光谱学方法反演甘蔗叶片氮含量及氮钾磷间的交互效应机理的研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
31401290
项目类别：
青年科学基金项目
资助金额：
24.0万
负责人：
李修华
依托单位：
广西大学
学科分类：
C1301.农业信息学
结题年份：
2017
批准年份：
2014
项目状态：
已结题
起止时间：
2015-01-01 至2017-12-31

项目参与者：
艾矫燕；农梦玲；吴思知；徐海扬；王晓燕；
关键词：
氮磷钾交互效应光谱反射率智能算法甘蔗营养无损检测

项目摘要

Sugarcane is the main cash crops in Guangxi, accounting for more than 63% of the country's total yield, but the per unit yield is only 77.8% of Guangdong, while the per unit fertilizer amount is 1.23 times in 2012. To fast detect nutrition content in sugarcane leaves and guide variable rate fertilization could reduce fertilizer waste caused by over and uniform fertilizing. With this purpose, visible-NIR spectroscopy which is widely considered as fast and nondestructive is selected to predict sugarcane leaf nitrogen content; and further, the spectral express mechanism of the interaction effect between N, K, P is also explored to build precise N prediction module, and give right fertilization advice. In this project, new planting cane and ratoon cane will successively be applied with different fertilizer treatments, and spectral reflectance of canopy leaves at different growing stages will be measured, as well as its physical indicators (stalk hight, stalk diameter, leaf area index, etc.). Spectral reflectance, combining with physical indicators will be analyzed with correlation analysis, principle component analysis and regression methods to predict leaf nitrogen content for both new planting cane and ratoon cane. Since sugarcane is a potassium-liking crop, the interaction effect will also be studied about its express mechanism in spectral reflectance by using multivariate regression analysis, combined with intelligent algorithms such as support vector machine, genetic algorithm, etc., and then feedback to optimize the N prediction accuracy.

广西主要经济作物甘蔗，占全国产量的63%以上，2012年的单产为广东的77.8%，而单位面积施肥量却是广东的1.23倍。快速有效检测甘蔗营养含量，指导变量施肥，能减少因过量施肥、盲目均匀施肥带来的化肥浪费问题。基于这一目的，本项目拟通过光谱学方法快速、无损反演甘蔗叶片氮素含量，并探索氮磷钾交互效应在光谱反射率中的表现机理，以准确建立氮预测模型并指导施肥。项目拟依次对新植蔗及宿根蔗实施不同等级的化肥管理，并对不同生长阶段（苗期、分蘖期、伸长期）冠层叶片的可见-近红外光谱反射率进行测量。结合茎高、茎数、叶面积指数等生理指标，采用相关性、主成分、回归法等分析光谱反射率，针对新植蔗及宿根蔗分别建立N预测模型，并提供施肥指导建议。由于甘蔗喜钾，因此，项目还将采用多元回归分析结合支持向量机（SVM）、遗传算法（GA）等智能方法深入挖掘N、K、P交互效应在光谱反射率中的表现模式，并反馈优化N素预测模型。

结项摘要

近年来，光谱学方法预测作物叶绿素及氮含量取得了大量的进展，但在预测建模面临着一个瓶颈，精度难以进一步提升。本项目拟通过深入研究作物主要营养元素之间的交互效应来提高光谱预测N的精度。本项目以广西主要经济作物，喜钾的甘蔗为研究对象，分别对苗期、分蘖期和伸长期的甘蔗冠层叶片可见-近红外光谱反射率及其主要营养含量（N、K、P及叶绿素）进行了测量，分析N、K、P与光谱反射率的相关性，建立光谱反演营养含量的预测模型；并深入挖掘N、K、P之间的交互效应在光谱中可能存在的表现模式，研究提高N含量预测模型的改进方法。研究首先分析了甘蔗叶片反射率与叶绿素含量的相关性，确定了敏感波段并建立了光谱预测叶绿素含量的数学模型，模型精度最高的R2高达0.8929；接着分析了甘蔗叶片主要营养元素与光谱反射率的相关性，分别确定了N、K、P的特征光谱，建立了基于光谱反射率的预测模型，N、K、P的预测模型Rv2分别为0.7332，0.8007，0.5673。最后探索了K、P、N间的交互效应，通过将3种元素以一次、二次、互乘的形式引入到改进预测模型中，对N含量的预测进行优化，结果显示改进后的模型N含量的预测Rv2为0.817，相比未考虑交互效应的模型，其Rv2提高了11.4%。另外，为了降低测量成本，提高测量速度，本课题还进行了基于主动光源的作物长势传感器的研发，以期快速准确获取敏感波段处的反射率，并计算相应的植被指数来预测作物长势。本项目所取得的研究结果为快速准确预测甘蔗N含量，科学指导甘蔗按需施肥提供了理论依据。