基于冠層光譜特性的水稻葉片含水率模型_孫俊

《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