一種基於冠層多光譜的烤菸最大葉長和最大葉寬的測定方法

2023-11-05 05:15:37

專利名稱：一種基於冠層多光譜的烤菸最大葉長和最大葉寬的測定方法
技術領域：
本發明涉及烤菸最大葉長和最大葉寬的測定，尤其涉及利用冠層多光譜參數測定烤菸最大葉長和最大葉寬的方法。
背景技術：
烤菸葉長和葉寬是烤菸農藝性狀調查的重要指標。由於烤菸葉片數較多，在實際操作中最大葉長和最大葉寬應用相對較多。最大葉長和最大葉寬能一定程度上反映烤菸的長勢，對烤菸的肥料運籌有一定的指導意義。烤菸最大葉長和最大葉寬的傳統測定首先需要通過主觀判斷出符合條件的葉片，然後按照中華人民共和國菸草行業標準-菸草農藝性狀調查方法YC/T142-1998的規定(葉長為自莖葉連接處至葉尖的直線長度，寬度為以葉面最寬處與主脈的垂直長度)對葉長和葉寬進行測定得到最大葉長和最大葉寬。這種方法的缺點1.在選定葉片時有一定的主觀性；2.長度和寬度的測定需要人為完成，容易增加測定誤差；3.受制於煙株高度，操作者大多需要彎腰才能完成測定。

發明內容
為了克服背景技術中存在的問題，本發明的目的在於提供一種客觀性強、人為誤差小、勞動強度低的烤菸最大單葉面積測定方法。本發明的目的是通過以下技術方案來實現的
本發明的基於冠層光譜的烤菸最大葉長和最大葉寬的測定方法，是採用多光譜輻射計對團棵期到現蕾前期的烤菸冠層光譜進行測定，構建植被指數，並按照中華人民共和國菸草行業標準-菸草農藝性狀調查方法YC/T142-1998中的規定對對應植株的全株葉長和葉寬進行測定，利用統計學方法建立利用冠層光譜參數反演烤菸最大長和葉寬的模型。測定待測樣本的冠層光譜參數，輸入模型，進而實現對烤菸最大葉長和最大葉寬的測定。上述測定方法具體步驟如下
1.校正樣本光譜資料庫的建立。選取有代表性烤菸植株，測定其團棵期到現蕾前期的冠層光譜。具體操作方式採用MSR16光譜輻射計進行，測定前進行標定，共16個波段，其具體波段設置為460/500/550/600/650/670/730/780/800/850/950/1050/1100/1200/1 0/1480 nm，儀器視場角31. 1°。光譜測定在晴朗無雲或少雲的天氣條件下進行，測定時間為10 00-14 :00，測定時探頭垂直向下，距離冠層高度1. 0-1. 5m,每重複測量1點，每點測定3次，以3次重複的平均值為一點的冠層光譜參數。將校正樣本冠層光譜原始反射率錄入資料庫。並利用原始冠層光譜反射率構建差值植被指數(DVI)比值植被指數(RVI)和歸一化植被指數(NDVI)。RVI (λ 1, λ 2) = P A1/ρ λ 2, DVI (λ 1, λ 2)= I PA1-PA2 I ,
NDVI(A 1, λ 2)= I ρ λ「P λ2 I /(ρ λ^Ρ λ 2)，其中 P 為反射率，λ 為波長。
2.校正樣本烤菸最大葉長和最大葉寬測定。結合步驟1，在測定校正樣本冠層光譜數據後，按照中華人民共和國菸草行業標準-菸草農藝性狀調查方法YC/T142-1998的規定測定對應煙株全株葉片葉長和葉寬，從中選取最大葉長和最大葉寬。3.預測模型的構建。採用統計方法分析冠層光譜參數與最大葉長、最大葉寬的定量關係，通過比較擬合方程的決定係數，構建模型如下
模型 I .最大葉長 Cm=I 19. 47 X NDVI (1050，550) L 1497 (n=45, R2=O. 935**) 其中η為參與預測模型構建的樣本量，R2為決定係數，**表示模型具有極顯著意義模型 II 最大葉寬 cm=44. 861 X NDVI (1050，550) °'6463 (n=45, R2=O. 747**) 其中η為參與預測模型構建的樣本量，R2為決定係數，**表示模型具有極顯著意義 4.預測模型的檢驗。在烤菸團棵期到現蕾前期，隨機選取45株，按照步驟1描述方法測定冠層光譜；按照步驟2測定烤菸最大葉長和最大葉寬；將冠層光譜參數代入步驟3中構建的預測模型I和模型II，分別輸出烤菸最大葉長和最大葉寬。根據實測最大葉長和最大葉寬與預測值對模型進行檢驗。經計算，模型 I的預測值與實測值擬合曲線決定係數為0. 929，模型II的預測值與實測值擬合曲線決定係數為0. 669。5.待測樣本冠層光譜的測定。在烤菸團棵期到現蕾前期，按照步驟1中描述的校正樣品冠層光譜的採集方法對待測樣品的冠層光譜數據進行測定。6.待測樣本最大葉長和最大葉寬的測定。按照步驟1描述的方法對測定樣品的冠層多光譜進行測定，並將待測樣品的NDVI (1050，550)輸入步驟3所建模型I和模型II，分別得出待測樣本的最大葉長和最大葉寬。我們把通過步驟1-6完成的烤菸最大葉長和最大葉寬的測定統稱為「一種基於冠層多光譜的烤菸最大葉長和最大葉寬測定方法」。本方法與背景技術相比有以下優勢1. 客觀性強；2.人為誤差小；3.勞動強度低。4.只需獲得550nm和1050nm兩通道的數據就可以完成測定，數據處理方法和過程簡便。


附圖1為本方法的結構示意圖； 附圖2為預測模型的構建示意圖； 附圖3為預測模型的檢驗示意圖。
具體實施例方式本發明結合以下應用實例做進一步描述。2009年6月17日11 :30，在河南省方城縣國家優質菸葉生產基地，利用MSR16 多光譜輻射計對煙株冠層光譜進行了測定，共測定3次，以3次重複的平均值為該煙株的冠層光譜參數。冠層光譜測定結果顯示，P 550=11. 25%，P 1050=46. 20%，經計算其 NDVI (1050, 550)=0. 6085，將其輸入所建模型
最大葉長 cm=l 19. 47 X 0. 60851.1497
最大葉寬 cm=44. 861 XNDVI (1050, 550)6463
分別得到該煙株最大葉長為67. ^cm，最大葉寬為32. Mem。
權利要求
1.一種基於冠層光譜的烤菸最大葉長和最大葉寬的測定方法，其特徵在於採用多光譜輻射計對團棵期到現蕾前期的烤菸冠層光譜進行測定，構建植被指數，並測定對應煙株全株葉片葉長和葉寬，運用統計學方法建立利用冠層光譜參數反演烤菸最大葉長和最大葉寬的模型，測定待測樣本的冠層光譜參數，輸入模型，進而實現對烤菸最大葉長和最大葉寬的測定。
2.根據權利要求1所述的基於冠層光譜的烤菸最大葉長和最大葉寬的測定方法，其特徵在於該方法的具體步驟如下1.)校正樣本光譜資料庫的建立，選取有代表性烤菸植株，測定其團棵期到現蕾前期的冠層光譜，將校正樣本冠層光譜原始反射率錄入資料庫，並利用原始冠層光譜反射率構建差值植被指數(DVI)比值植被指數(RVI)和歸一化植被指數(NDVI)RVI (λ 1, λ 2) = P A1Zp λ2,DVI (λ 1, λ 2)= I PA1-PA2 I ,NDVI(A 1, λ 2)= I ρ λ「P λ2 I /(ρ λ^Ρ λ 2)，其中 P 為反射率，λ 為波長；2.)校正樣本烤菸最大葉長和最大葉寬測定，結合步驟1)，在測定校正樣本冠層光譜數據後，按照中華人民共和國菸草行業標準-菸草農藝性狀調查方法YC/T142-1998的規定測定對應煙株全株葉片葉長和葉寬，從中選取最大葉長和最大葉寬；3.)預測模型的構建，採用統計方法分析冠層光譜參數與最大葉長、最大葉寬的定量關係，通過比較擬合方程的決定係數，構建模型如下模型 I .最大葉長 cm=l 19. 47 X NDVI (1050，550) L 1497 (n=45, R2=O. 935**)其中η為參與預測模型構建的樣本量，R2為決定係數，**表示模型具有極顯著意義模型 II 最大葉寬 cm=44. 861 X NDVI (1050，550) °'6463 (n=45, R2=O. 747**)其中η為參與預測模型構建的樣本量，R2為決定係數，**表示模型具有極顯著意義；4.)預測模型的檢驗，在烤菸團棵期到現蕾前期，隨機選取45株，按照步驟 1)描述方法測定冠層光譜；按照步驟2)測定烤菸最大葉長和最大葉寬；將冠層光譜參數代入步驟3)中構建的預測模型I和模型II，分別輸出烤菸最大葉長和最大葉寬，根據實測最大葉長和最大葉寬與預測值對模型進行檢驗，經計算，模型 1的預測值與實測值擬合曲線決定係數為0. 929，模型II的預測值與實測值擬合曲線決定係數為0. 669 ；5.)待測樣本冠層光譜的測定，在烤菸團棵期到現蕾前期，按照步驟1中描述的校正樣品冠層光譜的採集方法對待測樣品的冠層光譜數據進行測定；6.)待測樣本最大葉長和最大葉寬的測定，按照步驟1描述的方法對測定樣品的冠層多光譜進行測定，並將待測樣品的NDVI (1050，550)輸入步驟3所建模型I和模型II，分別得出待測樣本的最大葉長和最大葉寬。
3.根據權利要求2所述的基於冠層光譜的烤菸最大葉長和最大葉寬的測定方法，其特徵在於測定團棵期到現蕾前期的烤菸冠層光譜的具體操作方式是採用MSR16光譜輻射計進行，測定前進行標定，共16個波段，其具體波段設置為460/500/550/600/650/670/730/ 780/800/850/950/1050/1100/1200/1260/1480 nm，儀器視場角 31. 1°，光譜測定在晴朗無雲或少雲的天氣條件下進行，測定時間為10 :00-14 :00，測定時探頭垂直向下，距離冠層高度 1. 0-1. 5m,每重複測量1點，每點測定3次，以3次重複的平均值為一點的冠層光譜參數。
全文摘要
一種基於冠層光譜的烤菸最大葉長和最大葉寬的測定方法，其特徵在於採用多光譜輻射計對團棵期到現蕾前期的烤菸冠層光譜進行測定，構建植被指數，並測定對應煙株全株葉片葉長和葉寬，運用統計學方法建立利用冠層光譜參數反演烤菸最大葉長和最大葉寬的模型，測定待測樣本的冠層光譜參數，輸入模型，進而實現對烤菸最大葉長和最大葉寬的測定。本方法與背景技術相比有以下優勢1.客觀性強；2.人為誤差小；3.勞動強度低。4.只需獲得550nm和1050nm兩通道的數據就可以完成測定，數據處理方法和過程簡便。
文檔編號G01B11/02GK102269570SQ20111010804
公開日2011年12月7日 申請日期2011年4月28日 優先權日2011年4月28日
發明者劉陽, 周漢平, 張仕祥, 張豔玲, 梁太波, 王建偉, 薛超群, 過偉民, 魏春陽 申請人:中國菸草總公司鄭州菸草研究院