本發(fā)明屬于農(nóng)業(yè)技術(shù)領(lǐng)域，涉及一種基于高光譜特征參數(shù)的葉片氮含量估算方法。

背景技術(shù)：

小麥在不同生長階段的葉片氮素營養(yǎng)吸收、運轉(zhuǎn)和同化作用，都會引起葉片顏色、形狀大小、形態(tài)結(jié)構(gòu)等的變化，其葉片光譜反射隨之作出響應，并在小麥群體冠層光譜上得到反映。利用冠層光譜反射率及反射光譜波形特征來反演小麥氮素營養(yǎng)狀況，首先需要通過光譜形態(tài)來探尋葉片氮素營養(yǎng)的敏感吸收和反射波段，進而建立敏感波段光譜或其衍生參數(shù)與氮素含量之間的定量關(guān)系。

作物的光譜吸收是作物葉片中不同生物化學成分含量與每個成分吸收系數(shù)的代數(shù)和，光譜維方向的特征信息主要表現(xiàn)為作物中生物化學成分含量變化而形成不同的吸收波形。氮素營養(yǎng)的吸收屬于弱信號，葉片或者冠層光譜對氮素營養(yǎng)的響應往往是通過葉綠素-蛋白質(zhì)關(guān)聯(lián)機制來體現(xiàn)的。葉綠素強烈吸收的藍、紅光以及“紅邊”波段范圍都與葉片氮含量(LNC)顯著相關(guān)。連續(xù)統(tǒng)去除反射率將小麥冠層光譜映射到局部連續(xù)統(tǒng)線上，定義為原始光譜反射率與對應波段連續(xù)統(tǒng)線反射率的比值，表征了光譜吸收特性的強弱，基于連續(xù)統(tǒng)去除光譜的吸收特征參數(shù)使得局部吸收特征之間的差異放大，是進行葉片氮含量高光譜監(jiān)測的有益嘗試。同時，以往的研究基本上都只關(guān)注紅光和紅邊波段，而很少對藍光區(qū)吸收特征與葉片氮含量的關(guān)系進行探討。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服上述技術(shù)存在的缺陷，提供一種基于高光譜特征參數(shù)的葉片氮含量估算方法，該方法建立葉片氮含量的指數(shù)估算模型，具有精度和穩(wěn)定性高的特點，適合推廣應用。

其具體技術(shù)方案為：

一種基于高光譜特征參數(shù)的葉片氮含量估算方法，基于光譜吸收特征參數(shù)的葉片氮含量估算模型為550～750nm波段的吸收峰總面積建立的葉片氮含量指數(shù)估算模型，估算模型為LNC＝0.0025e^0.0404TA，R²＝0.803。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：

本發(fā)明方法連續(xù)統(tǒng)去除處理能有效地抑制背景光譜噪聲，擴大了原始反射光譜中由氮素脅迫引起的吸收特征微小變化，消除冠層結(jié)構(gòu)參數(shù)的影響，通過吸收特征參數(shù)增強了吸收波段對葉片氮含量的估測能力，雖然400～500nm波段吸收特征參數(shù)與葉片氮含量也顯著相關(guān)，但相關(guān)性弱于550～760nm波段，利用550～750nm波段的吸收峰總面積建立葉片氮含量的指數(shù)估算模型，精度和穩(wěn)定性較高。

附圖說明

圖1是400～550nm吸收特征參數(shù)與葉片氮含量空間分布，其中，圖1A、圖1B、圖1C分別為基于400～550nm最大吸收深度、吸收峰總面積、吸收峰左面積的LNC估算；

圖2是550～750nm吸收特征參數(shù)與葉片氮含量空間分布，其中，圖2A、圖2B、圖2C分別為基于550～750nm最大吸收深度、吸收峰總面積、吸收峰右面積的LNC估算；

圖3是400～550nm吸收特征的葉片氮含量實測值與預測值空間分布，其中，圖3A、圖3B、圖3C分別為基于400～550nm最大吸收深度、吸收峰總面積、吸收峰左面積的葉片氮含量實測值與預測值空間分布；

圖4是550～750nm吸收特征的葉片氮含量實測值與預測值空間分布，其中，圖4A、圖4B、圖4C分別為基于500～750nm最大吸收深度、吸收峰總面積、吸收峰右面積的葉片氮含量實測值與預測值空間分布。

具體實施方式

下面結(jié)合附圖和具體實施方案對本發(fā)明的技術(shù)方案作進一步詳細地說明。

本發(fā)明利用400～500nm的最大吸收深度、吸收峰總面積、吸收峰左面積和550～750nm的最大吸收深度、吸收峰總面積、吸收峰右面積建立葉片氮含量的估算模型，結(jié)果如圖1和圖2所示。吸收特征參數(shù)與葉片氮含量均表現(xiàn)為顯著的指數(shù)模型關(guān)系，不同吸收特征參數(shù)所構(gòu)建模型的精度較為接近。400～500nm吸收特征參數(shù)所建模型的決定系數(shù)為0.75～0.781，550～750nm的決定系數(shù)為0.737～0.803。550～750nm波段最大吸收深度、吸收峰總面積、吸收峰右面積所建葉片氮含量的估算的檢驗結(jié)果略優(yōu)于400～500nm波段，指數(shù)模型對葉片氮含量高值的估算能力較差，當LNC>2.6時，檢驗模型的散點趨于分散，并低于1:1線，因此對高值區(qū)存在低估現(xiàn)象(圖3和圖4)。從檢驗模型的決定系數(shù)(R²)、均方根誤差(RMSE)和預測相對誤差(REP)來看，基于550～750nm波段的吸收峰總面積(TA)對葉片氮含量的估算效果最佳，估算模型的表達式為LNC＝0.0025e^0.0404TA，R²＝0.803。

本發(fā)明提取400～550nm和550～750nm波段的光譜吸收特征參數(shù)，結(jié)果表明，隨著葉片氮含量的增加，400～550nm和550～750nm吸收谷的位置向長波方向移動，波段吸收深度增加，整個吸收谷的面積呈遞增趨勢，放大了由氮素脅迫引起的波譜吸收特征。當葉片氮含量增大時，藍光和紅光波段的吸收整體增強，因此這兩段吸收峰的面積和寬度增加，最大吸收深度增強，與葉片氮含量呈顯著正相關(guān)關(guān)系。面積歸一化最大吸收深度與葉片氮含量呈顯著負相關(guān)關(guān)系。其他參數(shù)受波譜曲線形狀不對稱的影響，400～550nm和550～750nm的吸收特征參數(shù)與葉片氮含量的關(guān)系相反。指數(shù)模型雖然取得了較好的擬合精度，但同時對葉片氮含量的高值容易飽和，高值區(qū)存在低估現(xiàn)象。基于光譜吸收特征參數(shù)的最佳葉片氮含量估算模型為550～750nm波段的吸收峰總面積建立的葉片氮含量指數(shù)估算模型，估算模型為LNC＝0.0025e^0.0404TA，R²＝0.803，模型精度優(yōu)于“三邊”參數(shù)建立的葉片氮含量估算模型。

以上所述，僅為本發(fā)明較佳的具體實施方式，本發(fā)明的保護范圍不限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明披露的技術(shù)范圍內(nèi)，可顯而易見地得到的技術(shù)方案的簡單變化或等效替換均落入本發(fā)明的保護范圍內(nèi)。