南疆红枣品质近地面多尺度光谱定量检测模型研究
当前,基于光谱分析技术对红枣等林果的品质检测多为室内单果尺度,在冠层尺度和区域尺度下,样品光谱数据会受到样品方位、光照角度和探测角度等影响,使得基于室内单果尺度下光谱所建立的品质预测模型难以直接应用于冠层及区域尺度的林果品质检测。鉴于此,本文以南疆红枣为研究对象,对不同尺度的红枣品质检测模型展开研究,采集近地面范围的单果、冠层和区域三个尺度下的红枣光谱信息,探索构建不同尺度下的红枣品质检测模型,为实现红枣和其它林果的品质快速大面积反演提供参考。主要研究内容和结论如下:（1）单果尺度下,使用高光谱成像系统采集红枣的近红外高光谱数据,建立红枣含水率和可溶性固形物含量的预测模型,并对比预处理方法和特征波长选择方法对红枣含水率预测模型和可溶性固形物含量预测模型的影响。确定了单果尺度下对含水率和可溶性固形物含量检测的最佳预处理方法分别为多元散射校正和SG卷积平滑,模型预测集相关系数分别为0.9192和0.8311。在最优预处理的基础上,确定了红枣含水率和可溶性固形物的特征波长选择方法分别为随机蛙跳算法和竞争性自适应重加权算法,基于特征波长的红枣含水率和可溶性固形物预测模型的预测集相关系数分别为0.9658和0.8682,表明在单果尺度下,对红枣含水率和可溶性固形物含量有较好的预测效果。（2）冠层尺度下,采集冠层红枣的近红外高光谱数据,并建立红枣含水率和可溶性固形物含量的预测模型。发现基于冠层光谱建立的红枣含水率与可溶性固形物预测模型的预测集相关系数分别为0.8015和0.6452,相比单果尺度建立的模型,模型预测性能显著下降。因此,探究使用空间特性光谱对冠层光谱进行修正,分别使用Walthall、Shibayama、Ross-Li、Roujean和Rahman五种BRDF模型对冠层红枣的空间特性光谱进行反演,结果表明五种模型的平均反演误差均在3.6%左右,均能较好反演红枣的空间特性光谱。使用反演得到的空间特性光谱对冠层光谱进行修正,并建立红枣含水率与可溶性固形物含量的预测模型,结果表明基于Shibayama模型得到的修正光谱建立的红枣含水率预测模型预测集相关系数为0.8759,基于Walthall模型得到的修正光谱建立的红枣可溶性固形物含量预测模型预测集相关系数为0.7182,冠层光谱经过修正后建立的模型性能有所提升,表明使用空间特性光谱对冠层光谱进行修正的方法是可行的,可以提高冠层红枣的品质检测精度。（3）区域尺度下,分析红枣多光谱反射率和植被指数与含水率的相关性,并建立含水率的回归模型。结果表明多光谱反射率中650 nm、730 nm和840 nm的数据与红枣含水率相关性较高,植被指数中SIPI、GI、SRPI、NPCI、EXR和PSRI与红枣含水率相关性较高。建立的一元回归和多元回归模型结果表明,使用多光谱反射率和植被指数建立的回归模型对红枣含水率的拟合效果较差,拟合相关系数分别为0.5347和0.5367。尝试使用多角度数据融合的方法提升区域尺度的红枣含水率预测效果,将无人机4个方位角度下的多光谱数据提取后融合,并建立偏最小二乘回归模型。结果表明,使用多角度融合反射率建立的回归模型的预测集相关系数为0.6746,使用多角度融合植被指数建立的回归模型的预测集相关系数为0.6689,表明使用多角度数据融合的方法可以提高无人机多光谱对红枣含水率的检测效果,在无人机区域尺度的红枣含水率反演研究中有一定的应用潜力。
- 作者：
- 高峰
- 学位授予单位：
- 塔里木大学
- 授予学位：
- 硕士
- 学位年度：
- 2023年
- 导师姓名：
- 罗华平
- 中图分类号：
- TP751；S665.1
- 关键词：
- 多尺度；红枣；高光谱成像；无人机；多角度
-
- 基金项目：
- 国家自然科学基金项目“南疆红枣多尺度高光谱偏振定量遥感模型研究”的部分研究成果（项目编号:11964030）,课题主持人:罗华平 教授（塔里木大学）