[发明专利]基于TheilSen回归算法的水稻叶片蛋白氮含量遥感反演模型和方法

说明书

本发明提供一种基于TheilSen回归算法的水稻叶片蛋白氮含量遥感反演模型，为Python语言的TheilSen回归模型，并进一步提供了该TheilSen回归模型的模型参数。还提供了基于TheilSen回归算法的水稻叶片蛋白氮含量遥感反演方法。本发明的基于TheilSen回归算法的水稻叶片蛋白氮含量遥感反演模型能够快速、准确的获取水稻叶片蛋白氮含量信息，克服水稻组分复杂带来的光谱叠加效应造成的水稻叶片蛋白氮含量特征波段难以确定的困难，降低建模数据中离群值对模型的干扰，从而提高水稻叶片蛋白氮含量反演模型精度。

技术领域

本发明涉及农业遥感技术领域，特别涉及水稻叶片蛋白氮含量测量技术领域，具体是指一种基于TheilSen回归算法的水稻叶片蛋白氮含量遥感反演模型和方法。

背景技术

水稻叶片蛋白氮含量是指水稻叶片中蛋白态氮元素的含量，与水稻氮素营养状态、生理状态密切相关(赵世杰,史国安,董新纯.植物生理学实验导.北京:中国农业科学技术出版社,2002:89-95)，是反应水稻氮素营养状况、水稻长势以及水稻对氮肥吸收利用效率的重要指标，反映了水稻生理、长势以及生产中水稻对肥水运筹管理等栽培管理措施的响应状况(杨杰,田永超,朱艳,等.一种新的估算水稻上部叶片蛋白氮含量的植被指数[J].中国农业科学,2009,42(8):2695-2706)。

监测水稻叶片蛋白氮含量，不仅可以保证水稻生产的产量和品质，同时能够动态管理水稻的氮肥施用，减少水稻生产中氮肥的使用量，缓解大量氮肥施用带来的环境问题，从而产生显著的经济和社会效益(陈青春,田永超,姚霞,等.基于冠层反射光谱的水稻追氮调控效应研究[J].中国农业科学,2010,43(20):4149-4157)。传统的水稻叶片蛋白氮含量的监测主要采用破坏性采样的方法，需要在室内进行，测定过程费时费力，且时效性差，无法及时的获取水稻叶片蛋白氮含量，不利于推广应用。

在水稻的生理生化过程中，水稻植株体内某些特定物质和细胞结构的变化，导致了水稻反射光谱的改变。因此，可以用光谱的变化来获取水稻叶片蛋白氮含量等水稻生长信息(周冬琴.基于冠层反射光谱的水稻氮素营养与籽粒品质监测[D].南京农业大学,2007)。目前，使用高光谱来监测水稻的生长状态已经在作物生长监测中得到了应用。随着光谱技术的发展和普及，高光谱数据可以快捷迅速的获取水稻叶片蛋白氮含量信息已经成为越来越多水稻生产从业者和研究人员的共识。最常用的方式是使用便携式全波段光谱仪获取水稻生长信息，选择能够反映叶片蛋白氮含量的特征波段构建反演模型。在构建水稻叶片蛋白氮含量反演模型的过程中，全波段光谱仪所测定的光谱范围涵盖了350nm～2500nm，但是由于水稻组分复杂，组分光谱特征波段部分重叠，水稻叶片蛋白氮含量特征光谱的确定困难，同时由于水稻叶片成分复杂，叶片蛋白氮含量以及高光谱数据的分布极易出现离群值，从而影响线性模型的构建。此外，高光谱数据的快速处理成为基于高光谱数据估测水稻叶片蛋白氮含量的亟待解决的技术问题。

因此，希望提供一种水稻叶片蛋白氮含量遥感反演模型，其能够快速、准确的获取水稻叶片蛋白氮含量信息，克服水稻组分复杂带来的光谱叠加效应造成的水稻叶片蛋白氮含量特征波段难以确定的困难，降低建模数据中离群值对模型的干扰，从而提高水稻叶片蛋白氮含量反演模型精度。

发明内容

为了克服上述现有技术中的缺点，本发明的一个目的在于提供一种基于TheilSen回归算法的水稻叶片蛋白氮含量遥感反演模型，其能够快速、准确的获取水稻叶片蛋白氮含量信息，克服水稻组分复杂带来的光谱叠加效应造成的水稻叶片蛋白氮含量特征波段难以确定的困难，降低建模数据中离群值对模型的干扰，从而提高水稻叶片蛋白氮含量反演模型精度，适于大规模推广应用。

本发明的另一目的在于提供一种基于TheilSen回归算法的水稻叶片蛋白氮含量遥感反演模型，其设计巧妙，计算简便，易于实现，成本低，适于大规模推广应用。