[发明专利]基于交叉验证的Lars回归算法的水稻地上部淀粉含量遥感反演模型和方法

说明书

本发明提供一种基于交叉验证的Lars回归算法的水稻地上部淀粉含量遥感反演模型，为Python语言的基于交叉验证的Lars回归模型，并进一步提供了该基于交叉验证的Lars回归模型的模型参数。还提供了基于交叉验证的Lars回归算法的水稻地上部淀粉含量遥感反演方法。本发明的基于交叉验证的Lars回归算法的水稻地上部淀粉含量遥感反演模型能够快速、准确的获取水稻地上部淀粉含量信息，克服水稻组分复杂带来的光谱叠加效应造成的水稻地上部淀粉含量特征波段难以确定的困难，能够使用交叉验证和Lars回归算法，从有限的大样本数据中构建精度较高的反演模型，提高水稻地上部淀粉含量反演模型精度。

技术领域

本发明涉及农业遥感技术领域，特别涉及水稻地上部淀粉含量测量技术领域，具体是指一种基于交叉验证的Lars回归算法的水稻地上部淀粉含量遥感反演模型和方法。

背景技术

水稻地上部淀粉含量是指水稻地上部中淀粉的重量含量百分比，是量化水稻光合作用二氧化碳固定、碳水化合物合成的重要参数，反映了水稻生理、长势以及肥水状况，受水稻光合能力、环境温度以及肥水等因素的影响。

监测水稻地上部淀粉含量，掌握水稻光合产物合成、转运、存储以及积累等生理状况和长势情况，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水肥施用，减少水稻生产中水肥的使用量，从而产生显著的经济和社会效益(王秀珍,黄敬峰,李云梅,等.水稻生物化学参数与高光谱遥感特征参数的相关分析[J].农业工程学报,2003,19(002):144-148)。传统的水稻地上部淀粉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，费时费力，且时效性差，无法及时的获取水稻地上部淀粉含量，不利于推广应用。

在水稻的生理生化过程中，水稻植株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地上部淀粉含量等水稻生长信息。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，使用光谱可以快捷迅速的获取水稻地上部淀粉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(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)。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，选择能够反映水稻地上部淀粉含量的特征波段构建反演模型。在构建水稻地上部淀粉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，水稻地上部淀粉含量特征光谱的确定困难，同时高光谱数据的快速处理成为基于高光谱数据估测水稻地上部淀粉含量的亟待解决的技术问题。另外，由于水稻地上部淀粉含量样品采集、测试流程工作量大，要获取大量的建模样本困难，采用传统的建模方式不利于构建适用于推广应用的反演模型。

因此，希望提供一种水稻地上部淀粉含量遥感反演模型，其能够快速、准确的获取水稻地上部淀粉含量信息，克服水稻组分复杂带来的光谱叠加效应造成的水稻地上部淀粉含量特征波段难以确定的困难，能够从有限的大样本数据中构建精度较高的反演模型，提高水稻地上部淀粉含量反演模型精度。

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交叉验证的Lars回归算法的水稻地上部淀粉含量遥感反演模型，其能够快速、准确的获取水稻地上部淀粉含量信息，克服水稻组分复杂带来的光谱叠加效应造成的水稻地上部淀粉含量特征波段难以确定的困难，能够使用交叉验证和Lars回归算法，从有限的大样本数据中构建精度较高的反演模型，提高水稻地上部淀粉含量反演模型精度，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交叉验证的Lars回归算法的水稻地上部淀粉含量遥感反演模型，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。