收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于高光谱图像技术的设施栽培作物营养元素亏缺诊断研究

石吉勇  
【摘要】:随着现代农业的快速发展,我国设施农业种植面积已达到330万公顷,居世界第一。由于设施栽培作物生长周期短、产出量大、需肥量多,从而要求土壤肥力供给具有高消耗、高补充的特点,生产中设施栽培作物很容易出现氮、磷、钾等营养元素亏缺状况,严重影响了作物的产量和经济效益。快速、准确的诊断作物营养元素亏缺对提高作物产量、增加农民收入、发展现代农业具有极其重要的意义。为了克服现有设施栽培作物营养元素亏缺诊断方法的不足,本研究尝试采用高光谱图像技术代替叶片光谱分析技术和计算机图像技术来表征营养元素亏缺引起的作物内部组分信息和外部形态特征,期望得到一种设施栽培作物营养元素亏缺诊断新方法。 本文的主要研究工作如下: (1)营养元素亏缺样本培育。在温室大棚中以无土栽培方式培育了氮(N)、磷(P)、钾(K)、镁(Mg)元素亏缺及对照组黄瓜植株;分别采用凯氏定氮法、分光光度计法、原子吸收法分析了缺N组、缺P组、缺K组、缺Mg组和对照组黄瓜植株中N、P、K和Mg元素含量的分布规律。结果表明:N、P、K和Mg元素含量在黄瓜植株新叶、中叶、老叶中呈递减趋势;与对照组叶片相比较,缺N组、缺P组、缺K组和缺Mg组植株老叶的N、P、K、Mg元素含量下降明显,说明缺N组、缺P组、缺K组和缺Mg组中的黄瓜植株进入了各自对应的营养元素亏缺状态,营养元素亏缺植株的成功培育为后续研究奠定了坚实的基础。 (2)样本缺素症状及其分布规律初步分析。采集缺N组、缺P组、缺K组、缺Mg组和对照组黄瓜植株每个节点上的黄瓜叶片作为分析样本,采用高效液相色谱技术(HPLC)检测样本的叶绿素、叶黄素和β胡萝卜素含量,采用彩色相机拍摄样本的图像信息,通过分析N、P、K和Mg元素亏缺样本的色素含量变化和外观特征,研究了不同营养元素亏缺症状及其在作物植株及作物叶片中的分布规律。结果表明:N元素亏缺植株的老叶叶绿素含量降低,叶面整体退绿;P元素亏缺植株老叶叶绿素没有明显变化,但是在老叶叶脉附近出现水渍斑;K元素亏缺植株老叶叶缘处的叶绿素含量降低;Mg元素亏缺植株老叶叶脉间的叶绿素含量降低;缺素症状及其分布规律的分析结果为解决如何采集具有代表性的缺素样本、采用什么技术在样本的哪些区域提取何种缺素特征等元素亏缺诊断中的关键问题指明了方向。 (3)叶绿素含量叶面分布图检测。提取120片黄瓜叶片的可见-近红外高光谱图像光谱信息,采用区间偏最小二乘法(iPLS)、联合区间偏最小二乘法(SiPLS)、遗传算法-区间偏最小二乘法(GA-iPLS)、遗传算法-模拟退火算法-区间偏最小二乘法(GA-SA-iPLS)优选了与叶绿素含量相关的特征区间(分别为第10、11、13、17、18区间),利用主成分分析(PCA)和独立分量分析(ICA)提取了入选区间的光谱特征,并将光谱特征与HPLC检测得到的叶绿素含量值进行关联,建立了叶片高光谱图像信号与叶绿素含量之间的对应关系(Rp=0.8769, RMSEP=2.42mg/g);依次将高光谱图像中每个像素点的光谱代入叶绿素含量回归模型中计算出每个像素点对应的叶绿素含量值,得到了叶片叶绿素含量的叶面分布图。该叶绿素含量分布图解决了化学分析方法、光谱分析法难以检测整个叶面上叶绿素含量分布的难题。 (4)基于叶绿素含量叶面分布的N、K和Mg元素亏缺诊断。检测了对照组叶片、N元素亏缺叶片、K元素亏缺叶片和Mg元素亏缺叶片的叶绿素含量叶面分布图;根据叶绿素含量叶面分布规律提出了N、K和Mg元素亏缺诊断新方法,对N、K和Mg元素亏缺诊断率分别为97%、90%、90%。新方法克服了化学诊断方法速度慢、破坏检测对象的缺点,弥补了光谱诊断法重现性差、准确度低及信息获取不全面的不足。 (5)基于近红外高光谱图像的P元素亏缺诊断。采集了对照组叶片、P元素亏缺叶片的近红外高光谱图像,分别采用PCA和ICA提取了近红外高光谱图像的特征图像;结果表明第1独立分量图像能够有效的表征P元素亏缺引起的缺素症状,同时近红外高光谱图像结合ICA能够提取肉眼不可见的轻微P元素亏缺症状。采用该方法对30片P元素亏缺叶片和30片对照组叶片进行了诊断,诊断率为98%。 (6)设施栽培作物营养元素亏缺的数据库软件开发。该软件能够详细记录作物的种类、品种、元素亏缺种类、元素亏缺症状图片及光谱等信息。为判别作物缺素情况的数字化信息描述做了开创性的工作。 本研究提供了新的设施栽培作物营养元素亏缺无损诊断方法,研究成果对提高我国设施栽培技术水平有着积极的意义。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杨龙;易宏杰;李因彦;;遥感高光谱图像赤潮识别[J];传感器世界;2007年05期
2 陈雨时;王晓飞;张晔;;基于特征变换的高光谱图像压缩快速矢量量化算法(英文)[J];黑龙江大学自然科学学报;2008年03期
3 粘永健;王展;万建伟;辛勤;;面向异常检测的高光谱图像压缩技术[J];国防科技大学学报;2009年03期
4 王祥涛;冯燕;陈武;;基于改进独立分量分析的高光谱数据分类研究[J];计算机仿真;2009年11期
5 吴传庆,童庆禧,郑兰芬;基于小波变换的高光谱图像消噪[J];遥感信息;2005年04期
6 孙蕾;罗建书;;基于多波段谱间预测的高光谱图像无损压缩算法[J];电子与信息学报;2007年12期
7 张立燕;谌德荣;李世义;曹旭平;;基于低概率检测的高光谱图像有损压缩方法研究[J];弹箭与制导学报;2008年01期
8 贺霖;潘泉;邸韡;李远清;;高光谱图像高维多尺度自回归有监督检测[J];自动化学报;2009年05期
9 李杰;赵春晖;梅锋;;利用背景残差数据检测高光谱图像异常[J];红外与毫米波学报;2010年02期
10 李婷;陈小梅;陈刚;薛博;倪国强;;一种双正则项全变差高光谱图像去噪算法[J];光谱学与光谱分析;2011年01期
11 王晋;张晓玲;沈兰荪;柴焱;;一种基于网格编码量化的高光谱图像无损压缩方法[J];中国图象图形学报;2006年01期
12 谷延锋;刘颖;贾友华;张晔;;基于光谱解译的高光谱图像奇异检测算法[J];红外与毫米波学报;2006年06期
13 王晋;张晓玲;柴焱;沈兰荪;;一种基于自适应预测的高光谱图像近无损压缩方法[J];计算机应用研究;2007年05期
14 谌德荣;张立燕;陶鹏;曹旭平;;结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法[J];宇航学报;2007年03期
15 张立燕;谌德荣;陶鹏;;基于顶点成分分析的高光谱图像低概率异常检测方法研究[J];宇航学报;2007年05期
16 陈雨时;张晔;谷延锋;;基于特征选择的高光谱图像快速矢量量化算法[J];哈尔滨工业大学学报;2007年11期
17 张立燕;谌德荣;陶鹏;;端元提取技术在高光谱图像压缩中的应用[J];光谱学与光谱分析;2008年07期
18 程翥;粘永健;辛勤;万建伟;;基于三维整数小波与自适应预测的高光谱图像压缩研究[J];计算机工程与科学;2009年04期
19 赵春晖;王楠楠;;基于背景抑制及顶点成分分析的高光谱异常小目标检测[J];应用科技;2009年09期
20 孙蕾;谷德峰;罗建书;;最佳递归双向预测的高光谱图像无损压缩[J];光学精密工程;2009年11期
中国重要会议论文全文数据库 前10条
1 高云;李小昱;刘长举;周竹;;基于高光谱图像技术的霉烂板栗识别研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
2 高洪燕;毛罕平;张晓东;周莹;;番茄叶片氮素反射光谱及高光谱图像的研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
3 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
4 罗春生;薛龙;刘木华;黎静;;基于荧光高光谱图像检测鸭肉嫩度的初步研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
5 刘超;何元磊;黄世奇;刘志刚;王长海;;一种新的高光谱图像有监督特征提取方法[A];国家安全地球物理丛书(六)——空间地球物理环境与国家安全[C];2010年
6 何元磊;黄世奇;易世华;刘志刚;齐玮;;一种基于噪声调节主成分分析的高光谱图像波段选择方法[A];国家安全地球物理丛书(六)——空间地球物理环境与国家安全[C];2010年
7 薛龙;黎静;刘木华;;IDL与ENVI的二次开发在高光谱图像预处理的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
8 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年
9 吴传庆;童庆禧;郑兰芬;张兵;赵永超;张霞;;基于小波变换的高光谱图像消噪[A];成像光谱技术与应用研讨会论文集[C];2002年
10 陶斐斐;李永玉;王伟;彭彦昆;;基于高光谱成像技术快速无损伤评价猪肉新鲜度[A];中国食品科学技术学会第八届年会暨第六届东西方食品业高层论坛论文摘要集[C];2011年
中国博士学位论文全文数据库 前10条
1 石吉勇;基于高光谱图像技术的设施栽培作物营养元素亏缺诊断研究[D];江苏大学;2012年
2 梅锋;基于核机器学习的高光谱异常目标检测算法研究[D];哈尔滨工程大学;2009年
3 高恒振;高光谱遥感图像分类技术研究[D];国防科学技术大学;2011年
4 姚伏天;基于高斯过程的高光谱图像分类研究[D];浙江大学;2011年
5 齐滨;高光谱图像分类及端元提取方法研究[D];哈尔滨工程大学;2012年
6 王晓飞;高光谱图像分辨率增强及在小目标检测中的应用研究[D];哈尔滨工业大学;2011年
7 赵芸;基于高光谱和图像处理技术的油菜病虫害早期监测方法和机理研究[D];浙江大学;2013年
8 陈进;高光谱图像分类方法研究[D];国防科学技术大学;2010年
9 谭琨;基于支持向量机的高光谱遥感影像分类研究[D];中国矿业大学;2010年
10 周爽;蚁群算法在高光谱图像降维和分类中的应用研究[D];哈尔滨工业大学;2010年
中国硕士学位论文全文数据库 前10条
1 邵涛;基于光谱信息的高光谱图像目标识别方法的研究[D];哈尔滨工业大学;2010年
2 唐雪飞;基于案例推理的高光谱图像分类研究[D];哈尔滨工业大学;2010年
3 胡倩;基于知识的高光谱图像波谱匹配技术研究与应用[D];中国地质大学(北京);2010年
4 包海燕;高光谱溢油图像分类算法研究[D];大连海事大学;2011年
5 殷晓平;基于高光谱图像的黄瓜叶片叶绿素含量及其分布预测研究[D];江苏大学;2010年
6 徐长健;基于小波变换的高光谱溢油图像压缩方法的研究[D];大连海事大学;2011年
7 魏然;基于三维光谱模型的高光谱图像压缩方法的研究[D];哈尔滨工业大学;2010年
8 王爽;基于高光谱散射图像的苹果内部品质预测建模[D];江南大学;2012年
9 张亚南;高光谱图像特征分析技术的研究与软件开发[D];中国地质大学(北京);2010年
10 严萌;基于异常特征保护的高光谱图象压缩方法研究[D];哈尔滨工业大学;2011年
中国重要报纸全文数据库 前10条
1 张红菊;农田:安装“听诊器”[N];科技日报;2004年
2 中国社会科学院考古研究所 赵志军;探寻中国北方旱作农业起源的新线索[N];中国文物报;2004年
3 张向冰 李青滨;我国海洋遥感发展突飞猛进[N];中国海洋报;2003年
4 黄盈盈;现代栽培术育就常青园[N];福建科技报;2006年
5 安亚云;提神醒脑食薄荷[N];医药养生保健报;2007年
6 本报记者 陈一训;中国农膜是喜还是忧?[N];农资导报;2006年
7 陈茂春;降低棚室湿度九招[N];河北科技报;2007年
8 ;设施栽培作物生理性病害的防治方法[N];山东科技报;2008年
9 庄贵海 沈才;黑龙江垦区种业实现集团化运营[N];农民日报;2005年
10 滦南县农业技术服务中心 冯宝芹;夏季做好土壤积盐治理[N];河北科技报;2007年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978