论文部分内容阅读
本研究以玉米为研究对象,在2013年分别以磷、钾胁迫进行试验设计,分别设定了五个营养水平,每个水平设置三个重复。在玉米的拔节期利用FieldSpec3便携式近红外光谱仪配合叶片探测器,对玉米叶片上、中、下三个部位进行光谱数据采集。应用九种预处理方法对原始光谱信息进行预处理,通过比较得出最优预处理方法。分别提取出有效特征波长和主成分,运用多种建模方法建立玉米磷、钾数学模型,取得了理想的预测结果。主要研究内容和结论如下：(1)本研究采用3点平滑、5点平滑、7点平滑、SNV、MSC、一阶微分、二阶微分、一阶微分+SNV、二阶微分+MSC九种预处理方法对光谱数据进行预处理,经比较分析,3点平滑预处理方法效果最好。钾素作用下校正集玉米光谱数据经过3点平滑预处理其相关系数R为0.944227,均方根误差fMSEC为0.333984；预测集光谱数据经预处理后其相关系数为0.981556,均方根误差RMSEP为0.192061。磷素作用下校正集玉米光谱数据经过3点平滑预处理其相关系数为0.904486,均方根误差RMSEC为0.437067；预测集玉米光谱数据经预处理后其相关系数为0.955965,均方根误差RMSEP为0.296765。因此,3点平滑为最优预处理方法。(2)将3点平滑预处理后的玉米磷素光谱数据采用全波段偏最小二乘法(PLS)和支持向量机(SVM)建立预测模型,其预测精度分别为96%和88%；把3点平滑预处理后的玉米磷素光谱数据采用连续投影法提取出11个特征波长,分别为378nm、381nm、388nm、515nm、550nm、654nm、688nm、709nm、1903nm、2089nm、2500nm,使得光谱信息量得到精简,分别采用SPA-PLS和SPA-SVM建模方法建立预测模型,其预测精度分别为84%和80%,在模型精简的基础上收实现了较好的预测结果。将3点平滑后的光谱数据利用MATLAB软件提取出了6个主成分,精简了光谱谱段,利用BP神经网络建立预测模型,期预测准确率为84%,达到了较好的预测精度。利用特征波长建模和主成分建模在一定程度上精简了工作量,但其预测精度小于全波段建模,所以全波段PLS建模为最好的建模方法。(3)将3点平滑预处理后的玉米钾素光谱数据采用全波段偏最小二乘法(PLS)和支持向量机(SVM)建立预测模型,其预测精度分别为100%和92%；将经过3点平滑预处理后的玉米钾素光谱数据采用连续投影法提取出7个特征波长,分别为355nm、357nm、360nm、378nm、1000nm、405nm、2010nm,使得光谱信息量得到精简,分别采用SPA-PLS和SPA-SVM建模方法建立预测模型,其预测精度分别为88%和84%,实现了比较好的效果。将预处理后的数据利用MATLAB软件提取出了8个主成分,使得光谱谱段得到了精简,利用BP神经网络建立预测模型,期预测准确率为88%,达到了较好的预测精度。通过比较,得出全波段PLS建模为最好的建模方法。本试验以玉米为载体,利用近红外光谱技术对单一磷、钾胁迫下的光谱特性进行了建模分析并且取得了较好的预测结果。为进一步研究玉米的多营养胁迫奠定了坚实的