论文部分内容阅读
冬小麦的地上鲜生物量是反映小麦生长状况的重要指标,冬小麦生物量管理是农业生态系统中小麦育种和作物生产管理的最重要环节之一,也是影响小麦产量和收益的关键因素之一。而目前单一的检测技术存在饱和现象以及精度不高的问题,本文针对小麦生物量田间快速、活体无损测量的需求,基于单一机器视觉、单一光谱、单一力学传感以及机器视觉、光谱、力学传感进行融合的测量方法,研究小麦生物量的田间无损快速测量分析方法与模型,实现生物量的综合准确评价,主要研究内容如下:(1)提出了基于小麦茎秆力学特性的生物量检测方法,并针对小麦不同生育期分别进行试验研究其适应性和预测精度。通过对小麦茎秆进行受力分析,设计了基于茎秆力学特性的田间生物量检测系统,研究基于力学传感技术小麦生物量预测的可行性,并针对不同生育期分别建立生物量预测模型,结果表明,随着测量点的升高,小麦茎秆力学信号逐渐降低,不同测量点处的茎秆力学信号与生物量都具有较好的非线性相关性,测量点为40cm、45cm、50cm处力学信号与生物量决定系数R2分别为0.683、0.622、0.561。不同生育期基于力学特性的生物量预测模型精度不同,其中预测模型精度最高的是抽穗期,校正集模型的R2为0.675,RMSE为0.218kg,使用未知样本对模型进行验证,所得验证模型的R2为0.623,RMSE为0.216kg。该结果可为多信息融合技术综合预测生物量提供理论依据。(2)研究并建立了基于图像技术的生物量预测模型。针对中后期冠层图像视野范围内被小麦占满,冠层图像与生物量不再相关的问题,通过拍摄小麦侧面图像并提取小麦覆盖度,采用多元回归建立生物量的回归模型,针对不同生育期建立基于小麦覆盖度的校正集模型,并通过对未知样本的预测来检验模型的准确性和精度。结果表明,苗期小麦覆盖度和地上鲜生物量变化趋势是一致的,不同生育期基于图像的生物量预测模型精度不同,其中预测模型精度最好的是苗期,苗期冬小麦覆盖度与地上鲜生物量具有较强的相关性,二者之间存在多项式函数关系,生物量预测模型的R2为0.851,RMSE为0.015kg,对未知样本的验证模型R2为0.828,RMSE为0.017kg,相关性达到极显著水平。随着生育期的递进,到开花期和灌浆期出现饱和现象,预测精度逐渐下降,表明到了生育期后期,利用单一的侧面图像对生物量进行预测存在局限性。(3)研究并建立了基于光谱技术的生物量预测模型。通过对冠层光谱进行分析提取相应的特征参数(光谱反射率、光谱指数、红边幅值、特征波长),分析特征参数与生物量的相关性,建立基于特征参数的生物量预测模型,结果表明,利用偏最小二乘法建立基于400-1000nm波段范围内冠层光谱反射率的生物量预测模型的精度最高。针对不同生育期利用偏最小二乘法建立基于光谱反射率的小麦生物量预测模型,苗期、拔节期、抽穗期模型相关性较显著,其中苗期模型精度最高,预测模型的R2为0.839,RMSE为0.016kg,对未知样本的验证模型R2为0.823,RMSE为0.017kg,随着生育期的递进,到开花期和灌浆期出现饱和现象,预测精度逐渐下降,表明到了生育期后期,利用单一的光谱信息对生物量进行预测存在局限性。(4)针对图像、光谱、力学单一技术存在的饱和现象、精度不高等问题,研究利用多传感器信息融合技术建立生物量的预测模型,通过对同一样本分别采用光谱技术、图像技术和力学传感技术获取小麦的多种特征信息,分别提取不同信息特征变量进行特征层数据融合形成新的特征变量,作为输入变量,针对不同生育期研究基于不同融合特征变量的生物量PLS预测模型,结果表明,任意两种技术信息融合的模型均优于单一传感器模型,其中不同的生育期基于三种传感器信息融合的预测模型对生物量的预测效果均为最佳,一定程度上改善了单一技术在中后期存在的饱和现象,并提高了模型的预测精度。