农业机械学报

作者：杨可明,王晓峰,张伟,程龙,孙彤彤

单位：中国矿业大学（北京）,中国矿业大学（北京）,中国矿业大学（北京）,中国矿业大学（北京）,中国矿业大学（北京）,

关键词：作物重金属污染;高阶谱估计;灰度-梯度共生矩阵;污染元素判别;污染程度诊断

基金：国家自然科学基金项目（41271436）和中央高校基本科研业务费专项资金项目(2009QD02)

基于不同铜离子(Cu2+)和铅离子(Pb2+)胁迫梯度下玉米叶片光谱微分数据，结合高阶谱估计与灰度-梯度共生矩阵(Gray gradient co-occurrence matrix, GGCM)的特征提取方法，提出了Cu2+和Pb2+污染定性分析、污染元素种类识别和污染程度诊断的方法。首先，测量了不同胁迫梯度下玉米叶片光谱数据以及叶片中富集的Cu2+、Pb2+含量；然后，利用高阶谱估计的ARMA模型参数法对各类玉米叶片微分光谱数据序列进行双谱估计，得到bisp_rts和bisp_qs矩阵及其相应的双谱三维图，从而可以直观可视地定性分析玉米是否已受Cu2+和Pb2+污染，辨别出Cu2+或Pb2+污染的元素类别；最后，构造bisp_rts和bisp_qs矩阵相应的GGCM，通过提取各GGCM的纹理参量特征值，诊断玉米叶片受Cu2+和Pb2+的污染程度。实验结果表明：高阶谱估计可以定性分析玉米老叶(O)、中叶(M)、新叶(N)是否已受Cu2+和Pb2+污染，也可辨别出O、M叶片所受Cu2+或Pb2+污染的元素类别；bisp_rts矩阵的灰度分布不均匀性(T1)、能量(T2)特征值均能反映O、M叶片中Pb2+含量的变化，能较好地诊断O、M叶片中Pb2+的污染程度，而bisp_qs矩阵的小梯度优势(T3)特征值能反映O、M叶片中Cu2+含量的变化，能较好地诊断O、M叶片中Cu2+的污染程度。

来源：2018年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2018年第2期