镉污染水稻高光谱诊断分析与建模

镉污染水稻高光谱诊断分析与建模（共2篇）

篇1：镉污染水稻高光谱诊断分析与建模

镉污染水稻高光谱诊断分析与建模

摘要：为了快速、准确地探测自然环境下水稻镉污染胁迫状况,提出了一种基于可见光-近红外光谱小波分析技术的快速识别和估算水稻镉污染的方法.根据野外实测水稻高光谱数据、水稻叶片主要生化参数及重金属含量等数据,利用Daubechies小波系的db5小波函数对350～1 300 nm水稻高光谱反射率进行9层分解,并提取小波能量系数进行镉含量回归建模.结果显示:第5层小波分解(d5)的奇异范围为550～810nm,奇异幅度为0.04,模极大值的中心位于700 nm处,对识别水稻镉污染效果最佳;以第3层小波能量系数作为自变量的`回归模型对水稻镉含量估算精度最高,其决定系数R2高达0.958,均方根误差RMSE为0.122.小波奇异性分析可以较准确的诊断水稻镉污染胁迫状况,基于小波能量系数的建模能有效估算水稻镉污染胁迫水平. 作者： 修丽娜[1]  刘湘南[2]  刘美玲[2] Author： XIU Li-na[1]  LIU Xiang-nan[2]  LIU Mei-ling[2] 作者单位： 中国地质大学(北京)信息工程学院,北京,100083;天津城市建设学院管理工程系,天津,300384中国地质大学(北京)信息工程学院,北京,100083 期 刊： 光谱学与光谱分析   ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： , 31(1) 分类号： S121 O433.4 关键词： 高光谱    镉污染胁迫    小波分析    奇异性检测    小波能量系数    机标分类号： TP7 S51 机标关键词： 镉污染    水稻叶片    高光谱诊断    分析与建模    Rice    Singularity    Modeling    小波奇异性分析    污染胁迫    能量系数    Daubechies小波    小波分析技术    估算    镉含量    重金属含量    均方根误差    近红外光谱    光谱反射率    高光谱数据    自然环境 基金项目： 国家高技术研究发展计划(863计划)项目，国家自然科学基金 镉污染水稻高光谱诊断分析与建模[期刊论文]  光谱学与光谱分析 --2011, 31(1)修丽娜  刘湘南  刘美玲为了快速、准确地探测自然环境下水稻镉污染胁迫状况,提出了一种基于可见光-近红外光谱小波分析技术的快速识别和估算水稻镉污染的方法.根据野外实测水稻高光谱数据、水稻叶片主要生化参数及重金属含量等数据,利用Daubech...

篇2：镉污染水稻高光谱诊断分析与建模

目前,农作物虫害检测,广泛采用的是目测手查法和卫星遥感技术。目测手查法监测设备成本低,科技含量不高,只要经过初级培训,测报员就可以到田间进行虫害的监测,具有调查人员的劳动强度较大、费时及费力等缺点。卫星遥感技术是目前监测农作物受虫害危害程度最先进的手段之一,它能及时有效地监测虫害,但受天气因素影响较大,数源的可用数据非常有限,只能提供大尺度区域性的害虫数量、危害程度和分布面积,无法提供地面小尺度的虫害信息,降低了基于小尺度害虫综合管理水平。

地面高光谱技术属于一种无损间接检测技术,能利用很多很窄(通常波段宽度<10nm)的电磁波波段从感兴趣的物体上获取有关数据,并区分出那些具有诊断性光谱特征的地表物质[1],而且省时省力,获取的数据是基于小尺度空间的,可以提高小尺度空间虫害治理水平。

白背飞虱是水稻生长过程中的主要虫害之一。发生时,它能够消耗稻株养分,造成水稻瘪粒增加;危害严重时,甚至造成稻株枯死[2,3]。目前,在白背飞虱虫害研究方面,国内外学者主要对白背飞虱的发生规律[4]、生物学[5,6]和生态学特性[7,8]等方面进行了探索,而利用地面高光谱技术对白背飞虱虫害后水稻的光谱特征方面的研究还未见系统报道。因此,本文利用地面高光谱平台,通过对受害后的水稻叶片光谱特征进行分析,选取白背飞虱虫害的敏感波段,建立了虫量反演模型,为用高光谱技术快速诊断白背飞虱虫害提供了试验依据。

1 材料与方法

1.1 试验材料的获取

试验于2006-2007年在江苏大学与镇江农机植保站联合培育的稻田试验区(119.4°E,32.1°N)进行,供试水稻品种为武粳13。田间管理时,白背飞虱使其自然消长,其它病虫害由植保站通过田间施药抑制。考虑到白背飞虱的实际危害,试验时间选择在7月中旬-8月中旬,即为试验区白背飞虱主害代时间。测量时,选择晴朗、无风和无云天气,每隔3-4d观测一次。观测时,根据定田不定点的原则,随机选择测量点,同时采集水稻叶片光谱和田间百株虫量。

1.2 高光谱数据测量

采用美国ASD公司的FieldSpec®3手持便携式光谱分析仪,光谱范围为350~2500nm,光谱分辨率350~1 000nm为3nm,1 000~2 500nm为10nm。每次测量时间为上午10:00-11:00时之间,以确保测量相近的太阳高度角。叶片光谱采集时,测量点随机选择,在每个测量点选两株水稻,每株水稻上选两个叶片,分叶尖、叶中和叶根3个部位进行测量,每个部位测量3次,计算平均值,测量前均用白板进行标定。

1.3 田间百株虫量的测量

测量点叶片光谱采集完,立即采用盘拍法进行田间虫量调查,每点查5株,折算为平均百株虫量。

1.4 数据的处理

光谱数据通过仪器自带的viewspecpro软件导出,采用EXCEL进行基础数据整理。从测量的样本中选择分布比较均匀的样本共51个,其中36个样本用于校正,15个样本用于检验。采用SPSS12.0分析软件进行相关分析和回归分析,获取白背飞虱虫害的敏感波段, 并构建白背飞虱虫量的高光谱反演模型。

2 结果与分析

2.1 不同虫害水平下水稻叶片光谱特征

由图1可知,随着虫害程度的加重,水稻叶片光谱的反射率在不同波段有不同程度的下降。在可见光波段,光谱反射率随虫害程度的加重而呈现下降趋势,但除“绿峰”外,其余波段下降的幅度较小,变化规律不太明显;在红边区域,不同虫量水平下的光谱反射率基本相同,曲线基本上是重合的;在近红外波段,叶片反射光谱特征与可见光区域类似,虫害越严重,反射率越小。尤其是在760~1340nm波段范围内,下降趋势和幅度非常显著。同时从图1还可以看出,当田间虫害较轻时,叶片光谱曲线变化不明显。这主要是因为水稻刚开始受虫害时,虽然害虫吸食茎叶组织汁液,消耗了稻株养分,使海绵组织受到破坏,但不能立即在叶片上得到表现,需要一定的时间响应。

2.2 水稻白背飞虱虫量与叶片光谱数据的相关分析

采用多元统计分析方法,得到水稻叶片反射光谱与白背飞虱虫量的相关系数曲线,如图2所示。由于在1340~1500n m,1750~2100nm以及2300~2500nm光谱范围内数据的信噪比比较低,所以相关分析时不考虑这些波段。

由图2可知,在整个波长范围内(即波长为350~2500nm),虫量与反射率均为负相关关系。其中,在400~677nm,695~1 339nm,1501~1749nm和2101~2299nm共4个波段内,相关性达到极显著检验水平(α=0.01,n=36,r临界值为0.418)。在可见光波段有一峰值位于562nm处,其相关系数为0.69;在近红外波段,760~1339nm是相关系数的高平台区,其中以774nm处相关系数最大,为0.80;另外,在近红外长波区也出现一峰值,位于1691nm处,为0.77。

依据以上相关分析,为减少后续的计算量,预置相关系数阈值为0.6,确定水稻光谱反射率与虫量相关的可见光区域和近红外区域敏感波段分别为514~602nm,697~1339nm, 1501~1749nm以及2101~2299nm。

2.3 水稻白背飞虱虫量的反演模型

本文建立反演模型时,使用逐步回归分析,参加逐步回归的光谱范围为敏感波段内的光谱反射率,以定标方程的最大相关系数为准则选取入选波长点,整个回归过程由软件SPSS12.0完成。采用对36个样本组成的定标集进行逐步回归分析,引入的光谱参数是12个。逐步回归结果如表1所示。

从表1可以看出,在整个逐步回归过程中,随着引入波长点数量的增加,模型的相关系数也呈上升趋势,标准误差值逐渐减小,F值也相应增大。这些都体现出多元回归带来的优势,它可以引入显著相关的变量,同时也可以去除不显著相关的变量,直到筛选出最优变量组合建立模型。

2.4 预测模型的精度检验

为了检验逐步回归方程的预测精度,同样利用15个样本进行精度检验,预测值和实测值的拟合结果如图3所示。

按照上面预测值和实测值的拟合结果,相关系数达到0.948(α=0.01,n=15,r临界值为0.641 1),说明上述回归方程达到极显著相关。

3 结论

1) 对不同虫害水平下水稻叶片光谱特征进行分析,得到水稻叶片光谱的反射率随虫害程度的加重而呈下降趋势的结论。在可见光波段,除“绿峰”外,其余波段变化规律不明显;在近红外波段,尤其是在760~1340nm波段范围内,下降趋势和幅度非常显著。

2) 通过水稻叶片反射光谱与白背飞虱虫量的相关分析,得到反演虫量的敏感波段为514~602nm,697~1339nm, 1501~1749nm及2101~2299nm。

3) 在虫害敏感波段内,采用逐步回归方法,筛选出12个回归变量反演虫量,校正方程相关系数为0.939,并通过模型的显著性检验和预测精度检验,预测相关系数达到0.948,说明采用该模型可以诊断主害代期间水稻白背飞虱虫量。

参考文献

[1]陈鹏程,张建华,雷勇辉,等.高光谱遥感监测农作物病虫害研究进展[J].中国农学通报,2006,22(2):388.391.

[2]江苏省植物保护站.农作物主要病虫害预测预报与防治[M].南京:江苏科学技术出版社,2007:111.112.

[3]武淑文,戴华国.白背飞虱的营养需求及褐飞虱对白背飞虱的影响[J].南京农业大学学报,2001,24(3):39.43.

[4]肖英方,顾正远,张存政,等.白背飞虱爆发规律及防治研究[J].西南农业大学学报,1998,20(5):460.464.

[5]祝增荣,程家安,刘永军.白背飞虱长、短翅型成虫实验种群生物学比较[J].中国水稻科学,2001,15(3):229.232.

[6]D Nagadhara,S Ramesh,I C Pasalu,et al.Trans.genic rice plants expressing the snowdrop lectin gene(gna)exhibit high.level resistance to the whitebacked planthopper(Soga.tella furcifera)[J].TAG Theoretical and Applied Genetics,2004,109(7):1399.1405.

[7]陈洁,李桂亭.水稻品种对白背飞虱取食及产卵行为的影响[J].安徽农业大学学报,2005,32(3):345.348.