论文部分内容阅读
本课题来源于国家高技术研究发展计划(863计划)子课题《稻麦品质与生理特征光谱的研究与应用》。研究的意义是探讨在使用高光谱数据预报冬小麦品质数据中，三维数据模型的可行性。
本课题的主要研究工作包括以下三部分试验：
(一)冬小麦亩产量的三维高光谱预报模型。试验采用经过二维插值处理且中心化预处理的冬小麦冠层反射高光谱的三维数据分别建立平行因子(PARAFAC)模型，Tucker3模型和多维偏最小二乘(NPLS)模型回归亩产量，并对模型的预测效果进行分析和比较。结果发现，Tucker3模型的预测效果优于其他2个模型，决定系数R2为0.87，平均相对误差为5.66％，其原因可能是Tucker3模型允许三个维上拥有不同的主成分，从而可以提高模型的预测性能。同时，三个模型的决定系数均在0.75以上，说明三维数据模型适合于高光谱估产的研究，对实际的估产工作有一定的指导意义。
(二)冬小麦籽粒粗蛋白质含量的三维高光谱定量分析模型。仍采用上述上述三维高光谱数据建立三维数据模型，而对籽粒粗蛋白质含量进行定量分析。结果表明除PARAFAC模型的预测效果较差外，其他两个模型的预测值与实际值之间的决定系数均在0.7以上，平均相对误差分别是5.99％和6.36％，说明这两个模型的预测效果较好，有一定的实际意义，可以做进一步的试验，以提高预测的准确度。
(三)预处理方法在三维高光谱定量分析模型中的作用。试验采用7种方法分别对经过二维插值的高光谱数据进行预处理，并建立NPLS模型回归亩产量，所提取的主成分数均为6个。结果发现，7种预处理方法中，使用标准化方法预处理的光谱建立的模型，其预测效果最佳。另外，使用旨在平滑曲线的方法预处理的光谱建立的模型比使用旨在消除基线偏移的一阶导数法预处理的光谱建立模型，其预测效果要更好；因此，所采用的预处理方法必须有助于减弱光谱数据中的噪声。