[发明专利]一种基于连续小波分析建立小麦叶干重定量模型的方法

说明书

本发明公开了一种基于连续小波分析的冠层高光谱小麦叶干重监测方法，该方法的步骤如下：选定采样小区，获取小麦冠层高光谱反射率、测定小麦叶干重；采样小区采自不同试验点、不同品种、不同施氮水平、不同种植密度和不同年份；对获得的小麦冠层高光谱反射率数据进行连续小波变换，获得特定波长和特定尺度下的小波系数C；利用获得的小波系数，分析小麦叶干重与小波系数的定量关系，筛选出对小麦叶干重敏感的最佳小波函数及最佳小波函数对应的特征值，并构建基于连续小波分析的小麦叶干重定量模型；使用独立小麦试验数据评估定量模型的可靠性和适用性，采用预测值和观测值之间的决定系数R²和相对均方根差RRMSE对定量模型进行评价。

技术领域

本发明涉及一种小麦叶干重监测方法，具体涉及一种基于连续小波分析建立小麦叶干重定量模型的方法。

背景技术

小麦是世界上最重要的粮食作物之一。全世界有35％～40％的人口以小麦为主食。我国小麦年产量约为1亿吨，占全国粮食总产量的22％，占世界小麦总产量的20％。

叶干重是衡量植被叶层结构是否良好的参数，对于物质生产和产量形成具有重要作用。利用高光谱遥感技术对作物叶干重进行实时、快速、无损监测是信息农业的热点问题。虽然前人利用高光谱遥感对植物地上部干重和叶干重进行了大量的研究，但对作物的叶干重研究较少。已有研究表明，基于特定高光谱波段构建的植被指数[(ρNIR/ρRedEdge)-1]和[(ρNIR/ρGreen)-1]可以预测玉米地上绿叶生物量；基于植被指数SR(R900，R680)、NDVI(R900，R680)和NDVI(R708，R565)可以预测小麦(Triticum aestivum)地上部生物量。然而，已有研究大多基于冠层和高空尺度对作物地上部生物量和基于单叶尺度对作物叶片干重研究较多，而对单位土地面积叶干重研究较少。虽然Gitelson等从冠层尺度上预测了玉米地上部绿叶生物量，但所选波段是位于可见光和近红外区域，而这两个区域并不是叶片干物质的吸收区域，因而很难从机理上对其进行解释。同时前人大多对一年或几年的数据进行分析，涉及的品种，年份，生态点和处理往往较少，因而所构建的模型的外推性、普适性和通用性往往比较差。因此，有必要采用更全面和精细的高光谱采样与分析方法，探索发现新的敏感波段及其高光谱指数，从而建立普适性和机理性兼备的小麦叶干重定量模型。

小波分析法作为一种新的信号处理方法，为精确获取作物长势、生理参数和品质信息提供了有效的手段和方法。利用小波分析法挖掘作物、草原和森林高光谱海量信息已有报导。Cheng等基于高光谱信息利用连续小波分析法来监测树木绿叶虫害和预测植物叶片含水量。然而，小波母函数的选择对结果准确性影响很大，前人大多依据波形的相似性进行小波函数的选取。目前，应用最多是Mexican Hat(墨西哥帽)，但是Mexican Hat是否是最好的用于高光谱信息提取的小波函数还有待研究；另外，如何确定最佳母函数的适宜尺度和敏感波段也一直没有明确定论。因此，有必要采用科学系统的分析方法选择比较多种小波母函数，确定最佳敏感波段和适宜尺度，从而建立解释性和精确性兼备的小麦叶干重定量模型。

发明内容

本发明的目的是运用最新的高光谱数据分析方法，提供一种基于连续小波分析的冠层高光谱小麦叶干重监测方法，利用高光谱数据分析方法和技术，分析108种小波函数及不同尺度下高光谱350～2500nm波段范围内由原始光谱反射率经连续小波变换后的小波系数与小麦叶干重的定量关系，探索指示小麦叶干重的最佳小波函数及其特征值，并建立基于高光谱参数的小麦叶干重定量模型，其技术方案为：

一种基于连续小波分析建立小麦叶干重定量模型的方法，该方法的步骤如下：

步骤(1)、选择采样小区，获得小麦冠层高光谱反射率、小麦叶干重(CLB,canopyleaf biomass per ground area)；采样小区采自不同试验点、不同品种、不同施氮水平、不同种植密度和不同年份；