共查询到20条相似文献，搜索用时 203 毫秒
1.
大豆叶绿素含量高光谱反演模型研究 总被引：24，自引：4，他引：24
叶绿素是植物体进行光合作用、进行第一性生产的重要物质，能够间接反映植被的健康状况与光合能力，同时也能反映植被受环境胁迫后的生理状态。高光谱遥感为快速、大面积监测植被的叶绿素变化提供了可能。该研究实测了不同水肥耦合作用下，大豆冠层的高光谱反射率与叶绿素含量数据，对二者进行了相关分析；采用特定叶绿素敏感波段建立了植被指数叶绿素估算模型；最后采用相关系数较大的波段作为神经网络模型的输入变量进行了叶绿素含量的估算。经对比发现叶绿素A、B与光谱反射率在可见光与近红外波段的相关系数的变化趋势基本一致，在可见光谱波段呈负相关，近红外波段呈正相关，红边处相关系数由负变正。特定色素植被指数可以提高大豆叶绿素估算精度(R2>0.736)，但是人工神经网络模型可以大大提高大豆叶绿素含量的估算水平，当隐藏层节点数为4时，R2大于0.94，随着隐藏层节点数的增加，R2可高达0.99，表明神经网络模型可以大大提升高光谱反演大豆叶绿素含量的能力。 相似文献
2.
棉田土壤盐分的精准反演对于棉花的种植管理具有重要意义。水分和盐分作为主要环境因素,共同影响棉田土壤的波谱特征,两者之间的耦合关系直接影响土壤盐分的检测分析。为了提高基于光谱技术构建的模型对棉田土壤盐分信息解析的准确性与可靠性,该研究联用可见/短波近红外（400～1 000 nm）和长波近红外（960～1 693 nm）技术,采集不同含水率与含盐量的新疆地区土壤样本的光谱;结合外部参数正交法（external parameter orthogonalization,EPO）,校正不同标样集与不同波段光谱中的土壤含水率干扰信息;引入基于不同卷积步幅的深度卷积对抗网络（deep convolutional generative adversarial networks,DCGAN）,进行样本增广与质量评估;参考三层残差神经网络设计一维卷积神经网络RNet,最终构建基于EPO-DCGAN-RNet的优化模型,用于棉田土壤盐分的反演。结果表明,与传统机器学习方法和基于VGG或EfficientNet结构一维卷积神经网络相比,该研究提出的EPO-DCGAN-RNet方法能够有效地滤除水分对盐分反演的影响、提高模型对特征波段的挖掘能力、降低深度学习算法对样本量的依赖性,并能得到更优的模型预测性能。EPO-DCGAN-RNet的建模集R2和均方根误差分别为0.942、115.420 μS/cm,验证集R2和均方根误差分别为0.910和136.472 μS/cm。研究结果可为新疆棉田土壤盐分快速精准检测提供理论指导和技术支持,有助于促进盐碱地区棉花种植的水肥科学管理。 相似文献
3.
斑潜蝇虫害叶片受害程度对其近红外反射光谱的影响 总被引：4，自引：1，他引：4
为探索实现作物虫害自动监测的方法，采用图像处理和光谱分析技术，测定了斑潜蝇虫害叶片的近红外反射光谱，计算了虫害叶片的破损率，对其破损率和干鲜比与近红外分光反射率的关系分别进行了回归分析。结果表明：在某些波段，叶片的破损率和干鲜比均与近红外分光反射率有较好的相关性。叶片的干鲜比与近红外分光反射率关系的决定系数：黄瓜为R2=0.79(在1452 nm)，番茄为R2=0.70(在1450 nm)。叶片的破损率与近红外分光反射率关系的决定系数，黄瓜为R2>0.81(在1436～1468 nm)，番茄为R2>0.69(在1436～1466 nm)。试验和分析结果证明斑潜蝇虫害叶片的虫害程度能很好地被近红外光谱信息反映。 相似文献
4.
长江中下游地区夏季温室黄瓜冠层温度模拟与分析研究 总被引：3，自引：0，他引：3
根据作物冠层能量平衡原理，建立了以温室内温度、湿度、冠层净辐射等为变量的温室作物冠层温度的模拟模型，并利用实测资料对模型的可靠性进行了检验，同时就温室内部温度、冠层净辐射、蒸腾速率对冠层温度的影响进行了敏感性分析。结果表明：模型能较好地预测长江中下游地区温室作物冠层温度，模型对该地区夏季(2002年6月24至7月12日，梅雨季节)温室内作物冠层温度预测值与实测值的决定系数(R2)和标准误(SE)分别为：0.8321，0.0037℃；建立的温室内部温度、相对湿度、净辐射和作物蒸腾速率的多元线性回归模型，其决定系数(R2)和标准误(SE)分别为：0.9996，0.8829℃；通过敏感性解释因子的分析表明，作物冠层温度对温室内部温度最为敏感，室内温度是预测冠层温度的主要因子。 相似文献
5.
基于光谱指数与机器学习算法的土壤电导率估算研究 总被引：1，自引：0，他引：1
土壤盐分是干旱区土壤盐渍化评价的重要指标。以新疆维吾尔自治区渭干河-库车河三角洲绿洲为例,基于土壤电导率 (Electrical conductivity,EC) 及可见光-近红外 (Visible and near infrared, VIS-NIR) 光谱数据,通过蒙特卡洛交叉验证 (Monte Carlo cross validation, MCCV) 确定364个有效样本。采用原始光谱 (Raw reflectance, R) 及其经过微分、吸光度 (Absorbance, Abs)、连续统去除 (Continuum removal, CR) 等6种预处理后的数据构建光谱指数。基于遴选出的21个最优指数,采用BP神经网络 (Back propagation neural network, BPNN)、支持向量机 (Support vector machine, SVM)、极限学习机 (Extreme learning machine, ELM) 三种算法对EC进行估算,并引入偏最小二乘回归 (Partial least squares regression, PLSR) 进行比较。结果表明：在基于R与6种光谱预处理数据构建的21个最优光谱指数之中,R_FD_RSI (R1913,R2142) 表现最佳 (r = 0.649) ;与PLSR相比,机器学习算法能够显著提高模型的估算精度,R2提高了34.55%。三种机器学习算法模型中,ELM表现最优 (R2 = 0.884, RMSE = 3.071 mS?cm-1, RPIQ = 2.535) 。本研究中所构建的光谱指数在兼顾遥感机理的同时能深度挖掘更多的隐含信息,并且基于机器学习算法的土壤EC估算模型精度显著提高,为干旱区土壤盐分定量估算提供了科学参考。 相似文献
6.
及时并准确地估计作物产量,对保障粮食安全、维护世界粮食供应稳定具有重要意义。此前,已有许多研究者使用机器学习方法对作物产量预估进行研究。然而,结合作物的空间分布、使用局部模型进行分析的研究较少;且诸多研究均以年份为时间尺度进行建模,未能精细到作物生长的各个阶段,无法实现作物产量的早期预测。针对以上问题,该研究结合多源遥感数据,利用随机森林（random forest,RF）以及地理加权随机森林（geographically weighted random forest regression,GWRFR）模型对美国县级玉米产量进行建模,探讨全局与局部模型在玉米产量预测方面的性能;并通过将GWRFR模型应用于玉米的各个物候期,获取了玉米产量的最佳提前预测时间。结果表明,GWRFR局部模型的精度（R2=0.87,RMSE=864.21 kg/hm2）高于传统的RF全局模型（R2=0.83,RMSE=994.75 kg/hm2）,并且能够较好地克服空间数据的非平稳性,即使在全局模型中加入经纬度作为变量,RF模型的预测效果（R2=0.85,RMSE=890.88 kg/hm2）仍然低于GWRFR模型。对于玉米产量的预测可以提前至收获前2～3个月,即在乳熟期前后就能得到比较准确的预测结果（R2=0.90,RMSE=748.39 kg/hm2）。该研究结果可为大尺度作物产量预估提供一种新的思路,对区域或全球其他作物的产量预测也具有一定的指导意义。 相似文献
7.
新疆土壤盐渍化严重，亟需防治土壤盐渍化继续蔓延，水盐含量能直观表述盐渍化程度，所以反演土壤水盐含量对于土壤盐渍化的防治具有重要意义。以新疆典型的膜下滴灌棉田土壤为例，利用探地雷达250 MHz和1 000 MHz两个频率天线，通过共中心点法获取波速后转换为视在介电常数，结合野外实测数据，修正胡庆荣盐渍土介电模型参数，以修正后的胡庆荣盐渍土介电模型反演膜下滴灌棉田表层土（0~30 cm）的水盐含量，最终验证反演结果的适用性。结果表明：①通过修正胡庆荣介电模型中的参数，使该模型可以适用于膜下滴灌棉田土壤水盐含量的反演。参数A修正后的取值在0.74左右，参数ξ修正后的取值在0.14左右。②1 000 MHz频率天线反演的含水量优于250 MHz频率，且反演值与实际值具有较好的线性拟合关系，R2=0.948，RMSE为2.67 cm3/cm3。③探地雷达250 MHz和1 000 MHz频率天线的组合能够有效反演膜下滴灌棉田表层土的含盐量，反演值与实测值拟合程度较高，R2=0.835，RMSE为1.43 g/kg。探地雷达技术结合参数修正后的胡庆荣介电模型不仅提高了水盐含量的调查效率，还有利于绘制中尺度棉田土壤水盐含量分布图，为防治土壤盐渍化提供了理论数据支持。 相似文献
8.
土壤含水量（soil water content, SWC）和土壤含盐量（soil salt content, SSC）是影响作物生长和农业生产力的重要因素。光学卫星图像已成为SWC和SSC估计的主要数据源。然而,在SWC或SSC变化较大地区,土壤水分和盐分会影响对方对光谱反射率的响应,使得SSC和SWC的反演精度较差。对此,该研究提出了一个半解析性的反射率模型—RVS模型,来模拟植被光谱反射率（Rv）对作物根区土壤含水量和含盐量的响应;并通过构建的RVS模型,对植被覆盖区域的土壤含水量和土壤含盐量进行同步监测。研究表明：RVS模型在反演研究区土壤含盐量和含水量时,精度较为可靠(水分：决定系数R2为0.63～0.74,均方根误差为0.017～0.028;盐分：决定系数R2为0.68～0.75,均方根误差为0.0525～0.0617)。在作物生长过程中,植被光谱反射率对深层土壤的含水量和含盐量的响应比对浅层土壤的含水量和含盐量的响应更加明显,而且随着作物的生长,影响光谱反射率的主导因素从土壤水分慢慢转向土壤盐分和水盐相互作用。该研究在一定程度上揭示了土壤水分、盐分、水盐交互作用对作物光谱反射率的干扰过程,实现土壤水分和盐分的同步监测,对实现区域尺度上土壤含盐量和含水量的精准监测具有一定的意义。 相似文献
9.
用偏最小二乘法及傅立叶变换近红外光谱快速检测白酒酒精度 总被引：2，自引：1，他引：1
为了得到白酒工业中酒精度的快速检测技术,将偏最小二乘法与傅立叶变换近红外光谱相结合,通过解析白酒样品的近红外光谱图和对光谱进行不同的预处理,结果表明：用最大最小归一化法预处理光谱,光谱范围选择9747.1～7498.3 cm-1和6102～5446.3 cm-1,采用内部交叉验证建立模型,决定系数(R2)为99.99%,交互验证均方根差(RMSECV)为0.165%,主成分数为4,此条件下建模效果较好;模型进行验证结果表明预测集相关系数(R2)为99.80%,预测标准偏差(RMSEP)为0.264%,模型的预测效果很好,具有较高的精密度和良好的稳定性,能满足生产中白酒酒精度的快速检测要求。 相似文献
10.
基于133个滨海湿地土样的全氮（TN）含量和光谱反射率（R）及其对数（lgR）、对数的一阶微分（（lgR）''）、倒数（1/R）、倒数的一阶微分（（1/R）''）、一阶微分（R''）、平方根（√R）、一阶微分的倒数（1/（R）''）变换，采用偏最小二乘回归（PLSR）、随机森林回归（RFR）和支持向量机回归（SVR）3种算法分别建立土壤TN含量估测模型。结果表明：①土壤TN含量与光谱变换形式相关性由高到低为：（1/R）''> R''> （lgR）''> 1/R > lgR > 1/（R）''> √R > > R，经光谱变换，土壤TN含量与变换光谱的相关性均高于R，其中与（1/R）''的Pearson相关系数最大为0.746。②PLSR和SVR基于R''、（1/R）''、（lgR）''和1/（R）''变换构建的模型、RFR方法构建的所有模型R2均大于0.732，均可用于滨海湿地土壤TN含量的估算。③基于1/（R）''建立的SVR模型预测精度最高，其R2为0.987，RMSE为0.057 g/kg，MAE为0.050 g/kg，是预测滨海湿地土壤TN含量的最优模型，可为准确获取滨海湿地土壤TN含量提供稳定方法。 相似文献
11.
12.
为探究麦田垄间背景对无人机多光谱小麦赤霉病监测精度的影响,该研究以江苏省镇江市农科院灌浆期小麦为研究对象,利用大疆M600 Pro无人机搭载RedEdge-MX多光谱相机获取小麦冠层多光谱影像。通过筛选与小麦赤霉病相关性最高的植被指数（vegetation indexes,VIs）：MSR和CRI2植被指数,并采用大津法（Nobuyuki Otsu method,OTSU）、阈值分割法和支持向量机（support vector machine,SVM）等方法对小麦赤霉病遥感图像进行精细化语义分割,降低田块边缘阴影背景和染病麦穗之间的误判率。试验结果表明：目视解译阈值分割法剔除背景的效果最好（总体精度：92.06 %,Kappa系数：0.84）,OTSU阈值分割法（总体精度：90.52%,Kappa系数：0.81）效果次之。采用偏最小二乘回归分别建立小麦病情指数（disease index,DI）与VIs、纹理特征（texture features,TFs）和VIs&TFs小麦赤霉病监测模型,其中VIs&TFs模型监测精度最高,剔除垄间背景前预测模型训练集的决定系数（coefficient of determination,R2）为0.73,均方根误差（root mean square error,RMSE）为5.52,相对分析误差（relative percent deviation,RPD）为2.01,验证集的R2为0.68,RMSE为6.21,RPD为1.96;剔除垄间背景后VIs&TFs模型监测精度依然最高,训练集的R2为0.75,RMSE为5.58,RPD为2.13,验证集的R2为0.77,RMSE为7.13,RPD为2.11。综上所述,基于垄间背景特征的精细化语义分割有效地提高了小麦赤霉病的监测精度,可以直观地了解小麦病情分布情况,可对后续变量施药提供参考依据。 相似文献
13.
为了提高无人机遥感对冬小麦叶面积指数（leaf area index,LAI）反演模型的精度与泛化能力,该研究利用无人机搭载多光谱相机获取不同氮素处理和不同复种方式的冬小麦生长实测数据,结合PROSAIL辐射传输模型生成包含机理信息的模拟数据,基于不同组合方式建立了5种LAI反演混合数据集,结合多种机器学习方法,以期构建经验与机理相结合的LAI高精度反演模型。由于LAI反演受NIR波段反射率影响大,该研究筛选7种与NIR波段相关的植被指数提取冬小麦光谱特征,构建与混合数据集LAI的相关系数矩阵,进一步探究不同光谱特征对冬小麦LAI的影响程度。在此基础上,采用具有代表性和普适性的4种机器学习方法,即贝叶斯岭回归模型、线性回归模型、弹性网络模型和支持向量回归模型,构建不同冬小麦LAI反演模型,用以评估基于半经验半机理数据反演冬小麦LAI的可行性,进一步探索其对不同氮素水平和复种方式的冬小麦长势评估能力。结果表明：1）筛选的与NIR波段相关的植被指数与冬小麦LAI之间存在较强的相关性,其中归一化差异植被指数、增强植被指数、归一化差异红边指数、比值植被指数、红边叶绿素植被指数、土壤调节植被指数与LAI呈正相关,结构不敏感色素植被指数与LAI呈负相关;2）辐射传输模型中体现了冬小麦LAI影响太阳光线传播的机理,结果表明,与实测数据混合建立的模型,具有较强的鲁棒性和泛化能力。相比于其他3种模型,支持向量回归模型在各种数据组合下均取得了较好的LAI预测性能,在C1、C2、C3、C4这4种训练-测试组合的训练集中R2依次为0.86、0.87、0.88、0.91,RMSE依次为0.47、0.45、0.45、0.41;在测试集的R2依次为0.85、0.19、0.89、0.87,RMSE依次为0.45、1.31、0.49、0.50;3）使用支持向量机生成试验区LAI反演图,对4种氮素水平和2种复种方式的冬小麦长势评估,结果表明,适当的施加氮素处理能提高冬小麦LAI值,麦-豆复种方式下的冬小麦LAI值普遍高于麦-玉复种的LAI值。该研究为冬小麦LAI的反演提供了一种有效的方法,并为高效评估冬小麦长势研究提供了参考。 相似文献
14.
农牧交错带是农耕区与草原牧区的过渡带，土壤有机质(SOM)的精确估算与变化监测对碳库估算与农业生产具有重要研究意义。以东北典型农牧交错带为研究区，Landsat 8 OLI影像和ALOS 12.5m DEM为数据源，基于波段反射率、反射率对数、亮度指数与相关地形因子，分别利用多元线性逐步回归(MLSR)模型、随机森林(RF)模型和BP神经网络(BPNN)模型，构建农牧交错带SOM多光谱反演模型。结果表明：(1)根据重要性排序，选择Landsat8OLI第4波段的对数、第5波段、第6波段和亮度指数作为输入量，RF和BPNN模型的精度优于MLSR模型。(2)引入高程(E)与坡向变率(SOA)后，3种模型的预测精度提高，BPNN模型精度提高最多，R2提高了0.22,RMSE降低了0.40 g/kg。3种模型最优反演精度由高到低为：BPNN模型(R2=0.82,RMSE=1.4 g/kg)>RF模型(R2=0.71,RMSE=1.9 g/kg)>MLSR模型(R2=0.66,RMSE=8.8 g/kg)。研究结果可为农牧交错带SOM时空变化研究提供方法支撑。 相似文献
15.
基于遥感监测多品种玉米成熟度进而掌握最佳收获时机，对提高其产量和品质至关重要。该研究在玉米成熟阶段获取无人机多光谱影像，同步采集叶片叶绿素含量（chlorophyll content，C）、籽粒含水率（moisture content，M）、乳线占比（proportion of milk line，P）等地面实测数据，以此构建玉米成熟度指数（maize maturity index，MMI），从而定量表征玉米成熟度。通过MMI与植被指数构建回归模型和随机森林模型，验证MMI适用性，并分析无人机遥感对不同品种玉米成熟度的监测精度。结果表明：1）不同品种玉米的叶片叶绿素含量、籽粒含水率、乳线占比的变化速率均存在差异。2）MMI与所选植被指数的相关性均可达到0.01显著水平，其中与归一化植被指数（normalized difference vegetation index，NDVI）、转换叶绿素吸收率（transformed chlorophyll absorbtion ratio index，TCARI）相关性最高，相关系数均为0.87。3）该研究基于不同组合的数据集进行了模型验证，其中随机森林模型对MMI的估测精度最高，测试集决定系数（coefficient of determination，R2）为0.84，均方根误差（root mean squared error，RMSE）为8.77%，标准均方根误差（normalized root mean squared error，nRMSE）为12.05%。此外，随机森林模型对不同品种MMI的估测精度较好，京九青贮16精度最优，其中R2、RMSE、nRMSE为0.76、10.67%、15.88%，模型精度证明了可以利用无人机平台对不同品种玉米成熟度进行监测。研究结果可为多光谱无人机实时监测农田多品种玉米成熟度的动态变化提供参考。 相似文献
16.
水稻冠层图像分割方法对比研究 总被引：1，自引：0，他引：1
水稻冠层信息在自动化管理上具有重要指导意义,但田间多变光照强度环境显著降低了水稻冠层图像分割和信息提取的精度。为降低光照强度的干扰,本文基于RGB、CIEL~*a~*b~*、HSV色彩空间和多色彩空间(包括RGB、CIEL~*a~*b~*和HSV色彩空间)构建水稻冠层图像的色彩特征组合,然后通过支持向量机(SVM)的线性核函数对水稻冠层图像进行分类识别,其分割方法分别定义为rgb-SVM、lab-SVM、hsv-SVM和Multi-SVM。同时,利用此方法对不同光照强度下的水稻冠层图像进行分割,并与常用的Ex GOtsu分割方法进行对比,比较不同方法的分割效果和光强稳健性。结果表明,rgb-SVM的分割效果优于Ex GOtsu方法,但对晴天条件下获取的水稻冠层图像的分割误差仍较大,光强稳健性低;lab-SVM和hsv-SVM分割方法的分割精确度较低,存在一定的欠分割现象;基于多色彩空间和支持向量机的Multi-SVM分割方法的分割效果最佳,该方法对不同光强下获取的水稻冠层图像的分割误差均控制在4.00%以内,具有较好的光强稳健性。因此,基于多色彩空间和支持向量机的Multi-SVM分割方法能够相对准确地将水稻像元从水稻冠层图像中分割出来,且对田间多变光强条件具有一定的稳健性,可为田间水稻生长发育监测和自动化管理提供一定的技术支持。 相似文献
17.
为探究省力化栽培模式下库尔勒香梨园适宜的灌溉制度，依据4种灌溉定额(3 750,5 250,6 750,8 250 m3/hm2)条件下2年香梨的田间试验数据，通过冠层覆盖度、土壤含水量和蒸散强度(ETa)和产量指标，确定AquaCrop模型参数。设置不同灌水场景，综合考虑产量、水分利用效率和灌溉水利用效率，利用AquaCrop模型优化香梨灌溉制度。结果表明：Y2W3处理产量高出其余处理3.87%～16.86%,Y2W1处理水分利用效率高出其余处理2.88%～27.20%;AquaCrop模型模拟与试验地实测结果的决定系数(R2)、均方根误差(RMSE)、标准均方根误差(NRMSE)、拟合度指数(d)和Nash效率系数(NSE)评价指标表明，冠层覆盖度R2变化范围为0.89～0.93,土壤含水量d为0.92～0.98,ETa的RMSE为1.06～1.61 mm/d; AquaCrop模型预测15种不同场景，灌溉定额7 200 m3/h... 相似文献
18.
19.
以博斯腾湖湖滨绿洲为研究区,分析HCO_3~–、Cl~–、SO_4~(2–)、Ca~(2+)、Mg~(2+)、Na~++K~+等主要土壤盐分离子含量与土壤高光谱反射率的分数阶微分光谱变换与RSI、DSI、NDSI等二维土壤指数的相关性优选特征波段,构建基于地理加权回归模型的土壤盐分离子含量估算模型。研究结果表明:Na~++K~+的微分变换特征波段集中在468～724 nm与1 182～1 539 nm,二维土壤指数的特征波段集中在1 742～2 395 nm,基于RSI的特征波段优选下地理加权回归模型对Na~++K~+含量的估算效果较好,建模集R~2=0.94,RMSE=0.22,验证集R~2=0.74,RMSE=0.19;SO_4~(2–)含量在1.2阶优选的位于469～636 nm波段估算效果较佳,建模集R~2=0.91,RMSE=0.02,验证集R~2=0.75,RMSE=0.33;Ca~(2+)、Mg~(2+)优选的特征波段主要集中在912～2 340 nm的近红外波段;Cl~–含量在1阶的近红外波段建模效果较好,建模集R~2=0.74,RMSE=0.03,验证集R~2=0.93,RMSE=0.11;含量相对较高的Na~++K~+、SO_4~(2–)、Cl~–的地理加权回归模型精度高于含量较低的Ca~(2+)、Mg~(2+)。 相似文献