基于近紅外光譜技術的水稻葉部病害診斷模型構建.pdf

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

2、測量水稻葉片光譜信息的優(yōu)劣；通過比較不同寬度水稻葉片對光譜反射率的影響,發(fā)現(xiàn)寬度的變化對近紅外區(qū)域水稻葉片光譜反射率影響較大；同時提出了水稻病害葉片光譜數(shù)據采集的注意事項,對進入預處理階段的光譜進行了篩選,最后獲取101個水稻病害葉片樣本用于論文研究。
　　 光譜數(shù)據預處理階段,針對光譜數(shù)據存在噪聲和散射的問題,主要研究了S-G平滑、kernel平滑、導數(shù)算法、多元散射校正等預處理算法。結果表明,平滑點數(shù)和多項式階數(shù)需根據實際進

3、行調整；kernel平滑比S-G平滑算法更優(yōu),但是處理速度較慢；光譜信息的一階導數(shù)較二階導數(shù)對噪聲敏感度低,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,對水稻病害葉片光譜信息對比發(fā)現(xiàn):在400～700nm范圍內,隨著胡麻斑病和紋枯病病害等級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、級的增加而逐漸降低；在1900nm～2000nm范圍內,水稻紋枯病葉反射率隨等級增加逐漸增高,而水稻胡麻斑病葉片反射率隨等級增加而降低；而其他波段無明顯規(guī)律。
　　 特征提取階段,針對近紅外光譜的數(shù)據量大、波段眾多的問題,先根據嚴重度與反射率的相關性數(shù)據,選取了水稻胡麻斑和紋枯病的敏感波段,再運用主成分分析的算法,選取累積貢獻率達到85％以上的前2個分量,最終選取990nm、1850nm、660nm、1921nm、1933nm這

5、5個主要的特征波段用于建模；原始光譜反射率經一階導數(shù)處理后,選取與嚴重度相關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,通過對得到的5個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重度診斷模型,通過模型驗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