论文部分内容阅读
为实现利用高光谱技术判别菜油兼用型油菜是否摘薹,并填补高光谱技术在油菜菜籽油酸含量监测研究方面的空白。本文使用HH2 Sync手持光谱仪采集油菜苗期冠层光谱数据,Field Spec 3地物光谱仪采集油菜抽薹期、开花期、角果期叶片光谱数据,采用Agilent GC-MS 7980B气相色谱仪分析油菜籽油酸含量,构建基于油菜抽薹期、开花期、角果期原始光谱特征波长的支持向量机（SVM）判别模型、基于油菜全生育期光谱参数的菜籽油酸含量二项式估测模型、基于全生育期一阶光谱特征波长的油菜籽油酸含量多元线性逐步回归（MLSR）及偏最小二乘回归（PLSR）估测模型,并利用独立样本T检验对模型精度进行验证。主要研究结果如下:（1）油菜抽薹期SVM判别模型的训练集样本为36个,预测成功26个,总体精度达到77.2%,验证集样本为18个,预测成功13个,总体精度达到77.2%。油菜开花期SVM判别模型的训练集样本为36个,预测成功31个,总体精度达到86.1%,验证集样本为18个,预测成功14个,总体精度达到77.8%。油菜角果期SVM判别模型的训练集样本为36个,预测成功34个,总体精度达到94.4%,验证集样本为18个,预测成功13个,总体精度达到77.2%。（2）油菜苗期全部油菜籽油酸含量估测模型中,PLSR模型为主茎油菜籽油酸含量的最佳估测模型,其训练集R~2=0.470,RMSE=0.770,建模集R~2=0.465,RMSE=1.222。（3）对油菜进行摘薹会导致油菜抽薹期、开花期、角果期原始光谱反射率发生变化,同时会改变3个生育期原始光谱数据与菜籽油酸含量的相关性变化规律。（4）油菜抽薹期全部油菜籽油酸含量估测模型中,PLSR模型的训练集R~2=0.696、RMSE=0.583,测试集R~2=0.649、RMSE=1.056,为未摘薹油菜一级分支油菜籽油酸含量最佳估测模型,对模型进行独立样本T检,P=0.328＞0.05,模型合理。PLSR模型的训练集R~2=0.686、RMSE=0.903,测试集R~2=0.722、RMSE=0.702,为摘薹油菜一级分支油菜籽油酸含量最佳估测模型,对模型进行独立样本T检验,P=0.540＞0.05,模型合理。（5）油菜开花期全部菜籽油酸含量估测模型中,PLSR模型的训练集R~2=0.648、RMSE=0.68,测试集R~2=0.661、RMSE=0.852为未摘薹油菜一级分支油菜籽油酸含量最佳估测模型,对模型进行独立样本T检验,P=0.839＞0.05,模型合理。MLSR模型的训练集R~2=0.773、RMSE=0.874,测试集R~2=0.752、RMSE=0.467,为摘薹油菜一级分支油菜籽油酸含量最佳估测模型,对模型进行独立样本T检验,P=0.858＞0.05,模型合理。（6）油菜角果期全部油菜籽油酸含量估测模型中,PLSR模型的训练集R~2=0.820、RMSE=0.447,测试集R~2=0.645、RMSE=0.994为未摘薹油菜一级分支油菜籽油酸含量最佳估测模型,对模型进行独立样本T检验,P=0.238＞0.05,模型合理。MLSR模型的训练集R~2=0.493、RMSE=1.148,测试集R~2=0.267、RMSE=1.132,为摘薹油菜一级分支油菜籽油酸含量最佳估测模型,对模型进行独立样本T检验,P=0.231＞0.05,模型合理。