一种基于高光谱技术的作物叶片类胡萝卜素含量有效估测方法技术

本发明专利技术公开了一种基于高光谱技术的作物叶片类胡萝卜素含量有效估测方法

【技术实现步骤摘要】
一种基于高光谱技术的作物叶片类胡萝卜素含量有效估测方法


[0001]本专利技术涉及类胡萝卜素含量估测
、
农作物估产和高光谱
，特别是指一种有效基于高光谱技术的作物叶片类胡萝卜素含量有效估测方法
。

技术介绍

[0002]色素是植物进行光合作用的重要物质基础，主要包括叶绿素和类胡萝卜素
。
植被的色素常被用来指示植被环境胁迫
、
光合作用能力和植被生长发育状况
。
高光谱遥感因其波段窄
、
分辨率高的优势，可以对植物光谱反射率的微弱差异进行定量分析
。
[0003]但高光谱数据的波长间往往会包含一些其他的多余信息，增加大量的计算工作，且影响估测模型的精度，因此需要对全波段的波长变量进行优选和精简
。
本专利技术通过采用多元散射校正
(Multiple scatter correction
，
MSC)
的方法对高光谱数据进行预处理，采用遗传算法
(Genetic algorithm
，
GA)
对全光谱波段进行特征波长筛选，选用基于麻雀搜索算法优化的
BP
神经网络来构建基于高光谱技术的
GA
‑
SSA
‑
BP
类胡萝卜素含量估测模型
。

技术实现思路

[0004]本专利技术提出一种基于高光谱技术的作物叶片类胡萝卜素含量有效估测方法，能够快速有效的获得作物类胡萝卜素含量，有效反映作物的长势状况，在监测作物的生理生态过程中具有一定研究意义
。
[0005]本专利技术实现专利技术目的采用如下技术方案：
[0006]一种有效的类胡萝卜素含量估测方法，以作物高光谱数据作为数据源，采用
MSC
光谱数据预处理方法，通过
GA
算法提取少量有效信息波段，作为模型变量输入
SSA
‑
BP
模型，构建基于高光谱技术的
GA
‑
SSA
‑
BP
类胡萝卜素含量估测模型
。
[0007]一种有效的基于高光谱技术的作物叶片类胡萝卜素含量估测方法，步骤为：
[0008]步骤1，本方法采用的数据源是高光谱数据和类胡萝卜素含量数据，高光谱数据采用美国
ASD(Analytical Spectral Devices)
公司的
ASD Field Spec4
野外便携式高光谱仪，作物样本叶片类胡萝卜素含量的测定采用分光光度法；
[0009]步骤2，高光谱数据采用多元散射校正
(Multiple scatter correction
，
MSC)
的预处理方式，有效解决光谱数据由于散射因素影响引起的基线平移和偏移的问题；
[0010]步骤3，采用遗传算法
(Genetic algorithm
，
GA)
对预处理后的光谱数据进行特征波段筛选，采用
GA
算法筛选后可获取简洁有效的光谱信息，提升反演模型的运行速度；
[0011]步骤4，建立基于麻雀搜索算法
(Sparrow search algorithm
，
SSA)
优化
BP
神经网络的类胡萝卜素含量估测模型
。
[0012]2、
根据权利要求1所述的一种基于高光谱技术的作物叶片类胡萝卜素含量有效估测方法，其特征在于，所述步骤1包括：
[0013]步骤5，在作物冠层光谱测量时，其波长范围在
350
‑
2500nm
之间，采样间隔为
1.4nm
(350
‑
1000nm)
和
2nm(1000
‑
2500nm)
，重采样间隔为
1nm
，视场角为
25
°
；
[0014]步骤6，每次采集光谱前先以白板定标，仪器探头垂直向下，仪器在冠层上方
80cm
处，对每个试验小区选定具有代表性的植株冠层，采集
10
次光谱值，剔除异常值后计算出平均光谱，作为该试验小区的最终光谱；
[0015]步骤7，样本叶片类胡萝卜素含量的测定采用分光光度法
。
野外采集样本后，将样本叶片放入密封袋中进行标号，及时放入
4℃
冰箱内避光冷藏带回实验室
。
在室内实验中，首先剪取主叶脉两边的叶片约
0.1g
，记录其湿重，然后将样品剪碎研磨后加入
10ml
色素提取液
(95
％乙醇溶液
)
，置于暗室保存约
24h
，用于分光光度计检测类胡萝卜素含量；
[0016]步骤8，由于作物叶绿体色素在
95
％乙醇溶剂中叶绿素
a、b
最大吸收峰波长分别为
665nm、649nm
，类胡萝卜素为
470nm
，利用下式计算样本叶绿素
a、
叶绿素
b
和类胡萝卜素浓度
。
[0017]C
a
＝
13.95A
665
‑
6.88A
649
[0018]C
b
＝
24.96A
645
‑
7.32A
663
[0019]C
x.C
＝
(1000A
470
‑
2.05C
a
‑
114.8C
b
)/245
[0020]式中，
A
665
、A
649
和
A
470
分别为叶绿体色素提取液在波长
665nm、649nm
和
470nm
下的吸光度；
C
a
和
C
b
分别为叶绿素
a
和叶绿素
b
的浓度，
C
x.C
为类胡萝卜素的总浓度
。
[0021]3、
根据权利要求1所述的一种基于高光谱技术的作物叶片类胡萝卜素含量有效估测方法，其特征在于，所述步骤3包括：
[0022]步骤9，
GA
算法是一种自适应的全局概率搜索算法，根据遗传机制和自然选择，通过比较
、
选择和交换等算法的操作，随着不断的遗传迭代，将目标函数值较优的变量被保留，较差的变量被剔除，从而最终达到最优的结果
。
选用...

【技术保护点】

【技术特征摘要】
1.
一种基于高光谱技术的作物叶片类胡萝卜素含量有效估测方法，其特征在于，包括：步骤1，本方法采用的数据源是高光谱数据和类胡萝卜素含量数据，高光谱数据采用美国
ASD(Analytical Spectral Devices)
公司的
ASD Field Spec4
野外便携式高光谱仪，作物样本叶片类胡萝卜素含量的测定采用分光光度法；步骤2，高光谱数据采用多元散射校正
(Multiple scatter correction
，
MSC)
的预处理方式，有效解决光谱数据由于散射因素影响引起的基线平移和偏移的问题；步骤3，采用遗传算法
(Genetic algorithm
，
GA)
对预处理后的光谱数据进行特征波段筛选，采用
GA
算法筛选后可获取简洁有效的光谱信息，提升反演模型的运行速度；步骤4，建立基于麻雀搜索算法
(Sparrow search algorithm
，
SSA)
优化
BP
神经网络的类胡萝卜素含量估测模型
。2.
根据权利要求1所述的一种基于高光谱技术的作物叶片类胡萝卜素含量有效估测方法，其特征在于，所述步骤1包括：步骤5，在作物冠层光谱测量时，其波长范围在
350
‑
2500nm
之间，采样间隔为
1.4nm(350
‑
1000nm)
和
2nm(1000
‑
2500nm)
，重采样间隔为
1nm
，视场角为
25
°
；步骤6，每次采集光谱前先以白板定标，仪器探头垂直向下，仪器在冠层上方
80cm
处，对每个试验小区选定具有代表性的植株冠层，采集
10
次光谱值，剔除异常值后计算出平均光谱，作为该试验小区的最终光谱；步骤7，样本叶片类胡萝卜素含量的测定采用分光光度法
。
野外采集样本后，将样本叶片放入密封袋中进行标号，及时放入
4℃
冰箱内避光冷藏带回实验室
。
在室内实验中，首先剪取主叶脉两边的叶片约
0.1g
，记录其湿重，然后将样品剪碎研磨后加入
10ml
色素提取液
(95
％乙醇溶液
)
，置于暗室保存约
24h
，用于分光光度计检测类胡萝卜素含量；步骤8，由于作物叶绿体色素在
95
％乙醇溶剂中叶绿素
a、b
最大吸收峰波长分别为
665nm、649nm
，类胡萝卜素为
470nm
，利用下式计算样本叶绿素
a、
叶绿素
b
和类胡萝卜素浓度
。C
a
＝
13.95A
665
‑
6.88A
649
C
b
＝
24.96A
645
‑
7.32A
663
C
x.C
＝
(1000A
470
‑
2.05C
a
‑
114.8C
b
)/245
式中，
A
665
、A
649
和
A
470
分别为叶绿体色素提取液在波长
665nm、64...

【专利技术属性】
技术研发人员：苏涛，刘欣蓓，曹宗友，崔杏园，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：