您现在的位置：中国农业仪器网 > 技术文章 > 玉米粗脂肪含量高光谱估算模型初探

玉米粗脂肪含量高光谱估算模型初探

来源：本站　类别：技术文章　更新时间：2010-06-30　阅读次

玉米被用作饲料和加工业原料。粗脂肪的含量是判定饲料产品质量和等级的重要指标。目前, 饲料中的粗脂肪一般依据GBY643321986 测定,然而现行的化学分析手段已不能满足农业生产发展的要求,尤其是在精准农业领域,快速、适时、准确的植物营养诊断方法成了植物营养领域中研究的热点。

高光谱遥感(hyperspectral remote sensing) 是当前遥感前沿技术。它是指利用很多很窄(一般< 10 nm) 的电磁波波段从感兴趣的物体获取有关数据。近年来,随着高光谱分辨率遥感技术的应用,使遥感可以在光谱维上展开,能直接对地物进行微弱光谱差异的定量分析,在植被遥感研究与应用中表现出强大优势。

国内外对玉米生化成分含量与高光谱反射率之间的关系已有一些报道,如Daughtry 等研究表明,玉米叶片叶绿素含量与叶片水平及冠层水平的光谱反射率之间密切相关,谭昌伟等通过夏玉米冠层光谱参量建立了全氮含量和叶绿素含量的预测数学模型,表明利用一阶微分光谱和红边位置推算夏玉米冠层叶绿素含量不仅可行而且反演精度较高;程一松等研究了不同氮素营养条件下夏玉米的光谱特性,确定了全生育期以及不同生育阶段的叶绿素敏感波段范围,Graeff 和Claupein 等研究表明可通过冠层光谱反射率来诊断玉米氮素状况,蒋海荣等认为利用玉米冠层光谱可对叶片纤维素和半纤维素含量进行估算。以上研究多是分析叶绿素和氮素含量与光谱反射率之间的关系,对玉米粗纤维含量与光谱之间关系的研究未见报道。

本文旨在探讨通过构建高光谱模型快速、简便、准确诊断玉米粗纤维含量的可行性,为替代或部分替代费时、费钱的植物化学分析方法提供借鉴。

1 　材料与方法

1.1 　材料与试验设计

玉米品种掖单13 、丹玉13、苏玉糯1 号、苏玉糯2 号、特甜1 号和超甜2018 种植于浙江大学试验农场(120°10′E ,30°14′N) 。小区面积1125 m ×3164 m ,行、株距0135 m ×0128 m ,每小区播种2 行,约5 株m- 2 ,每品种设3 个重复。在玉米成熟期,对不同品种玉米进行整株采样,每一品种每小区随机采3 株,采样后立即运回实验室,按叶片、茎、穗和叶鞘分离,并同步测定各器官室内光谱反射率。

1.2 　光谱测定

使用美国ASD (Analytical2Spectral Device) 公司的ASDFieldSpec Pro FRTM光谱仪,波段值为350～2 500 nm,其中,350～1 000 nm光谱采样间隔(波段宽) 为114 nm,光谱分辨率为3nm ,1 000～2 500 nm光谱采样间隔(波段宽) 为2 nm ,光谱分辨率为10 nm。针对玉米不同器官测定光谱反射率。测定时将样品平置于反射率近似为零的黑色橡胶上,光谱仪视场角为8°,探头垂直向下,距样品表面距离0.10 m;光源用光谱仪所带的50 W卤化灯,光源距样品表面距离0.45 m ,方位角(光源与样品表面之间的夹角) 70°。每次数据采集前都进行标准白板校正,光谱采样每次记录10 条光谱值,取平均值作为样本的光谱值。除了叶鞘样本数为5 外,其余各器官样本数均为6 ,总计样本数为35。

1.3 　粗脂肪的测定

采用索氏抽提法,与光谱样本数对应有35 个粗脂肪含量值�；蛘哂�粗脂肪测定仪、SZF-06A脂肪测定仪测定，这两款仪器都能一次性测试多个样品，大大提高了测试效率。

1.4 　一阶微分光谱

伴随高光谱数据的大量增多,背景及测量环境对光谱数据的影响会越来越大,微分光谱技术将为解决这类问题提供有力工具。微分光谱技术已广泛应用于减弱大气散射和吸收、背景、仪器噪声对目标物光谱特征的影响。一阶微分光谱可表达为

式中,ρ′(λi ) 为λi 处的一阶微分光谱,λi 是波段i 的波长值、ρ(λi ) 是波长λi 处的光谱值(如反射率、透射率等) ,Δλ是波长λi - 1到λi 的间隔,视波段波长而定。

1.5 　数据分析

采用SPSS1010 统计分析软件包和Excel 数据分析功能。

2 　结果与分析

2.1 　粗脂肪含量与原始高光谱反射率的相关性分析及估算模型

从图1 可见,粗脂肪与原始高光谱反射率之间的相关性在可见光区和近红外光区呈极显著负相关,约在1 350 nm之后呈极显著正相关;在1 507 nm 处具有最大正相关系数, r= 0.722。以1 507 nm处的光谱反射率为自变量,粗脂肪含量为因变量通过曲线拟合建立两者之间的线性和非线性回归模型,非线性方程包含有指数和对数形式。非线性回归模型中的指数模型要优于对数模型(图2) 。从图2 可见,指数模型( R2 = 015873) 与粗脂肪含量的拟合效果略优于线性模型( R2 = 015212) ,说明用指数模型对粗脂肪含量进行预测更为合适,其预测精度还有待检验。

2.2 　粗脂肪含量与反射率一阶微分之间的相关性分析及估算模型

　　从图3 可见,粗脂肪含量与一阶微分之间的相关性没有明显的规律,相关系数随着波长的变化而剧烈变化,但在1 954 nm处两者之间具有最大相关系数, r = 0.814 ,呈极显著正相关,比原始光谱与粗脂肪含量之间的相关性强。以1 954 nm处反射率的一阶微分为自变量,粗脂肪含量为因变量建立两者之间的线性和非线性回归模型(图4) 。从图4 可见,反射率的一阶微分所构建的模型与粗脂肪含量的拟合效果要优于原始高光谱反射率所构建的模型;同时,其指数模型( R2 = 016977) 的拟合效果优于线性模型( R2 = 016619) ,说明指数模型对粗脂肪含量变化的解释能力要优于线性模型。模型的预测精度还有待检验。

3 　精度检验

通常精度评价标准可采用以下几种:

(1) 相关系数评价

在光谱数据和生物物理、生物化学参数的相关及回归分析中可用相关系数来评价由高光谱模型所推算的理论值与实测值之间的相关性及预测结果之优劣。

(2) 均方根差( RMSE) 评价

由单变量和多变量回归模型估计出的参数,其精度可用均方根差来评价。式中, yi 和y′i 分别为实测值和理论值, n为样本数。RMSE 值越小说明方程的精度越高。

(3) 相对误差评价

相对误差( %) = (y - y′)P€y ×100 % 其中, y 和€ y′分别代表实测值和理论值的平均值。相对误差越小说明方程精度越高。对构建的模型进行精度检验,结果如表1。

分析表1 可发现,一阶微分所构建的指数模型各精度指标较好,与原始光谱反射率相比,此模型同时具有最大的相关系数和最小相对误差以及最小RMSE 值,由这个模型所计算的粗脂肪含量的理论值与实测值的相关程度见图5。从图5 可见,由一阶微分的指数模型所计算的理论值与实测值之间具有很强的线性相关关系,散点图分布较为均匀,因此认为一阶微分的指数模型对粗脂肪含量进行估算具有可行性。此结论还有待进一步论证。

4 　结论与讨论

本研究首次采用玉米不同器官的粗脂肪含量及对应的光谱反射率分析高光谱反射率对玉米粗脂肪含量估算的可行性,并得到以下结论:玉米不同器官粗脂肪含量与高光谱反射率之间极显著相关;通过对粗脂肪含量与反射率及其一阶微分之间进行相关性分析,分别筛选出1 507 nm 和1 954nm作为反演粗脂肪含量的特征波长,同时建立了反演方程;通过精度检验表明反射率一阶微分对玉米粗脂肪含量进行反演具有可行性,由模型反演的粗脂肪含量理论值与实测值之间的相关性达到极显著水平。

本试验构建模型所采用的高光谱数据是室内光谱反射率,初步结论是基于一个地点一个年份的观测数据,样本数量较少,所构建的方程的普适性还需要进一步验证;另外对于粗脂肪含量与高光谱之间关系基于农学基础的解释也是今后需要进一步开展的工作。