快速提取农作物氮素光谱信息实验研究 Study on a Method for Fast Selecting Feature Wavelengths from the Spectral Information of Crop Nitrogen.pdfVIP

第32卷，第8期 光谱学与光谱分析 2 01 2年8月 and Analysis August，2012 SpectroscopySpectral 快速提取农作物氮素光谱信息实验研究 航h 徐天爽1，徐 涛1，兰玉彬2，吴文福3，张汇慧4，朱 1．吉林大学机械科学与工程学院，吉林长春130022 2．美国农业部农业研究中心，美国德克萨斯州 77845 3．吉林大学生物与农业工程学院，吉林长春 130022 4．美国农业部农业研究中心，美国加利福尼亚州 93648 摘要探索一种快速优选农作物氮素光谱波长方法，对确定作物氮含量有重要意义。基于均匀试验的“均 衡分布”特性，设计了一种改进粒子群法。通过均匀分布初始粒子群，采用较少样本点来详细描述优化空间， 从而解决标准粒子群法易于陷入局部最优解的问题，并加快了优化收敛速度。应用此改进算法快速提取大 豆、棉花、玉米三种作物氮素光谱信息，结合偏最dx-乘法(PLs)建立校正模型，结果表明，优选后的波长 数目降低约93％，减少了工作量，提高了检测速度，且此结果与提取的三种作物冠层光谱反射特征波段相 对应。根据优选后波长建立的校正模型的预测精度提高约34％，增强了预测建模能力，验证了该方法快速 提取光谱信息的可行性和有效性。 关键词粒子群(PSO)；波长优选；均匀试验；氮含量；光谱 中图分类号：0657．3文献标识码：A DOI：10．3964／j．issn．1000—0593(2012)08—2185—05 广泛应用。部分学者采用遗传算法筛选苹果糖度[4]、啤酒酒 引 言 精度[5]、人体血糖浓度等光谱波长，虽然可筛选出较优波 长，然而遗传算法操作过程由于包含了选择、交叉、变异等 氮素是农作物生长发育必需的营养元素，对农作物光合 步骤，较为繁琐，同时标准遗传算法还具有计算量大、收敛 作用及产量有重要影响[1]。如何有效控制农作物中氮含量， 速度较慢等缺陷，不适于波长点较多的问题。此外，粒子群 是农业领域的研究热点之一。传统的实验室化学分析或检测 算法也可解决光谱波长优选问题[7]，但标准粒子群算法中存 土壤肥力等测定作物氮素含量方法，耗时耗力，检测过程较 在的易于陷入局部最优、收敛速度较慢等弊端，仍有待解 繁琐，不仅不能够对农作物进行实时、大面积检测，而且有 决。因此，探索高效的优化算法，并将其应用于快速提取农 损作物生长。光谱分析作为一种新型的定性、定量分析方 作物氮素光谱信息十分关键。 法，可有效解决以上问题。 本工作以美国得克萨斯州主要农作物大豆、棉花和玉米 在实际应用中，光谱信息可通过主成分回归和偏最小二 为研究对象，以氮素信息为分析指标，采用近地遥感光谱 乘回归等全谱分析方法来获得。然而，光谱中存在部分冗余 仪，对高光谱信息的作物冠层氮素信息进行无损检测，研究 的波长点，对分析和建模并无贡献，反而加大误差，导致模 一种可快速、有效提取作物氮素光谱波长的方法。即基于均 型精度降低。因此，优选光谱波长不仅利于提高模型预测能 匀试验设计理论，提出一种改进粒子群算法，通过均匀分布 力和稳定性，还可以有效压缩计算量。 初始粒子群，避免优化过程陷入局部最优，并提高算法寻优 常用的波长优选方法可分为数理统计法[2]和优化算 速度。同时，对算法中每个粒子的位置近似取整，将此改进 法[3]。应用数理统计方法优选波长需考虑波长之间的