水稻叶片淀粉含量遥感反演模型和方法技术

本发明专利技术提供一种水稻叶片淀粉含量遥感反演模型，水稻叶片淀粉含量遥感反演模型为Python语言的极端随机树模型，并进一步提供了该极端随机树模型的模型参数。还提供了水稻叶片淀粉含量遥感反演方法。本发明专利技术的水稻叶片淀粉含量遥感反演模型能够快速、准确的获取水稻叶片淀粉含量信息，克服水稻组分复杂带来的光谱叠加效应造成的水稻叶片淀粉含量特征波段难以确定的困难，大大提高水稻叶片淀粉含量反演模型精度，设计巧妙，计算简便，易于实现，成本低，适于去大规模推广应用。

Remote sensing retrieval model and method of rice leaf starch content

【技术实现步骤摘要】
水稻叶片淀粉含量遥感反演模型和方法
本专利技术涉及农业遥感
，特别涉及水稻叶片淀粉含量测量
，具体是指一种水稻叶片淀粉含量遥感反演模型和方法。
技术介绍
水稻叶片淀粉含量是量化水稻光合作用固定二氧化碳、合成碳水化合物的重要参数，受水稻光合能力、环境温度以及肥水等因素的影响，反映了水稻生理、长势以及肥水状况。监测水稻叶片淀粉含量，不仅可以保证水稻生产的产量和品质，同时能够动态管理水稻的水肥施用，减少水稻生产中水肥的使用量，从而产生显著的经济和社会效益(王秀珍,黄敬峰,李云梅,等.水稻生物化学参数与高光谱遥感特征参数的相关分析[J].农业工程学报,2003,19(002):144-148)。传统的水稻叶片淀粉含量的监测主要采用破坏性采样的方法，需要在室内进行测定，费时费力，且时效性差，无法及时的获取水稻叶片淀粉含量，不利于推广应用。在水稻的生理生化过程中，水稻叶片内某些特定物质和细胞结构的变化，导致了水稻反射光谱的改变。因此，可以用光谱的变化来获取水稻叶片淀粉含量等水稻生长信息。目前，使用高光谱来监测水稻的生长状态已经在本文档来自技高网...

【技术保护点】
1.一种水稻叶片淀粉含量遥感反演模型，其特征在于，所述水稻叶片淀粉含量遥感反演模型为Python语言的极端随机树模型，所述极端随机树模型的模型参数为：'criterion':'mae','min_weight_fraction_leaf':0.010209198720162859,'min_samples_split':2,'max_depth':45,'max_features':'auto','min_samples_leaf':1,'splitter':'random','min_impurity_decrease':0.0,'ccp_alpha':0.00047054761925470...

【技术特征摘要】
1.一种水稻叶片淀粉含量遥感反演模型，其特征在于，所述水稻叶片淀粉含量遥感反演模型为Python语言的极端随机树模型，所述极端随机树模型的模型参数为：'criterion':'mae','min_weight_fraction_leaf':0.010209198720162859,'min_samples_split':2,'max_depth':45,'max_features':'auto','min_samples_leaf':1,'splitter':'random','min_impurity_decrease':0.0,'ccp_alpha':0.00047054761925470663,'min_impurity_split':0.0046954861925470655,'max_leaf_nodes':None。


2.如权利要求1所述的水稻叶片淀粉含量遥感反演模型，其特征在于，所述极端随机树模型采用水稻的数据集训练而成，所述数据集包括所述水稻的m个样点的冠层反射率和叶片淀粉含量的以10为底的对数值，m个所述样点均匀分布在水稻种植区域，所述冠层反射率为n个特征波段的冠层反射率。


3.如权利要求2所述的水稻叶片淀粉含量遥感反演模型，其特征在于，所述m为38，所述n个特征波段为2151个特征波段，所述2151个特征波段为从350nm波段至2500nm波段。


4.一种水稻叶片淀粉含量遥感反演方法，其特征在于，包括以下步骤：
(1)测量水稻的冠层反射率；
(2)测量所述水稻的叶片淀粉含量，对所述叶片淀粉含量取以10为底的对数获得叶片淀粉含量的以10为底的对数值：
(3)以所述冠层反射率为输入数据，采用Python语言的极端随机树模型进行计算，获得反演值，根据所述反演值与所述的叶片淀粉含量的以10为底的对数值计算决定系数R2，改变所述极端随机树模型的模型参数的取值，R2的变化越大，说明所述模型参数的重要性越大，将所述模型参数按照所述重要性的大小由大到小进行排列构建模型参数调优秩次矩阵；
(4)以所述冠层反射率为所述输入数据，以所述的叶片淀粉含量的以10为底的对数值为输出结果，训练所述极端随机树模型，根据所述模型参数调优秩次矩阵依次对所述模型参数进行调优，获得所述模型参数的调优值；
(5)以所述冠层反射率为所述输入数据，以所述的叶片淀粉含量的以10为底的对数值为所述输出结果，采用所述的模型参数的调优值，训练所述极端随机树模型，待所述极端随机树模型训练结束后，获得水稻叶片淀粉含量遥感反演模型，使用save方法保存所述水稻叶片淀粉含量遥感反演模型，如果需要使用所述水稻叶片淀粉含量遥感反演模型，使用load方法加载所述水稻叶片淀粉含量遥感反演模型使用。


5.如权利要求4所述的水稻叶片淀粉含量遥感反演方法，其特征在于，在所述步骤(1)中，所述测量采用高光谱辐射仪进行，所述测量的时间为10:00～14:00，所述高光谱辐射仪采用视...

【专利技术属性】
技术研发人员：姜晓剑，邵文奇，钟平，陈青春，吴莹莹，
申请(专利权)人：淮阴师范学院，
类型：发明
国别省市：江苏;32