基于高光譜的水稻葉片氮素營(yíng)養(yǎng)診斷研究
關(guān)鍵詞：水稻葉片 氮素營(yíng)養(yǎng)診斷 高光譜 主成分分析 連續(xù)投影算法
摘要：為快速、準(zhǔn)確地實(shí)現(xiàn)水稻氮素營(yíng)養(yǎng)診斷,以中嘉早17水稻為試驗(yàn)對(duì)象,設(shè)置4種施氮水平的水稻栽培試驗(yàn),利用便攜式地物波譜儀獲取240組水稻分蘗期頂三葉在350~2500nm的光譜數(shù)據(jù)。隨機(jī)將樣本劃分為訓(xùn)練集(160個(gè)樣本)和測(cè)試集(80個(gè)樣本)。首先,通過多元散射校正(MSC)、變量標(biāo)準(zhǔn)化校正(SNV)、平滑算法(SG)3種方法分別對(duì)原始光譜進(jìn)行預(yù)處理;然后,采用主成分分析(PCA)和連續(xù)投影算法(SPA)對(duì)預(yù)處理后的光譜進(jìn)行特征降維,選取累積貢獻(xiàn)率超過99.98%的前24個(gè)主成分作為模型的輸入變量,對(duì)于經(jīng)過MSC、SNV和SG處理后的光譜數(shù)據(jù),還分別篩選出12、15、19個(gè)特征波長(zhǎng);最后,應(yīng)用支持向量機(jī)(SVM)基于上述處理分別建立水稻氮素營(yíng)養(yǎng)診斷模型。結(jié)果表明,采用MSC-PCA-SVM模型進(jìn)行水稻氮素營(yíng)養(yǎng)診斷的識(shí)別準(zhǔn)確率最高,其在訓(xùn)練集和預(yù)測(cè)集上的準(zhǔn)確率分別達(dá)99.38%和97.50%。
浙江農(nóng)業(yè)學(xué)報(bào)雜志要求:
{1}作者署名應(yīng)限于參加研究工作并可解答論文有關(guān)問題者，所有作者均須注明所在單位、城市及郵編。
{2}論文類文稿一般包括題目、摘要、關(guān)鍵詞、正文、參考文獻(xiàn)等部分。
{3}中文題名不超過20個(gè)漢字，不使用副題名，英文題名應(yīng)與中文題名含義相一致。
{4}恰當(dāng)引用參考文獻(xiàn)，并在正文中注明出處，且按在文內(nèi)引用的先后次序用阿拉伯?dāng)?shù)字連續(xù)編號(hào)，并將序號(hào)置于方括號(hào)中。非公開出版物請(qǐng)勿引用。
{5}中文摘要是具有獨(dú)立性、自明性的短文，其撰寫宜在400字以內(nèi)。應(yīng)采用結(jié)構(gòu)式摘要格式撰寫，其內(nèi)容包括：目的、方法、結(jié)果、結(jié)論4項(xiàng)。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
