摘要
本发明公开了一种基于高光谱技术的水稻全生育期叶片SPAD值和氮浓度的反演方法,在幼穗分化始期(PI)、抽穗期(HD)、灌浆中期(MF)和成熟期(MA)借助ASD Field Spec4便携式地物光谱仪获取水稻的叶片高光谱数据;用SPAD‑502叶绿素仪测量水稻SPAD值作为叶绿素含量;采用凯氏定氮法测定水稻叶片氮浓度;将叶片高光谱数据与氮浓度和SPAD进行相关性分析筛选敏感波段。本发明通过相关性分析法提取水稻叶片的高光谱特征波段,以减少全光谱数据建模的冗余度,优化数据,基于线性回归(LR)、随机森林(RF)、支持向量回归(SVR)以及梯度提升(GBRT)构建水稻叶片氮浓度及SPAD值的反演模型,获得了精度高和稳定性好的最优机器学习算法,本发明可为华南地区籼稻无损实时监测叶色和精准施肥管控提供科学依据。
技术关键词
水稻全生育期
高光谱技术
反演方法
叶片
反演模型
支持向量回归
反射率
随机森林
便携式地物光谱仪
一元线性回归模型
生成预测模型
特征选择
光谱探测器
数据
SVR模型
叶绿素仪
机器学习算法
样本
支持向量机
系统为您推荐了相关专利信息
风力发电机叶片
四足机器人
负压吸盘
清洁机构
防护壳
筛选方法
指标
盐碱地土壤
叶片叶绿素含量
全盐量
风机叶片
红外监测系统
无人机巡检
图像存储模块
红外相机
PID控制器参数
智能控制系统
风机叶片制作
PID控制系统
标记