烤烟叶片氯密度高光谱预测模型的建立

河南农业科学 ›› 2019, Vol. 48 ›› Issue (5): 155-160.

• 农产品加工与质量安全·农业工程·农业信息技术 • 上一篇

烤烟叶片氯密度高光谱预测模型的建立

杨艳东¹，贾方方²，刘新源³，任天宝¹，刘文⁴，李梦匣¹，刘云飞¹，刘国顺¹

1.河南农业大学/河南省生物炭工程技术中心/烟草行业烟草栽培重点实验室，河南郑州 450002；2.商丘师范学院，河南商丘 476000； 3.河南省烟草公司三门峡市公司，河南三门峡 472000；4.河南省烟草公司郑州市公司，河南郑州 450001

收稿日期:2018-11-26 出版日期:2019-05-15 发布日期:2019-05-15
通讯作者: 刘国顺（1954-），男，河南叶县人，教授，主要从事烟草栽培生理生化研究。E-mail:liugsh1851@163.com
作者简介:杨艳东（1994-），男，河南商丘人，在读硕士研究生，研究方向：烟草高光谱分析与应用。E-mail:yyd625@163.com
基金资助:
河南省烟草公司科技项目（ZYKJ201416，ZYKJ201501)；国家重点研发计划课题(2017YFD0200808)

Received:2018-11-26 Published:2019-05-15 Online:2019-05-15

摘要/Abstract

摘要： 连续2 a设置烤烟3个品种处理和3个地点处理，提取10个植被指数［修正三角形植被指数（Modified triangular vegetation index,MTVI）、归一化植被指数1（Normalized difference vegetation index 1,NDVI1）、归一化植被指数2（Normalized difference vegetation index 2,NDVI2）、新型植被指数（New vegetation index,NVI）、比值植被指数1（Ratio vegetation index 1,RVI1）、比值植被指数2（Ratio vegetation index 2,RVI2）、比值植被指数3（Ratio vegetation index 3,RVI3）、水分指数（Water index,WI）、归一化色素叶绿素植被指数（Normalized chlorophyll pigment vegetation index,NCPI）、简单比值水分指数（Simple ratio water index,SRWI）］，用一元线性回归模型、多元线性回归模型、BP神经网络模型分别对烤烟叶片氯密度进行估算，比较其对烤烟叶片氯密度的预测效果。结果表明，NDVI2、NVI、RVI2、RVI3、NCPI、SRWI 6个植被指数与烤烟叶片氯密度均极显著相关，相关系数均＞0.680。一元线性回归模型、多元线性回归模型、BP神经网络模型的决定系数分别为0.617、0.617、0.868，其均方根误差分别为1.573、1.577、0.828。BP神经网络的预测效果比一元线性回归模型、多元线性回归模型预测效果好。

关键词: 烤烟, 氯密度, 高光谱, 植被指数, 预测模型

杨艳东，贾方方，刘新源，任天宝，刘文，李梦匣，刘云飞，刘国顺. 烤烟叶片氯密度高光谱预测模型的建立[J]. 河南农业科学, 2019, 48(5): 155-160.

参考文献

参考文献:

［1］范艺宽，毛家伟，孙大为，等．耕作深度和秸秆还田互作对土壤团聚体组成和烟叶钾、氯含量的影响［J］．河南农业科学，2018，47（1）：32-36．

［2］孙计平，吴照辉，李雪君，等．高氯灌溉水对盆栽烤烟氯吸收和分配的影响［J］．河南农业科学，2017，46（10）：44-48．

［3］刘琳琳．重庆烟区烤烟氯含量与中性致香物质的关系［J］．山西农业科学，2014，42（6）：554-556．

［4］李建和，梁颁捷，林祖斌，等．Cl对烤烟光合作用的影响［J］．福建农业大学学报，1999，28（2）：184-187．

［5］MANN J.Secondary metabolism [M］.Oxford:Clarendon Press,1978:26-32.

［6］CAZALA C,ROUETMAYER M A,BARBIERBRYGOO H,et al.Oxidative burst and hypoosmotic stress in tobacco cell suspensions［J］.Plant Physiology,1998,116(2):659669.

［7］曹志洪．优质烤烟生产的土壤与施肥［M］．南京：江苏科学技术出版社，1990：236-245．

［8］JUN S,XIN Z,WU X H,et al.Identification of moisture content in tobacco plant leaves using outlier sample eliminating algorithms and hyperspectral data［J］.Biochem Biophys RES Commun,2016,471(1):226-232.

［9］刘延，吴秋菊，舒清态．基于非成像高光谱的云烟97号叶片钾含量估算研究［J］．山东农业科学，2018，50（4）：138-141．

［10］JIA F F,LIU G S,DING S S,et al.Using leaf spectral reflectance to monitor the effects of shading on nicotine content in tobacco leaves［J］.Industrial Crops and Products,2013,51(6):444-452.

［11］JIA F S,LIU G S,LIU D S,et al.Comparison of different methods for estimating nitrogen concentration in flue-cured tobacco leaves based on hyperspectral reflectance［J］.Field Crops Research,2013,150(15):108-114.

［12］沈文颖，李映雪，冯伟，等．基于因子分析-BP神经网络的小麦叶片白粉病反演模型［J］．农业工程学报，2015，31（22）：183-190．

［13］赵瑞，祁春节，段凌凤．基于BP神经网络的水稻卷叶识别［J］．南方农业学报，2018，49（10）：2103-2109．

［14］李媛媛，常庆瑞，刘秀英，等．基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算［J］．农业工程学报，2016，32（16）：135-142．

［15］刘润，张绍良，侯湖平，等．基于思维进化优化BP神经网络的大豆叶片叶绿素含量高光谱反演［J］．江苏农业科学，2018，46（13）：212-216．

［16］姚鑫鑫，宋希强，王健，等．基于BP神经网络的海口地区2种热带兰温室栽培环境预测［J］．河南农业科学，2018,47（2）：155-160．

［17］任晓，劳彩莲，徐照丽，等．估测田间烟叶色素含量的光谱模型研究［J］．光谱学与光谱分析，2015，35（6）：1654-1659．

［18］贾方方，张黎明，任天宝，等．基于BP神经网络的烟草叶片质体色素高光谱反演［J］．烟草科技，2016，49（7）：8-13．

［19］张正杨，马新明，贾方方，等．烟草叶面积指数的高光谱估算模型［J］．生态学报，2012，32（1）：168-175．

［20］任广伟，王秀芳，王新伟，等．BP神经网络在烟蚜发生程度预测中的应用［J］．华北农学报，2008,23（S2）：373-376．

［21］国家烟草专卖局.烟草及烟草制品氯的测定连续流动法：YC/T 162—2011［S］.北京:中国标准出版社,2011.

［22］黄山，杨峰，张勇，等．净套作下大豆叶绿素密度动态及光谱估测研究［J］．西北农林科技大学学报(自然科学版)，2016，44（5）：29-37．

［23］HABOUDANCE D,MILLER J R,PATTEY E,et al.Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies:Modeling and validation in the context of precision agriculture［J］.Remote Sensing of Environment,2004,90(3):337-352.

［24］APARICIO N,VILLEGAS D,CASADESUS J,et al.Spectral vegetation indices as nondestructive tools for determining durum wheat yield［J］.Agronomy Journal,2000,92(1):83-91.

［25］ROUSE J W,HASS R H,SCHELL J A,et al.Monitoring vegetation systems in the Great Plains with ERTS［C］//Proceedings of third earth resources technology satellite1 symposium．Washingtong D C: NASA Special Publication,1974:310317.

［26］GUPTA R K,VIJAYAN D,PRASAD T S.Comparative analysis of red edge hyperspectral indices［J］.Advance Space Research,2003,32(11):2217-2222.

［27］JORDAN C F.Derivation of leafarea index from quality of light on the forest floor［J］.Ecology,1969,50(4):663-666.

［28］SERRANO L,PENUELAS J,USTIN S L.Remote sensing of nitrogen and lignin in Mediterranean vegetation from AVIRIS data:Decomposing biochemical from structural signals［J］.Remote Sensing of Environment,2002,81(2):355-364.

［29］PENUELAS J,FILELLA,BIEL C,et al.The reflectance at the 950—970 nm region as an indicator of plant water status［J］.International Journal of Remote Sensing,1993,14(10):18871905.

［30］PENUELAS J,GAMON J A,FREDEEN A L,et al.Reflectance indices associated with physiological changes in nitrogen and waterlimited sunflower leaves［J］.Remote Sensing of Environment,1994,48(2):135-146.

［31］HUNT E R,ROCK B N.Detection of changes in leaf water content using nearand middleinfrared reflectance［J］.Remote Sensing of Environment,1989,30(1):43-54.

［32］CURRAN P J.Remote sensing of foliar chemistry［J］.Remote Sensing of Environment,1990,30(1):271-278.

［33］贾方方．不同种植密度烟草叶面积指数的高光谱估测模型［J］．中国烟草科学，2017，38（4）：37-43．

［34］李梦竹，刘国顺，贾方方，等．旺长期烤烟对不同程度干旱胁迫的光谱响应［J］．干旱地区农业研究，2017，35（3）：164-171．



[1]	李粉粉, 王爱霞, 赵晨, 白涛, 毛岚, 张豹林, 李生栋, 宋朝鹏, 王涛. 基于高光谱成像技术的鲜烟叶叶位识别方法[J]. 河南农业科学, 2024, 53(2): 144-151.
[2]	任志超, 李想, 李先锋, 毋丽丽, 王景, 彭志良, 刘国顺, 殷全玉. 生物炭对黑胫病抗性不同烤烟品种根际土壤真菌群落结构的影响[J]. 河南农业科学, 2024, 53(1): 105-115.
[3]	付博, 杨永锋, 刘向真, 赵森森, 刘茂林, 贾国涛, 牛洋洋, 张坤芳, 于建军, 彭桂新, 姬小明. 基于近红外光谱的烤烟香型分类模型研究[J]. 河南农业科学, 2023, 52(7): 163-171.
[4]	马纬, 武志明, 余科松. 基于无人机多光谱的不同施硒水平荞麦冠层叶绿素估测模型研究[J]. 河南农业科学, 2023, 52(3): 161-172.
[5]	郝贤伟, 李奇, 毕一鸣, 田雨农, 李永生, 王辉, 钟永键, 王芳, 徐秀红, 付秋娟, 孙婷婷, 韩晓. 不同颜色上部烤烟主要品质指标的差异分析[J]. 河南农业科学, 2023, 52(3): 173-180.
[6]	孟林峰, 杨祥飞, 吴晴阳, 宋美玲, 张文梅, 王利兵, 崔芳芳, 张志高, 朱肖文, 刘齐元. 基于中药复配剂的烤烟化学农药减量增效研究[J]. 河南农业科学, 2023, 52(2): 103-112.
[7]	韩雅婷, 郭天骄, 贾国涛, 赵红朝, 黄五星. 保水剂和抗蒸腾剂配施对土壤水分和云烟87 化学成分、碳氮代谢的影响[J]. 河南农业科学, 2023, 52(11): 57-65.
[8]	杨金初, 童治军, 李萌, 赵旭, 徐永明, 冯颖杰, 杨宗灿, 曲鹏, 李悦, 孙九喆, 张轲. 基于SNP 标记的4 个品种复烤烟叶鉴别研究[J]. 河南农业科学, 2023, 52(11): 174-180.
[9]	李思军, 郑宏斌, 毕一鸣, 江智敏, 田雨农, 郝贤伟, 章程, 侯建林, 吴文信, 朱林, 邓小华. 一次性采收中部6 片烟叶的田间成熟特征及烤后质量研究[J]. 河南农业科学, 2023, 52(10): 30-39.
[10]	陈培钰, 石秋环, 马君红, 李丽华, 李豪豪, 宋正熊, 代晓燕. 基于模糊数学法评价肥料运筹模式对豫西烤烟产质量的影响[J]. 河南农业科学, 2023, 52(1): 42-52.
[11]	轩栋栋, 贾宏昉, 郭仕平, 谢良文, 伍德洋, 秦艳青, 杨兴有, 冯长春. 不同后熟处理对烤烟上部叶烘烤质量的影响[J]. 河南农业科学, 2023, 52(1): 172-179.
[12]	王东旭, 武云杰, 曾超, 赵明阳, 余海涛, 周军, 薛子钟, 刘流, 叶协锋, 张锦韬. 土壤质地和氯含量对烤烟叶片区位化学成分的影响[J]. 河南农业科学, 2022, 51(9): 35-45.
[13]	殷全玉, 匡志豪, 王景, 任天宝, 张松涛, 姬小明, 刘国顺, 穆耀辉. 黑胫病不同抗性烤烟品种对哈茨木霉的生理响应[J]. 河南农业科学, 2022, 51(9): 88-98.
[14]	许嘉桐, 陈书涛, 张苗苗, 夏可, 王晖. 不同作物叶片和茎全磷含量与高光谱植被指数的关系[J]. 河南农业科学, 2022, 51(9): 141-150.
[15]	杨波, 段明磊, 杨童. 基于高光谱成像技术的西瓜种子活力等级分类方法研究[J]. 河南农业科学, 2022, 51(9): 151-158.

烤烟叶片氯密度高光谱预测模型的建立

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics