[发明专利]利用高光谱测量烟草中镉含量的方法及预测模型的建立

说明书

本发明提供了一种利用高光谱测量烟草中镉含量的方法及预测模型的建立，高光谱的波长为350‑2500nm，其中350‑1000nm采样间隔4nm，光谱分辨率3nm；1000‑2500nm采样间隔2nm，分辨率10nm。采用减量精细采样法，系统分析不同处理条件下350~2,500 nm光谱范围内任意两波段的光谱反射率组合构建的归一化植被指数NDVI、比值植被指数RVI同烟草叶片中镉含量的定量关系，得出NDVI和RVI的决定系数R²，并绘制R²的等势图。本发明烟草叶片镉含量与光谱反射率之间具有一定的规律，镉会对烟草叶片的反射率产生一定的影响。同时建立了BP神经网络模型，对镉含量具有良好的预测效果。

技术领域

本发明涉及烟草研究领域，具体涉及一种利用高光谱测量烟草中镉含量的方法及预测模型的建立。

背景技术

金属镉具有很强的生物毒性，被植物吸收后，不仅可以影响植被的生长发育，还会通过食物链危害人体健康。植株吸收的镉含量达到一定的标准就会出现发育迟缓、植株矮小、叶片失绿等症状，进而导致品质降低以及作物减产。镉在烟草中积累过量会降低烟草的品质，并会通过烟气进入人体，影响人体健康。

烟草是我国重要经济作物，烟草行业的税收约占国家经济总收入的7%，2019年我国吸烟人数约3.5亿。因此，烟草的生产、烟草制品品质的把控对国民经济的发展以及人民的身体健康状况有着重要的作用。

传统的方法测量烟叶中镉含量需要破坏性取样，耗时费力，结果具有滞后性，而且难以实时获取较大区域烟田烟草的信息。

近些年来，随着遥感技术的快速发展，快速、无损、实时获取植被信息已经成为可能。运用遥感技术分析烟草冠层光谱反射率与理化参数的相关性，可建立各种理化参数光谱特征估测模型。植被的理化参数与光谱反射率之间的具有非线性关系，而非线性模型BP神经网络（BP neural network）对烟草中氮、叶绿素、氯、叶面积指数等都具有良好的效果，在水稻、小麦、玉米、大豆等作物中均具有良好的应用。但运用高光谱遥感技术对烟草镉含量进行的预测研究未见报道。

发明内容

本发明提出了一种利用高光谱测量烟草中镉含量的方法及预测模型的建立，能够快速准确的获取烟草叶片镉含量。

实现本发明的技术方案是：

利用高光谱测量烟草中镉含量的方法，采用叶片夹持器，每株烟选取上、下2片叶，采用高光谱对烟草中铬进行采样测定。

所述高光谱的波长为350-2500nm，其中350-1000nm采样间隔4nm，光谱分辨率3nm；1000-2500nm采样间隔2nm，分辨率10nm。

测定时每片叶各测定5个点，分别取烟叶叶尖部位、烟叶中部两端部位以及烟叶底部两端部位。每点测定10条光曲线，每株烟的上、下部位烟叶分别测定光曲线为50，取平均值为这株烟的叶片光谱,所有处理光谱数据共计72组，其中有效数据71组。每次测定前均标准参考白板进行校正。

建立高光谱预测模型的方法：按照叶片镉元素含量不同将烟草分为低镉(15mg/kg)、中镉(15～30mg/kg)、高镉(30mg/kg)3个类别，在930-1,000nm波段范围内，叶片反射率与烟叶中镉含量呈正比；除此之外，在350-2,500nm波段范围内随着镉含量增加，反射率先降低后增加，，这种变化在绿光波段、近红外（1,000-1,300nm）、短波红外（1,600-1,850nm、2,150-2,350nm）即4个波峰处表现的较为明显。

采用减量精细采样法，系统分析不同处理条件下350~2,500 nm光谱范围内任意两波段的光谱反射率组合构建的归一化植被指数NDVI、比值植被指数RVI同烟草叶片中镉含量的定量关系，得出NDVI和RVI的决定系数R²，并绘制R²的等势图。

，式中，为预测值，为实测值，为实测值的平均值。