冬小麦叶片中高光谱定量氮含量检测方案(高光谱仪)

AZUP 安洲科技AZUP International S185 精准农业案例---冬小麦叶片氮含量定量模型研究 (International Journal of Remote Sensing》 山东科技大学计算机科学与工程学院 作物营养元素中，氮素对生长发育和产量的影响最大，施用量也最大，通过研究作物全氮含量的光谱特性建立作物氮素含量的高光谱估算模型，对快速诊断作物的氮素状况对指导有效施肥具有现实意义。高光谱分辨率遥感技术与传统的多光谱遥感相比具有波段多、光谱分辨率高且连续的特点，能直接对地物进行微弱光谱差异的定量分析，在植被遥感研究与应用中表现出强大优势。基于无人机的高光谱图像获取手段具有灵活、实时等优点，可快速获取大面积作物的高光谱图像数据。S185机载高速成像光谱仪采用画幅式成像技术，可以快速、精确、实时地取大面积作物的高光谱图像数据，对于作物生长长势监控、产量估算以及病虫害防治具有重要的作用。 1样田选取 本次研究地点为北京国家精准农业基地，冬小麦的样田面积约为150m²，整个样田分为48个小区，分别种植不同水分、施肥以及品种的小麦；具体的分布如下图所示： 图1样田分布图——国家精准农业示范基地 2高光谱数据采集 高光谱图像数据获取采用德国 Cubert 公司 S185 机载高速成像光谱仪，光谱范围是450-950nm，光谱采样间隔4nm；飞行高度50m，地面空间分辨率约为 0.02m.飞行试验分别在2015年4月15日、2015年4月26日、2015年5月12日与2015年5月27日进行，以上日期分别对应着冬小麦的拔节期、挑旗期、开花期以及灌浆期，不同生长期对应的高光谱数据如下图： (c) Flowering stage (d) Filling stage This symbol indicates the geographical coordinate that is 40°10’30.5"N，116°26’11.1" E.This symbol indicates the geographical coordinate that is 40°11’18.3"N，116°27’5.4"E.15 30m 图2样田冬小麦四个生长期S185 高光谱数据 RGB 合成图 四个生长期不同波段与叶片氮素含量相关性如下图所示： 图3样田冬小麦四个生长期不同波段与叶片氮素含量相关性 ( Beij in g AZUP S c ientific Co.， Limited ) ( 全国服务热线：4006-507-608 电 话：01 0 -62111182/2602/2652 ) ( http：//www.azup.com.cn i nfo @a z up.com.cn ) 31模型分析 模型典型波段的选取表(基于多元线性回归以及BP神经网络模型的相关性与均方根误差)： Modelling results Verification results Multiple linear BP neural Multiple linear BP neural regression network regression network The growth period and the corresponding typical RMSE RMSE RMSE RMSE bands (nm) of winter wheat (N%) (N%) (N%) R (N%) Jointing stage (466， 690， 710， 718， 918) 0.658 0.312 0.829 0.248 0.878 0.279 0.968 0.152 Flag leaf stage (462， 698， 722， 754) 0.863 0.179 0.948 0.127 0.898 0.219 0.969 0.133 Flowering stage (474， 710， 730， 738， 746) 0.861 0.161 0.948 0.117 0.872 0.214 0.948 0.155 Flowering stage (458， 570， 722， 734， 758) 0.661 0.393 0.844 0.281 0.567 0.198 0.850 0.139 拔节期、挑旗期、开花期以及灌浆期等四个生长期分别对应的特征波段如下图所示： 图4：四个生长期特征波段：(a)：拔节期 (b)：挑旗期 (c)：开花期 (d)：灌浆期 ( 全国服务热线：4006-507-608 电 话：01 0 -62111182/2602/2652 http：//www.azup.com.cn i nfo @a z up.com.cn ) 4模型验证 基于多元线性回归不同生长期的模型验证结果如下图所示： ◆ This symbol indicates the actual value. ■This symbol indicates the predicted value. (a) Multiple linear modelling (b) BP neural network modelling 图5-1拔节期模型验证结果 m This symbol indicates the predicted value. (a) Multiple linear modelling (b)BP neural network modelling 图5-2挑旗期模型验证结果 mThis symbol indicates the predicted value. (a)Multiple linear modelling (b) BP neural network modelling 图5-3开花期模型验证结果 ●This symbol indicates the actual value. mThis symbol indicates the predicted value. (a)Multiple linear modelling (b) BP neural network modelling 图5-4灌浆期模型验证结果 5结论 利用 S185 机载高速成像仪测得的高光谱数据与实测的叶片氮含量建立的校正模型相关性较好，通过模型验证分析了模型的可靠性，以上方法为大面积的机载高光谱作物氮素含量分析提供了一定的借鉴意义。 原文链接： http：//www.tandfonline.com/doi/abs/10.1080/01431161.2016.1253899 北京安洲科技有限公司Beijing AZUP Scientific Co.， Limited北京·海淀·上地信息路号国际创业园号楼 邮编：国服务热线： 电话：ttp：//www.azup.com.cn info@azup.com.cn 北京安洲科技有限公司北京·海淀·上地信息路号国际创业园号楼 邮编： 《International Journal of Remote Sensing》山东科技大学计算机科学与工程学院 作物营养元素中, 氮素对生长发育和产量的影响最大, 施用量也最大, 通过研究作物全氮含量的光谱特性建立作物氮素含量的高光谱估算模型, 对快速诊断作物的氮素状况对指导有效施肥具有现实意义。高光谱分辨率遥感技术与传统的多光谱遥感相比具有波段多、光谱分辨率高且连续的特点, 能直接对地物进行微弱光谱差异的定量分析, 在植被遥感研究与应用中表现出强大优势。基于无人机的高光谱图像获取手段具有灵活、实时等优点，可快速获取大面积作物的高光谱图像数据。S185机载高速成像光谱仪采用画幅式成像技术，可以快速、精确、实时地取大面积作物的高光谱图像数据，对于作物生长长势监控、产量估算以及病虫害防治具有重要的作用。 1 样田选取 本次研究地点为北京国家精准农业基地，冬小麦的样田面积约为150㎡，整个样田分为48个小区，分别种植不同水分、施肥以及品种的小麦；具体的分布如下图所示：图1 样田分布图——国家精准农业示范基地2  高光谱数据采集高光谱图像数据获取采用德国Cubert公司S185机载高速成像光谱仪，光谱范围是450-950 nm，光谱采样间隔4nm；飞行高度50m，地面空间分辨率约为0.02m。飞行试验分别在2015年4月15日、2015年4月26日、2015年5月12日与2015年5月27日进行，以上日期分别对应着冬小麦的拔节期、挑旗期、开花期以及灌浆期，不同生长期对应的高光谱数据如下图：图2 样田冬小麦四个生长期S185高光谱数据RGB合成图 四个生长期不同波段与叶片氮素含量相关性如下图所示：图3 样田冬小麦四个生长期不同波段与叶片氮素含量相关性 3  模型分析 模型典型波段的选取表（基于多元线性回归以及BP神经网络模型的相关性与均方根误差）：拔节期、挑旗期、开花期以及灌浆期等四个生长期分别对应的特征波段如下图所示：图4：四个生长期特征波段：（a）：拔节期 （b）：挑旗期 （c）：开花期 （d）：灌浆期4  模型验证基于多元线性回归不同生长期的模型验证结果如下图所示： 图5-1 拔节期模型验证结果 图5-2 挑旗期模型验证结果图5-3 开花期模型验证结果图5-4 灌浆期模型验证结果5 结论利用S185机载高速成像仪测得的高光谱数据与实测的叶片氮含量建立的校正模型相关性较好，通过模型验证分析了模型的可靠性，以上方法为大面积的机载高光谱作物氮素含量分析提供了一定的借鉴意义。 原文链接：http://www.tandfonline.com/doi/abs/10.1080/01431161.2016.1253899