[发明专利]一种群体净光合速率预测方法

说明书

技术领域

本发明涉及一种植物群体净光合速率预测方法，更具体地说，本发明涉及一种仿生型核函数的群体净光合速率预测方法。

背景技术

光作为植物最必需的资源，是影响其形态和功能的重要因子，个体净光合速率体现了单株植物有机物的积累，是影响单株植物形态和功能的重要因子，而群体净光合速率则为一个区域内该类植物个体净光合速率的总和，反映了该区域植物在一段时间内总光合作用合成有机物积累的情况，对于分析区域植物整体形态和功能有重要的参考价值，因此预测群体净光合速率在农业生产中具有很强的现实意义。由于叶面积大小反映了净光合速率大小，我们可通过建立叶面积和净光合速率之间回归方程的方法，对净光合速率进行预测，但传统测试叶面积的方法具有复杂性、设备昂贵等局限性。若通过叶面积与净光合速率之间的回归方程方法，要保证净光合速率预测值的准确性，则需大量样本数据，由于要预测群体净光合速率，需测量大量植物的叶面积，工作量更加繁重。

支持向量机（Support Vector Machine,SVM）是一种基于统计学习理论的机器学习方法，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，在SVM中，核函数是其核心部分，将高维空间的内积运算转化为低维输入空间的核函数计算，解决了在高维特征空间中计算的“维数灾难”等问题，其形式和参数的变化会隐式地改变从输入空间到特征空间映射，进而对特征空间性质产生影响。核函数本质上是一个内积，基本作用是接受两个低维空间里的向量，能够计算出经过某个变换后在高维空间里的向量内积值，即确定低维空间向高维空间映射关系，成为解决线性不可分的关键。

通过对生物界中有着无比华丽彩虹之称的七彩变色龙研究，发现其皮肤颜色不但随着整体环境颜色变化而发生变化，且局部皮肤颜色都和其接近的环境颜色相近，亦能够随局部环境颜色改变而随之改变，体现出很强的对全局周围环境颜色和局部周围颜色的适应能力。从变色龙对周围环境适应的自然现象出发，构建出一种对全局数据和局部数据可单独调整的仿生型核函数具有重要意义。

发明内容

本发明所要解决的技术问题是克服了现有技术存在的测试区域植物叶面积工作量较大、建立群体净光合速率预测回归方程困难、建立群体净光合速率预测模型所需相关数据较多与预测准确性不高的问题，提供了一种群体净光合速率预测方法。

为解决上述技术问题，本发明是采用如下技术方案实现的：所述的一种群体净光合速率预测方法的步骤如下：

1）获得区域可见光各波段光谱辐射配比关系数据：

（1）在面积为S的试验区域中高于植株冠层为H的高度安装型号为MSR-16的便携式多光谱辐射仪，其中：S取值为6m²至55m²，H取值为1.2m或2m，型号为MSR-16的便携式多光谱辐射仪在其正下方地面的有效测量直径为H/2，观测面积为S₁,S₁=[π×(H/4)²]，计算出试验区域划分的测试单元的个数为M，其数值取S/S₁的整数部分；

（2）在指定的测量时间段，每一小时测定一次，每次随机选取N个测试单元，其中N<M，要求每次选取的试验单元不同于其他测量时间已选取的试验单元，每次测量时，将MSR-16的便携式多光谱辐射仪置于该次测量时的测试单元上方H处，H取值为1.2m或2m,每个测试单元内取5个定点测量，每点测量2次取平均，5个定点平均值作为该测试单元的光谱组成，3个测试单元的平均值作为该时段试验区域内可见光各波段光谱辐射配比关系数据；

（3）按第（2）步骤的方法，在试验的时间跨度内，获得不同时段试验区域内可见光各波段光谱辐射配比关系数据M_D，进行[0，1]归一化处理，得到归一化后的数据M_D₁。

2）获得群体净光合速率数据：

（1）采用美国CID公司生产的型号为CI-310的便携式光合作用测定系统测量个体净光合速率；

（2）在选定的每个测试单元内随机挑选3株同一品种植物，若该植物数量不足3株，按实际植物数量进行测量，每株植物随机挑选5片叶片，若叶片数量不足5片，按实际叶片数量进行测量，每片叶片采用型号为CI-310的便携式光合作用测定系统测量一次净光合速率，取平均值作为该株植物净光合速率，3个试验单元平均值作为该时段试验区域内该株植物群体净光合速率；