共查询到10条相似文献，搜索用时 15 毫秒
1.
基于氮素运转原理和GRA-PLS算法的冬小麦籽粒蛋白质含量遥感预测 总被引：6，自引：1，他引：5
【目的】及时、有效地预测籽粒蛋白质含量,能够为优质小麦品种的收购和加工提供科学合理的决策支持信息。本研究从籽粒蛋白质形成的氮素运转规律出发,研究冬小麦籽粒蛋白质遥感预测的可行性及在区域与年际间的扩展性,为高分辨率遥感卫星进行大面积蛋白质预测提供理论依据。【方法】利用2012-2013年4个冬小麦品种×4个氮肥梯度的试验数据和地面高光谱数据进行建模;基于小麦籽粒蛋白质形成的氮素运转机理,通过分析籽粒氮素累积量的两个主要来源及其之间的比例关系,重点抓住开花前的植株氮素累积量再运转这一主要来源,而灌浆期根际的氮素直接吸收则通过其与前者的比例关系来确定,通过相关农学参数模型的耦合,同时加入温度影响因子对籽粒氮素运转的影响,初步阐明了利用开花期小麦叶片氮含量可以预测籽粒蛋白质含量的应用机理;然后选择与叶片氮含量相关的植被指数,利用灰色关联分析-偏最小二乘算法（GRA-PLS）选择与叶片氮含量关联度较高的植被指数并进行小麦叶片氮含量的估算,通过与氮素运转模型的耦合构建了基于氮素运转原理的籽粒蛋白质含量遥感预测模型;最后利用2009-2010年的品种×播期×肥料试验和2012-2013年的其他品种氮肥处理试验进行验证。【结果】（1）通过GRA方法对叶片氮含量和植被指数间的关联度进行计算,选择关联度较大的前5个植被指数进行叶片氮含量建模,其植被指数分别为mND705、NDVIcanste、Readone、DCNI和NDCI;（2）通过PLS方法构建的叶片氮含量模型,建模结果的预测值与实测值的决定系数（R2）和均方根误差（RMSE）分别为0.859和0.257%,验证结果的R2和RMSE分别为0.726和0.063%,利用GRA-PLS方法估算叶片氮素含量具有较好的稳定性;（3）构建的蛋白质预测模型,建模结果和验证结果的预测值与实测值的R2和RMSE分别为0.713、1.30%和0.609、1.19%,预测模型具有较高的精度与可靠性。【结论】基于氮素运转规律构建的小麦籽粒蛋白质含量遥感预测模型,可以作为应用开花期遥感信息来预测籽粒蛋白质含量的机理性解释,初步实现了本研究区域和年际间的籽粒蛋白质含量预测,具有一定的应用前景。 相似文献
2.
【目的】本研究以叶片氮含量为切入点,探求糜子籽粒蛋白质含量的最佳光谱预测模型,为糜子优质生产的管理调控提供理论依据。【方法】结合2017年和2018年2年的氮肥运筹试验数据和光谱数据,通过“光谱特征信息—叶片氮含量—籽粒蛋白质含量”这一研究思路,以叶片氮含量为中间链接点将光谱模型和籽粒蛋白质含量链接,建立基于高光谱糜子籽粒蛋白质含量监测模型。【结果】利用支持向量机（SVM）构建的糜子全生育期叶片氮含量监测模型要优于逐步多元线性回归（SMLR）和偏最小二乘法（PLS）,并且原始光谱反射率（R）的SVM模型效果优于一阶导数（1ST）模型,建模集和验证集的R 2分别为0.928、0.924;RMSE相对较小,分别为0.19、0.12;RPD都大于2,分别为3.71、6.07。开花期、灌浆期和成熟期的叶片氮含量和籽粒蛋白质含量均达到极显著正相关,相关系数分别为0.48、0.66和0.73。灌浆期R-SVM模型能准确的监测糜子籽粒蛋白质含量,决定系数R 2为0.798,均方根误差RMSE为0.14,预测残差RPD为1.65。 【结论】建立基于灌浆期糜子籽粒蛋白质含量的高光谱R-SVM监测模型,有助于指导糜子优化田间管理、种植业结构调整和籽粒品质分级,为高光谱技术在糜子优质高产栽培和精准农业发展提供技术基础。 相似文献
3.
【目的】籽粒蛋白含量是衡量小麦品质优劣的重要标准,快速准确预测小麦GPC有利于其品质评价和分级管理。【方法】文章分别以卫星光谱参数、农学氮素参数以及气象因子为影响因素,并运用多元线性回归模型、极限学习机算法、地理加权回归模型3种方法实现对冬小麦GPC的预测,最终构建及评价基于不同自变量和不同方法的GPC预测模型。【结果】(1)小麦开花期氮素参数,小麦冠层光谱参数与小麦籽粒蛋白品质的关系显著相关,影响小麦籽粒蛋白品质的关键性气象因子包括5月26—30日降雨和、5月中旬至6月上旬日照和、3月上旬至6月上旬积温和;(2)以卫星光谱参数、农学氮素参数和气象因子为自变量,分别采用多元线性回归、极限学习机和地理加权回归3种方法构建小麦GPC的预测模型;其中,基于多元线性回归模型构建的GPC模型决定系数R~2为0.598,验证集标准均方根误差nRMSE和平均绝对误差MAE分别为10.36%、1.091,验证结果较稳定;基于ELM构建的GPC模型R~2为0.483,验证nRMSE和MAE分别为10.895、1.111;基于GWR的GPC模型建模精度及验证精度相对最优,其建模R~2为0.616,验证nRMSE及MAE分别为8.58%、0.956,为最优选择。【结论】综合分析模型的精度评价指标可知,考虑空间数据不稳定性构建的地理加权回归模型的预测精度最好,能更加准确地预测冬小麦籽粒蛋白含量,为精确反演冬小麦GPC区域间和年际间的预测提供可靠依据,具有广泛的应用前景。 相似文献
4.
关中地区小麦冠层光谱与氮素的定量关系 总被引：4，自引：0，他引：4
【目的】分析不同生育期及整个生育期小麦叶片氮含量(LNC)与冠层光谱反射特征的关系,以实现对田间小麦活体氮素营养状况的监测,为小麦叶片氮素状况的精确诊断提供依据。【方法】以位于陕西关中地区杨凌揉谷镇、扶风马席村和巨良农场的3个小麦试验田为研究对象,测定不同长势及生育期小麦LNC及冠层光谱反射率,分析不同长势下小麦LNC和反射率的变化,并研究氮含量与冠层光谱反射率的相关性,以及小麦LNC与比值植被指数(RVI)、归一化植被指数(NDVI)的相关性,建立小麦LNC的敏感波段及光谱监测模型。【结果】在同一生育期,长势差的小麦叶片氮含量较低,长势较好的叶片氮含量高。与单波段相比,组合波段构成的植被指数RVI、NDVI与LNC的相关性明显提高,近红外波段(730~1 075nm)和红波段630,660,690nm组成组合波段的RVI、NDVI与LNC呈极显著正相关,其中LNC与RVI的相关性较高。利用独立的小麦田间试验数据,采用通用的均方根差(RMSE)、决定系数(R2)、准确度(斜率)3个指标对所建立的模型进行检验,最终选取RVI(970,690)为监测小麦LNC的最佳光谱参数,构建的最佳模型为LNC=0.176 3×RVI(970,690)0.775 6,R2为0.863,RMSE为0.137,准确度为0.979,接近于1。【结论】利用小麦冠层光谱反射率构建了预测小麦LNC的最佳模型,该模型具有较好的准确度和普适性,适用于整个生育期小麦叶片氮含量的监测。 相似文献
5.
【目的】探讨利用遥感技术实时监测小麦叶片生长动态变化。【方法】以生产中大面积推广应用的小麦品种周麦27为试验材料，在2个试验地点布置水氮耦合处理试验，依据相关回归分析筛选出对叶片氮含量（LNC）和叶面积指数（LAI）反应敏感的高光谱植被指数，进而确立了不同产量层次的植被指数生育进程动态模型。【结果】LNC和LAI与近红外短波段735～1 075 nm呈显著正相关关系，而与可见光波段350～730 nm呈显著负相关关系。对LNC敏感的植被指数主要有AIVI、RES和mND924,而对LAI敏感的植被指数主要有ONLI、CIgreen和MSR（800,670）,以上2类植被指数和籽粒产量间关系均密切，表现较好的时期主要为拔节期至灌浆中期阶段。采用双LOGISTIC模拟模型方法，优选的方程能够较好地模拟植被指数的生育进程动态轨迹，模型精度（R2）随着产量水平的逐渐提高而增加，低产水平的精度相对较差（0.627～0.703）,而高产及以上水平的R2较高（0.868～0.972）。【结论】高光谱植被指数AIVI和CIgr... 相似文献
6.
《云南农业大学学报(自然科学版)》2015,(6)
为了对小麦籽粒品质提前监测与预报,以为小麦生产形势的分析和收购调度提供参考,本研究采用Landsat-5 TM卫星遥感数据,分析长江中下游流域江苏地段春性中、弱筋小麦拔节期和开花期植株性状参数(叶片SPAD值、叶片氮含量和植株氮含量)、卫星遥感植被指数和籽粒蛋白质含量间关系,建立籽粒蛋白质含量卫星遥感预测模型。结果表明:拔节期植株性状参数与籽粒蛋白质含量相关性不显著;开花期植株性状参数与籽粒蛋白质含量均呈极显著正相关(P0.01),可用于籽粒蛋白质含量提前预测;开花期植株性状参数均可采用NDVI和DSW3等卫星遥感植被指数进行反演,效果最优,并基于NDVI和DSW3分别建立籽粒蛋白质含量预测模型。采用模型预测2007年和2009年籽粒蛋白质含量,与实测值间相关性均达极显著水平(P0.01),且RMSE值较低,其中NDVI模型预测精度较高。构建了基于开花期数据的小麦籽粒蛋白质含量卫星遥感预测模型,采用NDVI模型制作了2009年江苏省部分区域春性中、弱筋小麦成熟期籽粒蛋白质含量卫星遥感预测专题图。 相似文献
7.
小麦籽粒蛋白质光谱特征变量筛选方法研究 总被引：4，自引：0，他引：4
【目的】筛选整粒小麦籽粒蛋白质的近红外特征光谱波段并建立优化模型,可实现快速、无损测定整粒小麦籽粒蛋白质含量,为田间便携式小麦籽粒蛋白质含量速测仪设计提供依据。【方法】2012-2013年以蛋白质含量有明显差异的8个冬小麦品种为试验品种,设置3个施氮量和2个灌溉量共6个处理,建立丰富的样本类型,共采集176个小麦籽粒光谱数据;将ASD FieldSpec Pro光谱仪采集到的基于全反射下垫面的整粒小麦籽粒反射光谱通过公式A=log(1/R)转换为吸收光谱,对吸收光谱采用S-G平滑、多元散射校正和基线校正等方法进行预处理,以消除背景噪声,然后采用交叉验证偏最小二乘回归方法进行特征波段压缩;分析比较无信息变量剔除法（UVE）结合交叉验证偏最小二乘回归、连续投影算法（SPA）结合交叉验证偏最小二乘回归、UVE与SPA组合后结合交叉验证偏最小二乘回归、UVE与SPA组合后结合多元线性回归（MLR）及UVE与SPA组合后结合逐步多元线性回归（SMLR）等多种特征光谱筛选方法选出的蛋白质特征波段的优劣,并与凯氏定氮法测定的小麦籽粒蛋白质含量进行回归分析,构建并优选小麦籽粒蛋白质最佳预测模型。【结果】利用无信息变量剔除（UVE）方法可将与小麦籽粒蛋白质含量无关的信息变量剔除,把籽粒的原始光谱由1 621个波段压缩至717个,在保留了蛋白质信息的同时,实现了特征谱段的初次优选;对逐步多元线性回归（SMLR）、连续投影算法（SPA）、连续投影算法（SPA）+逐步多元线性回归（SMLR）及连续投影算法（SPA）+偏最小二乘回归（PLS）+交叉验证（CV）等特征波段优选算法比较发现,不同的方法获得的特征谱段有差异,构建的模型及精度也明显不同。对经过无信息变量剔除（UVE）法筛选光谱特征谱段,利用SPA消除光谱矩阵中波段共线性影响,再利用SMLR筛选出小麦籽粒蛋白质信息贡献最大的15个特征谱段,所得模型的预测均方根误差（RMSEP）和R2分别为0.5898和0.9410,模型预测精度最高。【结论】本研究利用UVE、SPA与SMLR方法有效压缩了整粒小麦籽粒光谱矩阵,基于所筛选的蛋白质含量特征谱段数构建的预测模型可以实现无损、快速测定整粒小麦籽粒蛋白质含量,预测模型精度可靠,方法经济有效,为设计田间便携式整粒小麦籽粒蛋白质测定仪的波段选择和开发奠定了基础。 相似文献
8.
小麦籽粒蛋白质组分含量的动态模拟研究 总被引：2，自引：1，他引：1
【目的】建立小麦籽粒蛋白质组分含量的动态模拟模型,以期为预测小麦籽粒品质状况提供关键技术支持。【方法】通过定量分析不同品种和水氮处理下小麦籽粒蛋白质组分含量的变化过程,构建了小麦籽粒蛋白质组分含量随花后生长度日（GDD）的动态模拟模型。模型采用幂函数方程描述了清蛋白含量随花后GDD的动态变化,对数函数方程描述了醇溶蛋白和谷蛋白含量的变化过程;并以籽粒氮素和水分因子描述了不同水氮状况对小麦籽粒蛋白质组分含量变化的定量影响。同时利用独立的观测资料对所构建的模型进行了检验。【结果】模型对不同温度下灌浆期籽粒清蛋白、球蛋白、醇溶蛋白、谷蛋白含量预测的均方根差分别为0.44%、0.58%、0.53%和0.59%;对成熟期籽粒蛋白质组分含量预测的均方根差分别为0.41%、0.56%、0.75%和0.56%。【结论】模型对不同生长条件下小麦籽粒蛋白质组分含量的变化动态具有较好的预测性,从而为模拟小麦籽粒品质和完善小麦生长模拟系统奠定了基础。 相似文献
9.
【目的】分析325～1 075 nm范围内核桃叶片光谱与叶片氮元素含量的相关性,研究核桃叶片光谱数据预处理和特征波段筛选方法,建立核桃叶片氮元素含量的预测模型,为实现核桃生产中的快速施肥提供参考。【方法】建立多元散射校正、Savitzky-Golay卷积平滑滤波和小波去噪的组合预处理方法;采用连续投影算法筛选出了特征波段;采用特征波段建立核桃叶片氮元素含量的偏最小二乘回归预测模型。【结果】建立的组合预处理方法对核桃叶片光谱去噪效果较好;采用特征波段建立的核桃叶片氮元素含量的预测模型,模型的验证集决定系数R2达到了0.875,均方根误差RMSE达到了0.697 3 mg/g。【结论】与全光谱数据相比,筛选出的特征波段降低了冗余数据和噪声的影响,提取出了有效成分相关的光谱信息,提高了建模质量。 相似文献
10.
精确、快速估算冬小麦叶片氮含量,对冬小麦长势监测及田间管理指导具有重要的研究意义。为精确反演冬小麦叶片氮含量（leaf nitrogen content , LNC）,该文利用遥感方法,依托不同氮处理水平冬小麦试验,基于获取的高光谱遥感数据和LNC地面实测数据,对比分析光谱指数与随机森林算法（random forest , RF）反演冬小麦叶片氮含量的精度和稳健性。结果表明,以敏感波段496 nm、604 nm为自变量,利用随机森林算法构建的LNC回归模型精度较光谱指数法有了大幅提高,模型的建模精度为R2=0.922,RMSE=0.290,验证精度为R2=0.873,RMSE=0.397,并且相对分析误差RPD值为2.22,表明将敏感波段与随机森林算法组合构建的反演模型能较好反演对冬小麦LNC。 相似文献