CN113804634A - 一种评估油菜角果成熟度的高光谱指数 - Google Patents
一种评估油菜角果成熟度的高光谱指数 Download PDFInfo
- Publication number
- CN113804634A CN113804634A CN202111115745.9A CN202111115745A CN113804634A CN 113804634 A CN113804634 A CN 113804634A CN 202111115745 A CN202111115745 A CN 202111115745A CN 113804634 A CN113804634 A CN 113804634A
- Authority
- CN
- China
- Prior art keywords
- rape
- maturity
- pod
- spectral
- index
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种评估油菜角果成熟度的高光谱指数,包括以下步骤:1)采集油菜角果高光谱反射数据;2)光谱反射数据平滑处理;3)选出550nm、630nm和675nm波段反射率;4)根据上述三个波段计算光谱指数RSMI。本发明在分析不同成熟等级油菜角果光谱反射特征的基础上,基于连续统去除法分析了不同成熟等级的角果样本的光谱吸收特征,筛选出550nm、630nm和675nm等三个光谱波段反射率,并提出一种新的与油菜角果色素含量和含水量密切相关的油菜角果成熟度指数(Rape Siliques Maturity Index,RSMI)以实现对油菜角果成熟程度的定量化评估,为油菜生长后期精准管理提供参考依据。
Description
技术领域
本发明涉及农业遥感技术领域,具体涉及一种评估油菜角果成熟度的高光谱指数。
背景技术
油菜是我国第一大油料作物,油菜生产过程精准化管理有助于油菜生产管理过程提质增效。在油菜种植生产管理中,科学确定油菜的适宜收获期至关重要。目前,确定油菜收获期的主要方法是通过人工分离油菜角果皮主观评判种子色泽变化和含水量,费时费力。
近年来,通过高光谱遥感技术获取农作物各项生理指标进而评估作物长势已经成为精准农业研究的热点问题之一,也顺应了农业信息化的发展方向。随着高光谱技术的发展,衍生了大量的光谱指数,为定量探测农作物各项生长指标提供了有效途径,已经广泛应用于玉米、小麦及大豆等主要农作物的生长监测中。诸多研究已经表明植被的色素含量、含水率与其光谱反射率之间存在着密切的关系,而通过建立光谱指数来观测植被状况是一种简单、有效的方法。因此,构建一个科学的光谱指数来评价油菜角果的成熟程度,辅助油菜生产后期管理颇有意义。
发明内容
有鉴于此,本发明提供了一种评估油菜角果成熟度的高光谱指数。
为了实现上述目的,本发明采用如下技术方案:
一种评估油菜角果成熟度的高光谱指数,其中,包括以下步骤:
S1、采集油菜角果高光谱反射数据;
S2、光谱反射数据平滑处理;
S3、选出550nm、630nm和675nm波段反射率;
S4、基于S3步骤中的三个波段计算光谱指数RSMI。
所述的一种评估油菜角果成熟度的高光谱指数,其中S4步骤中的光谱指数RSMI计算公式为:RSMI=1-(0.64ρ675+0.36ρ550)/ρ630;
其中,ρ550、ρ630、ρ675分别为550nm、630nm和675nm处对应波段观测反射率。
本发明具有以下有益效果:
本发明在分析不同成熟等级油菜角果光谱反射特征的基础上,基于连续统去除法分析了不同成熟等级的角果样本的光谱吸收特征,筛选出550nm、630nm和675nm等三个光谱波段反射率,并提出一种新的与油菜角果色素含量和含水量密切相关的油菜角果成熟度指数(Rape Siliques Maturity Index,RSMI)以实现对油菜角果成熟程度的定量化评估。同时,该光谱指数可应用于无人机载高光谱成像遥感判断油菜角果成熟程度,为油菜生长后期精准管理提供参考依据
附图说明
图1为油菜角果样本。
图2为角果成熟等级聚类图。
图3为不同成熟等级角果反射曲线。
图4为不同成熟等级角果反射波深图。
图5为光谱指数构建思路示意。
图6为RSMI与含水量相关光谱指数相关图。
图7为RSMI与色素相关光谱指数相关图。
图8为流程图
具体实施方式
为清楚的说明本发明中的光谱指数的构建方法,下面结合附图和具体实施方式对本发明涉及的光谱指数进行进一步的详细描述。
油菜成熟期,在种植同一品种的同一地块内随机选择30个生长良好、不同成熟程度的油菜角果并加以编号(图1)。油菜角果高光谱数据通过利用美国ASD公司FieldSpecHandheld 2手持地物光谱仪及其自带光源的叶片夹逐个测定角果样本的中间部位进行获取,每个角果样本记录3条光谱,取平均值作为该样本光谱值。光谱数据采用后处理软件ViewSpecPro进行均值处理,并通过Origin 8.0对光谱曲线进行Savitzky-Golay(SG)滤波平滑。为提高精度,截去容易出现较大噪声的325~400nm的蓝紫光和1000~1075nm的短波近红外波段,留用400~1000nm的光谱范围进行研究。
基于能较好地反映油菜角果色泽变化的黄度指数YI和与角果含水量的高度相关的CPMI两项光谱指数作为特征变量,以欧氏距离函数为准则对角果样本成熟程度进行聚类划分为四个不同层次的成熟等级(图2)。
不同成熟等级的油菜角果样本光谱反射曲线如图3所示,不同成熟等级的角果光谱反射曲线在可见光波段内呈现不同变化特征:绿峰与红谷位置基本保持不变,仍停留在550nm和670nm附近,但反射均值呈现整体增大趋势;处于绿峰—红谷区间的黄边反射率变化存在明显差异,主要集中体现在630nm处两侧光谱反射率变化的陡然不同,且该突变点在Ⅳ成熟等级中表现更加突出。
基于连续统的不同成熟等级的油菜角果反射波深曲线如图4,不同成熟等级的油菜角果样本的吸收特征主要体现在670nm的红谷吸收波段内,红谷波深值随着成熟等级增加而逐渐减小。而在红谷的下半谷内,各等级角果样本的波深值大约在630nm处均有一个快速上升的突变节点。
表1为670nm波段处的光谱吸收特征参数,不同成熟等级的油菜角果样本的吸收谷位置基本保持在675nm,而其他参数均随着成熟等级规律性变化。其中,下半谷波位向长波方向移动,分别为584nm、597nm、614nm和636nm,而上半谷波位逐步向短波方向偏移,引起吸收谷波宽和吸收谷面积的逐级减小。
表1.角果的反射光谱吸收特征参数(λ=670nm)
基于连续统去除法思想,连接光谱曲线绿峰ρλa和红谷点ρλb两点建立光谱反射背景基线(如图5),则可见光绿-红波段区间内油菜角果观测反射与基线反射差异可表示为VI=(ρλ-ρo)/ρλ。其中,ρo为对应波长处基线反射率,ρλ为对应观测反射率。
基于上述光谱特征分析,分别选择λ=550nm的绿峰和λ=675nm红谷波位作为光谱反射背景基线的起始点,对λ=630nm处的光谱反射值进行背景基线的差异分析,构建的油菜角果成熟度指数RSMI进一步可以表示为:RSMI=1-(0.64ρ675+0.36ρ550)/ρ630。
本实施例中,RSMI的计算通过R语言代码实现。
为探索该指数对油菜角果成熟程度可表达的合理性,本发明分别将RSMI与以往研究中能够较好反映植被色素和含水量的植被光谱指数进行相关性分析,所选择的光谱指数分别为与植被水分相关的另一种油菜角果成熟指数CPMI、水波段指数WBI和与植被色素含量相关的绿度归一化植被指数GNDVI、结构独立色素SIPI、黄度指数YI。
RSMI与植被含水量有关光谱指数的相关关系如图6,RSMI与CPMI、WBI两个指数的线性拟合决定系数R2分别为0.70和0.62,说明该指数在一定程度上能够较好地体现出油菜角果含水量的变化特征。
RSMI与油菜角果色素含量的相关光谱指数的关系如图7,RSMI与GNDVI、SIPI、YI三个指数的决定系数R2分别为0.82,0.89和0.98,说明该指数能够较好地体现出油菜角果色素含量变化特征,为油菜成熟过程中角果皮表观色泽变化提供定量参考。
本发明在分析不同成熟等级油菜角果光谱反射特征的基础上,基于连续统去除分析了不同成熟等级的角果样本的光谱吸收特征,最终提出一种新的油菜角果成熟度光谱指数实现对油菜角果成熟程度的定量化评估。
以上结合附图和具体实施方式对本发明涉及的光谱指数的构建进行了详细阐述,以上实施例的说明只是用于帮助理解本发明所涉及光谱指数的构建方法;同时,对于本领域的一般技术人员,依据本发明中涉及指数计算公式,在具体计算实施方式上的改变,仍落入本发明的保护范围内。
Claims (4)
1.一种评估油菜角果成熟度的高光谱指数,其特征在于,包括以下步骤:
S1、采集油菜角果高光谱反射数据;
S2、光谱反射数据平滑处理;
S3、选出550nm、630nm和675nm波段反射率;
S4、基于S3步骤中的三个波段计算光谱指数RSMI。
2.根据权利要求1所述的一种评估油菜角果成熟度的高光谱指数,其特征在于,所述步骤S1中采集油菜角果高光谱反射数据的方法为:采用ASD便携式手持地物光谱仪及其自带光源的叶片夹逐个测定角果样本的中间部位进行角果光谱反射率获取。
3.根据权利要求1所述的一种评估油菜角果成熟度的高光谱指数,其特征在于,所述步骤S3中选出550nm、630nm和675nm波段反射率均为经数据平滑处理过的光谱反射数据,而非原始直接观测反射数据。
4.根据权利要求1所述的一种评估油菜角果成熟度的高光谱指数,其特征在于,所述步骤S4中计算公式为:
RSMI=1-(0.64ρ675+0.36ρ550)/ρ630;
其中,ρ550、ρ630、ρ675分别为550nm、630nm和675nm处对应波段观测反射率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111115745.9A CN113804634A (zh) | 2021-09-23 | 2021-09-23 | 一种评估油菜角果成熟度的高光谱指数 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111115745.9A CN113804634A (zh) | 2021-09-23 | 2021-09-23 | 一种评估油菜角果成熟度的高光谱指数 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113804634A true CN113804634A (zh) | 2021-12-17 |
Family
ID=78896415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111115745.9A Pending CN113804634A (zh) | 2021-09-23 | 2021-09-23 | 一种评估油菜角果成熟度的高光谱指数 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113804634A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006055744A (ja) * | 2004-08-19 | 2006-03-02 | Tokai Univ | 農作物成熟度測定装置および農作物成熟度測定方法 |
JP2015184069A (ja) * | 2014-03-20 | 2015-10-22 | 大日本印刷株式会社 | 植物体の検査装置及び検査方法 |
CN111398187A (zh) * | 2020-04-27 | 2020-07-10 | 农业农村部南京农业机械化研究所 | 基于高光谱遥感的油菜适收期监测方法与系统 |
JP2021001777A (ja) * | 2019-06-20 | 2021-01-07 | 清水建設株式会社 | 植物の生育状態評価方法および評価装置 |
-
2021
- 2021-09-23 CN CN202111115745.9A patent/CN113804634A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006055744A (ja) * | 2004-08-19 | 2006-03-02 | Tokai Univ | 農作物成熟度測定装置および農作物成熟度測定方法 |
JP2015184069A (ja) * | 2014-03-20 | 2015-10-22 | 大日本印刷株式会社 | 植物体の検査装置及び検査方法 |
JP2021001777A (ja) * | 2019-06-20 | 2021-01-07 | 清水建設株式会社 | 植物の生育状態評価方法および評価装置 |
CN111398187A (zh) * | 2020-04-27 | 2020-07-10 | 农业农村部南京农业机械化研究所 | 基于高光谱遥感的油菜适收期监测方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Song et al. | Wavelength selection and spectral discrimination for paddy rice, with laboratory measurements of hyperspectral leaf reflectance | |
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 | |
CN110069895B (zh) | 冬小麦含氮量全生育时段光谱监测模型建立方法 | |
Hadiwijaya et al. | Multi-product calibration model for soluble solids and water content quantification in Cucurbitaceae family, using visible/near-infrared spectroscopy | |
CN104778349B (zh) | 一种用于水稻表土氮肥施用等级评定方法 | |
Brambilla et al. | Application of a low-cost RGB sensor to detect basil (Ocimum basilicum L.) nutritional status at pilot scale level | |
Yang et al. | In situ determination of growing stages and harvest time of tomato (Lycopersicon esculentum) fruits using fiber-optic visible—near-infrared (vis-nir) spectroscopy | |
CN110553999A (zh) | 基于高光谱和叶绿素荧光成像融合的柑橘黄龙病检测方法 | |
Peng et al. | Estimating total leaf chlorophyll content of gannan navel orange leaves using hyperspectral data based on partial least squares regression | |
Yang et al. | Optimization and compensation of models on tomato soluble solids content assessment with online Vis/NIRS diffuse transmission system | |
Wang et al. | Determination of moisture content of single maize seed by using long-wave near-infrared hyperspectral imaging (LWNIR) Coupled with UVE-SPA combination variable selection method | |
CN109187417A (zh) | 一种无人机载的太赫兹波及高光谱遥感农作物监测系统 | |
CN110487793A (zh) | 病虫害时间动态分布监测方法及系统 | |
Liu et al. | Spectral characteristics analysis and water content detection of potato plants leaves | |
CN111751347A (zh) | 基于拉曼光谱的白粉病胁迫下大麦叶片色素成像方法 | |
CN112129709A (zh) | 一种苹果树冠层尺度氮含量诊断方法 | |
CN114092839B (zh) | 基于无人机遥感的大豆收获期成熟度的判断方法 | |
CN113267458A (zh) | 甘薯可溶性蛋白质含量定量预测模型的建立方法 | |
CN113804634A (zh) | 一种评估油菜角果成熟度的高光谱指数 | |
Wang et al. | Optimal waveband identification for estimation of leaf area index of paddy rice | |
Zhang et al. | A highly chlorophyll-sensitive and LAI-insensitive index based on the red-edge band: CSI | |
CN114486761A (zh) | 一种橡胶树叶片镁含量快速估算方法 | |
CN113049526A (zh) | 一种基于太赫兹衰减全反射的玉米种子水分含量测定方法 | |
Chen et al. | Nitrogen content diagnosis of apple trees canopies using hyperspectral reflectance combined with PLS variable extraction and extreme learning machine | |
Zhang et al. | Prediction of Soluble Solids Content During Storage of Apples with Different Maturity Based on VIS/NIR Spectroscopy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |