【正文】 13. [3] 陳斌 . 利用光譜反射特性測定茶鮮葉的葉綠素含量 . 江蘇理工大學(xué)學(xué)報 . 1996, 17(4): 1015. [4] Horler DNH, Barber LP, Ferns DC. Approaches to detection of geochemical stress in vegetation. Advances in Space Research. 1983, 3: 175179. [5] 唐延林 , 王人潮 , 王秀珍等 . 水稻葉面積指數(shù)和葉片生化的光譜法研究 . 華南農(nóng)業(yè)大學(xué)學(xué)報 . 20xx, 24(1): 37. [6] 張金恒 , 王珂 , 王人潮等 . 水稻葉片反射光譜診斷氮素營養(yǎng)敏感波段的研究 . 浙江大學(xué)學(xué)報 .20xx, 30(3): 340346. [7] 李曉松，李增元，高志海等 . 基于 NDVI與偏最小二乘回歸的荒漠化地區(qū)植被覆蓋度高光譜遙感估測 . 中國沙漠 . 20xx, 31(1): 162167. [8] 王人潮 , 陳銘臻 , 蔣亨顯 . 水稻遙感估產(chǎn)的農(nóng)學(xué)機理研究 . 浙江大學(xué)學(xué)報 . 1993, 19: 714. [9] 陸景陵 . 植物營養(yǎng)學(xué) . 中國農(nóng)業(yè)大學(xué)出版社 . 1994, 3536. 18 [10] 王磊 , 自由路 , 楊俐蘋 . 春玉米磷素營養(yǎng)的光譜響應(yīng)及診斷 . 20xx, 13(5): 802808. [11] 劉煒 , 常慶瑞 , 郭曼等 . 冬小麥導(dǎo)數(shù)光譜特征提取與缺磷脅迫神經(jīng)網(wǎng)絡(luò)診斷 . 光譜學(xué)與光譜分析 . 20xx, 31(4): 10921096. [12] 林芬芳 , 丁曉東 , 付志鵬等 . 基于互信息理論的水稻磷素營養(yǎng)高光譜診斷 . 光譜學(xué)與光譜分析 . 20xx, 29(9): 24672470. [13] 楊雪紅 . 基于高光譜的棉花中鉀含量的預(yù)測研究 .科技信息 . 20xx, 23: 238239. [14] 朱西存 , 趙庚星 , 隋學(xué)艷等 . 基于光譜分析技術(shù)的蘋果花鉀素含量估測研究 . 紅外 . 20xx, 31(8): 1923. [15] 王磊 , 自由路 . 不同鉀素處理春玉米葉片營養(yǎng)元素含量變化及其光譜響應(yīng) . 遙感學(xué)報 . 20xx, 11(5): 641647. [16] Pimstein A, Karnieli A, Surinder K et al. Exploring remotely sensed technologies for monitoring wheat potassium and phosphorus using field spectroscopy. Field Crops Research. 20xx, 121: 125135. [17] 魯如坤 . 土壤和農(nóng)業(yè)化學(xué)分析 .中國農(nóng)業(yè)科學(xué)技術(shù)出版社 ,20xx,31(3):400411. [18] 王秀珍 , 王人潮 , 李云梅等 . 不同氮素營養(yǎng)水平的水稻冠層光譜紅邊參數(shù)及其應(yīng)用研究 . 浙江大學(xué)學(xué)報 .20xx, 27( 3): 301306. [19] 王圓圓 , 陳云浩 , 李京等 . 利用偏最小二乘回歸反演冬小麥條銹病嚴重度 . 國土資源遙感 , 20xx, 3(1): 5760. [20] 王惠文 . 偏最小二乘回歸方法及其應(yīng)用 . 國防工業(yè)出版社 , 1999, 200. [21] 魏海坤 . 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計的理論與方法 . 國防工業(yè)出版社 , 20xx, 9496. 致謝： 感謝本實驗中采集試驗所使用的水稻葉片光譜數(shù)據(jù)和實驗室測定氮磷鉀含量數(shù)據(jù)的技術(shù)人員；感謝指導(dǎo)老師林芬芳對本文撰寫過程中給出的細心指導(dǎo)以及修改意見；感謝在試驗過程遇到困難時給予熱心建議的同學(xué)和朋友?？赏ㄟ^高光譜技術(shù)診斷水稻氮磷鉀營養(yǎng)狀況。 17 4 結(jié)論 水稻在不同的營養(yǎng)狀況下，葉片會表現(xiàn)出不同的特征。由此模型計算出的水稻葉片鉀含量的實測值與估計值相關(guān)關(guān)系如圖 11 所示，此外，通過測試樣本集的分析， BP 模型的均方根誤差 RMSE為 ，檢驗集的相關(guān)系數(shù) R 為 。 r= RMSEP= Bias=12 測量值/%估計值/% 圖 10 siPLS 模型檢驗數(shù)據(jù)的測量值與模型估計值間的關(guān)系 16 BP人工神經(jīng)網(wǎng)絡(luò)對鉀含量的分析 根據(jù)水稻葉片氮含量與葉片光譜反射率的相關(guān)性特征，在具有顯著相關(guān)性的波長范圍內(nèi)選擇相關(guān)系數(shù)峰值點所對應(yīng)的波長作為 BP 模型的自變量，最終入選的水稻鉀素敏感波段為 669nm， 746nm， 846nm， 903nm和 998nm 。先將高光譜波段分成 12個間隔，通過比較不同波段間隔與氮含量的模型精度，從中選取訓(xùn)練集中均方根誤差 RMSEtrain 最小的模型。 15 y = R2 = 紅邊振幅鉀含量/% 圖 9 鉀含量與紅邊振幅間的關(guān)系 該模型訓(xùn)練集和檢驗集的相關(guān)系數(shù) R均很高，分別為 和 。 為了利用紅邊參數(shù)更精確的估算水稻葉片氮素含量，選取其中相關(guān)性最好的紅邊振幅作為自變量。 水稻鉀含量的高光譜診斷 利用紅邊比值參數(shù)反演水稻鉀素含量 表 6 水稻不同鉀素水平紅邊參數(shù)的變化規(guī)律 鉀水平 紅邊位置 (nm) 紅谷 (nm) 紅邊振幅 最小振幅 比值 K1 726 671 K2 727 671 K3 726 672 K4 726 670 表 6表明 不同鉀水平下紅邊位置與紅谷基本保持一致。由此模型計算出的水稻葉片磷含量的實測值與估計值相關(guān)關(guān)系如圖從 8 所示，此外，通過測試樣本集的分析， BP 模型的均方誤差 RMSE 為 ，檢驗集的相關(guān)系數(shù) R 為 。 13 r= RMSEP= Bias=00 測量值/%估計值/% 圖 7 siPLS 模型檢驗數(shù)據(jù)的測量值與模型估計值間的關(guān)系 BP人工神經(jīng)網(wǎng)絡(luò)對磷含量的分析 根據(jù)水稻葉片氮含量與葉片光譜反射率的相關(guān)性特征，在具有顯著相關(guān)性的波長范圍內(nèi)選擇相關(guān)系數(shù)，選擇曲線圖中在敏感范圍內(nèi)的峰值點所對 應(yīng)的波長作為 BP 模型的自變量，這些波段分別為 470nm，548nm， 620nm， 653nm 和 708nm 。先將高光譜波段分成 12個間隔，通過比較不同波段間隔與氮含量的模型精度，從中選取訓(xùn)練集中均方根誤差 RMSEtrain 最小的模型。最小振幅隨磷含量的增加而減小。 表 3 基于三種算法的水稻葉片氮含量估測精度的比較 均方根誤差 相關(guān)系數(shù) N RMSEtrain RMSEtest Rtrain Rtest 紅邊參數(shù) siPLS BP 人工神經(jīng)網(wǎng)絡(luò) 注： RMSEtrain 為訓(xùn)練樣本的均方根誤差； RMSEtest 為測試樣本的均方根誤差； Rtrain 為訓(xùn)練集中葉片營養(yǎng)元素 含量實測值與預(yù)測值的相關(guān)系數(shù)； Rtest為測試集中葉片營養(yǎng)元素含量實測值與預(yù)測值的相關(guān)系數(shù)。此外，通過測試樣本集的分析， BP 模型的均方根誤差 RMSE 為 ，相關(guān)系數(shù) R 為 。利用 BP 人工神經(jīng)網(wǎng)絡(luò)建立水稻葉片氮含量和光譜反射率之間的非線性模型。 通過該模型可知，訓(xùn)練集的均方根誤差 RMSE 為 ，訓(xùn)練集的相關(guān)系數(shù) R 為 。雖然水稻葉片總氮含量與紅邊比值間的相關(guān)系數(shù)較高，但是通過線性擬合發(fā)現(xiàn)，樣本點均集中在直線的兩端，而且線性模型的估測誤差較大。結(jié)果表明，所有紅邊參數(shù)中，比值的精度優(yōu)于紅邊位置、紅谷等其他模型。這個規(guī)律與前人研究結(jié)果基本一致 [18]。 在 730820nm范圍內(nèi)，最大相關(guān)系數(shù)為 ，表現(xiàn)出明顯的正相關(guān)；在 580710nm 范圍內(nèi)，表現(xiàn)出極明顯的負相關(guān)，最大值為 。從圖中可以看出，在 350730nm和 14801580nm范圍內(nèi)，水稻磷含量與葉片光譜反射率的相關(guān)性很明顯。從圖中可以看出，在 4701300nm 范圍內(nèi)，水稻氮含量與葉片光譜反射率的相關(guān)性很明顯。 3 結(jié)果與討論 水稻氮磷鉀含量的基本統(tǒng)計 表 1 水稻氮磷鉀含量的基本統(tǒng)計 (單位為 %) 營養(yǎng)元素 最小值 最大值 平均值 標準差 N P K 水稻葉片氮磷鉀含量的基本統(tǒng)計特征如表 1 所示。 模型精度根據(jù)均方根誤差 ( Root Mean Square Error) 和相關(guān)系數(shù) ( R)兩個指標來分析與驗證。 所有的光譜數(shù)據(jù)在輸入網(wǎng)絡(luò)進行計算前都先經(jīng)過歸一化處理，模型計算結(jié)果也經(jīng)過反歸一化得到。 BP人工神經(jīng)網(wǎng)絡(luò) BP 神經(jīng)網(wǎng)絡(luò)是一種具有三層或三層以上的神經(jīng)網(wǎng)絡(luò)，由輸入層、隱含層和輸出層構(gòu)成。 普通 PLS是基于全波段的回歸方程，每個波段的歸一化回歸系數(shù)表明波段的重要性。 間隔偏最小二乘法 siPLS 6 偏最小二乘回歸是由 Wold 和 Albano 于 1983 年提出 ,其最大優(yōu)勢是能在自變量存在嚴重多重相關(guān)的條件下有效回歸建模 , 因此在 高光譜領(lǐng)域也日益受到關(guān)注。 紅吸收峰 ( 紅谷 ) : 紅波段的反射率最小點 , 本文指 600～ 720 nm 之間反射率最小處的波長值。本文利用平滑窗口為 3的移動平均方法對光譜曲線進行平滑處理，從而去除包含在光譜數(shù)據(jù)中的噪聲。單位 %[17]。