共查询到20条相似文献，搜索用时 265 毫秒
1.
【目的】研究估测坡垒叶绿素含量的高光谱模型，探讨融合光谱反射率与时频特征估测叶绿素含量的可行性，为坡垒叶绿素含量的快速无损检测提供参考。【方法】以2年生坡垒为研究对象，设置N0（0 kg/hm2）、N1（35 kg/hm2）、N2（70 kg/hm2）3个氮肥水平，测定不同氮肥水平下坡垒冠层叶绿素含量和光谱曲线，采用离散傅里叶变换（DFT）和短时傅里叶变换（STFT）方法提取光谱时频特征，采用偏最小二乘回归（PLSR）算法,构建基于光谱反射率、时频特征及其二者融合特征的不同氮水平的分区模型以及全氮肥水平下的综合模型，估测不同氮肥水平下坡垒叶绿素含量，并以决定系数（R2）、平均绝对百分比误差（MAPE）、相对均方根误差（RRMSE）作为评价指标比较各模型精度，确定最优估测模型。【结果】（1）不同叶绿素含量下坡垒冠层光谱反射特征的整体变化趋势相似，在可见光波段（380~750 nm）内，光谱反射率随着叶绿素含量的增加而降低。（2）在构建的分区模型中，基于光谱反射率和时频特征构建的模型均能较好地估测坡垒叶绿素含量，检验R2分别为0.626~0.816，0.662~0.797，检验MAPE分别为4.966％~9.269％，6.029％~8.181％，检验RRMSE分别为6.827％~11.593％，8.247％~9.792％；基于融合光谱反射率与时频特征（融合特征）构建的分区模型检验R2为0.913~0.951，检验MAPE和RRMSE均低于10％。（3）在构建的综合模型中，当引入哑变量时，基于融合光谱反射率与时频特征（融合特征）构建模型的检验R2为0.814，MAPE和RRMSE分别为7.212％和8.578%，二者较基于光谱反射率构建的模型分别降低了37％和36％，较基于时频特征构建的模型分别降低了47％和45％。【结论】基于融合光谱反射率和时频特征（融合特征）构建的模型能够提高坡垒叶绿素含量估测的精度，对于不同氮肥水平下坡垒叶绿素含量有较好的估测效果，可作为估测坡垒叶绿素含量的优选方法。 相似文献
2.
为快速准确地获取烟草叶片镉含量,本研究模拟了4个镉污染水平,用美国ASD光谱仪获取每个污染水平的烟草叶片光谱反射率,并测定不同时期烟草叶片的镉含量,筛选出与镉含量相关性最好的敏感波段,并建立光谱参数,将光谱参数作为输入因子建立烟草叶片镉含量的BP神经网络模型。结果表明：随着镉含量增加,在可见光和近红外范围（400~910 nm）内反射率先降低后增加,在930~1 000 nm波段范围内,叶片反射率与烟叶中镉含量呈正相关,在1 000~2 500 nm波段范围内反射率先增加后降低。经筛选,比值植被指数（RVI）和归一化植被指数（NDVI）的光谱指数分别为RVI （520,710）和NDVI （530,710）; BP神经网络模型的决定系数（R2）为0.681,均方根误差（RMSE）为8.001,并对模型进行检验,R2为0.801,RMSE为4.430。研究表明,BP神经网络模型对烟草叶片镉含量具有良好的预测效果。 相似文献
3.
测定拔节期水浇地与旱地春小麦冠层光谱、叶绿素含量、覆盖度、苗高和叶宽,采用回归分析方法建立春小麦叶绿素含量高光谱估测模型,并对模型精度进行检验。结果表明: 阳坡和双面坡地春小麦拔节期叶绿素含量与原始光谱反射率在可见光和近红外波段均呈正相关,水浇地和阴坡地在723 nm以前相关系数为负,723 nm以后为正。各地类春小麦叶绿素含量与各高光谱变量的相关性均较好,均达到了极显著水平(P<0.01)。无论在可见光还是近红外波段,水浇地春小麦叶绿素含量均与倒数之对数lg(1/R)的相关性最好,相关系数最大值可达0.98;阴坡地则与一阶微分的相关性最好,最大为0.94;而与阳坡和双面坡地相关性最好的高光谱指数为归一化植被指数。在
各个波段,倒数之对数模型lg(1/R)、一阶微分模型(p′)和归一化植被指数模型(N)分别是估测水浇地、阴坡地、阳坡和双面坡地春小麦叶绿素含量的最佳模型。虽然各模型R2均超过0.90,精确度均大于0.91,但阴坡地、阳坡和双面坡地的模型精确度和准确度略低于水浇地。以上模型的建立可为今后估测水浇地与旱地春小麦的健康状况提供参考。 相似文献
4.
基于高光谱数据的滴灌甜菜叶绿素含量估算 总被引：1，自引：0，他引：1
为明确甜菜叶绿素含量与高光谱植被遥感的定量关系,探索建立干旱区甜菜叶绿素含量估测模型,即时监测甜菜生长状况,选取新疆滴灌甜菜（Beta356）为研究对象,利用ASD野外高光谱仪在甜菜叶丛快速生长期、块根膨大期与糖分积累期采集各处理反射光谱,并同时测定叶绿素含量,分析原始光谱反射率和一阶微分光谱反射率与叶绿素含量的相关关系,并进一步建立光谱特征参数和敏感波段植被指数叶绿素含量估算模型。结果表明：原始光谱反射率在近红外区（700~1 300 nm）随着氮素水平的增加呈先升高后降低趋势,红边（680~760 nm）也表现出相同趋势,原始光谱反射率在近红外区（700~1 300 nm）随着运筹管理的递进呈现升高趋势,红边（680~760 nm）也表现出相同趋势;原始光谱反射率和一阶微分反射率与叶绿素含量均具有较好的相关性,其最大正相关分别位于902 nm（r=0.574,P<0.01）和676 nm（r=0.843,P<0.01）附近,最大负相关分别位于611 nm（r=-0.664,P<0.01）和1 138 nm（r=-0.727,P<0.01）附近。对所建12个线性模型进行精度检验,其中差值植被指数DR676–DR446和DR676估算模型的预测值与实测值的决定系数分别达到0.774和0.781,以DR676所建立的估算模型最优。本研究为快速无损监测甜菜生长状况、制定氮素管理方案、指导甜菜氮肥管理提供支持。 相似文献
5.
为探究林场土壤全氮含量的空间分布特征及对环境因素的响应,以旺业甸实验林场为研究区,采用随机森林模型和Cubist模型建立了不同土层深度（0~10、10~30、30~50 cm）土壤全氮含量与环境协变量（海拔、归一化植被指数、年平均降水量、年平均气温、y坐标和坡向）之间的定量关系模型,对该区土壤全氮含量进行预测并制图,并分析了影响土壤全氮空间变异的控制性因素。研究结果显示：0~10、10~30、30~50 cm土层实测全氮含量的均值分别为3.20、2.02、1.47 g/kg,土壤全氮的平均含量随土层深度的增加而降低;3个土层深度土壤全氮预测随机森林模型的决定系数R2分别为0.59、0.42和0.39,均优于决定系数R2分别为0.56、0.38和0.34的Cubist模型,2种模型预测精度都随土层深度的增加而降低,各环境因素对土壤全氮空间分布的影响作用随土层深度的增加而减小;从随机森林模型土壤全氮预测图来看,不同土层深度土壤全氮含量均呈现西部、北部和中部低,西南、东南和东部高的空间格局,不确定性图显示随机森林模型预测土壤全氮含量分布具有较低的标准差;海拔对土壤全氮含量的影响最大,其他依次为：归一化植被指数>年平均降水量>年平均气温>y坐标>坡向。结果表明,随机森林模型可以作为有效预测该林场不同土层深度土壤全氮含量的方法。 相似文献
6.
【目的】利用反射率光谱在作物生物物理方面的优势和日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)、光化学反射率指数(photochemical reflectance index,PRI)在光合生理方面的优势,构建协同冠层SIF和PRI光谱指数(synergistic spectral index of SIF and PRI,SISP),旨在提高作物病害遥感探测精度。【方法】基于3FLD(three bands fraunhofer line discrimination)算法,估测小麦条锈病在不同病情严重度下的单波段SIF强度,利用对作物冠层几何结构敏感的归一化植被指数(normalized difference vegetation index,NDVI)和重归一化植被指数(re-normalized vegetation index,RDVI)对SIF和PRI进行处理,再利用处理后的SIF和PRI数据构建SISP指数,通过建立传统的光谱指数和SIF、PRI及其组合对小麦条锈病的遥感监测模型,以病情指数(disease index,DI)实测值与预测值之间的决定系数(R2)、均方根误差(RMSE)和相对分析误差(RPD)评价模型精度,进而与SISP指数建立的模型进行比较,分析SISP指数对作物病害遥感监测的有效性。【结果】（1）综合利用SIF和PRI数据能够提高对小麦条锈病的遥感探测精度,3组验证样本数据集中,以PRI和SIF的简单组合PRI+SIF为自变量构建的小麦条锈病监测模型,预测DI值与实测DI值间的R2比单一PRI和SIF至少提高14.0%和1.7%,RMSE至少降低7.1%和3.7%。（2）利用反射率光谱指数NDVI和RDVI处理后的SIF和PRI构建的SISP指数,对小麦条锈病DI的预测精度优于直接利用PRI和SIF组合的各种指数,验证样本数据集中预测DI值与实测DI值间的R2至少提高3.7%,RMSE至少降低9%。（3）以SISP和反射率光谱指数为自变量构建的小麦条锈病多元线性回归(multiple linear regression,MLR)和径向基神经网络(radial basis function neural network,RBFN)模型的精度,高于仅利用反射率光谱指数构建的模型精度,其预测DI值与实测DI值间的R2分别较反射率光谱指数提高13.42%和5.72%,RMSE分别减少29.93%和19.24%,RPD分别提高44.53%和29.80%。【结论】利用NDVI和RDVI处理后的SIF和PRI构建SISP指数,能够减弱作物群体生物量对冠层SIF和PRI信号的影响,提高小麦条锈病的遥感监测精度。 相似文献
7.
目的 为监测甜柚Citrus maxima果树生长健康状况及预测甜柚产量,以赣州南康地区一片甜柚果园为研究对象,建立甜柚叶片叶绿素含量检测模型。方法 使用Field Spec4便携式地物光谱仪和SPAD-502叶绿素仪测定甜柚叶片光谱及SPAD值,分别采用单变量回归、逐步回归及偏最小二乘法(PLS)构建其叶绿素含量高光谱无损检测模型并进行精度检验。结果 原始光谱在553 nm处、一阶光谱在692和752 nm处的反射率与叶绿素含量相关性最高,这3个波段为甜柚叶片光谱反射率敏感波段;当主成分个数为4时,PLS具有最高的精度,且基于PLS技术所建立的模型较单变量、逐步回归模型精度更好,模型拟合度较高,其决定系数(r2)最高,为0.869,均方根误差(RMSE)和相对误差(RE)最小,分别为3.013和6.82%。对原始光谱、一阶导数光谱及PLS拟合的估测模型进行对比分析显示,PLS模型无论是从建模样本精度还是模型预测能力方面均优于前2种传统模型。结论 PLS模型适合于利用高光谱数据进行叶绿素含量的估测,可作为甜柚叶绿素含量的最佳无损检测模型。 相似文献
8.
《西南农业学报》2016,(3)
利用光谱仪(SVC HR-768)对树龄22年的库尔勒香梨叶片进行光谱反射率测定,采集并分析叶片全氮含量。采用逐步回归法分析库尔勒香梨叶片全氮含量与叶片原始光谱反射率、一阶微分光谱反射率的相关性,并建立叶片全氮含量估测模型。结果表明:不同生育期库尔勒香梨叶片光谱的敏感波段和敏感波长均有差异,依据敏感波长建立库尔勒香梨叶片全氮含量估测模型,并对其进行检验。确定基于光谱一阶微分模型Y=50.535X703-40.586可作为坐果期库尔勒香梨叶片全氮含量的最佳估测模型;基于原始光谱模型Y=0.856X769-29.233可作为膨大期库尔勒香梨叶片全氮含量的最佳估测模型;基于原始光谱模型Y=0.728X761-14.142可作为成熟期库尔勒香梨叶片全氮含量的最佳估测模型。不同生育期库尔勒香梨叶片全氮含量估测模型进行比较,坐果期估测模型的拟合效果更好,预测精度更高。 相似文献
9.
为及时、准确地应用多源遥感数据提取干旱和半干旱区域土壤盐渍化反演特征及获取土壤盐渍化程度的空间分布数据,以吉林省西部大安市为研究区,利用Sentinel-1 SAR、Sentinel-2 MSI多源遥感数据和DEM数据,构建土壤盐分含量（Soil Salt Content,SSC）反演特征集,结合BorutaShap算法优选特征,通过耦合地理加权回归（Geographically weighted regression,GWR）与极限梯度提升树（XGBoost）回归构建土壤盐渍化反演模型,并与XGBoost回归、GWR反演结果对比分析。结果表明：SSC反演特征集中,盐分指数、植被指数在BorutaShap算法中取得了较高的重要性排名,是大安市SSC反演的重要特征。GWR模型的R2和RMSE分别为0.48和4.83 g/kg,XGBoost回归模型的R2和RMSE分别为0.54和4.35 g/kg,耦合GWR与XGBoost回归构建的土壤盐渍化反演模型预测精度得到显著提高,R2与RMSE分别达到0.63和3.71 g/kg。依据该模型反演结果,大安市各类盐渍土分布存在较强的空间异质性,土壤盐分含量呈现出由东南向西北逐渐递减的趋势,与实地调查基本一致。综上,耦合GWR与XGBoost回归模型充分考虑了反演特征的空间异质性和非线性关系,可有效提高SSC反演精度,可获得更符合实际的SSC空间分布,可用于干旱和半干旱地区土壤盐分含量的反演。 相似文献
10.
定量分析了北京顺义、通州区土壤高光谱反射特征,利用资源三号、高分一号、高分二号传感器的光谱响应函数,结合高光谱数据生成相应宽波段模拟数据;将土壤光谱数据、拟合宽波段数据分别与实测土壤有机质含量开展相关性分析,提取并筛选敏感波段,利用偏最小二乘法建立基于高光谱数据的土壤有机质含量预测模型;依据宽波段模拟数据和实测土壤有机质含量的相关性,提取并筛选敏感波段,建立土壤有机质含量预测模型。结果表明,在基于土壤高光谱数据建立的土壤有机质含量预测模型中,以对数的一阶微分为最优,其R和RMSE分别为0.697和0.195,偏最小二乘法得到的反演土壤有机质含量的模型是可靠的;在基于模拟宽波段构建的土壤有机质含量估测模型中,以高分一号的拟合精度最高,R和RMSE分别为0.334和0.240;受室外不可控因素的影响,模拟宽波段数据在估测北方地区土壤有机质含量方面仍需进一步研究。 相似文献
11.
【目的】建立基于可见-近红外光谱的土壤游离铁精确预测模型,简单、快速、经济地预测土壤游离铁,有助于研究土壤发生和分类。【方法】采集广西壮族自治区的铁铝土、富铁土、淋溶土和雏形土等82个旱地土壤剖面的B层土壤,进行室内土壤化学分析、光谱测定,分析不同光谱变换后的光谱反射率与土壤游离铁含量的相关性。基于特征波段利用偏最小二乘回归(PLSR)和逐步多元线性回归(SMLR)法建立土壤游离铁含量光谱预测模型,通过决定系数(R2)、均方根误差(RMSE)和相对预测偏差(PRD)确定最优模型。【结果】土壤光谱曲线分别在457、800和900 nm波段附近有明显的游离铁吸收和反射峰特征;土壤游离铁含量与原始光谱反射率呈负相关;原始光谱经过微分变换后,游离铁含量与光谱反射率相关性显著提高;基于400～580和760～1 300 nm特征波段和一阶微分光谱变换的SMLR模型预测精度最高,其验证集的R2和RPD分别为0.85和2.62,RMSE为8.41 g·kg~(-1)。【结论】将可见近红外光谱技术应用于土壤游离铁含量高效快速地预测具有良好的可行性。广西旱地土壤光谱反射率与土壤游离铁含量具有高度的相关性,应用逐步多元线性回归方法可以很好地建立土壤游离铁含量反演模型。 相似文献
12.
不同光谱植被指数反演冬小麦叶氮含量的敏感性研究 总被引：6，自引：0，他引：6
【目的】氮素是作物生长发育过程中最重要的营养元素之一,研究叶氮含量反演的有效光谱指标设置,为应用高光谱植被指数反演作物叶氮含量,以及作物的实时监测与精确诊断提供重要依据。【方法】以冬小麦为例,选取涵盖冬小麦全生育期不同覆盖程度225组冠层光谱与叶氮含量数据,通过遥感方法建立模型,模拟了不同光谱指标,即中心波长、信噪比和波段宽度对定量模型的影响,通过模型精度评价指标决定系数(coefficient of determination,R~2)、根均方差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、平均相对误差(mean relative error,MRE)和显著性检验水平(P0.01)确定最优模型及最佳指标,分析光谱指标对叶氮含量定量模型反演的敏感性和有效性。【结果】反演冬小麦叶氮含量的最佳植被指数为MTCI_B,与实测叶氮含量的相关性最好(R~2=0.7674,RMSE=0.5511%,MAE=0.4625%,MRE=11.11个百分点,且P0.01),对应的最佳指标为中心波长420 nm、508 nm和405 nm,波段宽度1 nm,信噪比大于70 DB;高覆盖状况反演的最优指数为RVIinf_r(R~2=0.6739,RMSE=0.2964%,MAE=0.2851%,MRE=6.44个百分点,且P0.01),最优中心波长为826 nm和760 nm;低覆盖状况反演的最优指数为MTCI(R~2=0.8252,RMSE=0.4032%,MAE=0.4408%,MRE=12.22个百分点,且P0.01),最优中心波长为750 nm、693 nm和680 nm;应用最适于高低覆盖的植被指数RVIinf_r和MTCI构建的联合反演模型(R~2=0.9286,RMSE=0.3416%,MAE=0.2988%,MRE=7.16个百分点,且P0.01),明显优于最佳单一指数MTCI_B;模拟Hyperion和HJ1A-HSI传感器数据,联合反演模型精度(R~2为0.92—0.93,RMSE在0.37%—0.39%,MAE为0.285%左右,MRE约为7.00个百分点)明显优于单一植被指数反演精度(R~2为0.79—0.81,RMSE为0.63%—0.66%,MAE为0.455%左右,MRE约为10.90个百分点)。【结论】利用高光谱植被指数可有效实现作物叶氮含量反演,作物叶氮含量定量反演对不同光谱指标—中心波长、信噪比和波段宽度,具有较强敏感性。应用多指数联合反演模型,可显著提高反演精度,并且联合反演模型在不同高光谱传感器下有一定普适性。 相似文献
13.
As one of the most important soil nutrient components, soil total nitrogen (TN) content needs to be measured in precision agriculture. A portable soil TN detector based on the 89S52 microcontroller was developed, and a Back Propagation Neural Network (BP-NN) estimation model embedded in the detector was established using near-infrared reflectance spectroscopy with absorbance data at 1550, 1300, 1200, 1100, 1050, and 940 nm wavelengths. The detector consisted of two parts, an optical unit and a control unit. The optical unit included six near-infrared lamp-houses, a shared lamp-house drive circuit, a shared incidence and reflectance Y-type optical fiber, a probe, and a photoelectric sensor. The control unit included an amplifier circuit, a filter circuit, an analog-to-digital converter circuit, an LCD display, and a U-disk storage component. All six absorbance data as inputs were used to calculate soil TN content by means of the estimation model. Finally, the calculated soil TN content was displayed on the LCD display and at the same time stored in the U-disk. A calibration experiment was conducted. The soil TN content correlation coefficient (R 2) of the BP-NN estimation model was 0.88, and the validation R 2 was 0.75. This result indicated that the developed detector had a stable performance and a high precision. 相似文献
14.
土壤有机质高光谱特征与波长变量优选方法 总被引：6，自引：0，他引：6
【目的】探究土壤有机质的高光谱特征及响应规律,优选土壤有机质的敏感波长,降低土壤有机质高光谱估测模型复杂度,提高模型稳健性,为利用高光谱技术对农田土壤肥力的定量监测提供理论支撑。【方法】采集江汉平原潮土土样130个,将其中40个样本作为训练集,测量其去有机质前、后的土壤有机质含量及光谱数据,计算差值及变化率,分析土壤有机质含量变化对光谱特征的影响,结合无信息变量消除(uninformative variables elimination,UVE)、竞争适应重加权采样(competitive adaptive reweighted sampling,CARS)变量优选方法确定土壤有机质敏感波长;采用45个建模集样本,基于偏最小二乘回归(partial Least Squares Regression,PLSR)和反向传播神经网络(back propagation neural network,BPNN)建立土壤有机质含量的估算模型;利用45个验证集样本检验敏感波长对同类土壤的适用性。【结果】通过有机质去除试验,供试土壤的平均光谱反射率在全波段均有所增加,在可见光波段变化率高于近红外波段;比较UVE、CARS、UVE-CARS、CARS-UVE这4种变量优选方法,得到最佳变量优选方法为UVE-CARS,该方法从2001个波长变量中优选得到84个变量作为土壤有机质的敏感波长,分布于561—721、1 920—2 280 nm波段覆盖范围;基于敏感波长的PLSR、BPNN模型性能均优于全波段模型,其中,基于敏感波长的BPNN模型的估测能力高于PLSR,模型验证集R~2、RMSE、RPD、MAE、MRE值分别为0.74、1.33 g·kg~(-1)、2.02、1.04 g·kg~(-1)、6.2%,可实现土壤有机质含量的有效估测。【结论】通过训练集获得的土壤有机质敏感波长,能够实现对该试验区同种土壤类型样本土壤有机质含量的有效估测;利用去有机质试验结合变量优选方法确定的敏感波长建模,不仅将输入波长压缩至全波段波长数目的 4.2%,而且提升了模型估测精度,降低了变量维度和模型复杂度,为快速准确评估农田土壤有机质含量提供了新途径。 相似文献
15.
为提高样品代表性,构建近红外光谱的理想校正模型,实现对奶牛场粪水氮磷含量的速测,本研究基于粪水运移过程代表性暴露位点的原始样品,按照不同比例进行样品复配,填补现场不易采集到的"黑箱"位点样品,运用偏最小二乘法构建了基于最优光谱预处理方法的原样模型、复配模型和融合模型。结果表明:相比原始样品,原样+复配样品总氮、总磷的变异系数分别降低了0.103、0.107,提升了浓度分布均匀性,丰富了粪水光谱信息。相比原样模型,融合模型总氮和总磷的决定系数(R2pred)分别提升了0.049和0.061,相对分析误差(RPD)分别提升了1.547和0.176。相比复配模型,融合模型总氮和总磷的R2pred分别提升了0.026和0.022,RPD分别提升了0.470和0.052。验证结果表明,总氮和总磷模型的R2pred分别为0.903和0.878、RPD分别为2.916和2.508。研究表明,样品复配的方法可有效提高校正集样品的代表性,提升模型预测性能,为还田前粪水养分的快速定量提供技术支撑。 相似文献
16.
硝化抑制剂阻控养殖肥液灌溉土壤氮素淋失 总被引：1，自引：4，他引：1
为考察硝化抑制剂伴施养殖肥液灌溉条件下土壤氮素的淋溶特征和阻控效果,采用土柱模拟淋溶试验,设置尿素溶液单施、养殖肥液单施、以及养殖肥液分别伴施双氰胺(DCD,5%、10%和15%)和氯甲基吡啶(Nitrapyrin,0.25%、0.5%和1%)处理,连续监测了5个灌溉周期土壤淋溶液中铵态氮(NH_4~+-N)、硝态氮(NO_3~--N)、总氮(TN)和溶解性有机碳(DOC)淋失特征。养殖肥液单施比尿素溶液单施显著减少碳氮的淋失浓度和淋失量。养殖肥液伴施DCD和Nitrapyrin淋溶液中TN、NH_4~+-N、NO_3~--N、DOC浓度分别比单施养殖肥液降低27.19%、35.69%、45.89%、53.69%和24.86%、30.87%、21.10%、64%,处理间均达到5%显著水平。从抑制效果及经济节约角度,推荐5%DCD伴施养殖肥液是优化的养分淋溶阻控模式。此外,发现养殖肥液连续饱和灌溉条件下土壤淋溶液硝态氮浓度与氧化还原电位间存在显著的相关性(R2=0.602 8*,n=34)。养殖肥液伴施硝化抑制剂是抑制养分淋失、提高养分利用效率和控制硝态氮淋溶污染的有效措施,但抑制剂的作用效果、抑制时间与施用方式之间的关系还需要进一步研究。 相似文献
17.
东北水稻叶片SPAD遥感光谱估算模型 总被引：1，自引：0，他引：1
为通过构建高精度SPAD遥感估算模型,实现对水稻叶片叶绿素含量进行实时无损的监测,以东北地区多时期不同施氮水平下水稻叶片光谱反射率为研究对象,采用回归模型与BP神经网络算法构建不同输入量的SPAD高光谱估算模型,通过模型精度评价指标决定系数R~2、均方根误差RMSE,确定最优输入量和最优模型。结果表明:1)不同品种水稻成熟时期不同导致在孕穗期和抽穗期之间光谱反射率出现差异;2)回归模型中以DVI(D755,D930)为变量建立多项式模型估算精度最高;3)与回归模型相比,不同波长处单波段反射率作为输入量的BP神经网络模型估算精度显著提高,R~2为0.98。BP神经网络模型在隐藏节点数为7时估算精度达到稳定,在可见光和近红外处经过不同波段反射率作为输入量的尝试说明神经网络模型较为稳定,可以用来反演叶绿素相对含量。 相似文献
18.
影响小白菜铅吸收的土壤因素和预测模型研究 总被引：1，自引：1，他引：0
铅(Pb)的生物有效性、移动性和转移特征对环境和食品安全至关重要。本研究采集我国15个省份理化性质差异很大的土壤,利用温室试验,以小白菜为研究对象,通过外源添加Pb,研究Pb从土壤向植物的运移,探索影响Pb生物有效性的主要土壤因素,并建立预测模型。结果表明,土壤总Pb含量、有机碳(OC)含量、pH对植物吸收Pb有显著影响。植物Pb含量和土壤Pb含量呈正相关,而土壤pH和OC含量则与植物Pb含量呈负相关。相比于单因素回归分析,逐步多元线性回归在评价Pb生物有效性时,相关性更高,决定系数R~2由0.83提高到0.94。Pb在酸性土壤中生物富集系数(BCF)较碱性土壤中更大。利用合并CK、Pb1和Pb2处理(n=45)得到的Freundlich预测方程(lg Cplant Pb=1.14 lg Csoil Pb-0.19pH-0.63lg COC+1.92,R~2=0.94,RMSE=0.11)能更准确地评估Pb在土壤中的生物有效性,试验结果可用于预测Pb从土壤到植物的转移。 相似文献
19.
Nitrogen nutrition diagnosis for cotton under mulched drip irrigation using unmanned aerial vehicle multispectral images 
下载免费PDF全文
下载免费PDF全文 《农业科学学报》2023,22(8):2536-2552
Remote sensing has been increasingly used for precision nitrogen management to assess the plant nitrogen status in a spatial and real-time manner. The nitrogen nutrition index (NNI) can quantitatively describe the nitrogen status of crops. Nevertheless, the NNI diagnosis for cotton with unmanned aerial vehicle (UAV) multispectral images has not been evaluated yet. This study aimed to evaluate the performance of three machine learning models, i.e., support vector machine (SVM), back propagation neural network (BPNN), and extreme gradient boosting (XGB) for predicting canopy nitrogen weight and NNI of cotton over the whole growing season from UAV images. The results indicated that the models performed better when the top 15 vegetation indices were used as input variables based on their correlation ranking with nitrogen weight and NNI. The XGB model performed the best among the three models in predicting nitrogen weight. The prediction accuracy of nitrogen weight at the upper half-leaf level (R2=0.89, RMSE=0.68 g m–2, RE=14.62% for calibration and R2=0.83, RMSE=1.08 g m–2, RE=19.71% for validation) was much better than that at the all-leaf level (R2=0.73, RMSE=2.20 g m–2, RE=26.70% for calibration and R2=0.70, RMSE=2.48 g m–2, RE=31.49% for validation) and at the plant level (R2=0.66, RMSE=4.46 g m–2, RE=30.96% for calibration and R2=0.63, RMSE=3.69 g m–2, RE=24.81% for validation). Similarly, the XGB model (R2=0.65, RMSE=0.09, RE=8.59% for calibration and R2=0.63, RMSE=0.09, RE=8.87% for validation) also outperformed the SVM model (R2=0.62, RMSE=0.10, RE=7.92% for calibration and R2=0.60, RMSE=0.09, RE=8.03% for validation) and BPNN model (R2=0.64, RMSE=0.09, RE=9.24% for calibration and R2=0.62, RMSE=0.09, RE=8.38% for validation) in predicting NNI. The NNI predictive map generated from the optimal XGB model can intuitively diagnose the spatial distribution and dynamics of nitrogen nutrition in cotton fields, which can help farmers implement precise cotton nitrogen management in a timely and accurate manner. 相似文献
20.
【目的】探讨赤红壤坡地幼龄果园不同间作模式对土壤氮组分的影响,筛选出提高果园土壤氮素有效性的优化间作模式。【方法】通过2季(2015年秋季和2016年春季)野外定位试验,以龙眼Dimocarpus longan(Dl)单作为对照(CK),研究幼龄龙眼园3种间作模式[龙眼/花生Arachis hypogaea(Dl/Ah)、龙眼/柱花草Stylosanthes guianensis(Dl/Sg)和龙眼/黑麦草Lolium perenne(Dl/Lp)]对土壤全氮(TN)、碱解氮(AN)、硝态氮(NO_3~--N)、溶解性有机氮(DON)和微生物生物量氮(MBN)等氮组分含量的影响。【结果】2季花生成熟期,间作处理土壤MBN含量显著高于CK,Dl/Ah和Dl/Sg处理土壤TN含量显著高于CK;2季花生花针期,Dl/Ah处理土壤DON和AN含量均显著高于CK;2016年春季花生花针期,Dl/Ah和Dl/Sg处理土壤NO_3~--N含量分别比CK显著提高了64.4%和34.2%。土壤TN、DON、NO_3~--N含量与植株C含量、C/N呈显著负相关关系,与植株N含量呈显著正相关关系。【结论】幼龄果园间作花生和柱花草可以显著提高土壤各氮组分含量,间作花生的效果更佳。 相似文献