一种基于加权环境变量聚类的叶片磷含量检测方法技术

技术编号:29130610 阅读:41 留言:0更新日期:2021-07-02 22:25
本发明专利技术公开了一种基于加权环境变量聚类的叶片磷含量检测方法,属于叶片磷含量检测相关技术领域,包括以下步骤:划分混合样组、光谱测定、叶片磷含量测定、光谱与叶片磷含量匹配、划分叶片样品的训练集和验证集、筛选影响叶片磷含量环境变量、确定最优聚类数、构建基于加权环境变量聚类的高光谱局部估测模型、预估叶片磷含量。在对叶片样品进行聚类时考虑了不同环境变量对叶片磷含量影响的差异,更符合树木在生态环境中的实际生长发育情况,因而能更准确地划分叶片样品的类别,进而挖掘出环境因子真实影响条件下叶片磷含量与光谱之间的关系,达到增强模型预测能力、提高模型预测精度的目的。

【技术实现步骤摘要】
一种基于加权环境变量聚类的叶片磷含量检测方法
本专利技术涉及叶片磷含量检测相关
,更具体的说是涉及一种基于加权环境变量聚类的叶片磷含量检测方法。
技术介绍
磷在植物体内是细胞原生质的组分,对细胞的生长和增殖起重要作用;磷还参与植物生命过程的光合作用,糖和淀粉的利用和能量的传递过程。在橡胶树中,磷参与合成天然橡胶,与天然橡胶产量密切相关。橡胶树叶片磷含量可以指示橡胶树磷营养状况,掌握准确的橡胶树叶片磷含量是指导橡胶树合理施用磷肥保持天然橡胶稳产、高产的前提。高光谱技术具有准确、快速获取橡胶树叶片磷含量的潜力,但目前在区域尺度上构建的橡胶树叶片磷含量估测模型预测能力还有限,主要原因在于叶片磷含量及其光谱在区域尺度上具有较强的异质性。因此研发一种基于加权环境变量聚类的叶片磷含量检测方法是本领域技术人员亟需解决的问题。
技术实现思路
有鉴于此,本专利技术提供了一种基于加权环境变量聚类的叶片磷含量检测方法。为了实现上述目的,本专利技术提供如下技术方案:一种叶片磷含量检测方法,包括以下步骤:划分混合样组:按照成土母质以及样地面积将采集的叶片划分成不同的混合样组;光谱测定:按混合样组对叶片进行光谱测定,得到原始光谱;对原始光谱去噪,得到最终光谱;叶片磷含量测定:将混合样组中的叶片放入烘箱中杀青30min,降温至70℃,恒温烘干至恒量,研钵磨成粉末过筛;经浓H2SO4和30%H2O2的消煮,用钼锑抗比色法测定;光谱与叶片磷含量匹配:将最终光谱与对应的叶片磷含量值进行匹配;划分叶片样品的训练集和验证集:利用K-S算法将采集的样本按照比例划分为训练集和验证集;筛选影响叶片磷含量环境变量:计算叶片磷含量与环境变量之间的最大信息系数MIC1;进行显著性检验,保留与叶片磷含量关系达到显著性水平的环境变量;计算环境变量之间的最大信息系数MIC2;依据最大信息系数MIC2的大小,剔除存在共线性的环境变量;确定最优聚类数:依据随机森林算法计算环境变量在预测目标变量时的重要性评估值,依据重要性评估值计算出任一环境变量对叶片磷含量影响的权重;依据确定的权重对相应的环境变量进行加权,利用加权环境变量获得最优聚类数;构建基于加权环境变量聚类的高光谱局部估测模型:利用偏最小二乘回归算法构建不同样品类别的叶片磷含量高光谱局部估测模型,估算叶片磷含量。作为一种改进,在划分混合样组中,采集不同成土母质上各个位置的特定时间内的不同植株的相同数量且没有病斑的叶片。其优点在于,通过采集不同成土母质,不同时期的叶片,以扩大叶片磷含量变化范围,为模型的建立提供更加全面的数据,增加模型的准确性。作为一种改进,在光谱测定前利用叶片夹底部的白板对反射率光谱进行校正。其优点在于,对反射率光谱进行校正使测得的光谱更加准确。作为一种改进,在光谱测定时,以叶片中部主脉左右两侧区域为测定部位,每个部位测定n次光谱,每个叶片测定2n次光谱,将混合样组的测得的光谱进行平均取值,得到每个混合样组样品的光谱反射率。作为一种改进,光谱测定后利用butter函数和filtfilt函数进行去噪。作为一种改进,筛选影响叶片磷含量环境变量步骤中剔除存在共线性的环境变量的具体步骤为:筛选影响叶片磷含量环境变量步骤中剔除存在共线性的环境变量的具体步骤为:S51、分别计算各个环境变量与叶片磷含量之间的最大信息系数值MIC1;S52、进行显著性检验,将与叶片磷含量关系达到显著性水平的环境变量放入第一环境变量集;S53、选择与叶片磷含量相关性最高的环境变量EV1,并将环境变量EV1保存至第二环境变量集;S54、分别计算其他各个环境变量与环境变量EV1之间的最大信息系数值MIC2,筛选与环境变量EV1之间的最大信息系数值MIC2小于0.64的其他环境变量,并保存至第三环境变量集中;S55、重复步骤S53、S54,直至第三环境变量集为空。作为一种改进,在确定最优聚类数步骤中是以加权后的环境变量为输入变量结合K均值聚类法对叶片样本进行聚类,采用“手肘法”确定最优聚类数。其优点在于,通过“手肘法”得到最优的聚类数,使构建的模型的准确率更高。作为一种改进,基于加权环境变量聚类的高光谱局部估测模型的预测精度通过测定值标准偏差与均方根误差RMSE的比值RPD、决定系数R2、均方根误差RMSE、相对均方根误差rRMSE衡量,通过测定值标准偏差与均方根误差RMSE的比值RPD划分精确度等级。经由上述的技术方案可知,与现有技术相比,本专利技术公开一种基于加权环境变量聚类的高光谱局部估测模型的叶片磷含量检测方法,在对叶片样品进行聚类时考虑了不同环境变量对叶片磷含量影响的差异,更符合树木在生态环境中的实际生长发育情况,能更准确地划分叶片样品的类别,通过对环境因子真实影响条件下叶片磷含量与光谱进行匹配,增强模型预测能力、提高模型预测精度,通过“手肘法”将叶片样品类别进行划分,获得最优的聚类数;实现对叶片磷含量快速、精确、无损的检测。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。图1附图为本专利技术的整体流程示意图;图2附图为本专利技术的剔除存在共线性的环境变量的流程示意图;图3a附图为全局模型的预测结果示意图;图3b附图为基于多种环境变量聚类的高光谱局部估测模型预测结果示意图;图3c附图为本专利技术预测模型的预测结果示意图。具体实施方式下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。本专利技术实施例公开了一种基于加权环境变量聚类的高光谱局部估测模型构建方法,本实施方式是对橡胶叶片磷含量的检测方法,如图1所示,包括以下步骤:(1)叶片样品采集:在海南岛北部主要植胶区(土壤类型为湿润铁铝土,发生于花岗岩、玄武岩、变质岩和砂页岩四种成土母质)的8个样地采集叶片样品,分别在4-6月(抽叶期)、7-9月(叶片稳定期)和10-12月(叶片老化期)进行以扩大叶片磷含量变化范围。叶片样品采集时,依据样地的大小将每块样地分别划分为14~20个区块,每个区块内随机选取5株橡胶树采集叶片,每株橡胶树采集2片没有病斑的叶片,因此,每个区块共采集10片叶子,将这10片叶子作为一个混合样组放入一个单独的塑料袋,塑料袋外面记录样品编号、区块地理坐标、种植年限等信息。然后,再把装有混合样组的塑料袋放入装有冰块的泡沫箱中,本实施例从8个样地3次共采集427个叶片混合样组。(2)叶片光谱测本文档来自技高网...

【技术保护点】
1.一种叶片磷含量检测方法,其特征在于,包括以下步骤:/n划分混合样组:按照成土母质以及样地面积将采集的叶片划分成不同的混合样组;/n光谱测定:按混合样组对叶片进行光谱测定,得到原始光谱;对原始光谱去噪,得到最终光谱;/n叶片磷含量测定:利用钼锑抗比色法测定叶片磷含量;/n光谱与叶片磷含量匹配:将最终光谱与对应的叶片磷含量值进行匹配;/n划分叶片样品的训练集和验证集:将采集的样本按照比例划分为训练集和验证集;/n筛选影响叶片磷含量环境变量:计算叶片磷含量与环境变量之间的最大信息系数MIC1;进行显著性检验,保留与叶片磷含量关系达到显著性水平的环境变量;计算环境变量之间的最大信息系数MIC2;依据环境变量之间的最大信息系数MIC2的大小,剔除存在共线性的环境变量;/n确定最优聚类数:计算出任一环境变量对叶片磷含量影响的权重;依据权重对相应的环境变量进行加权;获取最优聚类数;/n构建基于加权环境变量聚类的高光谱局部估测模型:利用偏最小二乘回归算法构建不同样品类别的叶片磷含量高光谱局部估测模型,估算叶片磷含量。/n

【技术特征摘要】
1.一种叶片磷含量检测方法,其特征在于,包括以下步骤:
划分混合样组:按照成土母质以及样地面积将采集的叶片划分成不同的混合样组;
光谱测定:按混合样组对叶片进行光谱测定,得到原始光谱;对原始光谱去噪,得到最终光谱;
叶片磷含量测定:利用钼锑抗比色法测定叶片磷含量;
光谱与叶片磷含量匹配:将最终光谱与对应的叶片磷含量值进行匹配;
划分叶片样品的训练集和验证集:将采集的样本按照比例划分为训练集和验证集;
筛选影响叶片磷含量环境变量:计算叶片磷含量与环境变量之间的最大信息系数MIC1;进行显著性检验,保留与叶片磷含量关系达到显著性水平的环境变量;计算环境变量之间的最大信息系数MIC2;依据环境变量之间的最大信息系数MIC2的大小,剔除存在共线性的环境变量;
确定最优聚类数:计算出任一环境变量对叶片磷含量影响的权重;依据权重对相应的环境变量进行加权;获取最优聚类数;
构建基于加权环境变量聚类的高光谱局部估测模型:利用偏最小二乘回归算法构建不同样品类别的叶片磷含量高光谱局部估测模型,估算叶片磷含量。


2.根据权利要求1所述的一种叶片磷含量检测方法,其特征在于,在划分混合样组中,采集不同成土母质上各个位置的特定时间内的不同植株的相同数量且没有病斑的叶片。


3.根据权利要求1所述的一种叶片磷含量检测方法,其特征在于,在光谱测定前利用叶片夹底部的白板对反射率光谱进行校正。


4.根据权利要求1-3任意一项所述的一种叶片磷含量检测方法,其特征在于,在光谱测定时,以叶片中部主脉左右两侧区域为测定部位,每个部位测定n次光谱,每个叶...

【专利技术属性】
技术研发人员:郭澎涛茶正早杨红竹罗微黄艳艳贝美容华元刚张培松
申请(专利权)人:中国热带农业科学院橡胶研究所
类型:发明
国别省市:海南;46

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1