论文部分内容阅读
围绕农作物监测中的高光谱遥感技术,主要研究农作物高光谱遥感监测机理、农作物的生物物理、化学特性及高光谱数据处理与模型方法;基于高光谱图像波段相关性,研究高效、低计算复杂度的特征提取方法;开展高光谱图像分类的算法与实验研究,研究高光谱特征提取算法与分类器的匹配策略;研究高光谱数据与农作物生物参数的响应关系,提取对农作物生物参数敏感的特征光谱,将光谱指数与生物参数进行相关分析,构建农作物生物参数的反演模型。研究得到的主要结论和创新点有:(1)论文提出了一种基于高光谱相关矩阵图像的分段最小噪声分离(Segmented Minimum Noise Fraction,SMNF)特征提取方法,将高光谱数据按照波段相关性划分成若干个波段子群,在每个波段子群上分别执行MNF之后,用巴氏距离作为特征波段提取的分离尺度。在印第安纳农林(Indian Pines)和帕维亚大学(Pavia University Scene)(含两类植被)两个基准数据集开展作物种类识别实验,研究结果表明,SMNF能够显著减少计算时间,对于印第安纳农林数据,采用SMNF的计算时间比采用MNF减少了62.5%,而对于帕维亚大学数据,采用SMNF的计算时间比采用MNF减少了41.3%。与传统的MNF特征提取方法相比,SMNF特征提取的可分性较好,在农作物种类识别中,SMNF甚至表现出较高的分类精度。(2)论文提出一种基于径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)预抽取的支持向量机分类器RBFPE-SVM,可以有效解决大规模高光谱数据集下的支持向量机训练时间的问题,基于混合“k-means,RLS”设计的RBFNN具有良好的收敛性、快速训练的优势,可以获得最优的决策边界,RBFPE-SVM通过决策边界从原始数据集中提取支持向量候选集,该候选集规模远小于原始训练数据集,研究结果表明,RBFPE-SVM与S-SVM相比,能达到较低的训练时间和内存要求,支持向量少,保证了其泛化能力和分类速度。(3)论文提出一种基于高光谱遥感技术估算赣南脐橙叶绿素含量的模型,使用1.67nm和3.41 nm两种输出波段间隔、光谱范围400~1000 nm的光谱分析仪获取赣南脐橙种植示范场内10颗脐橙树体共100个脐橙叶片样本光谱数据,采用分光光度法测定每个脐橙叶片的叶绿素含量进行验证,分别采用原始光谱、一阶导数光谱和二阶导数光谱基于偏最小二乘回归(Partial Least Squares Regression,PLSR)算法建立叶绿素含量估算模型。研究结果表明,脐橙叶片叶绿素含量对400~780 nm波段敏感,基于PLSR建立的预测模型效果良好,总体而言,用波段间隔为1.67 nm建模时叶绿素含量预测效果要优于波段间隔3.41 nm。通过原始光谱进行建模时,使用全波段,主成分数选择5时,对叶绿素a、叶绿素b和叶绿素总量的预测效果最好,相关系数分别为0.97、0.95及0.98,训练集均方根误差C-RMSE分别为0.03、0.05及0.05,验证集均方根误差V-RMSE分别为0.15、0.06及0.19。与使用原始光谱进行建模相比,一阶导数光谱模型只有在低主成分数(1~4)时取得了比较好的预测效果,而在高主成分数(5~10)时预测效果比原始光谱差。通过二阶导数光谱建模时,叶绿素含量预测相关系数在所有主成分数上表现较均衡,整体上取得了较强的预测能力,特别是在叶绿素b的预测时与原始光谱、一阶导数光谱相比优势明显。总体来言,二阶导数1.67 nm波段间隔全波段具有最优的建模效果。(4)论文提出一种基于高光谱遥感技术检测赣南脐橙果品酸度、维生素C含量的方法,使用光谱范围900~1700 nm的光谱分析仪获取赣南脐橙主产区江西省信丰县某脐橙种植园中30个脐橙样本光谱数据,分别用氢氧化钠溶液和碘酸钾溶液化学分析方法测得样品的可滴定酸和维生素C含量进行验证。研究结果表明,脐橙果品内部品质对900~1700 nm敏感,通过采集脐橙的近红外光谱,利用偏最小二乘回归方法,选择950~1350 nm的波段对可滴定酸进行建模,最佳主成分为4,训练集和测试集的相关系数分别为0.9767和0.9085。选择900~1600 nm的波段对维生素C的含量进行建模,最佳主成分为6,训练集和测试集的复决定系数R~2分别为0.9387和0.8690,预测效果较好,能够为批量检测赣南脐橙的内部品质提供技术支撑。论文在农作物种类识别、叶绿素含量估算、农产品内部品质检测方面提出了高光谱遥感技术新方法、新模型,取得了较高的精度,研究成果可以为精准农业、产量估算及农产品品质快速检测提供理论依据和技术支撑,促进高光谱遥感技术在农作物种植、生产中的工程化应用。