科研产出
基于高光谱的双季稻分蘖数监测模型
《农业工程学报 》 2020 EI 北大核心 CSCD
摘要：旨在阐明双季稻分蘖数与冠层反射高光谱间的定量关系,构建基于高光谱的双季稻分蘖数监测模型。基于不同早、晚稻品种和施氮水平的田间试验,于关键生育期(分蘖期、拔节期和孕穗期)测定早、晚稻分蘖数,同步使用FieldSpec HandHeld 2型高光谱仪采集早、晚稻冠层反射高光谱数据,分别利用光谱指数法和连续小波变换构建新型光谱指数和敏感小波特征对双季稻分蘖数进行监测,建立双季稻分蘖数光谱监测模型,并用独立试验数据进行检验。结果表明,新型光谱指数和敏感小波特征对双季稻分蘖数的监测效果优于其他类型光谱参数(植被指数和"三边"参数),其中位于红边区域的小波特征db7(s9,w735)监测早稻分蘖数时表现最优,监测模型R~2为0.754,模型检验相对均方根误差RRMSE为0.128;位于红边区域的小波特征mexh(s6,w714)监测晚稻分蘖数时表现最优,监测模型R~2为0.837,模型检验RRMSE为0.112。研究结果可为双季稻分蘖数快速无损监测和群体质量精确调控提供理论基础与技术支持。
全文链接
请求原文
高光谱估测稻叶SPAD值预处理方法与模型比较
《江西农业大学学报 》 2020 北大核心 CSCD
摘要：[目的]比较筛选高光谱数据预处理方法和水稻叶片SPAD值估测模型,为利用高光谱技术测定水稻叶片叶绿素含量提供依据.[方法]研究对象为96份不同施肥处理下的水稻叶片样本,利用ASD FildSpec 4测定叶片光谱,采用叶绿素计SPAD-502测定SPAD值.采用7种光谱预处理方法处理350~2 500 nm光谱,结合3种回归模型(偏最小二乘、支持向量机和随机森林算法),建立了高光谱反射率与水稻叶片SPAD值的映射关系,比较了模型的预测精度.[结果](1)BC、SG、SG+BC、SG+SNV预处理提高了PLSR模型验证集建模精度;SG、SG+BC预处理提高了SVR模型验证集建模精度;SG、SG+BC、SG+MSC、SG+SNV提高了RFR模型验证集建模精度;(2)SG+BC预处理能提高PLSR、SVR、RFR模型建模精度,说明采用消除信号不稳定造成的噪声、背景细小噪声和低频信号干扰对于提高水稻叶片的高光谱反演精度有重要的作用.(3)数据预处理后RFR模型精度最佳,验证集的平均决定系数R2为0.84,RMSE为13.70,RPD为2.59.[结论]SG及其复合预处理方法与随机森林回归模型结合使用,可作为高光谱估测水稻叶片SPAD值的参考方法.
全文链接
请求原文
基于高光谱的柑橘叶片氮素营养监测模型
《江苏农业科学 》 2018 北大核心
摘要：以温柑为试材进行4个施氮水平的野外试验,于不同物候期取样测定叶片光谱反射率、叶片氮含量和叶片氮积累量,筛选叶片氮含量和叶片氮积累量的敏感光谱波段与最佳植被指数。结果表明,柑橘叶片氮素营养监测敏感光谱分别为514、630、633、690、814、868 nm。基于波长690、868 nm的双波段植被指数能够建立最佳的温柑叶片氮含量预测模型并具有良好的预测效果;基于波长514、868 nm的双波段植被指数能够建立最佳的温柑叶片氮积累量预测模型,且预测效果优于叶片氮含量的模型。
关键词： 柑橘 高光谱 叶片氮素营养 敏感光谱 最佳植被指数 监测模型
全文链接
请求原文
南方丘陵稻田土碱解氮高光谱特征及反演模型研究
《国土资源遥感 》 2015 北大核心 CSCD
摘要：以兴国县稻田土高光谱反射率为研究对象,分析南方丘陵稻田土碱解氮的光谱响应波段,运用光谱分析方法提取光谱指数,建立基于反射光谱特征的南方丘陵稻田土碱解氮高光谱反演模型。经分析可知,不同碱解氮含量的南方丘陵稻田土光谱曲线在波长小于700 nm波谱范围内呈现随着碱解氮含量的增高,光谱反射率降低,吸收深度越大的趋势;通过分析南方丘陵稻田土碱解氮含量与光谱反射率16种数学变换的相关系数,提取敏感波段为694 nm,2 058 nm和2 189 nm。基于南方丘陵稻田土光谱反射率的碱解氮含量高光谱反演模型稳定性较强(R2=0.56),具有一定的预测能力,能用于南方丘陵稻田土碱解氮含量速测。
全文链接
请求原文
高光谱特征辨别潴育型麻沙泥田和潮沙泥田水稻土
《农业工程学报 》 2014 EI 北大核心 CSCD
摘要：为了快速识别和划分不同类型水稻土,该研究以江西省兴国县潴育型麻沙泥田和潴育型潮沙泥田为研究对象,以样点方差分析为基础,采用光谱重采样处理、包络线去除处理及光谱一阶微分变换3种光谱分析方法,提取有效的光谱吸收特征参数(spectral absorption feature parameter,SAFP),分析得出两土种有效光谱特征。结果表明:识别潴育型水稻土最有效的是波谷波长位置的共性参数,而区分两土种最有效的是波峰宽度、波谷宽度及波谷倾斜角特性参数。重采样光谱特征参数分析中最有效的是波峰宽度:麻沙泥田的波峰宽度为58 nm,而潮沙泥田为27 nm,麻沙泥田波形起点高,下滑速度比潮沙泥田更快,吸收宽度大;去包络线算法提取光谱吸收特征参数发现,辨别麻沙泥田与潮沙泥田最有效的是波谷宽度,前者在波长482 nm处波谷宽度为26 nm,后者在波长484 nm处波谷宽度为178 nm,潮沙泥田波谷宽度大了将近6倍,而且麻沙泥田波谷倾斜角比潮沙泥田更大,麻沙泥田趋于突变型,而潮沙泥田趋于平缓型;光谱一阶微分方法提取特征参数中区分两土种最有效的是波谷倾斜角:麻沙泥田与潮沙泥田在波段471 nm处分别为-0.00573°和0.00573°,前者相邻波谷走向为负向坡,而后者为正向坡。研究可为高光谱技术辨别不同水稻土类型提供参考。
关键词： 光谱分析 土壤 算法 高光谱 潴育型麻沙泥田 潴育型潮沙泥田 江西省兴国县
全文链接
请求原文
首页上一页1下一页尾页
