[发明专利]一种不同生育期油菜叶片SPAD值遥感估算方法

说明书

技术领域

本发明属于农业技术领域，涉及一种不同生育期油菜叶片SPAD值遥感估算方法。

背景技术

叶绿素是植物与外界进行能量交换的重要物质，由于叶绿素与叶片氮含量之间存在着较好的相关性，因此可以表征植物的营养状况。高光谱技术具有光谱范围广、波段多和数据量大等优点，可以用来对农作物叶片和冠层生化组分进行监测，近年来，国内外学者对于利用高光谱数据监测植物叶绿素含量方面做了大量研究，Dash.J等提出了利用MERID数据对高叶绿素密度敏感的MTCI指数来反演叶绿素含量；Gitelson选择玉米和大豆为研究对象，利用冠层反射率的倒数建立了冠层叶绿素含量的估测模型；Broge等用不同氮素水平下的小麦冠层光谱数据，指出比值植被指数(RVI)能够有效的预测冠层叶绿素的含量；姚付启等综合分析了10种植被指数与法国梧桐叶绿素的相关性和预测性，利用主成分分析和BP神经网络进行了法国梧桐叶绿素含量的估算，认为归一化植被指数(NDVI)与叶绿素含量的关系最为密切；宫兆宁等研究了植被叶绿素与“三边”参数及由光谱反射率组成的比值(SR)和归一化(ND)光谱指数之间的相关关系，建立了叶绿素含量的反演模型。

随机森林(RandomForest)是一种统计学习理论，具有非常强的拟合能力，不会出现过度拟合现象，建模速度快，处理大数据集(高光谱数据)时非常高效，而且算法对于结果具有可解释性，在解决反演问题方面具有独特的优势，被誉为当前最好的算法之一。随着高光谱技术的发展，已有学者将随机森林算法应用到植被高光谱遥感上，但以油菜为研究对象，利用随机森林算法构建叶片叶绿素高光谱反演模型的研究尚未见报道；同时由于地区不同，作物种类不同，叶片叶绿素的敏感波段会出现显著差异，光谱指数的适用性也有所不同。

发明内容

本发明的目的在于提供一种不同生育期油菜叶片SPAD值遥感估算方法，该方法以西北干旱、半干旱地区经济作物油菜为试验对象，分析油菜不同生育期叶片光谱与叶绿素相对含量SPAD值之间的相关关系，利用10种光谱指数构建基于随机森林(RF)算法的不同生育期及全生育期油菜叶片SPAD估算模型，并与传统的基于光谱指数的一元线性回归模型和多元逐步回归模型进行精度比较，实现高光谱技术无损、快速、准确的估算油菜各生育期叶片SPAD值，为西北干旱、半干旱地区油菜生长状况监测提供理论和技术支持。

其具体技术方案为：

一种不同生育期油菜叶片SPAD值遥感估算方法，包括以下步骤：

步骤1、光谱反射率测定

油菜叶片光谱反射率采用美国SVC HR-1024i型光谱仪进行测定，该仪器光谱探测范围为350～2500nm，在波段350nm-1000nm光谱分辨率3.5nm，1000-1850nm波段光谱分辨率9.5nm，1850-2500nm波段光谱分辨率6.5nm。利用自带光源型手持叶片光谱探测器直接测定叶片光谱，光源为内置卤钨灯。每次测定前均利用漫反射参考版对仪器进行优化，之后将待测叶片直接置于探测器进行光谱测量。为了获得叶片具有代表性的光谱，每片叶子测量3个位置，每个位置测量两条光谱，取六条光谱的平均值作为该样本的最终光谱反射率。

步骤2、SPAD值测定

使用日本KONICA MINOLTA公司生产的SPAD 502叶绿素仪同步测定油菜叶片的SPAD值。为减小误差，每片叶子测量10个点，然后取其平均值作为该叶片的SPAD值，测量时避开叶脉，同时根据所采油菜叶片面积的不同，适当增加某些叶子的SPAD采集点。

步骤3、数据处理与模型构建

利用SVC HR-1024i PC、Excel2013、Origin2016及SPSS22.0软件对数据进行处理与计算，选择400-1000nm的波段范围进行研究，并将光谱重采样到1nm。对每期采集的180个样本按SPAD值进行排序，采用分层抽样的方法抽取135个作为建模样本，剩余45个作为检验样本。

进一步，步骤1中选取10种光谱指数光谱指数RVI、NDVI、mNDVI、TCARI、GRVI、NPCI、DCNI、MSR705、FDRVI、FDNDVI。