«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第49卷

期数:

2021年第16期

页码:

189-193

栏目:

农业工程与信息技术

出版日期:

2021-08-20

文章信息/Info

Title:

Estimation of chlorophyll content in pepper leaves based on hyperspectral imaging technology

作者:

袁自然¹; 叶寅¹; 武际¹; 方凌²; 陈晓芳¹; 杨欣¹

1.安徽省农业科学院土壤肥料研究所/养分循环与资源环境安徽省重点实验室，安徽合肥 230031；2.安徽省农业科学院园艺研究所，安徽合肥 230031

Author(s):

Yuan Ziran; et al

关键词:

高光谱成像; 辣椒叶片; 叶绿素含量; 随机森林特征选择算法; 回归模型

Keywords:

-

分类号:

S127

DOI:

-

文献标志码:

A

摘要:

叶绿素是植被光合作用的重要物质，能够间接反映植被的健康状况和光合能力。高光谱技术的发展为大面积、快速检测植被叶绿素含量变化提供了可能。选取150组不同生长期的辣椒叶片作为研究对象，分别采集辣椒叶片的高光谱图像和叶绿素含量。利用随机森林特征选择算法进行数据筛选，结合线性回归、偏最小二乘回归、梯度提升回归树、随机森林回归等4种模型分别构建回归模型。结果表明：(1)利用随机森林特征选择算法筛选后波段建立的模型决定系数(r²)均大于0.8，说明该方法具有较高的稳定性和预测精度；(2)利用随机森林特征选择算法筛选的波段结合随机森林回归，其验证集的r²为0.9、均方根误差(RMSE)为1.87、平均绝对误差(MAE)为1.43。可以较为准确地预测辣椒叶片叶绿素含量，为后期利用高光谱成像技术大面积检测辣椒的生长状况提供了理论依据。

Abstract:

-

参考文献/References:

［1］Richardson A D，Duigan S P，Berlyn G P，et al. An evaluation of noninvasive methods to estimate foliar chlorophyll content［J］. New Phytologist，2002，153：185-194.
［2］Wei L F，Yuan Z R，Yu M，et al. Estimation of arsenic content in soil based on laboratory and field reflectance spectroscopy［J］. Sensors，2019，19(18)：3904.
［3］Annala L，Honkavaara E，Tuominen S，et al. Chlorophyll concentration retrieval by training convolutional neural network for stochastic model of leaf optical properties(SLOP)inversion［J］. Remote Sensing，2020，12(2)：283.
［4］杨婧，廖桂平，刘凡，等. 基于高光谱成像技术的油菜叶片叶绿素含量预测［J］.中国农业科技导报，2020，22(5)：86-96.
［5］刘燕德，姜小刚，周衍华，等. 基于高光谱成像技术对脐橙叶片的叶绿素、水分和氮素定量分析［J］.中国农机化学报，2016，37(3)：218-224.
［6］朱亚东，何鸿举，王魏，等. 高光谱成像技术结合线性回归算法快速预测鸡肉掺假牛肉［J］.食品工业科技，2020(4)：184-189.
［7］王惠文. 偏最小二乘回归方法及其应用［M］.北京：国防工业出版社，1999：208-210.
［8］沈夏炯，张俊涛，韩道军. 基于梯度提升回归树的短时交通流预测模型［J］.计算机科学，2018，45(6)：222-227，264.
［9］高伟，杨可明，李孟倩，等. 铁矿粉中全铁含量的SFIM-RFR高光谱预测模型［J］.光谱学与光谱分析，2020，40(8)：2546-2551.
［10］Galv O H，Araujo M U，José G E，et al. A method for calibration and validation subset partitioning［J］. Talanta，2005，67(4)：736-740.
［11］朱新开，盛海君，顾晶，等. 应用SPAD值预测小麦叶片叶绿素和氮含量的初步研究［J］.麦类作物学报，2005，25(2)：46-50.
［12］Tian G，Xiao Z，Zhu J J，et al. Mapping spatial distribution of larch plantations from multi-seasonal landsat-8 OLI imagery and multi-scale textures using random forests［J］. Remote Sensing，2015，7(2)：1702-1720.
［13］Rodriguez-Galiano V F，Chica-Olmo M，Abarca-Hernandez F，et al. Random forest classification of mediterranean land cover using multi-seasonal imagery and multi-seasonal texture［J］. Remote Sensing of Environment，2012，121：93-107.
［14］杨可明，孙阳阳，王林伟，等. 玉米叶片叶绿素含量的高光谱反演模型探究［J］.湖北农业科学，2015，54(11)：2744-2748.
［15］方慧，宋海燕，曹芳，等. 油菜叶片的光谱特征与叶绿素含量之间的关系研究［J］.光谱学与光谱分析，2007，27(9)：1731-1734.
［16］Qi H X，Zhu B Y，Kong L X，et al. Hyperspectral inversion model of chlorophyll content in peanut leaves［J］. Applied Sciences，2020，10(7)：2259.

相似文献/References:

[1]马燕飞,坎杂,张若宇,等.加工番茄可溶性固形物近红外高光谱反射成像检测[J].江苏农业科学,2013,41(08):311.
　Ma Yanfei,et al.Near infrared high spectral reflection imaging detection of processing tomato soluble solid content[J].Jiangsu Agricultural Sciences,2013,41(16):311.
[2]胡政,张艳,尚静,等.高光谱图像在农作物病害检测识别中的研究进展[J].江苏农业科学,2022,50(8):49.
　Hu Zheng,et al.Research progress of hyperspectral images in detection and identification of crop diseases[J].Jiangsu Agricultural Sciences,2022,50(16):49.
[3]沈梦姣,侯海敏,赵宏,等.茄科作物常见病害早期检测技术的研究进展[J].江苏农业科学,2023,51(9):17.
　Shen Mengjiao,et al.Research progress on early detection techniques for common diseases of Solanaceae crops[J].Jiangsu Agricultural Sciences,2023,51(16):17.
[4]马玲,杜明华,孟露,等.基于高光谱成像技术的番茄叶片叶绿素含量检测[J].江苏农业科学,2023,51(11):167.
　Ma Ling,et al.Detection of chlorophyll content in tomato leaves based on hyperspectral imaging technology[J].Jiangsu Agricultural Sciences,2023,51(16):167.
[5]谭涛,冯树南,温青纯,等.高光谱成像技术在水果品质检测中的应用研究进展[J].江苏农业科学,2024,52(6):11.
　Tan Tao,et al.Research progress on application of hyperspectral imaging technology in detection of fruit quality[J].Jiangsu Agricultural Sciences,2024,52(16):11.

备注/Memo

备注/Memo:

收稿日期：2020-12-29
基金项目：国家重点研发计划(编号：2018YFD0800406)；安徽省农业科学院科研团队项目 (编号：2020YL066)；安徽省科技创新园区示范项目(编号：201907d06020011)。
作者简介：袁自然(1995—)，男，安徽六安人，硕士，主要从事于农业遥感研究。E-mail：yuanziran11@163.com。
通信作者：叶寅，博士，助理研究员，主要从事于面源污染防治与模拟。E-mail：yeyin1218@163.com。

常用功能

更新日期/Last Update: 2021-08-20