原创《基于高光谱烤烟烟碱含量估测模型》：这篇烟碱论文范文为免费优秀学术论文范文,可用于相关写作参考。
摘 要：为实现快速、准确估测烤烟烟碱含量,推动现代烟草农业进程,利用美国ASD公司生产的FieldSpec3野外光谱测定仪按不同生育期测定不同光质条件下光谱值,并同步测定烤烟叶片中烟碱含量.在提取相关植被指数的基础上,采用主成分回归和逐步回归等分析方法,建立烤烟烟碱含量的定量估测模型.结果显示,不同植被指数和烟碱含量相关性差异较大,红边面积/蓝边面积指数SDr/SDb和烟碱含量相关性最大,达到0.97；对于不同的建模方法,以主成分回归的建模效果最好,模型的测试决定系数和均方根误差分别为0.924、0.29.因此,主成分回归法是建立不同光质条件下烤烟烟碱含量估测模型的最优方法.
关键词：高光谱；烟碱；植被指数；逐步回归；主成分回归
中图分类号：S572.01文献标识号：A文章编号：1001-4942（2016）06-0142-05
烟碱是一种存在于生物体中含有氮杂环的有机化合物,也是烟草特有的化学组分.烟碱含量高低直接影响到烟叶色泽、吃味、刺激性和生理强度[1].烤烟作为中国种植面积较大的一种经济作物,实时、准确、快速和动态监测烟叶中的烟碱含量,对合理指导田间施肥技术,提高叶片的工农业可用性具有重要意义.近年来,高光谱技术作为一种农作物含氮率信息的非损伤性获取方法备受关注[2].该技术拥有测量目标连续波谱和分析目标物质成分的优势,可用来精准监测农作物长势和反演农作物理化参数[3].因此,建立烟碱含量的高光谱预测模型可以为烤烟烟碱含量的遥感监测提供理论依据.
国内外关于利用植物光谱反射率进行营养状况诊断、作物生物量估测进行了大量研究.石吉勇等[4]利用近红外技术对黄瓜氮、镁营养状况进行了快速无损诊断；朱艳等[5]对小麦顶部叶片叶绿素荧光参数和反射光谱特征的变化规律及其相互关系进行了分析,结果显示小麦叶片叶绿素荧光参数Fv/Fm和Fv/Fo随施氮水平提高呈上升趋势；陈鹏飞等[6]利用主成分回归法构建了冬小麦籽粒蛋白质含量的遥感预测模型；Curran等[7]对干松针叶的12种生化组分（叶绿素a、叶绿素b、叶绿素a+b、木质素、氮、纤维素、水分、磷、蛋白质、氨基酸、糖和淀粉）含量进行了高光谱预测.前人虽然对植物的生化指标研究较多,但对高光谱在烤烟烟碱含量预测方面鲜有报道.
本文利用高光谱技术,在大田试验数据的基础上,选择反映含氮化合物的氮素营养参数,并和不同光质条件下烟碱含量进行植被指数的线性和非线性拟合、逐步回归分析和主成分回归分析,筛选出烟碱含量的最优高光谱监测模型,旨在快速、准确预测烤烟品质和工农业的可用性.
1材料和方法
1.1田间试验设置
2012年在南阳金叶园进行试验.该试验地的基础肥力：速效氮含量为56.1 mg/kg,速效磷含量为18.0 mg/kg,速效钾含量为135.0 mg/kg,pH为7.47,有机质含量为11.45 mg/kg.每个试验施氮量为46 kg/hm2,氮磷钾配比为1∶1∶3.5,且条施70%,穴施30%.
供试品种为云烟87,移栽时间为4月25日,种植密度为666.7m2 1 100株.试验于移栽后30 d进行,以太阳光透过白色、绿色、蓝色、红色和的滤光膜（生产厂商为上海伟康有色薄膜厂）获取不同的光质条件,并将其搭建在6 m×6 m×2.8 m的南北走向的拱形支架上.根据优质生产技术规范进行田间管理.
1.2光谱的采集及烟碱含量的测定
采用美国ASD公司生产的FieldSpec3野外光谱仪进行叶片光谱的测定.光谱仪的参数和测定方法见参考文献[8].叶片光谱的测定时期为：烟株打顶之后5（下部叶采收）、10、15、20、25、30（中部叶采收）、35、40、45、50天（上部叶采收）.将测定完叶片光谱的烟叶于105℃条件下杀青15 min,60℃烘干至恒重后过60目筛,带回实验室,采用AAⅢ型连续流动化学分析仪（德国BRAN+LUEBBE公司生产）测定烟碱含量.
1.3植被指数的构建
从已有的研究中总结得出对植物氮素营养潜在敏感的10个植被指数（表1）.
1.4数据分析软件
数据分析软件主要包括ViewSpecPro、Microsoft Excel 2007和DPS v 7.05.样本总量为85个,其中建模样本60个,检验样本25个.
1.5烟碱含量高光谱遥感模型的精度检验
选择决定系数（R2）和均方根误差（RMSE）评价模型的拟合效果.
2结果和分析
2.1烟碱含量和植被指数之间的相关性
通过分析烤烟烟碱含量和植被指数之间的相关性（表2）可知：烟碱含量和10种植被指数之间的相关性均达到了极显著水平,其中红边比值指数ZM和归一化差异指数ND705分别和烟碱含量呈极显著负相关,其它呈极显著正相关.红边面积/蓝边面积指数SDr/SDb和烟碱含量相关性最大,达到0.97,这可能是因为红边和蓝边面积包含较多氮营养敏感波段；最优土壤调节植被指数OS I和红边敏感点参数REIP和烟碱含量相关性较大,达到0.90以上,但是红边敏感点参数REIP较最优土壤调节植被指数OS I小.红边比值指数ZM和归一化差异指数ND705和烟碱含量相关系数较小,这可能和植被指数包含的波段单一有关.易秋香等[15]研究表明,相同自变量不同拟合模型,拟合效果差别较大.提取和烟碱含量相关性较大的五个植被指数（mND705、SR、REIP、OS I、SDr/SDb）进行线性和非线性拟合、主成分回归和逐步回归,建立烟碱含量的最优高光谱监测模型.
2.2烟碱含量和植被指数之间的线性和非线性方程拟合
烟碱含量和植被指数之间的线性和非线性方程拟合结果（表2）显示,烟碱含量和植被指数红边面积/蓝边面积指数SDr/SDb相关性最好.利用建模数据,对其进行以下线性和非线性函数的拟合：简单线性函数y等于a+bx；幂函数y等于axb；指数函数：y等于aebx；抛物线函数y等于a+bx+cx2（y为烟碱含量的拟合值；x为植被指数；a、b、c均为常数）.由表3可知,烟碱含量和SDr/SDb之间以抛物线函数的拟合R2最大,达到0.94；指数函数拟合程度最差,拟合度仅为0.69.由此可知,烟碱含量和植被指数SDr/SDb之间的最优非线性拟合回归方程为：y等于-0.79+0.42（SDr/SDb）-0.01（SDr/SDb）2.
烟碱论文参考资料：
结论：基于高光谱烤烟烟碱含量估测模型为适合不知如何写烟碱方面的相关专业大学硕士和本科毕业论文以及关于电子烟烟碱论文开题报告范文和相关职称论文写作参考文献资料下载。
