基于柑橘葉、花近紅外高光譜信息的營養(yǎng)診斷與成花能力預測研究.pdf

1、本文以15年生枳橙(Citrus.sinensis× Poncirus.trifoliata，“Carrizo Citrange”)砧哈姆林甜橙(C.sinensis(L.)，“Hamlin Sweet Orange”)為對象，研究基于高光譜圖像信息的葉、花營養(yǎng)和成花能力的光譜預測方法，旨在為建立甜橙葉片和花器營養(yǎng)水平實時監(jiān)測與高效合理施肥管理技術提供依據(jù)。主要研究結果如下:
　　1.哈姆林甜橙葉片營養(yǎng)的近紅外高光譜特征與預測研究

2、
　　(1)哈姆林甜橙植株花芽分化期當年生春梢、夏梢和盛花期上一年春梢葉片450-1000nm光譜平均反射率曲線呈現(xiàn)規(guī)律為:葉片成熟度越高，光譜曲線波動越趨于平穩(wěn)，即光譜曲線綠峰、紅谷、近紅外平臺區(qū)域光譜反射率間差值越小。
　　(2)為消除或減小試驗材料本身、儀器和外界環(huán)境因素噪聲對光譜信息的干擾，本研究選用五點移動平均平滑（SG-平滑）、多元散射校正(MSC)、標準正態(tài)變量變換(SNV)、一階導數(shù)(1-Der)和二階導數(shù)(

3、2-Der)等五種方法對甜橙葉片原始光譜（RAW）進行預處理，并在此基礎上分析基于PLS模型的氮(N)、磷(P)、鉀(K)和可溶性總糖(TC)含量預測精度。結果顯示，花芽分化期當年生春梢葉片光譜經(jīng)過五種方法預處理后對葉片N、P、K和TC含量的PLS模型預測，以SG-平滑算法預處理光譜預測效果優(yōu)于其他預處理方法;花芽分化期當年生夏梢葉片光譜2-Der預處理后PLS建模預測N、P、K和TC的效果更優(yōu);盛花期上一年春梢營養(yǎng)枝葉片光譜數(shù)據(jù)經(jīng)過S

4、G-平滑預處理后對N、P、K和TC含量的預測效果優(yōu)于其他預處理方法。
　　(3)基于哈姆林甜橙葉片的近紅外高光譜信息可以較好實現(xiàn)對葉片N、P、K和全C含量的預測。其中，對葉片N含量的預測以花芽分化期當年生春梢葉片近紅外光譜SG-平滑算法預處理后的PLS建模預測精度較高，預測精度可達0.735;對P含量的光譜預測以花芽分化期當年生春梢葉片原始光譜PLS建模最好，預測精度達0.733;對K含量的近紅外高光譜預測以花芽分化期當年生春梢葉

5、片原始光譜的PLS建模預測較好，預測精度達0.728;對全C含量的光譜預測以采用盛花期上一年春梢葉片光譜，SG-平滑算法預處理后PLS建模預測，對全C含量預測精度達0.688。
　　2.哈姆林甜橙花營養(yǎng)的近紅外高光譜特征與預測研究
　　(1)研究建立以0.1最優(yōu)閾值間隔和0.5～0.6灰度值的甜橙花朵高光譜圖像有效光譜信息提取技術，篩選出哈姆林甜橙花的N營養(yǎng)含量特征光譜波段為692.146～735.3nm，以及440.07～

6、481.07nm，692.146～735.3nm波段組合。以該特征波段組合反射光譜的siPLS預測模型，可以較好的預測花的N含量，其預測精度達0.762;通過特征波段組合篩選使得預測模型運算所需實際波點數(shù)減少為108個，比全光譜預測減少了85.8％，預測效率較大提高。
　　(2)經(jīng)過篩選，得到哈姆林甜橙花P含量預測特征光譜波段為573.757～633.437nm，特征波段組合為573.757～633.437nm和693.74～75

7、2.653nm;以該特征波段組合反射光譜的siPLS預測模型，可以較好的實現(xiàn)對花的P含量預測，其預測精度達0.885，且實際僅用152個波點數(shù)參與模型預測運算，比全光譜預測的波點數(shù)減少了80.0％
　　(3)篩選出哈姆林甜橙花K含量預測的特征高光譜波段為593.313～643.711nm，表明以特征波段篩建立的iPLS預測模型，對于花K含量的預測效果最優(yōu)，其預測精度達到0.916，實際采用64個波點數(shù)參與預測運算，比全光譜波點數(shù)減

8、少了91.6％。
　　3.葉片碳氮比和樹體花量的高光譜預測
　　(1)哈姆林甜橙葉片C/N估測的特征波長為507.117，507.886，523.294，527.928，534.114，543.41nm，iPLS建模預測精度達0.914。
　　(2)秋季上一年春梢葉片對次年植株花量預測的特征波長為544.186，552.726，567.516，572.196，575.319，582.352，588.613和593.31