基于角果多重分形分析的油菜氮素营养诊断建模

One of the important topics in crop information science is how to make use of the crop’s information for non-destructive nutrient diagnosis, which can be solved by image analysis and spectrum analysis. After flowering period, the pod has become the main organ for rapeseed photosynthesis, the changes of whose color, texture and shape will influence rapeseed’s nutritional status directly. In the absence of nitrogen nutrition, variation of the above characteristics can be represented by the image and spectrum of rapeseed’s pod effectively. Therefore, it’s the correct and effective way for nitrogen nutrition diagnosis by using the two kinds of information. However, a premise point of the diagnosis model is how to extract the features of the image and spectrum accurately. As a powerful mathematic tool, multifractal theory is able to uncover the self-similar and to portray subtle changes of the real-world object. In this project, by means of field experiments, we carry out our research on modeling for rapeseed nitrogen nutrition diagnostic by using pod’s multifractal analysis. Firstly, three- dimensional multifractal methods will be proposed in accordance with the spatial structure of the pods. And then, we are going to study pod spectrum features by multifractal methods and focus on determining sensitive wave bands and red edge position of the spectrum. Finally, by using the multifractal features of the pods image and spectrum, a universal non-destructive model will be proposed for rapeseed nitrogen nutrition diagnostic. It provides a new idea to research of the traditional farm work by means of modern technology.

作物信息科学的一个重要研究内容是如何利用作物的信息对其进行无损营养诊断，图像分析和光谱分析是解决上述问题的重要手段。终花期后，角果是油菜光合作用的主要器官，其颜色、纹理、形状的改变直接影响到营养素缺失情况。在氮素缺失下，油菜角果的图像、光谱能反映上述特征的变化，利用这两种信息对油菜进行营养诊断是一个行之有效的途径。然而，如何提取图像、光谱的有效特征是诊断建模的前提。多重分形理论是一个强大的数学工具，能有效揭露对象的自相似性和捕捉其细微的变化。项目以大田试验为手段，研究基于角果多重分形特征的油菜氮素营养诊断建模。首先，以角果的立体结构驱动三维多重分形方法的研究，提取其表皮的多重分形特征；然后，研究角果冠层光谱的多重分形特性，重点解决敏感波段和红边位置的确定问题；最后，以角果图像、光谱的多重分形特征建立普适性强的油菜氮素营养无损诊断模型。为借助现代技术辅助传统农田作业的研究提供一个新的思路。

油菜是我国播种面积最大，地区分布最广的油料作物。其营养无损诊断是当代智慧农业的重要组成部分。本项目利用现代数字图像和高光谱技术研究该问题。由于大田油菜冠层图像和光谱易受外界环境影响导致数据不平稳，传统分析方法受噪声影响较大，因此，本项目利用能有效揭露对象的自相似性并捕捉其细微变化的多重分形理论处理上述数据。首先以图像、光谱的分形特征提取、光谱相关性促进多重分形理论研究，然后解决光谱敏感波段与红边特征（位置、幅值和面积）提取、不同种植条件下光谱的特征差异分析、不同时期光谱相关性等问题，最终建立不同种植条件下定性识别、SPAD值反演模型。主要结果为1）各种植条件、各时期的油菜光谱反射率具有多重分形特征；2）利用多重分形去趋势波动分析（MF-DFA）得到油菜苗期光谱的敏感波段为350～1350nm，进一步利用多尺度MF-DFA，得到其最敏感波段为534～574 nm。3）利用ROC图，得到油菜5个生长期的光谱比值和归一化植被指数分别为：苗期R458 /R511和(R433-R517)/( R433+R517)；抽薹期R997/R501和(R990-R510)/ (R990+R510)；花期R1235/R1180和(R1235-R1180)/ (R1235+R1180)；盛花期R478/R396和(R484-R416)/ (R484+R416)；角果期R1073/R1037和(R1092-R1024)/ (R1092+R1024)。4）利用局部DFA提取光谱的局部Hurst指数，将六种红边提取方法作用于局部Hurst指数，得到4个红边参数（位置、幅值、左右面积），对SPAD值进行反演建模，结果优于原始光谱的结果，苗期效果最佳。移栽与直播的红边参数具有显著差异。5）由局部DFA寻找油菜角果期不同种植条件下光谱的红边位置皆为752nm。以752nm处的Hurst指数为特征对移栽和直播平均识别率大于90%。6）利用基于MF-DFA的波动函数考察相邻生长期光谱波动的差异，结果表明苗期和抽薹期在蓝、边、红三边范围的波动差异显著；而黄、红边光谱只有抽薹期和花期显著。7）以油菜叶片图像的多重分形特征参数建立氮营养诊断模型。结果表明基部、中部和顶部叶片混合后的诊断准确率最高，达94%以上。上述研究的过程与结果为借助现代技术辅助传统农田作业、实现数字农业研究提供了一个新的思路。