(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111475282.7 (22)申请日 2021.12.0 6 (71)申请人 湘潭大学 地址 411105 湖南省湘潭市雨湖区羊牯塘 27号 (72)发明人 刘兴旺　张钊　刘杰　毛蕾　 (74)专利代理 机构 湘潭市汇智专利事务所(普 通合伙) 43108 代理人 冷玉萍 (51)Int.Cl. G06F 30/20(2020.01) (54)发明名称 一种三波段植被指数估算镉胁迫下水稻叶 绿素的模型方法 (57)摘要 本发明公开了一种三波段植被指数估算镉 胁迫下水稻叶绿素的模型方法。 首先规范采集水 稻的冠层光谱反射率和叶绿素浓度数据； 基于归 一化植被指数构建新型的三波段植被指数形式； 利用建模数据， 采用比较任意组合形式的指数与 叶绿素含量决定系数R2的值来确定三个波段最 佳波长和常数值； 得到一种适用于水稻叶绿素浓 度估算的最优三波段植被指数并以此建立水稻 叶绿素浓度估算模型。 采用独立实验 数据对该新 型植被指数及其估算模型进行验证。 本发明通过 构建新型三波段指数并构建水稻叶绿素含量的 估算模型， 结构简单、 估算精度高、 适用范围广， 对估算水稻叶绿素的含量不仅具有较高的精度， 同时也能有效识别出 水稻受重金属污染的状况。 权利要求书2页 说明书6页 附图2页 CN 114169165 A 2022.03.11 CN 114169165 A 1.一种三波段植被指数估算镉胁迫下水稻叶绿素的模型构建方法， 其特征在于， 包括 如下步骤： (1)数据采集： 采集水稻冠层光谱反射率数据， 同步测定水稻叶片叶绿素含量和水稻土 壤的重金属镉含量， 对数据进行统计分析检验； (2)构建三波段光谱指数NTI： 其中， Ri为第一波段i的反射率， Rj为第二波段j反射率， Rk为第三波段k的反射率， 第一 波段、 第二波段、 第三波段的波长范围均为水稻叶绿素敏感波段范围400～900nm； c为修正 常数，‑5≤c≤5； (3)在(‑5， 5)区间内， 间隔0.3～0.7的步长变化下， 取c的值， 在不同c值下， 取植被敏感 波段400‑900nm内任意三个波段Ri、 Rj、 Rk， 随机组合三个波段， 建立NTI与水稻叶绿素含量的 相关性等势图模型， 取最大的决定系数R2所对应的c值和波段， 确定新三波段植被指数的最 优c值和波段组合， 即最优植被指数波段组合； (4)对步骤(3)所得的最优植被指数NTI与叶绿素之间进行线性、 多项式、 指数、 幂函数 和对数关系拟合， 得到拟合公式并计算每种拟合关系的决定系数R2， 以具有最 大决定系数R2 的函数关系为 新指数NTI与叶绿素浓度的最优拟合公式， 建立水稻叶绿素浓度的估计模型； (5)检验步骤(4)中得到的估计模型： 根据水稻叶绿素含量估算模型， 通过验证数据的 水稻冠层光谱 反射率估算得到叶绿素含量预测值， 然后通过验证数据中的水稻叶绿素含量 实测值对叶绿素含量预测值进行检验， 计算相关系数R2和均方误差RMSE； 其中n是样本数， F(xi)是 预测值， yi是测量 值， y是测量 值的平均值。 2.根据权利要求1所述的镉 胁迫下基于三波段植被指数的水稻叶绿素估算模型的构建 方法， 其特征在于， 步骤(1)中， 水稻冠层光谱反射率使用近红外光谱仪FieldSpec   HandHeld 2进行测定； 所述近红外光谱仪 FieldSpec  HandHeld  2为美国ASD公司生产， 测定 波长范围为325～1075nm， 其中光谱采样间隔为1nm， 光谱分辨率为3nm， 视场角为25 °， 测定 前进行BaSO4标准白板校正， 每次测量根据光照条件调整光谱仪的灵敏度， 光谱仪探头垂直 向下， 距离水稻冠层约50cm， 每个样本点采集3条水稻光谱数据， 每条光谱曲线是通过光谱 仪自动采集10条光谱后的平均值。 然后通过ViewSpec  Pro软件， 取3次测得的光谱数据的平 均值作为该点的光谱数据； 水稻叶片的叶绿素含量测量使用SPAD ‑502型叶绿素仪， 与水稻冠层光谱采集同步进权　利　要　求　书 1/2 页 2 CN 114169165 A 2行； 对每个采样点用GPS定位仪进行定点之后， 用叶绿素仪对水稻叶片现场测定水稻叶片 SPAD数值； 测量时每组数据共采集10～15个水稻叶片的SPAD值， 最后 取10～15次测量的平 均值作为此 水稻样点的叶绿素的相对 含量， 叶绿素公式为： y＝0.996x‑1.52 其中， y和x分别是叶绿素浓度和S PAD‑502型叶绿素仪读数， 单位 为 μg/cm2。 3.根据权利要求1所述的镉 胁迫下基于三波段植被指数的水稻叶绿素估算模型的构建 方法， 其特征在于， 步骤(1)中， 所述重金属镉含量的测量步骤为： 将 土样样品风干、 研磨、 过 筛， 使用物质的量之比为1:3:1的HF ‑HCl‑HNO3的酸性混合物完全消 化土壤样品， 用微波消 解仪进行消解， 土壤消解液用具有优良长程稳定性的电感耦合 等离子体质谱法检测。 4.根据权利要求1所述的镉 胁迫下基于三波段植被指数的水稻叶绿素估算模型的构建 方法， 其特征在于， 步骤(3)中， 模拟 c在(‑5， 5)区间内， 间隔0.3～0.7的步长变化下， 通过模 拟NTI与水稻叶绿素含量相关性 最高的c值。 5.根据权利要求1所述的镉 胁迫下基于三波段植被指数的水稻叶绿素估算模型的构建 方法， 其特征在于， 步骤(4)中， 寻找 最佳c值和指数的最优波 段组合时， 确定步骤(3)中不同 c值下新指数中三个波段的最优波段组合： 将三个波段作为x、 y、 z三个坐标轴， 建立一个新 指数的三维空间， 坐标轴的范围为400 ‑900nm， 以1nm为波段步长， 代表了指数三个波段， 空 间中每一个点代表由这个点的三个坐标值组成的新指数； 计算三 维空间中每一个点生成的 新指数与叶绿素浓度的决定系数(R2)， 通过寻找R2最大的点来确定NTI的最优波段组合， R2 最大的点的x、 y、 z坐标为最优波段的波长； 确定的最优波段组合： k＝1， Ri＝778nm， Rj＝ 748nm， Rk＝706nm； 确定的最优三波段指数为： 6.根据权利要求1所述的镉 胁迫下基于三波段植被指数的水稻叶绿素估算模型的构建 方法， 其特征在于， 步骤(5)中， 建立水稻叶绿素浓度的估计模型时， 利用步骤(4)中确定的 最佳c值及最优波段 组合， 计算新指数NTI， 将新指数与叶绿素浓度进 行线性关系拟合， 得到 拟合公式并计算拟合关系的R2， 以新指数NTI与叶绿素浓度的最优拟合公式， 建立水稻叶绿 素浓度的估计模型。 7.根据权利要求1所述的镉 胁迫下基于三波段植被指数的水稻叶绿素估算模型的构建 方法， 其特征在于， 步骤(6)中， 对步骤(5)中建立的水稻叶绿素浓度估计模型进行检验， 检 验模型采用决定系数R2和均方根 误差RMSE进行综合评价： 其中， n是样本数， F(xi)是预测值， yi是测量值， y是测量 值的平均值。权　利　要　求　书 2/2 页 3 CN 114169165 A 3