科研产出
高光谱成像的柑橘病虫害叶片识别方法
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：为监测柑橘生长状况,实现病虫害无损识别,利用高光谱成像技术和机器学习方法进行柑橘病叶分类研究。使用高光谱成像仪采集46片柑橘正常叶、 46片溃疡病叶、 80片除草剂危害叶、 51片红蜘蛛叶和98片煤烟病叶的高光谱图像,在478～900 nm光谱范围内对每个叶片一个或多个发病区提取5×5的感兴趣区域（ROI）,将ROI内每个像素的反射率值作为光谱信息,则一个ROI得到25个光谱信息样本,最终五类叶片共得到13250个光谱样本。利用随机法将全部样本划分为9 938个训练集和3 312个测试集。分别采用一阶求导(1stDer)、多元散射校正（MSC）和标准正态变换（SNV）三种方法对原始光谱信息进行预处理,对不同预处理方法后的数据采用主成分分析法（PCA）提取特征波长。1st Der预处理后得到7个特征波长,分别是520.2, 689.0, 704.8, 715.4, 731.2, 741.8和757.6 nm; MSC和SNV预处理后得到7个相同的特征波长,分别是551.9, 678.5, 704.8, 710.1, 725.9, 731.2和757.6 nm;原始光谱得到7个特征波长,分别是525.5, 678.5, 710.1, 720.7, 725.9, 757.6和762.9 nm。分析PCA后的样本分布散点图可知,正常叶片、溃疡病叶片和红蜘蛛叶片样本有一定程度聚类,除草剂叶片和煤烟病叶片样本有大量重叠,仅依据PCA不能完成病虫害叶片的识别。对全波段（FS）和PCA特征波长数据在不同预处理方法下进行支持向量机（SVM）和随机森林（RF）建模,结果表明:数据在1stDer预处理方法下识别效果最佳,1st Der-FS-SVM模型总分类精度（OA）为95.98%, Kappa系数为0.948 2, 1st Der-FS-RF模型OA为91.42%, Kappa系数为0.889 2, 1stDer-PCA-SVM模型OA为90.82%, Kappa系数为0.881 6, 1stDer-PCA-RF模型的OA为91.79%, Kappa系数为0.894;对PCA选择的特征波长数据建模,SVM和RF模型下识别率均达到84%,全波段下模型识别率在88%以上,FS数据建模效果优于PCA特征波长。研究结果表明,高光谱成像技术结合机器学习方法进行柑橘叶片分类是可行且有效的,为柑橘病虫害的无损准确识别提供理论根据。
全文链接
请求原文
基于农田土壤镉污染修复后糙米镉的指标筛选
《土壤通报 》 2021 北大核心 CSCD
摘要：目前农田土壤镉污染修复以降低糙米镉含量为标准,而忽略了其变化的关键性的土壤物理、化学及生物指标。基于此,采用方差分析、多元回归分析、通径分析、随机森林和结构方程模型等统计方法分析了土壤pH值、有机质、容重、阳离子交换量、速效养分、质地、微团聚体、酶活性、微生物数量等23个土壤指标对土壤有效态Cd和糙米Cd含量重要性排序。结果表明,总体上施用土壤调理剂提高了土壤pH值、容重和阳离子交换量,改变了土壤质地组成,增加了大粒级团聚体,并影响了微生物环境,有效降低了土壤有效态Cd和糙米Cd含量,但抑制了部分酶活性和微生物数量。通过逐步回归分析,表明土壤pH值和放线菌可以解释土壤有效态Cd 64.32%的变化,阳离子交换量、速效钾、有效磷和蔗糖酶可以解释糙米Cd 82.10%的变化;通径分析表明大粒径团聚体、有机质、黏粒、砂粒、放线菌和真菌对土壤有效态Cd和糙米Cd的直接效应较大;随机森林分析表明土壤pH值是影响土壤有效态Cd和糙米Cd含量的主导因素;结构方程模型表明糙米Cd含量主要受土壤pH值、有机质、阳离子交换量和有效磷的影响,土壤有效态Cd主要受土壤酶活性和微生物数量的影响。不同分析方法侧重点不同,总体上对糙米Cd含量影响较大的是pH值、阳离子交换量、有效磷和有机质等,对土壤有效态Cd含量影响较大的是pH值、放线菌和有机质等。
关键词： 土壤调理剂 糙米Cd 土壤指标 随机森林 结构方程模型
全文链接
请求原文
首页上一页1下一页尾页
