共查询到20条相似文献，搜索用时 234 毫秒
1.
基于连续统去除和偏最小二乘回归的油菜SPAD高光谱估算 总被引：1，自引：0，他引：1
【目的】探讨油菜叶绿素含量的高光谱估算方法,为实现油菜叶片叶绿素含量的高效、无损、大面积监测提供理论依据。【方法】以陕西省关中地区油菜叶片为研究对象,分别测定苗期、蕾薹期、开花期及角果期的叶片高光谱数据和SPAD值,提取各生育期连续统去除光谱和7类光谱吸收特征参数,分析原始光谱、连续统去除光谱、光谱吸收特征参数与SPAD值之间的相关关系,构建基于原始光谱特征波段、连续统去除光谱特征波段、光谱吸收特征参数的SPAD估算模型,并对模型精度进行验证。【结果】在可见光范围,光谱反射率由蕾薹期、开花期、苗期到角果期依次递增,最大吸收深度和吸收谷面积逐渐增大。利用连续统去除光谱特征波段与吸收特征参数,分别建立的油菜各生育期叶片SPAD估算模型均优于原始光谱。运用连续统去除光谱特征波段结合最优吸收特征参数构建的偏最小二乘回归估算模型,是进行油菜叶片SPAD估算的最优模型。【结论】连续统去除法对不同生育期油菜叶片叶绿素相对含量具有较好的预测能力,是估算油菜叶片SPAD值的一种实时高效方法。 相似文献
2.
3.
芜菁营养生长期叶片光谱特性及对氮的敏感性 总被引：1，自引：1，他引：0
【目的】分析芜菁营养生长期叶片光谱反射率对N的响应,研究采用叶片光谱指数诊断N敏感时期,为新疆芜菁简便快捷的非破坏性N营养诊断提供最佳时间窗。【方法】利用Unispec-SC光谱仪测定不同芜菁幼苗期、叶片生长旺盛期、肉质根生长盛期、成熟期叶片的光谱反射率。【结果】芜菁营养生长期叶片光谱反射率波动取决于波长,在可见光波段的变异最小。芜菁营养生长期不同发育阶段光谱指数(ND705)之间均存在显著差异(P＜0.05)或者极显著差异(P＜0.01)。【结论】叶片生长旺盛期为长黄蔓菁、新星圆蔓菁、美国小芜菁、天地禾芜菁氮素光谱营养诊断的敏感时期,叶片生长旺盛期与肉质根生长盛期为新星圆蔓菁(二代)氮素光谱营养诊断的敏感时期。幼苗期和成熟期可以作为区分几个品种芜菁氮素光谱营养诊断的敏感生育期。 相似文献
4.
小麦氮素积累动态的高光谱监测 总被引：12，自引：1，他引：11
【目的】研究小麦地上部氮积累量与冠层高光谱参数的定量关系,分析多种高光谱参数估算地上部氮积累量的效果。【方法】连续3年采用不同蛋白质含量的小麦品种在不同施氮水平下进行大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定植株不同器官生物量和氮含量。【结果】植株氮积累量随着施氮水平的提高而增加,不同地力水平间存在明显差异。植株氮积累量的光谱敏感波段主要存在于近红外平台和可见光区,而地上部氮积累量与冠层光谱的相关性明显降低。对植株氮积累量的光谱估算,在不同品种、氮素水平、生育时期和年度间可以使用统一的光谱模型。在籽粒灌浆期间植株氮积累量自开花期随时间进程的积分累积值与对应时期籽粒氮素积累状况存在显著的定量关系,根据特征光谱参数植株氮素营养籽粒氮积累量这一技术路径,以植株氮积累量为交接点将模型链接,建立高光谱参数与籽粒氮积累量间定量方程。将植株氮积累量与籽粒氮积累量相加,确立了基于高光谱参数的籽粒灌浆期间地上部氮积累量监测模型。经不同年际独立资料的检验表明,利用光谱参数SDr/SDb、VOG2、VOG3、RVI（810,560）、[（R750-800）/（R695-740）]-1和Dr/Db建立模型可以实时监测小麦地上部氮素积累动态变化,预测精度R2分别为0.774、0.791、0.803、0.803、0.802和0.778,相对误差RE分别为16.7%、15.5%、15.6%、18.5%、15.5%和17.3%。【结论】利用关键特征光谱参数可以有效地评价小麦地上部氮素积累状况,其中尤以植被指数VOG2、VOG3和[（R750-800）/（R695-740）]-1的效果更好。 相似文献
5.
【目的】油菜是我国重要的油料作物之一,监测油菜种植面积有助于了解油菜生长状况,为油菜病虫害、湿渍害、冻害等灾害损失评估提供数据基础。【方法】文章以湖北省荆州市江陵县为研究区,使用国产HJ-1A/B 30 m分辨率时序多光谱数据,通过地面调查及资料分析确定油菜与其它易混淆作物的主要NDVI时序特征,建立油菜识别决策树,估算了2009—2015年(不包括2011—2012年生长季)冬前油菜种植面积。将基于油菜开花期影像的最大似然法提取的油菜面积作为定性验证数据。以油菜籽面积统计数据和Google Earth高分辨率影像数据对冬前油菜提取的面积和空间位置结果进行定量评价。【结果】定性评价结果:2009—2011年生长季的决策树方法提取冬前油菜面积结果与开花期影像最大似然法提取结果基本一致,2012—2015年生长季的油菜提取面积空间分布差异较大。定量评价结果:决策树方法提取冬前油菜面积的用户精度达到80.40%～95.56%,生产者精度达到82.56%～91.43%,相对误差低于15%。【结论】基于NDVI时间序列特征的决策树算法估算冬前油菜面积具有可行性,但仍受到云和冬小麦的影响。 相似文献
6.
【目的】研究荒漠区梭梭幼苗植株冠层光谱特征,建立基于高光谱的幼苗生境土壤氮素含量最佳估测模型,为荒漠区植物与土壤养分状况的实时监测与精确诊断提供重要依据。【方法】以古尔班通古特沙漠梭梭幼苗及其生境土壤为研究对象,采用便携式光谱仪测定幼苗植株冠层光谱反射率,结合室内分析的幼苗生境土壤氮素含量,利用统计学方法分析幼苗植株冠层光谱与生境土壤氮素含量之间的关系。【结果】生长期内幼苗植株冠层光谱反射率一阶微分与土壤氮素含量在403～485、509～538、677～806、1 489～1 616 nm波段范围内呈显著正相关,其中在428、516、751、801、1 534 nm处呈极显著正相关,以751 nm处的相关系数最大,为最强敏感波长。【结论】基于植株冠层光谱反射率一阶微分敏感波段建立的反演模型Y=133.186X_(751)+8.803,其决定系数最大,相对误差最小,拟合效果最优,预测精度较高,可作为荒漠区梭梭幼苗生境土壤氮素含量的最优估算模型。 相似文献
7.
【目的】探究枣树冠层水分的变化对偏振光谱的影响,为后续大面积枣园枣树生理监测提供依据【方法】基于近红外高光谱成像技术对干湿枣叶不同偏振角度下的图片进行线偏振度（Degree of Linear Polarizationg, Dolp）计算、主成分分析、协方差法进行对比,通过对骏枣枣叶的图像处理,可以明显的在图像上和光谱上看出骏枣枣叶水分分布差异。【结果】在对图像进行Dolp计算后可以清楚地看出其光谱差异新鲜枣叶在波长1450nm附近dolp图像具有明显的水分特征峰,干燥的枣叶在1450nm处无明显的水分特征峰。【结论】对偏振高光谱图像处理后得到不颜色标记的不同水分叶片的图像;并在图像上光谱显示其水分特征峰。 相似文献
8.
《西南农业学报》2019,(12)
【目的】应用多光谱影像和光谱指数法准确估算作物叶绿素含量。【方法】使用4个生长期玉米冠层高光谱反射率及叶绿素含量建立单红边波段叶绿素指数(SRCI)的叶绿素含量估算模型:首先由高光谱反射率和光谱响应函数计算得到等效的Worldview-2多光谱反射率,以等效反射率计算SRCI;然后根据SRCI与叶片叶绿素含量(LCC)、冠层叶绿素密度(CCD)的线性关系,分别建立LCC和CCD的一元线性回归模型。使用2012年9月14日获取的Worldview-2多光谱遥感影像计算得到的SRCI作为输入,估算LCC和CCD。【结果】Worldview-2 SRCI估算叶片叶绿素含量的偏差均方根为4.70μg/cm~2,相对误差平均为7.0%;估算冠层叶绿素密度的偏差均方根为1.63 g/m~2,相对误差平均为6.4%。【结论】多光谱卫星遥感的红边光谱指数能准确估算玉米叶绿素含量。 相似文献
9.
【目的】利用敏感波段构建适宜的植被指数,对于提高光谱技术诊断作物营养状况的精确度具有十分重要的意义。【方法】采用单因素随机区组设计的方法,通过设置5种不同施氮处理,研究夏玉米在吐丝期穗位叶光谱反射率与氮素含量的关系,进而比较了前人的植被指数与构建的8种不同形式宽窄波段组合植被指数的优越性,并对构建的氮素含量估测模型进行精度验证。【结果】穗位叶原始光谱反射率在近红外波段(700～1000 nm)随施氮量增加而升高,与氮素含量的变化表现一致;一阶导数光谱的红边位置随施氮量增加依次为698、703、709、714和714 nm,出现"红移"现象;利用氮素敏感波段构建宽窄波段组合的植被指数与叶片氮含量进行相关性分析,优于前人所采用的植被指数;植被指数[R(800-900)-R(692-729)]/R711和植被指数[R(800-900)+R(650-670)]/R711构建的乘幂函数估测模型检验精度较高,R~2和RMSE分别为0.92和0.09。【结论】利用氮素敏感波段构建的宽窄波段组合植被指数,提高了光谱参量与氮素含量的相关性,可以实现对夏玉米吐丝期氮素营养的诊断。 相似文献
10.
【目的】利用高光谱成像技术实现杏鲍菇Pleurotus eryngii多糖含量的快速无损检测。【方法】利用高光谱图像采集系统获取350～1 021 nm波长范围内的杏鲍菇高光谱图像,同时利用苯酚–硫酸法测定对应样本的多糖含量。通过波段运算和阈值分割构建掩膜图像,使样本与背景相分离。采用主成分分析(PCA)处理原始高光谱图像,获得代表原始图像99%信息的2个主成分图像(PC1、PC2),然后利用连续投影算法(SPA)选出554.4、772.8、811.4、819.1、855.6、986.3和1 019.5 nm 7个特征波长及对应的光谱特征,分别提取7个特征波长图像和2个主成分图像的纹理与颜色特征,最后利用偏最小二乘回归(PLSR)建立杏鲍菇样本基于不同图像特征与多糖含量之间的关系模型。【结果】从校正集决定系数(Rc2)来看,基于特征光谱+特征波长图像特征+主成分图像特征的模型效果最好,Rc2=0.954,RMSEc=0.341;从预测集决定系数Rp2来看,基于特征光谱+特征波长图像特征的模型效果最好,Rp2=0.868,RMSEP=0.539。【结论】该研究结果可为杏鲍菇多糖含量的快速、无损检测提供一定的参考。 相似文献
11.
【目的】去除无人机多光谱遥感影像中的阴影,以提高苹果树冠层氮素含量反演模型精度。【方法】以山东省栖霞市苹果园为试验区,利用2019年6月采集的无人机多光谱影像,分别基于归一化阴影指数（normalized shaded vegetation index,NSVI）和归一化冠层阴影指数（normalized difference canopy shadow index,NDCSI）去除果树冠层多光谱影像中的阴影,提取非阴影区域果树冠层光谱信息;通过相关性分析方法,将基于原始光谱影像和基于NSVI、NDCSI去除阴影后提取的光谱数据与实测叶片氮素含量进行相关性分析,分别筛选氮素含量的敏感波段并构建光谱参量;采用偏最小二乘（partial least square,PLS）及支持向量机（support vector machine,SVM）方法构建果树冠层氮素含量反演模型并进行精度检验。【结果】绿光波段和红光波段为果树冠层氮素含量反演的敏感波段;阴影削弱了果树冠层的光谱信息,去除阴影前后,冠层多光谱各波段光谱差异较大,在红边波段及近红外波段尤为明显;基于2个阴影指数去除阴影后构建的氮素反演模型精度均有提升,最优模型为基于NDCSI去除阴影后构建的支持向量机氮素含量反演模型,该模型建模集R2和RPD分别为0.774、1.828;验证集R2和RPD分别为0.723、1.819。【结论】基于NDCSI可有效去除无人机多光谱果树冠层影像中的阴影,提高氮素含量反演精度,为果园氮素精准管理提供了有效参考。 相似文献
12.
不同算法红边位置监测小麦冠层氮素营养指标的比较 总被引：6，自引：1，他引：5
【目的】红边位置常被用于监测作物叶片氮素营养状况。本文旨在通过不同算法提取红边位置,分析并比较不同算法提取的红边位置对氮素营养监测模型的准确性和可靠性差异,确定监测小麦叶片氮素营养的最佳红边位置算法及定量模型。【方法】基于不同施氮水平、播种密度、品种类型和生育时期的小麦田间试验,系统分析不同算法的红边位置(一阶微分、倒高斯法、多项式拟合法、四点内插法、拉格朗日法、线性外推法)与冠层叶片氮素营养指标的定量关系,比较不同算法红边位置对氮素营养监测的准确性和可靠性。【结果】线性外推法为计算小麦红边位置的最佳算法,并建立了基于线性外推法的小麦冠层叶片氮素营养定量监测模型。【结论】研究结果为小麦冠层叶片氮素营养指标的可靠监测提供了有效途径。 相似文献
13.
基于无人机多光谱遥感图像的玉米田间杂草识别 总被引：5，自引：0，他引：5
【目的】为了精确高效识别玉米田间杂草,减少除草剂施用,提高玉米种植管理精准性。【方法】通过六旋翼无人机搭载多光谱相机获取玉米田块多光谱图像。为分离图像中植被与非植被像元,计算了7种植被指数,采用最大类间方差法提取植被指数图像中非植被区域,制作掩膜文件并对多光谱图像掩膜。通过主成分分析对多光谱图像进行变换,保留信息量最多的前3个主成分波段。将试验区域分为训练区域和验证区域,在训练区域中分别选取了675处玉米和525处杂草样本对监督分类模型进行训练,在验证区域选取了240处玉米样本及160处杂草样本评价模型分类精度。将7种植被指数、3个主成分波段的24个纹理特征及经过滤波的10个反射率,共计41项特征作为样本特征参数。利用支持向量机-特征递归消除算法（support vector machines-feature recursive elimination,SVM-RFE）和Relief算法从41项特征中各筛选14项特征构成特征子集,采用支持向量机、K-最近邻、Cart决策树、随机森林和人工神经网络对特征子集进行监督分类。【结果】支持向量机与随机森林对全部特征及2个特征子集分类效果较好,支持向量机总体精度为89.13%—91.94%,Kappa>0.79,随机森林总体精度为89.27%—90.95%,Kappa>0.79。【结论】SVM-RFE算法对数据降维效果优于Relief算法,支持向量机（SVM）模型对区域冠层尺度下玉米与杂草的分类效果最好。 相似文献
14.
Cotton Nitrogen Nutrition Diagnosis Based on Spectrum and Texture Feature of Images from Low Altitude Unmanned Aerial Vehicle 总被引：4，自引：1，他引：3
【Objective】 Based on the high spatial resolution images of unmanned aerial vehicle (UAV), the effects of removing soil background information and increasing image texture information on the inversion of cotton plant nitrogen concentration were investigated, in order to provide new technology for accurate estimation of cotton nitrogen nutrition status. 【Method】 Cotton water and nitrogen coupling experiment was conducted, and UAV images and plant nitrogen concentration data were measured during different cotton growth stages. Based on the above data, the effect of soil background on cotton canopy spectrum was firstly investigated. Secondly, the correlations between image texture parameters and plant nitrogen concentration were analyzed. Finally, the obtained data was divided into calibration dataset and validation dataset. Different scenarios, including before and after removing the soil background, and adding texture features, were set. The inversion models of plant nitrogen concentration under various scenarios were designed by using the coupled method of spectral indexes and principal component regression, and the performances of the models were compared. 【Result】 The soil background had an effect on the cotton canopy spectrum, and the trends were not the same at different growth stages. There existed significant correlations between image texture parameters and plant nitrogen concentration. For the scenarios before removal soil background, the plant nitrogen concentration prediction model had determination coefficient (R 2) value of 0.33 and root mean square error (RMSE) value of 0.21% during model calibration, and R 2 value of 0.19 and RMSE value of 0.23% during validation. For the scenarios after removing soil background, the plant nitrogen concentration prediction model had R 2 value of 0.38 and RMSE value of 0.20% during model calibration, and R 2 value of 0.30 and RMSE value of 0.21% during validation. For the scenarios adding image texture information, the plant nitrogen concentration prediction model had R 2 value of 0.57 and RMSE value of 0.17% during model calibration, and R 2 value of 0.42 and RMSE value of 0.19% during validation. 【Conclusion】 Based on high spatial resolution images of low-altitude UAVs, both removing soil background and adding image texture information could improve the inversion accuracy of cotton plant nitrogen concentration. Image texture could be considered as important information to support prediction of crop nitrogen nutrition status using UAV images. 相似文献
15.
基于低空无人机影像光谱和纹理特征的棉花氮素营养诊断研究 总被引：5，自引：1，他引：4
【目的】基于无人机高空间分辨率影像,探讨剔除土壤背景信息及增加纹理信息对棉花植株氮浓度反演的影响,为棉花氮素营养精准探测提供新技术手段。【方法】开展棉花水、氮耦合试验,分别在棉花的不同生育期获取无人机多光谱影像和植株氮浓度信息。基于以上数据,首先探讨了土壤背景对棉花冠层光谱的影响;其次,分析了影像纹理特征与植株氮浓度间的相关性;最后,将获得的数据分为建模样本和检验样本,设置剔除土壤背景前、剔除土壤背景后、增加纹理特征等不同情景,采用光谱指数与主成分分析耦合建模的方法,来建立各种情景下植株氮浓度的反演模型,并对模型反演效果进行比较。【结果】土壤背景对棉花冠层光谱有影响,且不同生育期趋势不同;影像纹理特征参数与植株氮浓度间有显著相关关系;剔除土壤背景前植株氮浓度反演模型的建模决定系数为0.33,标准误差为0.21%,验证决定系数为0.19,标准误差为0.23%;剔除土壤背景后模型的建模决定系数为0.38,标准误差为0.20%,验证决定系数为0.30,标准误差为0.21%;增加纹理信息后模型的建模决定系数为0.57,标准误差为0.17%,验证决定系数为0.42,标准误差为0.19%。【结论】基于低空无人机高空间分辨率影像,剔除土壤背景和增加纹理特征均可提高棉花植株氮浓度的反演精度;影像纹理可以作为一种重要信息来支撑无人机遥感技术反演作物氮素营养状况。 相似文献
16.
【目的】利用2018年5和6月获取的无人机多光谱影像对北京市大兴试验基地的部分农田进行地物类型提取研究。【方法】确定感兴趣地物种类,对影像进行时相与光谱特征分析,然后确定归一化植被指数NDVI、归一化绿蓝差异指数NGBDI、修正型比值植被指数MSR和红边波段反射率可以作为最优分类特征,通过基于光谱变量阈值分割的决策树分类法,实现地物分类,并提取种植面积,选取基于目视解译的地面调查数据进行方法验证。【结果】基于时相与光谱特征的决策树分类方法有较好效果,该方法用于小麦、果树和大棚的提取,误差值分别为10.68%、6.06%和16.48%,面积提取误差在17%以内,对无人机多光谱遥感影像进行地物识别具有一定的适用性。【结论】无人机低成本、高效率的优势为农田信息及时获取提供参考。 相似文献
17.
基于无人机影像特征的冬小麦植株氮含量预测及模型迁移能力分析 总被引：1，自引：0，他引：1
【目的】氮素的精准监测和合理施用对小麦健康生长、产量及品质提升、减少农田环境污染与资源浪费尤为重要。为精准监测小麦生长关键生育期植株氮含量,探索机器学习方法构建的植株氮含量预测模型的迁移能力。【方法】小区试验于2020—2022年在河南省商水县开展,在冬小麦拔节期、孕穗期、开花期和灌浆期,采用M600大疆无人机搭载K6多光谱成像仪获取5波段(Red、Green、Blue、Rededge、Nir)多光谱影像。基于5个波段冠层反射率提取20种植被指数和40种纹理特征,采用相关分析从65个影像特征中筛选冬小麦植株氮含量敏感特征。基于筛选出的敏感特征,采用BP神经网络(BP)、随机森林(RF)、Adaboost、支持向量机(SVR)4种机器学习回归方法构建植株氮含量预测模型,并对模型预测效果和在不同水处理条件下模型的迁移预测能力进行分析。【结果】(1)植株氮含量与影像特征的相关系数通过0.01极显著水平检验的包括22个光谱特征和29个纹理特征。(2)4种机器学习回归方法构建的冬小麦植株氮含量预测模型存在差异,RF和Adaboost方法预测植株氮含量集中于95%的置信区间,多分布于1:1直线附近... 相似文献
18.
[目的]基于小麦生长发育关键时期的近地面高光谱数据和收获实测产量数据,利用改进的光谱角算法进行冬小麦产量估测.[方法]选择2个小麦品种,设置4个氮素水平处理,根据氮素营养对小麦冠层可见光和近红外光谱影响较大的特点,构建监测小麦冠层氮素营养的光谱角算法.[结果]氮素营养对小麦产量差具有比产量更明显的差别,不同小麦品种在不同生育时期和氮素水平下光谱角变化有明显的差异,小麦生育前期的光谱角变化较小,生育后期光谱角增加,末期光谱角降低,不同氮素水平之间表现出NO-2>N0-3>NO-1.光谱角与小麦产量呈明显的二次线性关系,拟和方程决定系数为0.7844,达到极显著水平.[结论]利用光谱角进行小麦产量监测是可行的. 相似文献
19.
基于牛肉大理石花纹标准(BMS)图像的纹理特征分析 总被引：3，自引：0，他引：3
【目的】研究基于图像纹理特征来描述牛肉大理石花纹标准的方法。【方法】以日本、美国和澳大利亚的牛肉大理石花纹分级图像为基础,通过线性回归的方法来研究纹理特征与牛肉大理石花纹标准之间的内在关系。【结果】通过彩色梯度和局部二值模式(LBP)处理后提取灰度共生矩阵的4个特征：对比度、相关度、能量和一致性,这些特征可以准确地描述3个不同国家的牛肉大理石花纹标准。其中,能量特征对图像的差异性不敏感,可以作为3种牛肉大理石花纹标准的共性特征。【结论】基于牛肉LBP纹理特征的线性回归预测模型可以作为牛肉大理石花纹标准的一项合理评估依据。 相似文献
20.
应用~(15)N示踪研究不同有机物对烤烟氮素营养及品质的影响 总被引：3，自引：0，他引：3
【目的】了解有机肥氮对烤烟氮素营养的贡献及在烟株生长过程中的动态,为烤烟合理施肥提供依据。【方法】采用15N同位素示踪方法,研究菜籽饼肥、油菜秸秆、稻草秸秆中氮素对烤烟氮素营养的贡献及对烤烟品质的影响。【结果】结果显示,有机添加物与无机氮肥配施中,菜籽饼肥、稻草秸秆、油菜秸秆的氮素利用率分别为19.5%、15.5%、8.1%,相应无机氮肥的利用率分别为41.1%、42.7%和35.7%。菜籽饼肥、稻草秸秆、油菜秸秆对烤烟氮素累积量的贡献分别为1.0%、2.4%、2.7%,其中打顶(63d)后饼肥、稻草秸秆、油菜秸秆的供氮量分别占其供氮总量的4.4%、20.8%、18.9%。【结论】秸秆及饼肥对烤烟氮素营养的贡献率较低,有机肥与无机氮肥配施降低了烟叶烟碱含量,增加了糖碱比,改善了烟叶品质,其中秸秆还田的降碱作用大于饼肥,可以作为降碱措施之一。 相似文献