共查询到20条相似文献，搜索用时 281 毫秒
1.
基于线性判别法的生菜农药残留定性检测模型研究 总被引：1，自引：0，他引：1
针对农副产品农药残留超标现象,提出一种快速高效无损检测菜叶农药残留的方法。以4组生菜叶片为研究对象,分别喷洒丙酮和3种不同浓度的乐果农药(乐果和丙酮的体积比为1∶100、1∶500、1∶1 000),利用近红外高光谱成像仪采集生菜样本的高光谱图像(871.61~1 766.32 nm)。在生菜高光谱图像中选取感兴趣区域(ROI)并提取该区域的平均光谱,对ROI内的图像进行主成分分析(PCA)处理,提取PC1、PC2图像的纹理特征。采用连续投影算法(SPA)和主成分分析方法 (PCA)选取光谱数据的特征波长,分别利用线性判别法K最近邻法(KNN)、马氏距离(MD)和Fisher判别分析(FLDA)方法建立基于全波段、特征波段下光谱特征和光谱与纹理融合特征的农药残留检测模型。结果表明,基于SPA特征光谱和主成分图像纹理特征融合信息的Fisher模型较好,训练集和测试集分类正确率分别为98.9%和100%,利用近红外高光谱图像技术结合信息融合及Fisher算法鉴别农药残留等级是可行的。 相似文献
2.
基于高光谱图像的龙眼叶片叶绿素含量分布模型 总被引：2，自引：0，他引：2
针对传统高光谱单点法检测叶绿素含量效率低、精度不足等问题,提出一种基于高光谱图像和卷积神经网络(CNN)多特征融合的深度学习龙眼叶片叶绿素含量分布预测模型。首先进行Savitzky-Golay光谱去噪,然后通过奇异值分解(SVD)和独立成分分析(ICA)提取特征光谱,再对特征光谱图像提取灰度共生矩阵(GLCM)和CNN纹理特征,最后建立粒子群优化(PSO)支持向量回归(SVR)、深度神经网络(DNNs)分布模型。结果表明,基于特征光谱建模的PSO-SVR预测效果最佳,全期的校正集和验证集模型决定系数R2为0.822 0和0.815 2。对比多种主流模型,基于特征光谱、GLCM纹理、CNN纹理特征的ICA-DNNs模型预测精度最高,校正集和验证集R2分别为0.835 8和0.821 0。试验结果表明,高光谱图像可快速无损地对龙眼叶片叶绿素含量分布进行检测,可为龙眼树实时营养监测和病害早期防治提供理论依据。 相似文献
3.
马铃薯叶片早疫病的高光谱识别研究 总被引：2，自引：0，他引：2
为实现马铃薯叶片早疫病的快速识别,达到尽早防治的目的,利用高光谱成像系统连续4天采集375~1018nm波段内的健康和染病马铃薯叶片的高光谱数据信息,并用ENVI软件提取感兴趣区域的光谱反射率平均值。分别建立基于全光谱(full spectrum,FS)、连续投影算法(SPA)和载荷系数法(x-LW)提取的特征波长的BP网络和LS-SVM识别模型,其中FS-BP、SPA-BP、x-LW-BP模型中预测集识别率分别为100%、100%、98.33%,LS-SVM模型的预测集识别率均为100%;SPA和x-LW提取的特征波长个数均仅占全波长的1.47%,大大简化了模型,提高了运算速率。实验表明:应用高光谱成像技术可以快速、准确地识别出马铃薯叶片早疫病,且SPA和x-LW可以作为特征波长提取的有效方法,为田间马铃薯早疫病的在线实时检测仪器的开发提供理论依据。 相似文献
4.
为实现"玉米田养鹅"模式下作物氮素养分快速无损监测,开展了基于高光谱"农牧一体化"实验。以放牧前后的玉米冠层作为研究对象,利用高光谱技术分析不同时期玉米冠层叶片光谱,采用波段自相关分析(Bands Inter-correlation Analysis, BICA)与主成分分析(Principal Components Analysis, PCA)相结合的方法提取特征波段,并构建多种光谱参数,进而建立了基于BICA-PCA方法的多元回归模型(Multivariable Regression Model,MRA),并筛选和验证了所建模型。结果表明:随着不同生育期的进行,鹅的粪便会作为肥料给作物补充氮素,近红外光谱反射率增高,红边位置向左移动。建立模型在放牧前期校正集决定系数R_C~2为0.796,校正集均方根误差(Root-mean-square Error Correction, RMSEC)为0.133;在预测集决定系数R_p~2为0.840,预测集均方根误差(Root-mean-square Error Prediction, RMSEP)为0.147。放牧后期R_C~2为0.761,RMSEC为0.094;R_p~2为0.789,RMSEP为0.141。研究结果可为"农牧一体化"优化生产管理和建立氮素养分特征平衡模型提供支持和帮助。 相似文献
5.
6.
水稻病害是影响水稻产量的重要因素之一,水稻病害的早期预测对水稻病害防治至关重要。为了实现水稻白叶枯病害的预测,连续采集了从接种病菌到早期发病共7d的白叶枯病害胁迫下的叶片高光谱图像。利用Savitzky-Golay算法对高光谱图像进行预处理,并利用主成分分析（Principal component analysis, PCA）和随机森林（Random forest, RF）算法提取光谱特征,构建多任务学习(Multi-task learning, MTL)与长短期记忆（Long short-term memory, LSTM）网络融合的预测模型,对水稻病害发病率和潜伏期进行预测,并利用鲸鱼优化算法（Whale optimization algorithm, WOA）对MTL-LSTM模型进行优化。实验结果表明：PCA和RF可以有效地从高光谱图像中提取光谱特征,降低高光谱数据维度,且基于光谱特征构建的预测模型性能优于全波段光谱构建的预测模型性能,建模时间降低约98%。基于时序高光谱构建的预测模型对发病率和潜伏期的预测取得了预期效果,基于前10个特征波长构建的WOA-MTL-LSTM模型取得了最优的预测性能,对发病率和潜伏期预测测试集的R2分别为0.93和0.85,RMSE分别为0.34和2.12,RE分别为0.33%和1.21%。通过WOA算法可以提升MTL-LSTM的预测性能,对发病率和潜伏期预测的R2均提升0.05。研究结果表明RF提取高光谱特征能有效表征全波段光谱,基于时序高光谱的WOA-MTL-LSTM模型可以准确预测白叶枯病害发病率和潜伏期,为水稻白叶枯病害的预防提供了技术支持。 相似文献
7.
受水稻冠层几何结构的影响,传统的无人机高光谱获取到的反射光谱信息中包含与水稻内部组成物质无关的镜面反射信息,从而影响水稻氮素含量的反演精度,因此在利用无人机获取水稻冠层反射光谱信息时,有必要考虑通过偏振测量技术去除反射光谱中的镜面反射分量,进而实现提升水稻氮素含量反演精度的目的。基于无人机偏振遥感测量得到的水稻分蘖期多角度偏振光谱数据和与之对应的氮素含量数据,采用植被指数方法分析二者之间的相关性,得到了水稻冠层偏振光谱数据与其对应氮素含量相关性最高时对应的角度,选取该观测角度下的偏振光谱数据,利用连续投影法(Successive projections algorithm, SPA)提取特征波段,在此基础上,基于数学变换的方法,提出了构建植被指数的新思路,构建了由2个波段组成的偏振光谱植被指数(Polarisation spectrum vegetation index, PSVI),并利用线性回归方法建立水稻冠层氮素含量的反演模型。结果表明,通过对不同观测天顶角下水稻冠层偏振光谱数据与氮素含量相关性分析,得到最佳观测角度为-15°(后向观测15°);利用连续投影法提取得到该角度下偏振... 相似文献
8.
河套灌区土壤水溶性盐基离子高光谱综合反演模型 总被引：4，自引：0，他引：4
为了提高野外高光谱反演土壤水溶性盐基离子的精度,以河套灌区永济灌域盐渍化土壤为研究对象,构建了基于光谱变换、特征波段、特征光谱指数筛选以及支持向量机(SVM)的机器学习相结合的高光谱综合反演模型。结果表明,经预处理的原始光谱反射率与土壤离子相关性总体较低,最大相关系数仅为0.18,原始光谱反射率与土壤离子的相关系数由大到小依次为Ca~(2+)、SO_4~(2-)、Mg~(2+)、全盐量、Na~++K~+、Cl~-。全盐量、Na~++K~+、Cl~-、SO_4~(2-)、Ca~(2+)、Mg~(2+)的光谱最优变换形式分别为(1/R)″、(1/R)″、(lnR)'、(lnR)″、R'、(lnR)″,敏感波段(P0.01)数分别为41、7、9、65、76、28个,利用逐步回归法在敏感波段中筛选出特征波段,基于特征波段建立的回归模型中各离子的决定系数R~2平均值为0.35,均方根误差RMSE平均值为0.87 g/kg,其中SO_4~(2-)拟合精度最高,R~2为0.52,Ca~(2+)拟合精度最低,R~2仅为0.20。将特征波段代入光谱指数中,结合逐步回归法确定了Mg~(2+)特征光谱指数为3个,全盐量特征光谱指数为2个,Na~++K~+、SO_4~(2-)、Ca~(2+)特征光谱指数分别为1个,与仅考虑特征波段的回归模型相比,特征波段+特征光谱指数结合后各离子回归模型的R~2平均提高了58.67%,RMSE降低了24.60%,其中SO_4~(2-)拟合精度最高,R~2为0.74,RMSE为0.47 g/kg。考虑了特征波段+特征光谱指数的SVM模型相比仅考虑特征波段的SVM模型,其预测能力有了明显提高,各离子相对分析误差(RPD)平均提高了110.27%,训练集R~2平均提高了37.54%,RMSE平均降低了40.12%,验证集R~2平均提高了56.04%,RMSE平均降低了39.39%。SO_4~(2-)的RPD达到3.000,模拟效果最优,具备很好的预测能力;全盐量模型具有很好的定量预测能力,Mg~(2+)模型可用于评估或相关性方面的预测,Na~++K~+、Ca~(2+)的模型具有区别高低值的能力。 相似文献
9.
针对野生刺五加叶片中黄酮含量的测量方法繁琐、时间较长及需破坏叶片等问题,提出了一种基于高光谱技术对不同时段的刺五加叶片中黄酮含量的估算模型。首先,分析提取地域、年龄、长势相近的20株刺五加叶片光谱特征,通过对叶片进行烘干、磨粉及利用紫外分光光度计等化学方法测得叶片中黄酮的真实含量,并选择4种预处理互相结合、比较的方式,判断出最优预处理模型;通过SPA与PCA算法的结合,选择出较明显的特征波段,通过MatLab2018a将特征波段的反射率分别与40组预测集验证相关性后,再分别选取预测值和20组实测值与BP神经网络、支持向量机进行模型建立。实验结果表明:利用BP神经网络建立的模型的校正集决定系数Rc2分别为0.8649、0.7976、0.8485,支持向量机建立的模型的校正集决定系数Rc2分别为0.7526、0.7742、0.7243,证明SNV和1 Der结合的预处理方式与BP神经网络所构建的模型效果最好。研究为高光谱技术对刺五加叶片中黄酮的反演提供了有力的支持,也会提高工业和药用采摘的效率及刺五加的利用价值。 相似文献
10.
11.
竹叶片氮含量高光谱估测方法对比研究 总被引：1，自引：0，他引：1
为实现快速无损检测竹叶片氮含量,采用波长范围为350~2500nm的地物光谱仪获取竹叶片光谱数据,以金镶玉竹叶片为样本,对其进行高光谱分析。将高光谱原始反射率及其一阶微分、对数一阶微分和二阶微分值,与化学法测量的竹叶片氮含量值进行了相关性分析,分别获得了不同微分变化下的特征波段;基于微分变换后的高光谱反射率数据,分别采用二元线性回归、多元逐步回归、偏最小二乘回归和基于主成分分析的BP神经网络方法,建立了4种金镶玉竹叶片的氮含量高光谱估测模型。对比4种估测模型的校验结果表明,在光谱反射率的对数一阶微分变换下,采用拓扑结构为6-10-1的基于主成分分析的BP神经网络估测模型,校验环节决定系数为0.838,均方根误差RMSE为0.0452,具备较好的竹叶片氮含量估测效果。 相似文献
12.
氮肥减量后移对喷灌玉米产量和水氮利用效率的影响 总被引：1，自引：0，他引：1
【目的】优化井灌区田间水肥管理。【方法】试验于2018年6—9月在河南省许昌灌溉试验站进行,以当地主栽玉米品种登海3737(P1)和豫单9953(P2)为试验材料,设置3种施肥调控方式,分别为当地传统施肥模式CK(N、P2O5、K2O施量分别为315、75、75 kg/hm^2,全部基施),优化模式F1(N、P2O5、K2O施量分别为225、75、75kg/hm^2,40%三叶期和60%拔节期追肥),优化模式F2(N、P2O5、K2O施量分别为225、75、75kg/hm^2,30%三叶期、30%拔节期和40%大喇叭口期追肥),研究了喷灌水肥一体化下氮肥减量后移对不同品种夏玉米生长发育、产量和水分利用效率的影响。【结果】增加施肥频次和施肥时间后移可提高玉米叶面积系数(LAI)和延缓叶片衰老,增加玉米干物质累积量以及最大生长速率。喷灌水肥一体化(F1、F2处理均值)较传统施肥籽粒产量提高7.8%,耗水量降低11.9%,水分利用效率(WUE)提高22.2%,籽粒氮肥偏生产力(PFPY)提高51.1%,生物量氮肥偏生产力提高49.2%。登海3737干物质累积、最大生长速率、WUE和PFPY的均值较豫单9953分别增加2.8%、7.7%、8.5%和8.6%,最大生长速率出现的时间没有差异。豫单9953干物质积累快增期持续时间比登海3737增加5.3 d。不同品种之间产量和构成要素差异极显著。登海3737平均产量为11 319 kg/hm^2,较豫单9953增产8.4%,其中穗长、百粒质量对产量贡献较大,分别提高22.5%和18.2%。【结论】本研究中,F2处理为最佳施肥模式,即N、P2O5、K2O施量分别为225、75、75 kg/hm^2,施肥配比为30%三叶期、30%拔节期、40%大喇叭口期。 相似文献
13.
高光谱成像技术的玉米叶片氮含量检测模型 总被引：2，自引：0，他引：2
应用高光谱成像技术,实现了玉米拔节期叶片氮含量的检测。提取出240个叶片样本的平均光谱反射率数据(400~1 000nm),对原始数据分别进行3种预处理(1stDer、2ndDer、SNV),建立了4种预测模型,包括基于幅值参数(Dλr、Dλy、Dλb)的多种回归模型、全光谱PLS模型、基于连续投影算法(SPA)的PLS模型及基于主成分分析法(PCA)的PLS模型。建模结果显示:基于PCA的PLS模型预测精度最低;全光谱的PLS模型Rc2和RP2分别为0.967、0.821;基于SPA算法的PLS模型R_c~2、R_P~2分别为0.944、0.749,与全光谱的PLS模型预测精度相当,而自变量个数减少了95.07%。基于幅值参数的多元回归模型其预测结果虽与基于全光谱的PLS模型有些许差距,但模型简单,运算量最小,适用于对精度要求不高的场合。 相似文献
14.
基于无人机高光谱影像的水稻叶片磷素含量估算 总被引：1，自引：0，他引：1
为快速获取水稻叶片磷素含量信息,采用无人机搭载高光谱成像仪获取水稻冠层高光谱影像,并采样检测叶片磷素含量（质量分数）（Leaf phosphorus content, LPC）。分析了水稻LPC在无人机高光谱影像上的光谱特征,使用连续投影算法提取对磷素敏感的特征波长,通过任意波段组合构建并筛选与磷素高度相关的光谱指数,基于特征波长反射率和光谱指数建立水稻LPC的估算模型,利用最佳模型对高光谱影像进行反演填图,得到LPC空间分布信息。结果表明：全生育期内LPC与462~718 nm范围内光谱反射率显著负相关,负相关最大处相关系数达到-0.902;LPC的特征波长为670、706、722、846 nm,基于特征波长、使用偏最小二乘回归建立的LPC估算模型精度最高,验证R2达到0.925,RMSE为0.027%;在任意波段组合构建的3种类型的光谱指数中,NDSI(R498,R606)、RSI(R498,R606)和DSI(R498,R586)与LPC的相关性最高,相关系数分别为0.913、0.915和0.938;基于3个光谱指数、使用神经网络构建的LPC估算模型精度较高,验证R2为0.885,RMSE为0.029%;对各生育期水稻LPC空间分布的反演结果与实测数据相一致,说明利用无人机高光谱遥感可以实现田间水稻LPC的快速无损监测。 相似文献
15.
为阐明黑土稻作碳氮磷吸收累积分配对水氮耦合模式的响应机制并解析氮磷养分限制状况,设置常规淹灌（F）、浅湿灌溉（S）和控制灌溉（C）3种灌溉模式,0、85、110、135kg/hm2（N0、N1、N2、N3）4个施氮量水平,共计12个处理,研究不同水氮耦合模式对水稻各生育期植株碳氮磷含量、累积量、分配比例、化学计量比以及氮磷养分限制状况的影响。结果表明：不同水氮耦合处理下,生育期内茎鞘碳氮磷含量分别为35.87%~39.43%、0.44%~2.19%、0.14%~0.32%,叶碳氮磷含量分别为36.34%~40.83%、0.76%~3.70%、0.14%~0.36%,穗碳氮磷含量分别为37.05%~41.72%、0.82%~1.63%、0.24%~0.39%。控制灌溉可提高拔节孕穗期至成熟期碳氮累积量,常规淹灌生育期内磷累积量始终高于浅湿灌溉和控制灌溉。3种灌溉模式下,成熟期N1、N2、N3处理较N0处理碳累积量分别提高31.46%、52.55%、57.37%,氮累积量分别提高52.98%、117.63%、144.88%,磷累积量分别提高50.28%、79.85%、93.89%。水稻茎鞘碳氮磷分配比例先增后减,叶碳氮磷分配比例持续减小,穗碳氮磷比例持续增加。与常规淹灌和浅湿灌溉相比,控制灌溉模式对水稻植株碳含量影响较小,但能提升水稻植株生长中后期氮含量,并降低植株磷含量,从而降低水稻植株C/N,提高水稻植株C/P和N/P。施氮处理显著提高水稻植株氮含量,小幅提升水稻植株磷含量,对水稻植株碳含量影响相对较小,进而降低水稻植株C/N、C/P,提高水稻植株N/P。常规淹灌和浅湿灌溉模式下,水稻地上部植株从磷限制过渡到氮磷共同限制再到氮限制状态,控制灌溉模式下,水稻地上部植株仅从磷限制过渡到氮磷共同限制状态。总体上,控制灌溉可促进氮素吸收并提升水稻产量,综合考虑CN2为最佳水氮耦合模式。 相似文献
16.
为研究不同灌水方式配施腐植酸肥对水稻干物质转运、碳含量和土壤呼吸速率以及无机氮含量的影响,在大田试验条件下设置了3种灌水方式（控制灌溉、淹灌和浅湿灌溉）和5种施肥方式（100%尿素（T1,为当地传统施肥方式,纯氮量110kg/hm2）、30%腐植酸肥+70%尿素（T2）、50%腐植酸肥+50%尿素（T3）、70%腐植酸肥+30%尿素（T4）和100%腐植酸肥（T5,1500kg/hm2）),共计15个试验处理,并对水稻的抽穗后期干物质转运、成熟期水稻各器官的碳含量以及土壤呼吸速率和无机氮含量进行观测。结果表明：水肥处理影响了水稻的干物质转运、碳含量和土壤呼吸速率以及氮素形态的积累,在CT5、WT5和FT5处理下水稻抽穗后期茎叶干物质转运相比较其他水肥处理,具有显著优势,且在成熟期各器官的碳含量也相对较大;随着腐植酸肥的增加,3种灌水方式下的土壤呼吸速率逐渐增大,控制灌溉不同施肥处理下的土壤呼吸速率大于淹灌和浅湿灌溉,而淹灌和浅湿灌溉各处理之间的差异不显著;腐植酸肥的增加,提高了土壤铵态氮和硝态氮含量,并在CT5处理下达到最大值。因此,控制灌溉下施加1500kg/hm2腐植酸肥,能够提高水稻的生长和改善土壤的呼吸和无机氮含量,综合考虑CT5处理为最佳的水肥模式。 相似文献
17.
土壤总氮和总磷含量的高光谱遥感预测 总被引：1，自引：0，他引：1
用遥感技术监测土壤养分是精准施肥中的一个重要手段。为此,在对118个风干的土壤样本的室内反射光谱进行预处理的基础上,分析了土壤总氮和总磷浓度与预处理后的反射光谱的相关性。分别选用与总氮和总磷浓度具有较强相关性的3个波段(分别是684,724,1 890,2 002nm和2 342,1 092,639,2 262nm),用偏最小二乘方法建立了土壤总氮和总磷含量预测的高光谱分析模型。结果显示,利用预处理的反射光谱建立的土壤总氮与总磷模型的决定系数分别是0.842和0.622,其均方根误差分别是0.132g/kg和0.208g/kg。 相似文献
18.
基于红边优化植被指数的寒地水稻叶片叶绿素含量遥感反演研究 总被引：1，自引：0，他引：1
水稻叶片叶绿素含量遥感诊断是实现水稻精准施肥的核心要素。本研究通过分析寒地水稻关键生育期叶片高光谱反射率信息，同时结合PROSPECT模型叶绿素含量吸收系数，参考借鉴现有高光谱植被指数的构造方法和形式，利用相关性分析、连续投影法、遗传算法优化的粗糙集属性简约法进行高光谱特征选择，提出了仅含有695、507和465nm 3个高光谱特征波段的红边优化指数（ORVI）。与Index Data Base数据库中其他用于叶绿素含量反演植被指数，包括ND528,587、SR440,690、CARI、MCARI的反演结果进行了对比分析，结果表明：IDB数据库中的已有4种植被指数叶绿素含量反演模型的决定系数R2分别为0.672、0.630、0.595和0.574；ORVI植被所建立的叶绿素含量反演模型的决定系数R2为0.726，均方根误差RMSE为2.68，精度高于其他植被指数，说明了ORVI在实际的应用中，能够作为快速反演水稻叶绿素含量的高光谱植被指数。本研究能够为寒地水稻叶绿素含量高光谱遥感诊断及管理决策提供一定的客观数据支撑和模型参考。 相似文献
19.
【目的】探索温室作物水肥气耦合滴灌下掺气量、灌水量和施氮量适宜组合方案,为提高水氮利用效率提供理论依据。【方法】设置施氮量(低氮和常氮)、掺气量(常规滴灌和曝气滴灌)和灌水量(低水量和高水量)3因素2水平随机区组试验,以地下滴灌为供水方式,通过系统监测土壤水分饱和度、氧气扩散速率(ODR)、氧化还原电位(Eh)、矿质氮量及作物水氮利用等指标,研究了水肥气耦合滴灌对温室番茄土壤通气性及水氮利用的影响。【结果】与常规滴灌相比,高水量条件下曝气处理的土壤水分饱和度有所降低,ODR和Eh显著提高。灌水量、施氮量和掺气量影响土壤矿质氮量,曝气滴灌下土壤硝态氮和铵态氮量较常规滴灌平均降低21.4%和15.5%(P<0.05),高水量处理土壤硝态氮和铵态氮量较低水量处理平均降低22.7%和14.7%(P<0.05),常氮处理土壤硝态氮和铵态氮量较低氮处理平均增加29.0%和17.8%(P<0.05)。高水量和常氮条件下番茄灌溉水利用效率较低水量、低氮处理平均降低6.7%和增加40.9%(P<0.05),高水量和常氮条件下番茄氮素吸收利用效率较低水量、低氮处理平均增加13.6%和12.7%(P<0.05),曝气滴灌下番茄灌溉水利用效率和氮素吸收利用效率较常规滴灌平均增加22.9%和12.4%(P<0.05)。【结论】水肥气耦合滴灌可有效改善土壤通气性,提高水氮利用效率,促进番茄生长,实现作物增产。本试验中,常氮曝气高水量处理是温室番茄适宜的水肥气组合方案。 相似文献
20.
基于流形学习算法的柑橘叶片氮含量光谱估测模型 总被引：3，自引：0，他引：3
提出了一种基于流形学习算法的柑橘叶片氮含量光谱快速检测方法。分别在萌芽期、稳果期、壮果促梢期和采果期,使用ASD Field Spec 3光谱仪采集了柑橘叶片的反射光谱,并同步采用凯式定氮法测定叶片的氮含量。首先采用正交试验确定各个生长期小波去噪的最佳参数组合,然后分别采用主成分分析、多维尺度变换、局部线性嵌入、等距映射和拉普拉斯特征映射5种流形学习算法对原始光谱和经小波去噪后的光谱数据进行特征提取,将特征数据导入支持向量机回归建立柑橘叶片氮含量预测模型,4个生长期的最佳验证集模型决定系数依次为0.901 4、0.934 4、0.895 4和0.877 9。试验结果表明,这5种流形学习算法都能有效地用于柑橘叶片氮含量预测,为柑橘叶片氮含量快速无损检测、生长态势监测和变量施肥提供了理论依据。 相似文献