信息理论的水稻磷素营养高光谱诊断.pdfVIP

第29卷，第9期 光谱学与光谱分析 200 and 9年9月 SpectroscopySpectralAnalysis September，2009 基于互信息理论的水稻磷素营养高光谱诊断 林芬芳，丁晓东，付志鹏，邓劲松，沈掌泉+ 浙江大学农业遥感与信息技术应用研究所，浙江杭州310029 摘要当前，磷素营养诊断的化学分析方法既费力又费时，使诊断结果难以及时应用到田间生产，而高光 谱遥感技术是一种非破坏性、快速和有潜力的作物营养诊断技术。但是，由于光谱分析技术的限制，作物磷 营养与光谱特性之间的关系研究进展一直较为缓慢。文章通过室内实验获取了不同磷营养水平水稻典型生 育期冠层光谱反射率及其对虑的磷、叶绿素含茸等农学参数，并对农学参数做了LSD多重比较。利用互信 息(MI)理论分析了水稻磷素含量的敏感波段，结果表明水稻拔节期叶片磷素估测的敏感波段分别为536， 630，1040，551和656nlTl，与其相对应的互信息值分别为1．0575，1．1039．1．1353，1．1417和1．1494； 比较，以此敏感波段为自变量构建的BP人工神经网络模型和多元线性回归模型，结果显示BP人工神经网 络模型更优，其交叉验证均方根误差(RMSE-train)和相关系数(R2)分别为0．0388和0．9882，而预测均方 根误差(RMSE-test)和相关系数(R2)分别为0．0505和0．9892。说明利用互信息一神经网络模型(MI-ANN) 和高光谱遥感估测田间水稻磷含量是可能的。 关键词二互信息；人工神经网络；水稻；磷素营养；光谱 中图分类号：0657．3．$511．01文献标识码：A 一是当作物严重缺磷时，光谱分析才能用于磷营养诊断。 引 言 Osbome等指出，在玉米生长早期，而且在缺磷较为严重时， 用光谱可进行植物体内磷含量的诊断，但在晚期或土壤中磷 磷是植物生长发育不可缺少的营养元素之一，它既是植 浓度较高时，不适合磷的诊断[4]。二是光谱分析技术只是运 物体内许多重要有机化合物的组分，同时又以多种方式参与 用r简单的回归模型以及其他一些统计方法，还不能很好地 植物体内各种代谢过程，对作物高产及保持品种的优良特性 分析和利用特异性光谱信息。本文以水稻为研究对象，利用 有明显作用【I]。我围有z／3的耕地缺磷[2J，南方水稻土缺磷互信息理论和人工神经网络技术，寻找诊断水稻磷素营养的 情况更为严重，在很大程度上影响丁水稻的产量。施加磷肥 光谱敏感波段，构建水稻磷素营养光谱诊断模型，从而为农 是解决土壤中磷素不足|’口】题的有效途径。然而．磷矿资源的 业精准施肥和测土配方施肥提供技术基础。 匮乏，土壤磷的利用效率和有效性的低下以及过多施用磷肥 引起的环境污染问题越来越突出[3]。所以，作物磷素营养诊 1材料与方法 断足合理施用磷肥的关键基础’l=作之一。当前，我国磷素的 营养诊断基本七都足建立在实验室的化学分析方法基础之 1．1实验设计 上，这种方法是破坏性的，而且费时费力，使结果难以及时 水培试验于2007年6～10月进行。试验采用带孔木盖 应用到}}1间生产中。由于磷的丰缺与植物叶片叶色、结构和 塑料桶(28个，容积14．0L)盛装培养液，培养液按国际水稻 水分状况关系密切，其结果会影响作物叶片和冠层可见光、 所1972年配方配置，并加入1 近红外、中红外的反射光谱信息。高光谱技术有可能发展成 个磷素水平：0，2．5，5．0，10rng·L一，分别记为P1，P2， 为作物营养诊断的新方法和手段。 P3和P4，设7个重复，每盆5株。移栽后，将试验盆放在阳 近年来，作物磷营养与光谱特性的关系研究已陆续展 光充足、温度适宜的网