基于氮素组分辐射传输模型的植株氮素估算方法和系统技术方案

本发明专利技术提供一种基于氮素组分辐射传输模型的植株氮素估算方法和系统，所述方法包括：S1、获取叶片叶绿素与氮素的定量关系，通过替换光学辐射传输模型(PROSAIL模型)中叶绿素含量在不同波段的吸收系数得到以氮素组分为输入的辐射传输模型，得到以氮素组分为输入的N‑PROSAIL模型；S2、采用复合型混合演化算法，并结合多年实测数据确定作物叶片生理生化及群体结构信息在不同生育时期的先验知识，解决模型的病态反演问题，实现不同生育时期叶片和冠层氮素信息的准确估算。

Plant nitrogen estimation method and system based on nitrogen component radiative transfer model

The present invention provides a method and system for estimating nitrogen nitrogen components based on radiative transfer model, the method comprises the following steps: S1, get the quantitative relationship between chlorophyll and nitrogen, by replacing the optical radiative transfer model (PROSAIL model) in the chlorophyll content in different period of the wave absorption coefficient obtained in N Group were divided into radiation transmission the input of the model, obtained in N group was divided into N PROSAIL model; S2, the compound hybrid evolutionary algorithm, and combined with the crop physiological and biochemical and population structure information in different growth periods prior knowledge to determine many measured data, to solve the ill posed inversion model, realize the accurate estimation of leaf and canopy nitrogen in different information the growth period.

【技术实现步骤摘要】
基于氮素组分辐射传输模型的植株氮素估算方法和系统
本专利技术涉及作物生化组分光谱无损检测
，更具体地，涉及基于氮素组分辐射传输模型的植株氮素估算方法和系统。
技术介绍
氮素是作物体内维持作物光合作用、提高产量和改善品质的关键元素，过量使用氮肥容易导致作物植株徒长、土壤板结和环境污染等一系列问题。因此，准确监测作物养分的空间分布状况并做到准确实时氮肥管理对于作物健康生长及土壤环境可持续发展具有重要的意义。遥感技术作为目前唯一能够在大范围内实现快速瞬时获取空间连续地表信息的手段，对于发展高产高效和环境友好型现代农业的重要性已被普遍认可。因此，构建作物氮素组分遥感辐射传输模型对于研究氮素的光谱响应机制，提高氮素遥感监测精度及精准施肥管理具有重要作用。氮素是包括大麦在内的作物所需的主要营养元素，直接影响着作物生长发育与产量品质的形成。对作物冠层叶片的氮素含量水平进行实时、快速和准确地检测，有利于科学合理地指导氮肥施用，减少过量施氮造成的环境污染，提高作物的产量与品质，具有重要的实际意义与应用价值，本专利技术所述的全氮含量，具体是指作物冠层叶片单位干重中所含氮素的总量，乘以100后用百分比(％)表示，单位为gN100/gDW。传统的作物氮素含量检测方法耗时费力成本高，并具有破坏性和滞后性。近年来，随着高光谱技术的快速发展，应用光谱无损探测技术对包括氮素在内的作物生化组分进行无损监测估算，已成为当前研究田间作物长势及营养诊断的重要方法。目前，应用光谱技术检测作物氮素含量的主要方法有两种：一是使用敏感波长的反射率组合生成的各种光谱植被指数；二是应用光谱特征变量直接与作物氮素含量建立响应模型，实现氮素含量的光谱无损估测，光谱特征变量主要包括光谱曲线反射峰或吸收谷特征，以及导数光谱特征量。这两类方法由于通常只使用少数几个特征波长，往往忽略对高光谱数据多个波段丰富信息的挖掘应用，并且在实际应用中很少考虑晴天由于局部云斑阴影暂时或偶然性遮挡产生的光谱差异，使得构建的氮素光谱估算方法模型在时间与空间应用上常表现出扩展性不强、稳定性缺乏的局限。目前，作物氮素遥感估算方法主要归结为两类：一类是通过选取敏感光谱特征或者构建植被指数的方法。专利技术名称为“一种基于三波段光谱指数估算植株氮含量的方法”(申请公布号：CN102435564A)的中国专利技术专利提供了一种波段组合的方法。此专利在近红外光波段、可见光红光波段的基础上，增加了蓝绿光波段及其修正系数，建立了三波段光谱指数及氮含量的监测模型。另一类是运用高级数据挖掘算法构建估算模型。专利技术名称为“一种油菜叶片氮素含量遥感估算模型方法”(申请公布号：CN101424637A)的中国专利技术专利提供了一种应用传统回归方法和人工智能技术的油菜叶片氮素含量遥感估算模型。此专利首先确定叶片氮素含量特征波段，然后应用传统回归方法和人工智能技术构建油菜叶片氮素含量估算模型，最后采用结果验证指标，确定最佳模型。当前的氮素遥感估算方法计算过程简单，但是模型仅仅根据单一作物甚至单一生育期构建，应用于其他作物估算时，模型的稳定性及普适性有待提高。现有的氮素遥感估算方法，基于单一光谱波段与特征或者多波段组合的植被指数构建模型，模型简单，模型仅适用于单一作物或者仅仅单一生育期，缺乏普适性的氮素光谱响应模型描述；氮素光谱响应模型构建后，在利用人工智能优化算法进行氮素信息反演过程中，存在模型的病态反演问题，避免或降低模型的病态反演方法需要考虑。
技术实现思路
本专利技术提供一种克服上述问题或者至少部分地解决上述问题的基于氮素组分辐射传输模型的植株氮素估算方法和系统，解决了现有技术中模型简单，仅适用于单一作物或者仅仅单一生育期，缺乏普适性的氮素光谱响应模型描述，且存在病态反演的问题。根据本专利技术的一个方面，提供一种植株叶片及冠层氮素估算方法，包括：S1、获取叶片叶绿素与氮素的定量关系，并与PROSAIL模型耦合，得到以氮素组分为输入的N-PROSAIL模型；S2、采用复合型混合演化算法，结合不同生育时期的实测的植株叶片生理生化及群体结构信息，根据N-PROSAIL模型反演得到叶片与冠层尺度的氮素信息。作为优选的，所述步骤S1具体包括：S11、分析不同形式叶片氮素与叶绿素之间的定量关系，确定叶绿素和氮素的转化系数；S12、根据叶绿素和氮素的转化关系，替换PROSAIL模型中叶绿素含量在不同波段的吸收系数，得到以氮素组分为输入的N-PROSAIL模型。作为优选的，所述步骤S11具体包括：采集不同植株品种不同生育时期的叶片氮素与叶绿素的含量数据，确定氮素与叶绿素的转化系数ε，并通过其他年份的不同植株品种的实验数据进行验证、调整。作为优选的，所述步骤S12中，所述N-PROSAIL模型中的叶片各组分的总吸收系数由类胡萝卜素含量、叶片等效厚度、干物质含量、叶片氮素密度，以及这些组份在各个波段的吸收系数计算获得。作为优选的，所述步骤S2具体包括：S21、在每个时期给定初始数据范围以及其他参数默认值，并进行N-PROSAIL模型的参数初始化，运行N-PROSAIL模型获得模拟的冠层反射率结果；S22、分别选择与LAI、LND及Cm相关的植被指数，根据实测冠层反射率与模拟冠层反射率得到实测和模拟植被指数，并构建代价函数；S23、计算得到代价函数值，并通过SCE-UA算法，取全局最优值作为最后的LND和LAI最佳估算结果；S24、利用得到的LND和LAI结果，结合每个生育时期的Cm先验值，计算得到叶片氮素含量LNC及冠层氮素密度CND：作为优选的，所述步骤S21中，根据历史累计数据结果，给出N-PROSAIL模型中未调整参数在不同生育时期的先验值，并将LND和LAI作为N-PROSAIL模型中主要调试参数，通过初试赋值，运行N-PROSAIL模型获得模拟的冠层反射率。作为优选的，所述步骤S22具体包括：分别选择改进比值植被指数、改善角度植被指数/转换叶绿素吸收植被指数和绿度指数，根据实际冠层反射率与模拟冠层反射率得到实测和模拟植被指数，并构建代价函数：式中，J为代价函数计算值，VImi和VIsi分别表示实测植被指数值和模拟植被指数值，分别是各植被指数的计算值；i表示植被指数的个数。作为优选的，所述改进比值植被指数MSR、改善角度植被指数/转换叶绿素吸收植被指数MCARI/MTVI2和绿度指数GI分别为：MSR＝(R800/R670-1)/sqrt(R800/R670+1)MCARI＝(R700-R670-0.2(R700-R550))(R700/R670)；MTVI2＝0.5(1.2(R800-R500)-2.5(R670-R550))/sqrt(2(R800+1)2-(6R800-5sqrt(R670))-0.5)GI＝R551/R677式中，Rλ表示λ波段的反射率。作为优选的，所述步骤S23具体包括：获得每次迭代的局部最优值及全局最优值，进行分析判断，若迭代次数不大于设定的最大迭代次数，则返回步骤S1，在设定的范围内更新模型参数，继续优化，若迭代次数大于设定迭代次数，则SCE-UA算法优化结束，取全局最优值作为最后的LND和LAI最佳估算结果。一种植株叶片及冠层氮素估算系统，包括植被参数获取模块、叶片及冠层氮素估算模块；所述植被参数获取本文档来自技高网...

【技术保护点】
一种植株氮素估算方法，其特征在于，包括：S1、获取叶片叶绿素与氮素的定量关系，并与PROSAIL模型耦合，得到以氮素组分为输入的N‑PROSAIL模型；S2、采用复合型混合演化算法，结合不同生育时期的实测的植株叶片生理生化及群体结构信息，根据N‑PROSAIL模型反演得到叶片与冠层尺度的氮素信息。

【技术特征摘要】
1.一种植株氮素估算方法，其特征在于，包括：S1、获取叶片叶绿素与氮素的定量关系，并与PROSAIL模型耦合，得到以氮素组分为输入的N-PROSAIL模型；S2、采用复合型混合演化算法，结合不同生育时期的实测的植株叶片生理生化及群体结构信息，根据N-PROSAIL模型反演得到叶片与冠层尺度的氮素信息。2.根据权利要求1所述的植株氮素估算方法，其特征在于，所述步骤S1具体包括：S11、分析不同形式叶片氮素与叶绿素之间的定量关系，确定叶绿素和氮素的转化系数；S12、根据叶绿素和氮素的转化关系，替换PROSAIL模型中叶绿素含量在不同波段的吸收系数，得到以氮素组分为输入的N-PROSAIL模型。3.根据权利要求2所述的植株氮素估算方法，其特征在于，所述步骤S11具体包括：采集不同植株品种不同生育时期的叶片氮素与叶绿素的含量数据，确定氮素与叶绿素的转化系数ε，并通过其他年份的不同植株品种的实验数据进行验证、调整。4.根据权利要求2所述的植株氮素估算方法，其特征在于，所述步骤S12中，所述N-PROSAIL模型中的叶片各组分的总吸收系数由类胡萝卜素含量、叶片等效厚度、干物质含量、叶片氮素密度，以及这些组份在各个波段的吸收系数计算获得。5.根据权利要求1所述的植株氮素估算方法，其特征在于，所述步骤S2具体包括：S21、在每个时期给定初始数据范围以及其他参数默认值，并进行N-PROSAIL模型的参数初始化，运行N-PROSAIL模型获得模拟的冠层反射率结果；S22、分别选择与LAI、LND及Cm相关的植被指数，根据实测冠层反射率与模拟冠层反射率得到实测和模拟植被指数，并构建代价函数；S23、计算得到代价函数值，并通过SCE-UA算法，取全局最优值作为最后的LND和LAI最佳估算结果；S24、利用得到的LND和LAI结果，结合每个生育时期的Cm先验值，计算得到叶片氮素含量LNC及冠层氮素密度CND：6.根据权利要求5所述的植株氮素估算方法，其特征在于，所述步骤S21中，根据历史累计数据结果，给出N-PROSAIL模型中未调整参数在...

【专利技术属性】
技术研发人员：李振海，冯海宽，杨贵军，徐新刚，杨浩，李贺丽，赵晓庆，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：北京,11