1 海南大学机电工程学院, 海南 海口 570228 天津大学电气自动化与信息工程学院, 天津 300072
2 海南大学机电工程学院, 海南 海口 570228
3 天津大学电气自动化与信息工程学院, 天津 300072
叶片氮含量(LNC)是判断橡胶树营养状态的一个重要量化指标, 快速准确地检测橡胶树的叶片氮含量对于保证橡胶树的生长和天然橡胶的产量是非常十分必要的。 利用近红外光谱技术对119片橡胶叶片的叶面氮含量进行了定量分析, 建立了高精度的预测模型, 实现了对橡胶叶片氮含量的快速精准检测。 采集海南橡胶叶作物实验对象, 首先使用GaiaField-F-N17E光谱仪测量橡胶叶片的近红外光反射率数据, 波长范围为942～1 680 nm。 然后, 消除光谱数据中的异常样本, 分别使用了三种不同的预处理方法对数据进行处理并比较它们对模型精度的提升效果。 由于橡胶叶片的近红外光谱数据存在着大量的冗余信息和高度共线的光谱特征波段, 因此, 提出了一种基于改进后的模因框架(IMF)的结合竞争自适应重加权采样(CARS)和近邻搜索(NNS)的混合变量选择方法, 采用该算法消除光谱中的冗余信息并进行二次优化, 从全波段中提取28个作为建模波段。 最后, 使用偏最小二乘回归(PLSR)和最终选取的波段建立橡胶叶片的LNC估算模型。 为了验证所提方法的优越性, 进一步使用CARS, 连续投影(SPA)和传统模因算法(MA)的变量选择算法建立模型作为对比。 结果表明, 多元防散射效正(MSC)处理后的光谱曲线和基于IMF框架的CARS-NNS算法所建立的模型在预测集上的表现最佳: 均方根误差(RMSEp)达到0.116, 决定系数(R2p)为0.951, 两项评价指标均优于其他的预测模型。 综上所述, 基于近红外光谱技术和使用混合学习IMF框架构建的预测模型能够很好地揭示光谱数据与橡胶树叶片氮含量两者之间的关系, 可为橡胶林的养分诊断提供必要的技术支持, 保证橡胶树的良好生长, 以提升天然橡胶的产量和质量。
近红外光谱 橡胶树 机器学习 进化算法 光谱波段选择 叶面氮含量 Near-infrared spectroscopy Machine learning Evolutionary algorithm Spectral features selection Leaf nitrogen concentration Rubber trees 光谱学与光谱分析
2023, 43(7): 2050
吉林农业大学信息技术学院, 吉林 长春 130118
针对玉米生产中叶片氮素快速、 无损检测的实际需求, 使用叶级高光谱数据(400~2 500 nm), 依据等效水厚度梯度划分叶片样本, 建立了梯度连续的叶片氮素反演模型, 初步探索了含水量因素对叶片反射率特性及反演模型精度的影响。 首先获取叶级高光谱数据, 再根据等效水厚度数值大小对样本进行排序及滑动划分, 建立了子集集合。 父集除原光谱数据之外还采用了三大类: (1)基线矫正类、 (2)散射校正类和(3)平滑处理类光谱变换方法, 而子集未使用任何光谱变换方法。 建立全波段的PLSR反演模型, 对比模型精度, 初步定量评价了等效水厚度因素对建模精度的影响。 研究结果表明: (1)四组数据中有三组父集反演精度低于最优子集的反演精度, 另外一组持平(2018大田低氮: (父)=0.48<(子)=0.57, (父)RPDCV=1.38<(子)RPDCV=1.52; 2018大田高氮: (父)=0.48<(子)=0.7, (父)RPDCV=1.39<(子)RPDCV=1.8; 2019大田高氮: (父)=0.59<(子)=0.68, (父)RPDCV=1.57<(子)RPDCV=1.77); (2)四组数据的最优子集反演精度都达到甚至超过了定性模型水平, 而父集只有两组; (3)制作反演数据集时在样本筛选问题上需要考虑等效水厚度因素, 以避免过于宽泛的样本选择而导致整体反演精度的损失。 综上, 等效水厚度因素对玉米叶片氮素建模精度存在显著影响, 不可忽视。 在考虑该因素后, 使用叶级高光谱数据对玉米叶片氮素进行快速无损检测的技术方法会更加可信、 可行。
叶片氮浓度 等效水厚度 高光谱 光谱变换技术 数据集滑动划分 Foliar nitrogen concentration Equivalent water thickness Hyperspectral Spectral transformation techniques PLSR Sliding datasets partition PLSR 光谱学与光谱分析
2022, 42(9): 2913
1 北京大学地球与空间科学学院, 遥感与地理信息系统研究所空间信息集成与3S工程应用北京市重点实验室, 北京 100871
3 湖南大学电气与信息工程学院, 湖南 长沙 410082
4 贵州师范大学地理与环境科学学院, 贵州 贵阳 550001
叶片氮含量极大程度上影响植被生物化学过程, 有重要的研究意义。 利用机载高光谱数据反演叶片氮含量在农业遥感领域有广泛应用, 但其反演精度不能完全满足精细农业的需要, 有一定提升空间。 叶片氮含量遥感反演精度受机理误差和算法误差的影响, 机理误差主要来源于叶片表面反射。 传感器探测到的反射辐射既包含叶片内部多次散射, 又包含叶片表面镜面反射部分, 只有前者是携带叶片内部生化组分(如氮含量)信息的, 由于后者是入射光在叶表蜡质层发生的直接反射, 因此该部分并不携带叶片内部信息。 根据菲涅尔定律, 叶表镜面反射是部分偏振的, 而内部散射是非偏振的, 因而通过偏振反射建模可部分去除叶表镜面反射影响, 以消除机理误差。 算法误差主要来源于不同氮含量反演算法对于高光谱数据挖掘能力的差别。 比较了偏最小二乘法、 主成分回归、 支持向量机、 K-近邻算法和随机森林回归在高光谱叶片氮含量反演中的表现, 在调整算法参数之后, 选择使用随机森林回归算法以减少高光谱反演算法误差。 以常绿针叶林、 落叶阔叶林和针阔混交林为研究对象, 利用多角度偏振卫星POLDER/PARASOL的多光谱数据库构建二向偏振反射模型, 用以模拟和分析研究区森林的偏振反射率; 从HySpex传感器系统获取的机载高光谱数据中去除偏振反射率带来的光谱机理误差, 以实现叶片氮含量的精确反演。 以均方根误差为主要指标评估精度变化可获得以下结论: 在高光谱叶片氮含量反演中, 消除偏振反射率带来的机理误差后, 各算法反演精度均有提升, 平均提升了4.244%。 其中, 随机森林回归可以最大程度减小反演算法误差(可决系数达到0.803, 均方根误差达到0.252), 且对光谱偏振信息最为敏感, 去除偏振后精度提高了13.103%。 相比于广泛使用的偏最小二乘算法, 去除光谱机理误差并减小反演算法误差后, 叶片氮含量反演精度整体提高了32.440%。 该研究实现了基于机载高光谱数据的叶片氮含量精确反演, 证明了在叶片氮含量反演中去除偏振反射率的必要性, 体现了在高光谱氮含量反演中随机森林算法的应用潜力。
遥感反演 偏振遥感 叶片氮含量 高光谱数据 随机森林回归 双向偏振分布函数 Remote sensing retrieval Polarization remote sensing Leaf nitrogen concentration Hyperspectral data Random forest regression Bidirectional polarization distribution function 光谱学与光谱分析
2021, 41(9): 2911
中国科学院大学材料科学与光电技术学院，北京 100049
本文对CVD(Chemical Vapour Deposition, CVD)外延生长中作为衬底的高温高压(HTHP)单晶金刚石进行拉曼光谱测试，利用谱峰半高宽(FWHM)判断了衬底的结晶质量。开展了升温(室温~1 000 ℃)和降温(1 000 ℃~室温)过程中衬底晶格变化的X射线原位测量研究。实验表明: 衬底的晶格常数随温度变化而变化，在1 000 ℃时因晶格变化而产生的应力大小为GPa量级。晶格常数在降温过程要比升温过程的数值大，线膨胀系数的计算结果也发现了相同的现象。根据傅里叶红外光谱仪(FT-IR)测试结果推断: 造成上述变温过程中晶格变化差异的原因在于样品中氮浓度的不同，其中氮浓度越高，拉曼光谱的半高宽越大，衬底的晶格常数变化越大，线膨胀系数越大。
单晶金刚石 衬底 晶格常数 膨胀系数 氮浓度 拉曼光谱 single crystal diamond substrate lattice constant nitrogen concentration expansion coefficient FT-IR FT-IR Raman spectrum
1 内蒙古农业大学草原与资源环境学院, 内蒙古 呼和浩特 010011
2 内蒙古农业大学内蒙古自治区土壤质量与养分资源重点实验室, 内蒙古 呼和浩特 010011
植株氮素浓度是反应作物氮素营养状况的关键指标, 对作物的产量与品质具有重要的影响。 作物大面积氮素营养的实时监测不仅对区域上氮肥投入提供决策, 而且还对区域上氮素循环的估算提供依据。 传统的地面传感器虽然有较高的精度, 但很难在区域尺度上大面积获取数据, 且目前存在的高光谱卫星影像如MODIS, Hyperion的空间分辨率普遍不高。 随着卫星遥感的发展, 近些年来高空间分辨率的多通道卫星逐渐发射升空, 这些高分辨率的卫星遥感数据将对大尺度上植被生理生化指标反演提供可能。 该研究从2014年—2016年在内蒙古阴山北麓武川县进行了三年不同氮水平的马铃薯田间试验, 借助地面马铃薯冠层高光谱实测数据, 模拟近几年发射的具有红边波段的多通道卫星WorldView-2和VENμS不同宽度波段, 并构建多种光谱指数, 建立光谱指数与马铃薯地上部植株氮素浓度的估测模型, 进行马铃薯关键生育期冠层氮素营养的实时监测。 结果表明, 波段宽度和波段位置的选择决定着光谱指数对氮素浓度的响应程度, 基于红边波段的光谱指数具有更高的灵敏性。 生育时期显著影响光谱指数对马铃薯地上部氮素浓度的估测能力, 苗期土壤背景对光谱反射率具有显著干扰, 马铃薯块茎形成期后植株氮素浓度的预测效果最佳。 基于WorldView-2和VENμS卫星红光、 红边和近红外特定波段构成的融合光谱指数NDRE/NDVI相对其他指数来说在马铃薯植株氮素浓度估测上更具优势, 与不同生育时期马铃薯植株氮素浓度都具有较高的相关性, 相关系数r在063～081之间。 其中, 生殖生长期基于VENμS卫星红光、 红边和近红外通道构成的融合光谱指数VENμS-NDRE/NDVI与马铃薯植株氮素浓度相关性最高（r=081）, 模型验证结果的决定系数为056, 且验证误差较小, RMSE和RE%分别为038%, 1045%, 模型估测值与实测值的验证斜率最接近1, 为082; WorldView-2-NDRE/NDVI与马铃薯植株氮素浓度也具有较高的相关性（r=074）, 模型验证结果的决定系数为049, 验证误差RMSE和RE%分别为041%和1112%, 模型估测值与实测值的验证斜率为078。 多通道卫星模拟的结果证明, 基于红边宽波段的融合光谱指数能用来进行马铃薯植株氮浓度的监测。
马铃薯 含氮量 光谱指数 Potato Nitrogen concentration Spectral index 光谱学与光谱分析
2019, 39(9): 2686
1 中山大学地球科学与工程学院, 广东 广州 510275
2 广东省地质过程与矿产资源探查重点实验室, 广东 广州 510275
3 中山大学测试中心, 广东 广州 510275
基于金刚石多晶形成过程的复杂性、 制样的困难性等在较大程度上制约了人们对其成核、 生长等结晶过程及意义等的深入理解, 采用同步辐射技术对扬子克拉通的金刚石多晶进行同步辐射显微红外光谱、 显微红外光谱成像等方面的研究。 金刚石多晶的同步辐射研究表明, 金刚石多晶研究样品总体属于Ⅰ型金刚石, 其总氮含量(NT)约为500~1 300 μg·g-1, 对氮心的含量(NA)约为300~700 μg·g-1, 四氮心的含量(NB)约为150~550 μg·g-1。 金刚石多晶在地幔中的停留时间约介于0.06~0.12 Ga; 样品的生长经历了多个生长中心先分别生长, 后连聚成多晶再生长的过程, 且整个多晶体的结晶中心区形成后, 晶体优先往有利于稳固结晶中心的方向生长、 再各向生长之过程。 同时, 金刚石多晶的生长在各时期内呈各向差异生长而非均匀生长, 且存在间歇性停止生长的现象。
金刚石多晶 同步辐射 生长 氮含量 Polycrystalline diamond Synchrotron radiation Growth Nitrogen concentration 光谱学与光谱分析
2018, 38(12): 3871
北京农业信息技术研究中心/国家农业信息化工程技术研究中心，北京100097
提出新的作物冠层叶片氮含量(LNC)高光谱遥感监测方法，以对氮素要求较高的大麦LNC监测为例，利用田间实测数据，从可见光－近红外区域的高光谱反射曲线中提取包含丰富多波段信息的斜率、夹角等新型特征参数，应用组合预测领域中的权重最优组合原理及其算法，实现对作物LNC的高光谱监测.研究表明，提出的高光谱反射曲线斜率和夹角等新型特征参数与作物LNC显著相关，并具有较好的定量响应关系，其中关键斜率参数(Kre/Kpb)和Kpb以及夹角参数(Aδ/Aα)和(Aδ/Aθ)较好地描述了LNC的动态变化; 而权重最优组合分析则表明(Kre/Kpb)和Knir1两个参数的组合最能响应LNC的光谱信息，有助于增强监测的稳定性并提高估测的精度.
高光谱遥感 标准化反射率 斜率 夹角 最优组合原理 叶片氮含量 hyperspectral remote sensing normalized reflectance slope angle optimal combination principle leaf nitrogen concentration
