中国农业科学 ›› 2025, Vol. 58 ›› Issue (7): 1321-1332.doi: 10.3864/j.issn.0578-1752.2025.07.006
收稿日期:
2024-08-10
接受日期:
2024-12-23
出版日期:
2025-04-08
发布日期:
2025-04-08
通信作者:
联系方式:
栗方亮,E-mail:lifl007@qq.com。
基金资助:
LI FangLiang(), KONG QingBo(
), ZHANG Qing
Received:
2024-08-10
Accepted:
2024-12-23
Published:
2025-04-08
Online:
2025-04-08
摘要:
【目的】构建基于光谱分析的蜜柚叶片钙(Ca)素含量估测模型,可为蜜柚叶片钙素含量的监测和快速无损诊断提供理论基础。【方法】分析提取蜜柚叶片原始光谱及一阶导数光谱特征波段和光谱特征指数(差值光谱指数(DSI)、比值光谱指数(RSI)和归一化光谱指数(NDSI)),构建蜜柚叶片钙素含量的单变量估测模型、偏最小二乘估测模型(PLS)、反向传播神经网络估测模型(BPNN)、随机森林估测模型(RF)和支持向量机估测模型(SVM),并评价和验证蜜柚叶片钙素含量的最优光谱估测模型。【结果】蜜柚叶片原始光谱和一阶导数光谱与钙素含量存在多波段显著相关,基于原始光谱和一阶导数光谱的相关系数,最大的波长分别为553、714 nm和528、699、602 nm。基于原始光谱和一阶导数光谱与钙素含量相关性较显著的光谱指数分别为DSI790,1040、RSI910,990、NDSI900,990和NDSI′350,580、DSI′560,570、RSI′350,580。以RSI910,990、NDSI900,990、NDSI′350,580、DSI790,1040、DSI′560,570、RSI′350,580、DSI′528,602等光谱指数为自变量构建的多项式估测模型,决定系数R²较大(R²>0.60)。运用上述4种机器学习方法建立蜜柚叶片钙素含量高光谱估测模型,PLS、BPNN、RF和SVM 4种估测模型的R2分别为0.79、0.82、0.85和0.84,均方根误差(RMSE)分别为4.33、4.11、3.81和3.93,验证模型的R2分别为0.77、0.80、0.87和0.83,RMSE分别为4.50、4.28、3.67和3.90,估测模型的精确程度为RF>SVM>BPNN>PLS。【结论】蜜柚叶片钙素含量的4种模型进行精度对比分析表明,RF估测模型的预测性优于其他3种估测模型。该结果可为蜜柚叶片钙素含量快速诊断提供新方法以供参考。
栗方亮, 孔庆波, 张青. 基于光谱指数的琯溪蜜柚叶片钙素含量估测模型研究[J]. 中国农业科学, 2025, 58(7): 1321-1332.
LI FangLiang, KONG QingBo, ZHANG Qing. Research on the Estimation Model of Calcium Content in Guanxi Honey Pomelo Leaves Based on Spectral Index[J]. Scientia Agricultura Sinica, 2025, 58(7): 1321-1332.
表2
蜜柚叶片钙素含量的光谱指数单变量估测模型"
光谱指数Spectral index | 高光谱参数Hyperspectal parameter | 估测模型Estimation model | R2 |
---|---|---|---|
差值光谱指数 DSI | DSI553,714 | y=40.74+107.395x | 0.366 |
DSI790,1040 | y=0.04-0.003x+2.205e-05x2 | 0.707 | |
DSI′528,699 | y=41.956e83.27x | 0.552 | |
DSI′528,602 | y=37.859e-195.191x | 0.642 | |
DSI′560,570 | y=0.002-8.919e-05x+8.736e-07x2 | 0.704 | |
DSI′699,602 | y=40.994e-59.127x | 0.586 | |
比值光谱指数 RSI | RSI553,714 | y=85.817+0.042x | 0.358 |
RSI910,990 | y=1.047-0.001x | 0.745 | |
RSI′350,580 | y=10.276+0.055x | 0.663 | |
RSI′528,699 | y=20.744+235.55x-966.837x2 | 0.439 | |
RSI′528,602 | y=e3.121+0.001/x | 0.119 | |
RSI′699,702 | y=e3.954+22.644/x | 0.409 | |
归一化光谱指数 NDSI | NDSI553,714 | y=e4.311+0.469/x | 0.352 |
NDSI900,990 | y=-0.025-90.001x | 0.736 | |
NDSI′350,580 | y=0.826+0.007x-7.925e-05x2 | 0.724 | |
NDSI′528,699 | y=-319.242-934.362x-617.407x2 | 0.441 | |
NDSI′528,602 | y=110.479-105.326x+31.409x2 | 0.122 | |
NDSI′699,602 | y=-2922.251+5739.173x-2786x2 | 0.519 |
表3
蜜柚叶片钙素含量不同估测模型的估算与验证"
估测模型 Estimation model | 估算模型R2 Estimation model R2 | 估算模型RMSE Estimation model RMSE | 估算模型RE(%) Estimation model RE (%) | 验证模型R2 Validation model R2 | 验证模型RMSE Validation model RMSE | 验证模型RE(%)Validation model RE (%) |
---|---|---|---|---|---|---|
偏最小二乘法 PLS | 0.79 | 4.33 | 17.13 | 0.77 | 4.50 | 18.04 |
BP神经网络 BPNN | 0.82 | 4.11 | 15.56 | 0.80 | 4.28 | 16.92 |
随机森林法 RF | 0.85 | 3.81 | 13.91 | 0.87 | 3.67 | 13.05 |
支持向量机 SVM | 0.84 | 3.93 | 13.53 | 0.83 | 3.90 | 12.69 |
[1] |
平和县统计局. 平和统计年鉴(2023). 2023: 40. http://www.pinghe.gov.cn/cms/html/phxrmzf/tjnj/index.html.
|
PINGHE COUNTY STATISTICS BUREAU. Pinghe statistical yearbook(2023). 2023:40. http://www.pinghe.gov.cn/cms/html/phxrmzf/tjnj/index.html. (in Chinese)
|
|
[2] |
栗方亮, 孔庆波, 张青. 基于高光谱的琯溪蜜柚叶片磷素含量估算模型研究. 中国农业科技导报, 2023, 25(1): 100-108.
doi: 10.13304/j.nykjdb.2021.1002 |
doi: 10.13304/j.nykjdb.2021.1002 |
|
[3] |
刘禹, 雷靖, 胡承孝, 谭启玲, 庄木来, 孙学成, 武松伟. 钙镁配施对琯溪蜜柚树体钙镁营养及果实产量和品质的影响. 中国南方果树, 2023, 52(3): 15-21.
|
|
|
[4] |
陶晶霞, 王玉雯, 李晓娜, 张利军, 张建翔, 张华, 廖文强, 姜玉英, 吴良泉, 李延, 郭九信. 琯溪蜜柚地上部新生器官生物量和钙镁养分累积特征. 果树学报, 2024, 41(1): 101-112.
|
|
|
[5] |
李清华, 王飞, 何春梅, 林诚, 钟少杰, 黄绿林. 平和琯溪蜜柚施肥现状调查分析. 南方农业学报, 2016, 47(12): 2059-2064.
|
|
|
[6] |
陆芃希, 甘增光, 庄木来, 郭九信, 王平, 李延. 琯溪蜜柚园土壤钙素养分分析. 经济林研究, 2023, 41(1): 133-142, 195.
|
|
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
李勋兰, 王武, 杨蕾, 韩国辉, 杨海健, 洪林. 基于高光谱的柑橘叶片钾含量快速诊断模型. 南方农业, 2019, 13(22): 37-40.
|
|
|
[13] |
doi: 10.3390/ijms14047370 pmid: 23549270 |
[14] |
|
[15] |
|
[16] |
|
[17] |
邢东兴, 常庆瑞. 基于光谱分析的果树叶片微量元素含量估测研究: 以红富士苹果树为例. 西北农林科技大学学报(自然科学版), 2008, 36(11): 143-150.
|
|
|
[18] |
栗方亮, 孔庆波, 张青. 光谱技术在果树叶片营养诊断上的应用研究进展. 江西农业学报, 2024, 36(3): 22-26.
|
|
|
[19] |
田旷达, 邱凯贤, 李祖红, 吕亚琼, 张秋菊, 熊艳梅, 闵顺耕. 近红外光谱法结合最小二乘支持向量机测定烟叶中钙、镁元素. 光谱学与光谱分析, 2014, 34(12): 3262-3266.
|
|
|
[20] |
|
[21] |
|
[22] |
|
[23] |
|
[24] |
|
[25] |
|
[26] |
|
[27] |
郭燕, 井宇航, 王来刚, 黄竞毅, 贺佳, 冯伟, 郑国清. 基于无人机影像特征的冬小麦植株氮含量预测及模型迁移能力分析. 中国农业科学, 2023, 56(5): 850-865. doi: 10.3864/j.issn.0578-1752.2023.05.004.
|
|
|
[28] |
栗方亮, 孔庆波, 张青. 基于光谱特征参数的琯溪蜜柚叶片叶绿素含量估算. 福建农业学报, 2021, 36(12): 1447-1456.
|
|
|
[29] |
栗方亮, 孔庆波, 张青. 利用多种回归模型对比估算琯溪蜜柚叶片钾素含量. 热带作物学报, 2022, 43(6): 1191-1199.
doi: 10.3969/j.issn.1000-2561.2022.06.012 |
doi: 10.3969/j.issn.1000-2561.2022.06.012 |
|
[30] |
鲁如坤. 土壤农业化学分析方法. 北京: 中国农业科技出版社, 2000:318-320.
|
|
|
[31] |
雷靖, 孙冠利, 庄木来, 朱东煌, 李潇彬, 谭启玲, 胡承孝. 琯溪蜜柚园土壤肥力和叶片营养随树龄的变化. 中国土壤与肥料, 2019(1): 166-172.
|
|
|
[32] |
朱白雪. ‘新新2号’核桃叶片营养元素含量光谱估算模型[D]. 乌鲁木齐: 新疆农业大学, 2016.
|
|
|
[33] |
|
[34] |
李哲, 张飞, 陈丽华, 张海威. 光谱指数的植物叶片叶绿素含量估算模型. 光谱学与光谱分析, 2018, 38(5):1533-1539.
|
|
|
[35] |
doi: 10.1364/OE.27.003978 pmid: 30876021 |
[36] |
|
[37] |
|
[38] |
栗方亮, 孔庆波, 张青, 庄木来. 琯溪蜜柚叶片氮素含量多种高光谱估算模型对比研究. 果树学报, 2022, 39(5): 882-891.
|
|
|
[39] |
|
[40] |
|
[41] |
|
[42] |
|
[43] |
冯海宽, 杨福芹, 杨贵军, 李振海, 裴浩杰, 邢会敏. 基于特征光谱参数的苹果叶片叶绿素含量估算. 农业工程学报, 2018, 34(6): 182-188.
|
|
|
[44] |
doi: 10.1016/j.isprsjprs.2019.04.015 |
[45] |
张卓然, 常庆瑞, 张廷龙, 班松涛, 由明明. 基于支持向量机的棉花冠层叶片叶绿素含量高光谱遥感估算. 西北农林科技大学学报(自然科学版), 2018, 46(11): 39-45.
|
|
|
[46] |
|
[47] |
王丽爱, 马昌, 周旭东, 訾妍, 朱新开, 郭文善. 基于随机森林回归算法的小麦叶片SPAD值遥感估算. 农业机械学报, 2015, 46(1): 259-265.
|
|
|
[48] |
doi: 10.1038/s41598-020-70951-w pmid: 32811882 |
[49] |
doi: 10.1364/OE.25.003743 pmid: 28241586 |
[50] |
孙小香, 王芳东, 赵小敏, 谢文, 郭熙. 基于冠层光谱和BP神经网络的水稻叶片氮素浓度估算模型. 中国农业资源与区划, 2019, 40(3): 35-44.
|
|
|
[51] |
周智辉, 谷晓博, 程智楷, 常甜, 赵彤彤, 王玉明, 杜娅丹. 基于影像分割的覆膜玉米叶绿素含量反演. 中国农业科学, 2024, 57(6): 1066-1079. doi: 10.3864/j.issn.0578-1752.2024.06.004.
|
|
|
[52] |
|
[1] | 刘静, 汪泓, 张磊, 肖玖军, 吴建高, 龚明冲. 基于高光谱的辣椒叶片氮素含量反演[J]. 中国农业科学, 2025, 58(2): 252-265. |
[2] | 燕雯, 金秀良, 李龙, 徐子涵, 苏悦, 张跃强, 景蕊莲, 毛新国, 孙黛珍. 基于无人机多源影像数据的灌浆期人工合成小麦抗旱性评价[J]. 中国农业科学, 2024, 57(9): 1674-1686. |
[3] | 梅广源, 李荣, 梅新, 陈日强, 樊意广, 程金鹏, 冯子恒, 陶婷, 赵倩, 赵培钦, 杨小冬. 基于VSURF-CA的小麦条锈病高光谱病情指数估测模型[J]. 中国农业科学, 2024, 57(3): 484-499. |
[4] | 石浩磊, 曹红霞, 张伟杰, 朱珊, 何子建, 张泽. 基于无人机多光谱的棉花多生育期叶面积指数反演[J]. 中国农业科学, 2024, 57(1): 80-95. |
[5] | 侯化刚, 王丹阳, 马斯琦, 潘剑君, 李兆富. 黄河三角洲不同盐渍度土壤有机质含量的高光谱预测研究[J]. 中国农业科学, 2023, 56(10): 1905-1919. |
[6] | 蔡苇荻,张羽,刘海燕,郑恒彪,程涛,田永超,朱艳,曹卫星,姚霞. 基于成像高光谱的小麦冠层白粉病早期监测方法[J]. 中国农业科学, 2022, 55(6): 1110-1126. |
[7] | 谭先明,张佳伟,王仲林,谌俊旭,杨峰,杨文钰. 基于PLS的不同水氮条件下带状套作玉米产量预测[J]. 中国农业科学, 2022, 55(6): 1127-1138. |
[8] | 宋彪,徐凯悦,王晓华,郭九信,吴良泉,苏达. 蜜柚果实不同空间部位植酸及矿质营养有效性的分布特征[J]. 中国农业科学, 2021, 54(6): 1229-1242. |
[9] | 周萌,韩晓旭,郑恒彪,程涛,田永超,朱艳,曹卫星,姚霞. 基于参数化和非参数化法的棉花生物量高光谱遥感估算[J]. 中国农业科学, 2021, 54(20): 4299-4311. |
[10] | 费帅鹏,禹小龙,兰铭,李雷,夏先春,何中虎,肖永贵. 基于高光谱遥感和集成学习方法的冬小麦产量估测研究[J]. 中国农业科学, 2021, 54(16): 3417-3427. |
[11] | 李朋磊, 张骁, 王文辉, 郑恒彪, 姚霞, 朱艳, 曹卫星, 程涛. 基于高光谱和激光雷达遥感的水稻产量监测研究[J]. 中国农业科学, 2021, 54(14): 2965-2976. |
[12] | 周龙飞, 顾晓鹤, 成枢, 杨贵军, 孙乾, 束美艳. 倒伏胁迫下玉米抽雄期叶面积密度光谱诊断[J]. 中国农业科学, 2019, 52(9): 1518-1528. |
[13] | 张卓,龙慧灵,王崇倡,杨贵军. 冬小麦叶片光合特征高光谱遥感估算模型的比较研究[J]. 中国农业科学, 2019, 52(4): 616-628. |
[14] | 马岩川, 刘浩, 陈智芳, 张凯, 余轩, 王景雷, 孙景生. 基于高光谱指数的棉花冠层等效水厚度估算[J]. 中国农业科学, 2019, 52(24): 4470-4483. |
[15] | 王君杰,陈凌,王海岗,曹晓宁,刘思辰,田翔,秦慧彬,乔治军. 糜子叶片氮含量和籽粒蛋白质含量高光谱监测研究[J]. 中国农业科学, 2019, 52(15): 2593-2603. |
|