煙草花葉病害高光譜特征及其病害程度判別分析模型的研究.pdf

1、本研究利用ASD公司FieldSpec3便攜式光譜儀，以自然條件下發(fā)病的煙草葉片（中煙100）為研究對(duì)象，于煙草大田旺長(zhǎng)期內(nèi)分3次采集病害煙葉光譜數(shù)據(jù)，同時(shí)配合室內(nèi)生理生化指標(biāo)測(cè)定。通過(guò)定量和定性分析病害煙葉原始、微分光譜特征，高光譜特征變量與病葉生理生化指標(biāo)的相關(guān)性，篩選對(duì)比了不同化學(xué)計(jì)量學(xué)建模預(yù)處理方法，建立了煙草花葉病害嚴(yán)重度的判別分析模型，以期為實(shí)現(xiàn)今后大面積同步、無(wú)損遙感監(jiān)測(cè)煙草花葉病提供理論支持。本論文主要得出以下結(jié)論：

2、r>　　1、隨病害程度的加重，煙草花葉病病葉相比健康煙葉光譜反射率在整個(gè)波段區(qū)間呈現(xiàn)逐漸上升的趨勢(shì)，其中近紅外區(qū)（760~1300nm）和短波紅外區(qū)（1300~2500nm）的光譜差異尤為明顯；葉片一階微分光譜在可見(jiàn)光紅邊區(qū)域（680～760nm）變化最大，紅邊位置逐漸向短波方向偏移，發(fā)生“藍(lán)移”現(xiàn)象。
　　2、健康和不同病害程度煙葉生理生化指標(biāo)差異顯著，隨煙葉病害程度的加重，色素、水分、總糖、還原糖和總氮含量不斷降低，而煙堿含量

3、則不斷增加。通過(guò)各生理生化指標(biāo)與原始、一階微分光譜和高光譜特征變量的相關(guān)性分析，篩選出了各生理生化指標(biāo)敏感波段和高光譜特征變量，建立了病葉各生理生化指標(biāo)逐步回歸模型，實(shí)現(xiàn)了病葉生理生化指標(biāo)的定量估測(cè)。
　　3、提取400～2400nm范圍內(nèi)的可見(jiàn)-近紅外高光譜數(shù)據(jù)結(jié)合化學(xué)計(jì)量學(xué)分析方法，系統(tǒng)地比較了不同預(yù)處理方法對(duì)模型精度的影響。綜合對(duì)比發(fā)現(xiàn)，模型最佳Savitzky-Golay卷積平滑點(diǎn)數(shù)為5，原始光譜數(shù)據(jù)經(jīng)微分處理后在很大程度

4、上提高了模型的精度，一階微分處理的建模效果要優(yōu)于二階微分，其中以一階微分（1-Der）結(jié)合正交信號(hào)校正（OSC）為模型最佳預(yù)處理方法，模型校正集和驗(yàn)證集的決定系數(shù)R2分別為0.989和0.965，校準(zhǔn)均方根誤差RMSEC為0.082，預(yù)測(cè)均方根誤差RMSEP為0.098。同時(shí)采用載荷系數(shù)法提取前8個(gè)主成分載荷系數(shù)所對(duì)應(yīng)的特征波段，建立了煙草花葉病害程度的最小二乘-支持向量機(jī)（LS-SVM）和偏最小二乘判別分析（PLS-DA）定性分析模型