資源描述:
《基于冠層光譜特性的水稻葉片含水率模型_孫俊》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第25卷第9期農(nóng)業(yè)工程學(xué)報(bào)Vol.25No.92009年9月TransactionsoftheCSAESep.2009133基于冠層光譜特性的水稻葉片含水率模型1,2111孫俊,毛罕平,羊一清,張曉東(1.江蘇大學(xué)江蘇省現(xiàn)代農(nóng)業(yè)裝備與技術(shù)質(zhì)量點(diǎn)實(shí)驗(yàn)室,鎮(zhèn)江212013;2.江蘇大學(xué)電氣信息工程學(xué)院,鎮(zhèn)江212013)摘要:基于水稻葉片含水狀況與冠層光譜反射率存在關(guān)聯(lián),嘗試構(gòu)建水稻葉片含水率模型。在水稻生長的孕穗期,同時(shí)測(cè)量室外水稻冠層光譜反射率和葉片含水率,依據(jù)水稻葉片含水率與各光譜波段反射率之間的相關(guān)性系數(shù),選取高相關(guān)性系數(shù)對(duì)應(yīng)
2、的光譜特征波段。采用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值進(jìn)行優(yōu)化處理。分別應(yīng)用BP神經(jīng)網(wǎng)絡(luò)和GA-BP-Network、傳統(tǒng)多元線性回歸方法建立預(yù)測(cè)模型。試驗(yàn)表明,GA-BP-Network模型的預(yù)測(cè)含水率值與真實(shí)值平均誤差率為3.9%,最大誤差率為6.1%,均比BP神經(jīng)網(wǎng)絡(luò)、傳統(tǒng)多元線性回歸預(yù)測(cè)模型有了很大的改善,提高了預(yù)測(cè)水稻葉片含水率的準(zhǔn)確性。關(guān)鍵詞:光譜分析,遺傳算法,神經(jīng)網(wǎng)絡(luò),多元線性回歸分析,水稻doi:10.3969/j.issn.1002-6819.2009.09.024中圖分類號(hào):S511,S127文獻(xiàn)標(biāo)識(shí)碼:A文章
3、編號(hào):1002-6819(2009)-9-0133-04孫俊,毛罕平,羊一清,等.基于冠層光譜特性的水稻葉片含水率模型[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(9):133-136.SunJun,MaoHanping,YangYiqing,etal.Modelofmoisturecontentofpaddyriceleafbasedoncanopyspectralreflectance[J].TransactionsoftheCSAE,2009,25(9):133-136.(inChinesewithEnglishabstract)[
4、8]-[9]義抽象。BP神經(jīng)網(wǎng)絡(luò)是傳統(tǒng)的預(yù)測(cè)方法,其具有較0引言?強(qiáng)的函數(shù)非線性映射能力,經(jīng)過訓(xùn)練可以找出輸入、輸水分是水稻的主要組成成分,水分虧缺是影響水稻出參數(shù)之間內(nèi)在的映射關(guān)系,但是BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)生長及產(chǎn)量的因素之一,所以研究水稻水分檢測(cè)技術(shù)對(duì)值難以確定,若初始權(quán)值不當(dāng),BP網(wǎng)絡(luò)則難以收斂且容水稻生長具有質(zhì)量要意義。無損檢測(cè)技術(shù)是隨著高新技易陷入局部最優(yōu),且“過訓(xùn)練”問題會(huì)直接影響著網(wǎng)絡(luò)術(shù)的發(fā)展應(yīng)運(yùn)而生的一門新技術(shù),主要運(yùn)用光學(xué)、電學(xué)最終的回歸性能。為了提高BP網(wǎng)絡(luò)學(xué)習(xí)效率和預(yù)測(cè)能和聲學(xué)等方法對(duì)產(chǎn)品進(jìn)行分析,且不破壞樣
5、品,在迅速力,本文采用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值等進(jìn)行優(yōu)的獲得樣品信息的同時(shí)保證了樣品的完整性。國內(nèi)外對(duì)化,選擇一組較優(yōu)的初始權(quán)值,提高BP網(wǎng)絡(luò)收斂速率,植物葉片或植株水分無損檢測(cè)已有研究。EverittJH等利構(gòu)成GA-BP-Network算法。目前國內(nèi)外關(guān)于利用[1]用960nm處的導(dǎo)數(shù)光譜監(jiān)測(cè)水稻的水分虧缺狀況。田GA-BP-Network算法對(duì)水稻葉片含水率預(yù)測(cè)的研究鮮有永超等研究了不同土壤水氮條件下水稻、小麥冠層光譜報(bào)道,故本文嘗試?yán)盟竟趯庸庾V信息,構(gòu)建水稻葉反射特征和植株水分狀況的量化關(guān)系,但是沒有建立水片含水
6、率GA-BP-Network預(yù)測(cè)模型,提高預(yù)測(cè)精度。[2-3]分預(yù)測(cè)模型。CleversJGPW研究水稻冠層光譜與冠層1水稻樣本培育及樣本數(shù)據(jù)采集含水的相關(guān)性,得出970nm是試驗(yàn)中用于預(yù)測(cè)水稻冠層[4]含水的最優(yōu)波段。王紀(jì)華利用線性回歸方法對(duì)基于光譜水稻品種選為全生育期為158~160d的武育粳18反射率診斷小麥葉片水分狀況進(jìn)行了研究,但是線性回號(hào),地點(diǎn)為江蘇大學(xué)農(nóng)業(yè)工程研究院的農(nóng)業(yè)試驗(yàn)大棚內(nèi),[5]歸算法預(yù)測(cè)精度不高。吉海彥測(cè)量冬小麥葉片在不同生栽種方式為沙粒盤栽,株行距為0.3m×0.3m。水稻的營長期的反射光譜,用偏最小二
7、乘方法(PartialLeast養(yǎng)液配制按照國際水稻營養(yǎng)液配方,于2007年7月1日Squares)建立了冬小麥葉片葉綠素和水分含量與反射光育苗,8月初開始按3個(gè)水分水平處理,分為3組,每組[6]譜的定量分析模型,LiL利用GA-PLS算法研究葉片和各有30盤:第一組在整個(gè)試驗(yàn)期間都保證充足的水分供[7]冠層水平上的等效水厚度,可以獲得低均方根誤差,但應(yīng),第二組在試驗(yàn)期間保持水正好浸泡沙子,第三組在是偏最小二乘法(PLS)算法模型建立過程復(fù)雜,公式含試驗(yàn)期間沙子處于缺水狀態(tài)。測(cè)量水稻冠層光譜所用儀器選用美國ASD公司生產(chǎn)的Fiel
8、dSpec?3型手持便攜式光譜儀器,光譜測(cè)量范圍收稿時(shí)間:2008-10-20修訂時(shí)間:2009-03-04基金項(xiàng)目:國家高技術(shù)研究發(fā)展計(jì)劃863項(xiàng)目(2008AA10Z204);國家自然為350~2500nm,在350~1000nm光譜區(qū)采樣間隔