[發明專利]一種喀斯特植物葉片TN含量無損監測方法

在審

• 申請號: 202110996496.2
• 申請日: 2021-08-27
• 公開（公告）號: CN113686821A
• 公開（公告）日: 2021-11-23
• 發明（設計）人: 何文;姚月鋒;倪隆康;李冬興;滕秋梅;陳婷;冼康華
• 申請（專利權）人: 廣西壯族自治區中國科學院廣西植物研究所
• 主分類號: G01N21/55
• 分類號: G01N21/55;G06N20/20
• 代理公司: 北京卓嵐智財知識產權代理事務所(特殊普通合伙) 11624
• 代理人: 任漱晨

本發明公開了一種喀斯特植物葉片TN含量無損監測方法，屬于生態遙感技術領域，所述方法包括，采集植物葉片的光譜反射率數據和測定對應植物葉片的TN含量數據，運用分數階微分技術對光譜反射率數據進行預處理，將預處理的數據與植物葉片的TN含量數據進行皮爾遜相關性檢驗，將光譜與葉片TN含量之間相關性不顯著的光譜波段剔除，建立人工智能模型，然后將植物葉片的TN含量數據輸入人工智能模型中進行精度驗證和穩定性驗證；將對植物葉片光譜進行測量得到光譜反射率數據輸入到人工智能模型中反推出相應植物葉片的TN含量數據。本發明相比于實驗室化學提取植物葉片TN的方法，本方法不僅速度快而且對葉片本身無傷害。

技術領域

本發明涉及生態遙感技術領域，尤其涉及一種喀斯特植物葉片TN含量無損監測方法。

背景技術

中國喀斯特地貌廣布，喀斯特植被豐富多樣。但喀斯特生態環境十分脆弱，植被的恢復和保育工作尤為重要。植物TN含量是評價植被生長好壞的重要指標，但一直以來TN含量都是通過實驗室化學提取的方式獲得。雖然這種方式雖然精度較高，但費時費力，難以滿足對大面積植被區域快速監測的需求。

近年來，高光譜遙感技術的發展，為快速提取植物葉片TN含量提供了新的思路和方法。但已有的研究主要解決特定的物種或者相對單一的植被類型的快速提取。比如對小麥、水稻、蘋果等單一物種，或者對草地等較為簡單的植被類型的監測。對廣大喀斯特區而言，現有的這些方法與技術適用性不高。

對混合植物而言，提取的精度問題一直是通過高光譜遙感技術提取植物葉片TN含量的關鍵問題。通過簡單的光譜指數法、逐步回歸法、偏最小二乘法等線性回歸方法來實現對喀斯特區植物葉片TN含量的快速估算，在精度上難以滿足要求。通過機器學習等擬合能力較高的非線性模型來擬合光譜反射率與植物葉片TN含量的關系，在精度上可以滿足。但由于光譜數據具有高維、復雜的特點，所建立的機器學習模型通常會具有過擬合現象。因此如何解決過擬合的問題成為了喀斯特植物葉片TN含量快速提取難題的關鍵。

另一方面，光譜微分技術已被證明在提高植物葉片TN含量提取精度方面有幫助。但整數階微分(通常指一階微分和二階微分)會使光譜在幾何形狀上發生跳躍性變化，不能充分挖掘光譜數據對植物葉片TN含量快速提取的潛力。而分數階微分很好的彌補了整數階微分的這個不足。

現有技術缺點為，化學提取方法需要經過烘干、碾磨、消煮等多種多樣的步驟，費時費力。現有高光譜技術提取植物葉片TN含量的方法主要針對單一植物，對喀斯特區復雜多樣的植被類型難以適應，預測精度較低。

發明內容

本發明的目的在于提供一種喀斯特植物葉片TN含量無損監測方法，解決背景技術提到的技術問題。融合光譜分數階微分、回歸、機器學習等技術實現對喀斯特區混合植物葉片TN含量的快速無損監測。

為了實現上述目的，本發明采用的技術方案如下：

一種喀斯特植物葉片TN含量無損監測方法，所述方法包括如下步驟：

步驟1：采集數據，采集植物葉片的光譜反射率數據和測定對應植物葉片的TN含量數據；

步驟2：運用分數階微分技術對光譜反射率數據進行預處理，

步驟3：將預處理的數據與植物葉片的TN含量數據進行皮爾遜相關性檢驗，將光譜與葉片TN含量之間相關性不顯著的光譜波段剔除；

步驟4：建立人工智能模型，然后將植物葉片的TN含量數據輸入人工智能模型中進行精度驗證和穩定性驗證。若建立的模型精度較高，且運行穩定，則建模完成，若精度不能滿足要求，則增加建模樣本，重復步驟1至步驟4，直至模型穩定；

步驟5：將對植物葉片光譜進行測量得到光譜反射率數據輸入到人工智能模型中反推出相應植物葉片的全氮含量數據。