[發明專利]基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型和方法

在審

• 申請號: 202011349288.5
• 申請日: 2020-11-26
• 公開（公告）號: CN112580193A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 汪偉;鐘平;邵文琦;朱元勵;吳瑩瑩;姜曉劍;陳青春;任海芳;李卓
• 申請（專利權）人: 淮陰師范學院
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F17/18;G06F17/16;G06Q50/02;G06F111/10
• 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

本發明提供一種基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型，為Python語言的ElasticNet回歸模型，并進一步提供了該ElasticNet回歸模型的模型參數。還提供了基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演方法。本發明的基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型能夠快速、準確的獲取水稻葉片淀粉積累量信息，克服水稻組分復雜帶來的光譜疊加效應造成的水稻葉片淀粉積累量特征波段難以確定的困難，降低高分辨率光譜數據相鄰、相近波段數據的相關性或者共線性導致的模型過擬合現象，大大提高水稻葉片淀粉積累量反演模型精度。

技術領域

本發明涉及農業遙感技術領域，特別涉及水稻葉片淀粉積累量測量技術領域，具體是指一種基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型和方法。

背景技術

水稻葉片淀粉積累量是量化水稻光合作用固定二氧化碳、合成碳水化合物的重要參數，受水稻光合能力、環境溫度以及肥水等因素的影響，反映了水稻生理狀況、生長活性以及外界肥水運籌管理措施對其生長狀況的影響。

監測水稻葉片淀粉積累量，掌握水稻光合產物合成、轉運、存儲以及積累等生理狀況和長勢情況，不僅可以保證水稻生產的產量和品質，同時能夠動態管理水稻的水肥施用，減少水稻生產中水肥的使用量，從而產生顯著的經濟和社會效益(王秀珍,黃敬峰,李云梅,等.水稻生物化學參數與高光譜遙感特征參數的相關分析[J].農業工程學報,2003,19(002):144-148)。傳統的水稻葉片淀粉積累量的監測主要采用破壞性采樣的方法，需要在室內進行測定，測定過程復雜且費時費力，且時效性差，無法及時的獲取水稻葉片淀粉積累量，不利于推廣應用。

在水稻的生理生化過程中，水稻葉片內某些特定物質和細胞結構的變化，導致了水稻反射光譜的改變。因此，可以用光譜的變化來獲取水稻葉片淀粉積累量等水稻生長信息。目前，使用高光譜來監測水稻的生長狀態已經在作物生長監測中得到了應用。隨著光譜技術的發展和普及，使用光譜可以快捷迅速的獲取水稻葉片淀粉積累量信息已經成為越來越多水稻生產從業者和研究人員的共識(周冬琴.基于冠層反射光譜的水稻氮素營養與籽粒品質監測[D].南京農業大學,2007)。最常用的方式是使用便攜式全波段光譜儀獲取水稻生長信息，選擇能夠反映水稻葉片淀粉積累量的特征波段構建反演模型。在構建水稻葉片淀粉積累量反演模型的過程中，全波段光譜儀所測定的光譜范圍涵蓋了350nm～2500nm，但是由于水稻組分復雜，組分光譜特征波段部分重疊，水稻葉片淀粉積累量特征光譜的確定困難。此外，高分辨率的光譜數據相鄰或者相近波段的數據之間存在一定的共線性或者關聯性，采用常規的線性模型構建方法會導致模型的過擬合現象。同時高光譜數據的快速處理成為基于高光譜數據估測水稻葉片淀粉積累量的亟待解決的技術問題。

因此，希望提供一種水稻葉片淀粉積累量遙感反演模型，其能夠快速、準確的獲取水稻葉片淀粉積累量信息，克服水稻組分復雜帶來的光譜疊加效應造成的水稻葉片淀粉積累量特征波段難以確定的困難，降低高分辨率光譜數據相鄰、相近波段數據的相關性或者共線性導致的模型過擬合現象，大大提高水稻葉片淀粉積累量反演模型精度。

發明內容

為了克服上述現有技術中的缺點，本發明的一個目的在于提供一種基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型，其能夠快速、準確的獲取水稻葉片淀粉積累量信息，克服水稻組分復雜帶來的光譜疊加效應造成的水稻葉片淀粉積累量特征波段難以確定的困難，降低高分辨率光譜數據相鄰、相近波段數據的相關性或者共線性導致的模型過擬合現象，大大提高水稻葉片淀粉積累量反演模型精度，適于大規模推廣應用。

本發明的另一目的在于提供一種基于ElasticNet回歸算法的水稻葉片淀粉積累量遙感反演模型，其設計巧妙，計算簡便，易于實現，成本低，適于大規模推廣應用。