[發明專利]水稻葉片氮積累量遙感反演模型和方法

在審

• 申請號: 202010772338.4
• 申請日: 2020-08-04
• 公開（公告）號: CN111855589A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 姜曉劍;陳青春;朱元勵;鐘平;吳瑩瑩
• 申請（專利權）人: 淮陰師范學院
• 主分類號: G01N21/25
• 分類號: G01N21/25;G01N21/55;G01N31/00;G01N33/00;G06F30/27;G06F17/16
• 代理公司: 上海大視知識產權代理事務所(特殊普通合伙) 31314
• 代理人: 顧小偉

1.一種水稻葉片氮積累量遙感反演模型，其特征在于，所述水稻葉片氮積累量遙感反演模型為Python語言的極端隨機樹模型，所述極端隨機樹模型的模型參數為：'min_impurity_split':0.02021840744032572,'min_impurity_decrease':0.0,'ccp_alpha':0.0,'min_samples_split':2,'max_depth':None,'criterion':'mse','min_weight_fraction_leaf':0.0,'min_samples_leaf':1,'splitter':'random','max_features':'auto','max_leaf_nodes':None。

2.如權利要求1所述的水稻葉片氮積累量遙感反演模型，其特征在于，所述極端隨機樹模型采用水稻的數據集訓練而成，所述數據集包括所述水稻的m個樣點的冠層反射率和葉片氮積累量的以10為底的對數值，m個所述樣點均勻分布在水稻種植區域，所述冠層反射率為n個特征波段的冠層反射率。

3.如權利要求2所述的水稻葉片氮積累量遙感反演模型，其特征在于，所述m為38，所述n個特征波段為2151個特征波段，所述2151個特征波段為從350nm波段至2500nm波段。

4.一種水稻葉片氮積累量遙感反演方法，其特征在于，包括以下步驟：

(1)測量水稻的冠層反射率；

(2)測量所述水稻的葉片氮積累量，對所述葉片氮積累量取以10為底的對數獲得葉片氮積累量的以10為底的對數值：

(3)以所述冠層反射率為輸入數據，采用Python語言的極端隨機樹模型進行計算，獲得反演值，根據所述反演值與所述的葉片氮積累量的以10為底的對數值計算決定系數R²，改變所述極端隨機樹模型的模型參數的取值，R²的變化越大，說明所述模型參數的重要性越大，將所述模型參數按照所述重要性的大小由大到小進行排列構建模型參數調優秩次矩陣；

(4)以所述冠層反射率為所述輸入數據，以所述的葉片氮積累量的以10為底的對數值為輸出結果，訓練所述極端隨機樹模型，根據所述模型參數調優秩次矩陣依次對所述模型參數進行調優，獲得所述模型參數的調優值；

(5)以所述冠層反射率為所述輸入數據，以所述的葉片氮積累量的以10為底的對數值為所述輸出結果，采用所述的模型參數的調優值，訓練所述極端隨機樹模型，待所述極端隨機樹模型訓練結束后，獲得水稻葉片氮積累量遙感反演模型，使用save方法保存所述水稻葉片氮積累量遙感反演模型，如果需要使用所述水稻葉片氮積累量遙感反演模型，使用load方法加載所述水稻葉片氮積累量遙感反演模型使用。

5.如權利要求4所述的水稻葉片氮積累量遙感反演方法，其特征在于，在所述步驟(1)中，所述測量采用高光譜輻射儀進行，所述測量的時間為10:00～14:00，所述高光譜輻射儀采用視場角為25°的鏡頭，所述便攜式野外高光譜輻射儀的傳感器探頭垂直指向所述水稻的冠層并距離所述冠層的頂層的垂直高度為1米，所述傳感器探頭的地面視場范圍直徑為0.44米，所述傳感器探頭迎向陽光，所述測量采用標準板進行校正，所述標準板是反射率為95％～99％的標準白板。

6.如權利要求4所述的水稻葉片氮積累量遙感反演方法，其特征在于，在所述步驟(2)中，所述的測量所述水稻的葉片氮積累量的步驟具體包括：

采集所述水稻的葉片，殺青，烘干，至恒重后獲得干葉片，測定所述干葉片的重量，獲得葉片干物重，根據采樣覆蓋面積，將葉片干物重轉換為單位面積葉片干物重；

將所述干葉片粉碎，測定葉片全氮含量，將所述單位面積葉片干物重乘以所述葉片全氮含量獲得所述葉片氮積累量。

7.如權利要求6所述的水稻葉片氮積累量遙感反演方法，其特征在于，在所述步驟(2)中，所述殺青的溫度為105℃，所述殺青的時間為20分鐘～30分鐘，所述烘干的溫度為80℃～90℃，所述測定葉片全氮含量采用半微量凱氏定氮法。