建立模型。
采用当地农民习惯施肥法不同成熟度水平的中部叶、上部叶及所有样本叶片叶绿素含量与RVI(1100,660)建立的回归模型,如图2所示,叶绿素含量与RVI(1100,660)建立了良好的回归方程,决定系数均在0.9以上,是理想的反演叶绿素含量的方程。
为了检验模型的可靠性和预测精度,本试验条件下采集RTNM施肥模式烟株叶片数值对所建立的方程进行验证,采用根均方差(RMSE)检验其预测性的强弱,相关系数及平均误差检测其精密度和准确性(见表5)。
表5 模型检验
由表5可知,通过模型反演出的预测值与实测值相关系数均较高,中部叶模型平均误差为0.139,相关系数达到0.969,所有样本叶片模型RMSE最小,为18.1%,其平均误差为0.145。表明在本试验条件下,用比值植被指数来预测烤烟叶绿素含量是可行的,且可以用一个回归模型同时预测中、上部烟叶叶绿素含量。
通过相关及回归分析,可知叶绿素含量所对应的比值植被指数R1100/R660可以很好反映烤烟鲜烟叶的成熟度,且中部叶和上部叶可以构建同一个模型,y=0.0138x-0.0235,由于中、上部烟叶田间成熟度分级标准不同,其不同成熟度等级的范围也有差别。由表6可知,中、上部烟叶不同成熟度等级对应不同的叶绿素含量与RVI,烟叶成熟时,中部叶、上部叶叶绿素质量分数分别为0.027%,0.028%,对应的R1100/R660均值分别为3.14和3.49,当R1100/R660处于成熟范围(中部叶[3.47,2.81],上部叶[3.77,3.33])内时,烟叶达到成熟状态;R1100/R660小于2.72时,中部叶过熟,小于2.78时,上部叶过熟。
表6 烤烟鲜烟叶成熟度的判别
实施例2
试验于2012年在广东省韶关市始兴县高水村进行,试验地土壤基本理化性质见表7,试验施氮方法为当地传统农家施氮方式,共4个小区,每个小区种植60株,四周设保护行,其它管理措施按优质烤烟规范化生产要求进行。试验在烤烟成熟期前后按照表3的标准,分别按照生叶、欠熟、尚熟、成熟及过熟的成熟度等级,在采收期前后,于4个小区内分中上部叶,取每个成熟等级烟叶各100片,其中部叶50片,上部叶50片。
表7 试验地土壤基本理化性质
用美国CropScan公司生产的MSR-16型多光谱仪在天气晴朗无云时的10:00~14:00对不同成熟度等级的中部叶和上部叶进行鲜烟叶光谱反射率测定,测定时以黑布为统一背景,将叶片水平放置在黑布上并置于阳光照射下,探头垂直距叶中10cm处测定,每片烟叶测定20次,取平均值为该烟叶的光谱反射率。
从获得的各成熟等级叶片的光谱反射率中选取1100及660nm波段的光谱反射率,算出植被指数R1100/R660的值,与烤烟鲜烟叶成熟度的判别表中的范围进行比对,找出对应的成熟度。
通过试验发现该方法下成熟度的判断较为准确,准确率出了中部叶尚数低于90%外,其他成熟等级均高于90%,说明成熟度判别准确率高,该方法适用性强。
表8 成熟度模型的判断效果
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310088703XA CN103185695A (zh) | 2013-03-19 | 2013-03-19 | 一种基于光谱的烤烟成熟度田间快速判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310088703XA CN103185695A (zh) | 2013-03-19 | 2013-03-19 | 一种基于光谱的烤烟成熟度田间快速判断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103185695A true CN103185695A (zh) | 2013-07-03 |
Family
ID=48676979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310088703XA Pending CN103185695A (zh) | 2013-03-19 | 2013-03-19 | 一种基于光谱的烤烟成熟度田间快速判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103185695A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104568771A (zh) * | 2014-12-21 | 2015-04-29 | 云南省烟草公司昆明市公司 | 一种经济、便捷、高效的烤烟鲜烟叶成熟度的分级方法 |
CN106568737A (zh) * | 2016-10-28 | 2017-04-19 | 核工业北京地质研究院 | 一种地面成像高光谱反演钾盐含量的方法 |
CN110596049A (zh) * | 2019-09-17 | 2019-12-20 | 云南农业大学 | 一种光谱速测烟草叶片中磷含量的方法 |
CN110596048A (zh) * | 2019-09-17 | 2019-12-20 | 云南农业大学 | 一种光谱速测烟草叶片中钾含量的方法 |
CN111380812A (zh) * | 2020-02-24 | 2020-07-07 | 红塔烟草(集团)有限责任公司 | 一种快速鉴别烤烟硃砂烟叶的方法 |
CN111380811A (zh) * | 2020-02-24 | 2020-07-07 | 红塔烟草(集团)有限责任公司 | 一种快速鉴别烤烟完熟烟叶的方法 |
CN111968075A (zh) * | 2020-07-21 | 2020-11-20 | 天津大学 | 一种基于高光谱的种植物成熟度检测系统及方法 |
CN112684029A (zh) * | 2020-12-05 | 2021-04-20 | 云南省烟草农业科学研究院 | 一种基于烟叶差异代谢物含量快速检测烟叶成熟度的方法及装置 |
CN112697726A (zh) * | 2020-12-09 | 2021-04-23 | 云南省烟草农业科学研究院 | 一种基于无人机高光谱田间烟叶烟碱含量预测方法及系统 |
CN112697723A (zh) * | 2020-12-09 | 2021-04-23 | 云南省烟草农业科学研究院 | 一种基于无人机高光谱大田烟草产量预测方法及系统 |
CN114092839A (zh) * | 2021-11-23 | 2022-02-25 | 黑龙江八一农垦大学 | 基于无人机遥感的大豆收获期成熟度的判断方法 |
CN114711010A (zh) * | 2022-06-09 | 2022-07-08 | 苏州农业职业技术学院 | 一种月季栽培中水土肥管理方法、系统及介质 |
CN115144346A (zh) * | 2022-06-23 | 2022-10-04 | 勐海曼香云天农业发展有限公司 | 一种香米田间成熟度确定方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101762463A (zh) * | 2009-12-16 | 2010-06-30 | 中国烟草总公司郑州烟草研究院 | 一种基于冠层多光谱的烤烟鲜烟叶叶绿素含量测定方法 |
CN102323221A (zh) * | 2011-05-31 | 2012-01-18 | 河南农业大学 | 烟叶成熟度检测方法及检测装置 |
-
2013
- 2013-03-19 CN CN201310088703XA patent/CN103185695A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101762463A (zh) * | 2009-12-16 | 2010-06-30 | 中国烟草总公司郑州烟草研究院 | 一种基于冠层多光谱的烤烟鲜烟叶叶绿素含量测定方法 |
CN102323221A (zh) * | 2011-05-31 | 2012-01-18 | 河南农业大学 | 烟叶成熟度检测方法及检测装置 |
Non-Patent Citations (1)
Title |
---|
余志虹 等: "利用烟叶光谱植被指数快速监测烤烟成熟度", 《烟草农学》, no. 2, 28 February 2013 (2013-02-28) * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104568771A (zh) * | 2014-12-21 | 2015-04-29 | 云南省烟草公司昆明市公司 | 一种经济、便捷、高效的烤烟鲜烟叶成熟度的分级方法 |
CN106568737A (zh) * | 2016-10-28 | 2017-04-19 | 核工业北京地质研究院 | 一种地面成像高光谱反演钾盐含量的方法 |
CN106568737B (zh) * | 2016-10-28 | 2019-10-22 | 核工业北京地质研究院 | 一种地面成像高光谱反演钾盐含量的方法 |
CN110596049A (zh) * | 2019-09-17 | 2019-12-20 | 云南农业大学 | 一种光谱速测烟草叶片中磷含量的方法 |
CN110596048A (zh) * | 2019-09-17 | 2019-12-20 | 云南农业大学 | 一种光谱速测烟草叶片中钾含量的方法 |
CN111380812A (zh) * | 2020-02-24 | 2020-07-07 | 红塔烟草(集团)有限责任公司 | 一种快速鉴别烤烟硃砂烟叶的方法 |
CN111380811A (zh) * | 2020-02-24 | 2020-07-07 | 红塔烟草(集团)有限责任公司 | 一种快速鉴别烤烟完熟烟叶的方法 |
CN111968075B (zh) * | 2020-07-21 | 2022-11-08 | 天津大学 | 一种基于高光谱的种植物成熟度检测系统及方法 |
CN111968075A (zh) * | 2020-07-21 | 2020-11-20 | 天津大学 | 一种基于高光谱的种植物成熟度检测系统及方法 |
CN112684029A (zh) * | 2020-12-05 | 2021-04-20 | 云南省烟草农业科学研究院 | 一种基于烟叶差异代谢物含量快速检测烟叶成熟度的方法及装置 |
CN112697723A (zh) * | 2020-12-09 | 2021-04-23 | 云南省烟草农业科学研究院 | 一种基于无人机高光谱大田烟草产量预测方法及系统 |
CN112697726A (zh) * | 2020-12-09 | 2021-04-23 | 云南省烟草农业科学研究院 | 一种基于无人机高光谱田间烟叶烟碱含量预测方法及系统 |
CN114092839A (zh) * | 2021-11-23 | 2022-02-25 | 黑龙江八一农垦大学 | 基于无人机遥感的大豆收获期成熟度的判断方法 |
CN114092839B (zh) * | 2021-11-23 | 2024-05-28 | 黑龙江八一农垦大学 | 基于无人机遥感的大豆收获期成熟度的判断方法 |
CN114711010A (zh) * | 2022-06-09 | 2022-07-08 | 苏州农业职业技术学院 | 一种月季栽培中水土肥管理方法、系统及介质 |
CN114711010B (zh) * | 2022-06-09 | 2022-09-02 | 苏州农业职业技术学院 | 一种月季栽培中水土肥管理方法、系统及介质 |
CN115144346A (zh) * | 2022-06-23 | 2022-10-04 | 勐海曼香云天农业发展有限公司 | 一种香米田间成熟度确定方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103185695A (zh) | 一种基于光谱的烤烟成熟度田间快速判断方法 | |
US10845243B1 (en) | Method for establishing content monitoring model of canopy water of winter wheat based on spectral parameters | |
CN102426153B (zh) | 一种基于冠层高光谱指数的小麦植株水分监测方法 | |
CN109187441B (zh) | 基于冠层光谱信息的夏玉米含氮量监测模型的构建方法 | |
CN110376167A (zh) | 基于无人机高光谱的水稻叶片氮含量监测方法 | |
CN107796764B (zh) | 一种基于三波段植被指数的小麦叶面积指数估算模型的构建方法 | |
CN102435564B (zh) | 一种基于三波段光谱指数估测植物氮含量的方法 | |
CN110189793B (zh) | 基于高光谱的小麦氮肥生理利用率估测模型构建及不同氮效率小麦品种分类 | |
CN103940748B (zh) | 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法 | |
CN112485204A (zh) | 基于高光谱的水稻穗期氮营养监测与诊断方法及应用 | |
CN103472009B (zh) | 一种不同植株氮含量水平下小麦植株含水率的监测方法 | |
CN103868880A (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 | |
CN104502283A (zh) | 估测大豆产量和地上部干重的一套两波段高光谱指数和预测模型 | |
CN106485345A (zh) | 棉花全生育期冠层spad值遥感估算及估算模型构建方法 | |
CN109060676A (zh) | 基于高光谱的夏玉米冠层spad值估算模型的确定方法 | |
CN112816618A (zh) | 一种氮高效小麦品种的筛选方法 | |
CN103913425B (zh) | 基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测方法及其预测模型的构建方法 | |
CN110220852A (zh) | 基于高光谱遥感的烟草叶片等效水厚度的监测方法 | |
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 | |
CN109142238B (zh) | 一种棉花磷素营养快速诊断方法 | |
CN114460015A (zh) | 一种用于预测寒地水稻冠层叶绿素含量的方法及模型 | |
CN106404699A (zh) | 一种梨树叶片氮素含量的无损测量方法 | |
CN107064069A (zh) | 一种猕猴桃树叶片叶绿素含量高光谱估算方法 | |
CN114199793B (zh) | 一种基于高光谱的苹果叶片含氮量检测方法 | |
Wang et al. | Hyperspectral models for estimating chlorophyll content of young apple tree leaves |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130703 |