检索
E-mail
RSS
高级检索 图表检索

当期目录 我要投稿 过刊浏览
高级检索 图表检索

作物杂志,2023, 第2期: 245–252 doi: 10.16035/j.issn.1001-7283.2023.02.035

• 农业信息技术 • 上一篇    

基于RF和SPA的无人机高光谱估算棉花叶片全氮含量

易翔1(), 吕新1(), 张立福1,3, 田敏2, 张泽1, 范向龙1   

  1. 1石河子大学农学院/新疆生产建设兵团绿洲生态农业重点实验室，832003，新疆石河子
    2石河子大学机械电气工程学院，832003，新疆石河子
    3中国科学院空天信息创新研究院/遥感科学国家重点实验室，100094，北京
  • 收稿日期:2021-09-22 修回日期:2021-10-23 出版日期:2023-04-15 发布日期:2023-04-11
  • 通讯作者: 吕新，主要从事农业生产精准管理与设备、作物生长模拟与管理决策和农业大数据与综合服务等研究，E-mail：lxshz@126.com
  • 作者简介:易翔，主要研究方向为农业信息技术与智慧农业，E-mail：20192012003@stu.shzu.edu.cn
  • 基金资助:
    国家自然科学基金(61962053);新疆生产建设兵团棉花生产大数据关键技术及农业大数据平台研发应用(2018AA004)

Unmanned Aerial Vehicle Hyperspectral Estimation of Nitrogen Content in Cotton Leaves Based on RF and SPA

Yi Xiang1(), Lü Xin1(), Zhang Lifu1,3, Tian Min2, Zhang Ze1, Fan Xianglong1   

  1. 1Agriculture College of Shihezi University/Key Laboratory of Oasis Eco-Agriculture, Xinjiang Production and Construction Corps, Shihezi 832003, Xinjiang, China
    2College of Mechanical and Electrical Engineering, Shihezi University, Shihezi 832003, Xinjiang, China
    3Aerospace Information Research Institute, Chinese Academy of Sciences/State Key Laboratory of Remote Sensing Science, Beijing 100094, China
  • Received:2021-09-22 Revised:2021-10-23 Online:2023-04-15 Published:2023-04-11

RichHTML

9

PDF (PC)

212

摘要：

为分析棉花叶片全氮含量（LNC）与冠层光谱反射特征的关系，实现作物生长过程中氮素水平的快速、准确和无损监测，以石河子大学教学试验场2019年棉花小区试验为基础，选用多元散射校正、SG平滑算法、变量标准化校正和一阶导数4种方法分别对棉花冠层原始光谱进行预处理，使用随机蛙跳（random frog，RF）和连续投影算法（successive projections algorithm，SPA）筛选特征波长并结合偏最小二乘回归法建立棉花LNC光谱估算模型。RF和SPA算法从棉花冠层398~1000nm的光谱中优选5组LNC的敏感特征波段，波段数目下降了93.0%~96.3%，有效降低了光谱的冗余信息；基于SPA算法筛选的敏感波段构建的LNC偏最小二乘回归模型的决定系数和均方根误差分别为0.52和2.55，模型验证的决定系数和均方根误差分别为0.70和2.37，模型具有较好的精度和稳定性，可作为棉花LNC的无人机高光谱估算方法。

关键词: 棉花, 无人机, 高光谱, 随机蛙跳, 连续投影算法, 偏最小二乘回归

Abstract:

In order to analysis the relationship between cotton leaf nitrogen content (LNC) and canopy spectral reflection characteristics, and achieve rapid, accurate and nondestructive monitoring of nitrogen level in the process of crop growth, based on the cotton plot experiment in Xinjiang Shihezi University Teaching and Experimental Ground in 2019, multiplicative scatter correction, smoothing algorithm, standard normal variate and first derivative were used to pretreat the original spectra of the cotton canopy. Random frog (RF) algorithm and successive projections algorithm (SPA) were used to select characteristic wavelengths and combine with partial least squares regression to establish a spectral prediction model of nitrogen content in cotton leaves. RF and SPA algorithms selected five sensitive characteristic bands of LNC from the cotton canopy spectra of 398-1000nm, and the number of bands decreased by 93.0%-96.3%, which effectively reduced the spectral redundancy information. The determination coefficient and root mean square error of partial least squares regression of LNC constructed based on SPA algorithm screening sensitive band were 0.52 and 2.55, respectively, and the determination coefficient and root mean square error of model verification were 0.70 and 2.37, respectively. The model had good accuracy and stability. It can be used as a method to estimate nitrogen content in cotton leaves by unmanned aerial vehicle.

Key words: Cotton, Unmanned aerial vehicle (UAV), Hyperspectral, Random frog, Successive projections algorithm, Partial least squares regression

图1

不同氮素水平下高光谱反射率

图2

棉花冠层光谱反射率与LNC相关性

图3

RF与SPA算法特征波长筛选结果

表1

对光谱样本提取的敏感特征波长

预处理方法
Pretreatment		 提取算法
Extraction
algorithm		 特征波长数量
Number of characteristic
wavelengths		 特征波长
Characteristic wavelength (nm)
原始光谱Original spectrum RF 10 400、445、516、520、556、669、700、705、722、898
SPA 10 403、414、676、762、953、967、971、980、996、1000
MSC RF 10 518、705、707、722、856、862、898、907、918、598
SPA
 18
 400、518、538、589、629、662、762、791、862、916、924、947、956、962、964、971、976、987
SG RF 10 400、485、516、669、691、700、705、722、845、598
SPA
 19
 398、403、407、412、414、427、516、556、669、720、938、964、967、971、976、980、993、996、1000
SNV RF 10 503、520、536、556、598、705、747、827、860、913
SPA 10 498、762、940、942、953、962、967、982、993、1000
FD RF 10 467、491、511、556、558、583、600、609、622、463
SPA
 17
 733、736、760、933、936、942、949、953、962、969、978、980、982、989、991、993、998

表2

PLSR对棉花LNC估算效果分析

处理
Treatment		 训练集Train set 验证集Test set
R2 RMSE R2 RMSE
原始-RF Origin-RF 0.57 2.73 0.47 2.78
原始-SPA Origin-SPA 0.42 2.87 0.56 2.80
MSC-RF 0.53 2.59 0.57 2.73
MSC-SPA 0.46 2.81 0.60 2.57
SG-RF 0.48 2.72 0.61 2.55
SG-SPA 0.50 2.67 0.55 2.76
SNV-RF 0.54 2.56 0.58 2.67
SNV-SPA 0.41 2.90 0.52 2.85
FD-RF 0.53 2.78 0.68 2.67
FD-SPA 0.52 2.55 0.70 2.37

图4

不同预处理下RF-PLSR模型实测值与估算值的比较

图5

不同预处理下SPA-PLSR模型实测值与估算值的比较

图6

棉花田块高光谱影像及LNC反演分布图

[1] 李鹏程, 郑苍松, 孙淼, 等. 壤全氮含量和施氮水平对棉花产量及氮肥利用效率的影响. 核农学报, 2017, 31(8):1612-1617.
doi: 10.11869/j.issn.100-8551.2017.08.1612
[2] 冯帅, 许童羽, 于丰华, 等. 基于无人机高光谱遥感的东北粳稻冠层叶片氮素含量反演方法研究. 光谱学与光谱分析, 2019, 39(10):3281-3287.
[3] 赵春江. 农业遥感研究与应用进展. 农业机械学报, 2014, 45(12):277-293.
[4] 叶春, 刘莹, 李艳大, 等. 基于RGB颜色空间的早稻氮素营养监测研究. 中国农业大学学报, 2020, 25(8):25-34.
[5] Tao H, Feng H, Xu L, et al. Estimation of crop growth parameters using UAV-Based hyperspectral remote sensing data. Sensors, 2020, 20(5):1296.
doi: 10.3390/s20051296
[6] Yue J, Yang G, Tian Q, et al. Estimate of winter-wheat above-ground biomass based on UAV ultrahigh- ground-resolution image textures and vegetation indices. ISPRS Journal of Photogrammetry and Remote Sensing, 2019, 150:226-244.
doi: 10.1016/j.isprsjprs.2019.02.022
[7] 田婷, 张青, 张海东. 无人机遥感在作物监测中的应用研究进展. 作物杂志, 2020(5):1-8.
[8] 张凝, 杨贵军, 赵春江, 等. 作物病虫害高光谱遥感进展与展望. 遥感学报, 2021, 25(1):403-422.
[9] 第五鹏瑶, 卞希慧, 王姿方, 等. 光谱预处理方法选择研究. 光谱学与光谱分析, 2019, 39(9):2800-2806.
[10] 姚霞, 朱艳, 田永超, 等. 小麦叶层氮含量估测的最佳高光谱参数研究. 中国农业科学, 2009, 42(8):2716-2725.
[11] 李粉玲, 常庆瑞. 基于连续统去除法的冬小麦叶片全氮含量估算. 农业机械学报, 2017, 48(7):174-179.
[12] 梁栋, 杨勤英, 黄文江, 等. 基于小波变换与支持向量机回归的冬小麦叶面积指数估算. 红外与激光工程, 2015, 44(1):335-340.
[13] 孙晶京, 杨武德, 冯美臣, 等. 基于随机蛙跳和支持向量机的冬小麦叶面积指数估算. 山西农业大学学报(自然科学版), 2020, 40(5):120-128.
[14] Yun Y H, Li H D,E. Wood L R, et al. An efficient method of wavelength interval selection based on random frog for multivariate spectral calibration. Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy, 2013, 111:31-36.
doi: 10.1016/j.saa.2013.03.083
[15] 朱淑鑫, 杨宸, 顾兴健, 等. K均值算法结合连续投影算法应用于土壤速效钾含量的高光谱分析. 江苏农业学报, 2020, 36(2):358-365.
[16] 吴迪, 金春华, 何勇. 基于连续投影算法的光谱主成分组合优化方法研究. 光谱学与光谱分析, 2009, 29(10):2734-2737.
[17] Geladi P, Kowalski B R. Partial least-squares regression: a tutorial. Analytica Chimica Acta, 1986, 185:1-17.
doi: 10.1016/0003-2670(86)80028-9
[18] 王惠文, 朱韵华. PLS回归在消除多重共线性中的作用. 数理统计与管理, 1996(6):48-52.
[19] 姚霞, 吴华兵, 朱艳, 等. 棉花功能叶片色素含量与高光谱参数的相关性研究. 棉花学报, 2007, 19(4):267-272.
[20] 王克如, 潘文超, 李少昆, 等. 不同施氮量棉花冠层高光谱特征研究. 光谱学与光谱分析, 2011, 31(7):1868-1872.
[21] 马文君, 常庆瑞, 田明璐, 等. 棉花全生育期叶片SPAD值的遥感估算模型. 干旱地区农业研究, 2017, 35(5):42-48.
[22] 郑一力, 赵燕东, 董玮, 等. 竹叶片氮含量高光谱估测方法对比研究. 农业机械学报, 2018, 49(增1):393-400.
[23] 王丽凤, 张长利, 赵越, 等. 高光谱成像技术的玉米叶片氮含量检测模型. 农机化研究, 2017, 39(11):140-147.
[1] 王艳丹, 高欣, 彭金剑, 汤飞宇. 棉花早、中熟品系营养器官碳氮含量变化的差异及与干物质积累的相关性[J]. 作物杂志, 2023, (2): 106–114
[2] 唐中杰, 谢德意, 许守明, 聂利红, 吕淑平, 王明坤. 2005-2020年转Bt基因棉花抗虫性变化及其与产量性状的相关性分析[J]. 作物杂志, 2023, (2): 77–82
[3] 李文姗, 张俊尧, 唐江华, 徐文修, 徐清华. 艾氟迪不同滴施量对棉花生长发育及产量的影响[J]. 作物杂志, 2023, (1): 158–162
[4] 梁永检, 吴文志, 施泽升, 唐利球, 宋修鹏, 颜梅新, 郭强, 秦昌鲜, 何洪良, 张小秋. 基于无人机RGB遥感的甘蔗株高估测[J]. 作物杂志, 2023, (1): 226–232
[5] 张海涛, 闫晓斌, 冯美臣, 杨武德, 肖璐洁, 宋晓彦, 张美俊, 王乐乐, 王超. 土壤水分的高光谱响应特性及定量监测研究[J]. 作物杂志, 2023, (1): 233–238
[6] 马春梅, 田阳青, 赵强, 李江余, 吴雪琴. 植物生长调节剂复配对棉花产量的影响[J]. 作物杂志, 2022, (6): 181–185
[7] 徐敏, 金路路, 李瑞春, 孙丽园, 王子胜. 辽河流域棉区棉花化学封顶技术应用研究[J]. 作物杂志, 2022, (5): 201–207
[8] 张特, 李广维, 李可心, 李欣欣, 赵强. 滴施缩节胺对棉花生长发育及产量的影响[J]. 作物杂志, 2022, (4): 124–131
[9] 张文, 刘铨义, 曾庆涛, 蔡晓莉, 冯杨, 逯涛. 不同株行距配置对机采棉成铃特性及纤维品质的影响[J]. 作物杂志, 2021, (2): 147–152
[10] 孙正冉, 吴昊, 张翠萍, 张晋丽, 贺道华. 棉花化学打顶剂的配制与筛选[J]. 作物杂志, 2021, (1): 112–117
[11] 周江, 谢宜章, 向平安. 湖南主要大田作物系统投入产出的能值分析[J]. 作物杂志, 2021, (1): 175–181
[12] 纪景纯, 刘建立, 牛玉洁, 宣可凡, 蒋一飞, 邓皓东, 李晓鹏. 基于全波段高光谱的冬小麦生长参数估算方法比较[J]. 作物杂志, 2020, (6): 180–188
[13] 田婷, 张青, 张海东. 无人机遥感在作物监测中的应用研究进展[J]. 作物杂志, 2020, (5): 1–8
[14] 秦鸿德, 荣义华, 黄晓莉, 胡爱兵, 周家华, 闫显会, 李蔚, 张贤红, 李洪菊, 杨国正. 简化施肥夏直播棉对密度和氮肥的响应[J]. 作物杂志, 2020, (4): 127–134
[15] 张谦, 李耀发, 王树林, 王燕, 冯国艺, 林永增, 梁青龙, 雷晓鹏, 祁虹. 棉花–小麦条带种植对棉花苗蚜发生及为害的影响[J]. 作物杂志, 2020, (4): 206–210
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!