盘锦地区不同品种水稻品质及其冠层高光谱反射率特征分析

doi:10.3969/j.issn.1673-503X.2024.02.010

Abstract

Abstract:

The quality characteristics of 8 varieties of rice in Panjin area in 2022 were analyzed. The correlation between processing quality, appearance quality, cooking and taste quality, nutritional quality of rice grains and original spectral reflectance, first derivative spectrum, continuum removed spectrum of the rice canopy at maturity were also examined. The results show that Yanjing 939 has better processing quality; Jindao 106 (Line 9) has better appearance quality; Jindaoxiang 103 has better cooking quality; Panjing 968 (Line 3) has better nutritional quality. The correlation between raw spectral reflectance and brown rice rate is good with correlation coefficients reaching at 0.767 in the wavelength bands of 731~1131 nm and 1150~1360 nm. The correlation between brown rice rate and the first derivative spectrum is best reaching a highly significant level at 1459 nm with a correlation coefficient of 0.867. The correlations between chalkiness degree, chalky grain rate and continuum-removed reflectance are better at 1804 nm, reaching a significant negative correlation with correlation coefficients of -0.979 and -0.983, respectively. The correlation between length-width ratio and the original spectrum is good with the highest correlation coefficient of 0.849 at 659 nm. The taste value contained in cooking quality, the amylose content, and the protein content included in nutritional quality all show good correlation with continuum removed spectrum.

Key words: Quality of rice grain, Canopy spectral reflectance, First derivative spectrum, Continuum removed spectrum

CLC Number:

S127/S511

Yan WANG,Meiqi GAO,Jingyang BIAN,Rongping LI,Xianli ZHAO,Rihong WEN,Dongkui ZHANG. Analysis of rice quality of different varieties and characteristics of canopy hyperspectral reflectivity in Panjin area[J]. Journal of Meteorology and Environment, 2024, 40(2): 77-85.

Figures/Tables 11

Fig.1

Table 1

Table 2

Table 3

Table 4

Fig.2

Fig.3

Fig.4

Fig.5

Fig.6

Table 5

References 32

1	李秀芬, 马树庆, 于海, 等. 春大豆鼓粒至成熟期水分胁迫对结实和产量的影响[J]. 气象与环境学报, 2021, 37 (5): 86- 92. doi: 10.3969/j.issn.1673-503X.2021.05.013
2	江和文, 赵铭, 郭婷婷, 等. 基于残差周期修正的辽宁省粮食产量灰色预测[J]. 气象与环境学报, 2011, 27 (3): 51- 55.
3	赵先丽, 刘志恒, 纪瑞鹏, 等. 辽宁水稻主产区稻瘟病发生特征分析[J]. 气象与环境学报, 2014, 30 (2): 88- 92.
4	陈妮娜, 纪瑞鹏, 米娜, 等. 春玉米生长发育、产量和籽粒品质对减量施氮的响应[J]. 气象与环境学报, 2021, 37 (4): 86- 92. doi: 10.3969/j.issn.1673-503X.2021.04.012
5	颜士博. 基于高分数据的水稻品质监测方法的研究[D]. 杭州: 杭州师范大学, 2017.
6	唐延林. 水稻高光谱特征及其生物理化参数模拟与估测模型研究[D]. 杭州: 浙江大学, 2004.
7	石礼娟. 基于可见光/近红外光谱的稻米质量快速无损检测研究[D]. 武汉: 华中农业大学, 2011.
8	周小丰. 基于色度学的稻米直链淀粉检测方法试验研究[D]. 北京: 中国农业大学, 2005.
9	童庆禧, 张兵, 张立福. 中国高光谱遥感的前沿进展[J]. 遥感学报, 2016, 20 (5): 689- 707.
10	Blackbum G A . Quantifying chlorophylls and carotenoids at leaf and canopy scales: An evaluation of some hyperspectral approaches[J]. Remote Sensing of Environment, 1998, 66 (3): 273- 285.
11	谢雨涵, 史健康, 孙晓慧, 等. 基于大疆精灵4无人机多光谱影像的西沙植被监测[J]. 遥感技术与应用, 2022, 37 (5): 1170- 1178.
12	王克晓, 周蕊, 李波, 等. 基于光谱反射特征的油菜角果成熟指数构建[J]. 遥感信息, 2022, 37 (4): 16- 20.
13	张晗, 赵小敏, 郭熙, 等. 基于冠层高光谱信息的水稻生长监测应用研究进展[J]. 江苏农业科学, 2018, 46 (12): 1- 9.
14	罗小波, 谢天授, 董圣贤. 基于无人机多光谱影像的柑橘冠层叶绿素含量反演[J]. 农业机械学报, 2023, 54 (4): 198- 205.
15	汪旭, 邓裕帅, 练雪萌, 等. 基于无人机多光谱技术的甜菜冠层叶绿素含量反演[J]. 中国糖科, 2022, 44 (4): 36- 42.
16	章曼, 常庆瑞, 张晓华, 等. 不同施肥条件下水稻冠层光谱特征与叶绿素含量的相关性[J]. 西北农业学报, 2015, 24 (11): 49- 56.
17	孙雪梅, 周启发, 何秋霞. 利用高光谱参数预测水稻叶片中叶绿素和籽粒蛋白质含量[J]. 作物学报, 2005, 31 (7): 844- 850.
18	傅友强, 钟旭华, 黄农荣, 等. 基于无人机多光谱遥感的水稻冠层光谱特征和氮素营养关系研究[J]. 广东农业科学, 2021, 48 (10): 121- 131.
19	周冬琴. 基于冠层反射光谱的水稻氮素营养与籽粒品质监测[D]. 南京: 南京农业大学, 2007.
20	李映雪. 基于冠层反射光谱的小麦氮素营养与籽粒品质监测[D]. 南京: 南京农业大学, 2005.
21	刘芸, 唐延林, 黄敬峰, 等. 利用高光谱数据估测水稻米粉中粗蛋白粗淀粉和直链淀粉含量[J]. 中国农业科学, 2008, 41 (9): 2617- 2613.
22	贺佳, 刘冰峰, 黎世民, 等. 不同生育时期冬小麦籽粒蛋白质含量的高光谱遥感监测模型[J]. 中国生态农业学报, 2017, 25 (6): 865- 875.
23	谢莉莉, 王福民, 张垚, 等. 基于多生育期光谱变量的水稻直链淀粉含量监测[J]. 农业工程学报, 2020, 36 (8): 165- 173.
24	关士英, 谢传节, 袁占良, 等. 基于SVM的高分时序冬小麦种植区提取研究[J]. 遥感技术与应用, 2022, 37 (3): 629- 637.
25	李军, 肖丹丹, 邓先亮, 等. 锌镁肥追施时期对优良食味粳稻产量及品质的影响[J]. 中国农业科学, 2018, 51 (8): 1448- 1463.
26	赫兵, 崔怀莺, 李超, 等. 吉林省不同区域水稻品质特性比较及影响因素分析[J]. 北方水稻, 2022, 52 (6): 5- 10.
27	马鹏, 陶诗顺, 吴霞, 等. 四川盆地不同水稻品种稻米品质分析鉴定[J]. 安徽农业科学, 2014, 42 (28): 9936-9937, 9941.
28	刘安晋, 商全玉, 杨秀峰, 等. 稻米品质性状及其与株型关系的研究进展[J]. 北方水稻, 2022, 52 (5): 61- 64.
29	刘秋员, 陶钰, 程爽, 等. 不同直链淀粉与蛋白质含量类型粳稻稻米品质特征[J]. 食品科技, 2022, 47 (11): 150- 158.
30	薛利红, 曹卫星, 李映雪, 等. 水稻冠层反射光谱特征与籽粒品质指标的相关性研究[J]. 中国水稻科学, 2004, 18 (5): 431- 436.
31	赵小敏, 孙小香, 王芳东, 等. 水稻高光谱遥感监测研究综述[J]. 江西农业大学学报, 2019, 41 (1): 1- 12.
32	郭佳炜, 叶回春, 聂超甲, 等. 基于Sentinel-2的海南耕地复种指数监测及时空变化分析[J]. 遥感技术与应用, 2022, 37 (5): 1128- 1139.

光谱范围/nm	采样间隔/nm	光谱分辨率/nm	视场角/°
350~1000	1.5	3.5	25
1000~1885	3.8	9.5	25
1885~2500	2.5	6.5	25

品种	糙米率	精米率
盐粳219	79.92	70.30
盐粳939	86.07	71.14
锦稻香103	79.76	70.21
锦稻香208	78.60	69.10
盘粳968	80.02	71.44
盘粳968(3系)	78.85	70.93
锦稻109	78.90	69.16
锦稻106(9系)	77.08	66.60
平均值	79.90	69.86

品种	垩白度/(%)	垩白粒率/(%)	长宽比
盐粳219	4.50	8.23	4.25
盐粳939	5.60	10.33	4.61
锦稻香103	7.30	13.50	4.71
锦稻香208	8.13	15.60	4.33
盘粳968	5.03	8.83	4.45
盘粳968(3系)	4.80	8.83	4.45
锦稻109	8.33	15.55	4.41
锦稻106(9系)	2.90	5.23	4.60
平均值	5.82	10.76	4.48

品种	食味值	直链淀粉/(%)	蛋白质/(%)
盐粳219	80.30	19.00	7.40
盐粳939	80.18	19.10	7.50
锦稻香103	84.09	19.60	6.70
锦稻香208	81.62	19.50	7.10
盘粳968	80.85	18.30	7.70
盘粳968(3系)	78.93	18.00	8.30
锦稻109	82.12	19.30	6.90
锦稻106(9系)	75.99	18.90	7.30
平均值	80.51	18.96	7.36

品质指标	原始光谱		一阶导数光谱		连续统去除光谱
品质指标	最佳波段/nm	相关系数	最佳波段/nm	相关系数	最佳波段/nm	相关系数
糙米率	1345	0.837^**	879	0.984^**	930	0.980^**
精米率	1932	-0.503	1459	0.867^**	799	0.663
垩白度	1961	-0.771^*	869	-0.913^**	1804	-0.979^**
垩白粒率	1961	-0.763	869	-0.912^**	1804	-0.983^**
长宽比	662	0.886^**	913	-0.926^**	1918	0.742^*
直链淀粉	1961	-0.298	1690	0.872^**	1313	-0.878^**
食味值	1945	-0.651	1716	0.913^**	1377	-0.824^*
蛋白质	2006	0.304	868	0.852^**	1321	0.809^*

Analysis of rice quality of different varieties and characteristics of canopy hyperspectral reflectivity in Panjin area

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 11

References 32

Related Articles 0

Metrics

Comments

Recommended 10