共查询到18条相似文献，搜索用时 46 毫秒
1.
基于PCA_SVR的油菜氮素光谱特征定量分析模型 总被引：5，自引：1，他引：4
研究了采用光谱分析技术对油菜植株全氮进行定量分析的方法.采用逐步回归法对氮素的光谱特征波长进行选择,为克服光谱变量间多重共线性的影响,对变量进行了主成分分析(PCA),为提高模型的拟合优度,应用支持向量机回归(SVR)建立油菜氮素的定量分析模型.对不同氮素水平的油菜冠层光谱数据进行分析,结果表明,406、460、556、634、662、675nm的光谱反射率与油菜含氮量呈极显著相关.植株全氮SVR模型预测值与实测值的相关系数为0.89,模型的检验误差(RMSE)为2.51. 相似文献
2.
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
3.
为了快速检测面条中马铃薯全粉含量，研究近红外高光谱成像技术定量检测面条中马铃薯全粉含量的可能性，自制了马铃薯全粉质量分数在0~35%内随机均匀分布的120个面条样品，在900~2500nm范围采集高光谱图像，随机选取80个样品作为校正集，分别采用原始光谱和经过6种预处理方法预处理后的光谱建立了偏最小二乘回归、主成分回归、支持向量机回归模型。结果表明经标准化预处理后用偏最小二乘回归建模效果最好，校正集决定系数（R2C）为0.8653，交叉验证集决定系数（R2CV）为0.6914。用回归系数法在经过标准化预处理后的光谱数据中提取了与全粉含量相关的特征波长，建立了马铃薯全粉含量偏最小二乘回归简化模型, 校正集决定系数（R2C）为0.8685，交叉验证集决定系数（R2CV）为0.8021，基于特征波长建立的模型效果优于全波段模型，模型效果得到了一定的提高。以剩余40个未参与校正模型建立的样品作为预测集，基于特征波长建立了标准化-偏最小二乘回归简化预测模型，预测集决定系数（R2P）为0.8546，模型具有较好的预测能力。结果表明利用近红外高光谱成像技术可检测面条中马铃薯全粉含量，可为马铃薯全粉面条的快速无损检测建立新的方法。 相似文献
4.
以醋糟有机基质为研究对象,采用便携式可见/近红外光谱仪获得基质样品的光谱信息,经过归一化和一阶微分预处理后,采用逐步回归法提取对有机基质全氮反应敏感的特征光谱,建立基于特征波长组合的线性回归模型.其中,以1 699、746、1 864和2 154 nm为特征波长的四元回归模型为最佳,其预测相关系数和预测均方根误差分别为0.933 4和1.04.结果表明,利用可见/近红外光谱技术,通过特征光谱的提取并建立相应的回归模型,可以实现对有机基质全氮含量的快速准确检测. 相似文献
5.
通过设置2个冬小麦品种不同氮素水平的完全随机区组试验,获取冬小麦关键生育期(返青期、拔节期、孕穗期、灌浆期)的土壤氮素、植株氮素和冠层光谱数据,通过分析土壤氮素与植株氮素间的相关关系,间接构建土壤氮素状况的光谱诊断模型。结果表明,不同施氮水平冬小麦各生育期冠层光谱与麦田土壤氮素含量差异显著,土壤硝态氮、碱解氮含量与冬小麦植株氮素含量的相关系数达到0.72以上,相关系数分别在0.72~0.84和0.75~0.82之间,均达极显著水平,而土壤全氮含量与冬小麦植株含氮量的相关性相对较差;研究证实土壤调节植被指数SAVI(1040,680)和比值植被指数RVI(1040,680)分别与土壤硝态氮、碱解氮含量具有重要的关系。另外,基于光谱参数SAVI(1040,680)的土壤硝态氮估算模型(R~2≥0.739 6)和基于RVI(1040,680)所构建的碱解氮含量估算模型(R~2≥0.810 0)具有较好的估测能力,可以实现利用冠层光谱对土壤氮素状况的实时、快速估测。 相似文献
6.
7.
为了克服传统化学检测方法的缺陷,研究了不同氮营养下番茄叶片的近红外光谱特征,利用偏最小二乘回归算法建立了光谱数据与植物生化组分信息的定量分析模型,并采用决定系数R2、交叉校验定标标准差RMSECV、相对分析误差RPD和预测标准差RMSEP验证了模型的优劣。实验表明,所建立的水分、全氮NIR模型的R2分别达到92.35%、86.15%,RMSECV分别为0.346、0.129,RPD分别为3.62、2.69,RMSEP分别为0.209、0.111,预测精度满足实际的测定需求,说明运用近红外漫反射光谱监测番茄植株的生长状况是可行的。 相似文献
8.
针对设施作物营养水平无损检测技术,着重描述了基于近红外光谱数据岭回归分析的甜椒氮素检测试验研究过程.利用近红外反射光谱成像技术对目标作物进行叶片尺度的光谱图像采集,应用计算机图像分析软件进行光谱数字图像处理、提取光谱数据,经过统计分析对数据完成筛选作为变量,结合化学分析试验结果建立作物营养检测模型,检验模型得出结论.为了解决自变量间存在的多重共线性造成模型难以建立的问题,在数据处理阶段,采用了在农业探测领域内并不多见的岭回归分析方法,利用其特殊的有偏估计算法,拟合建立回归方程.同时,由于岭回归分析可以用于进一步筛选特征波段,最终得到的是基于三特征波段近红外光谱反射率数据的甜椒叶片氮营养检测模型.经过模型检验,模型的调整R2为0.843,RMSE为0.105. 相似文献
9.
基于高光谱的抽穗期寒地水稻叶片氮素预测模型 总被引：3，自引：0，他引：3
为快速、无损地监测水稻叶片氮素营养状况,开展了基于高光谱成像技术的抽穗期寒地水稻叶片氮素预测模型的研究。以不同施氮水平的寒地水稻叶片为研究对象,采用连续投影算法(successive projections algorithm,SPA)和分段主成分分析(segmented principal components analysis,SPCA)方法选择水稻叶片的高光谱特征波段,SPCA方法降维后结合相关分析(correlation analysis,CA)构建特征光谱参量,并建立基于全波段高光谱数据、SPA特征波段及SPCA特征光谱参量的多种回归分析模型且对模型进行检验和筛选。研究结果表明:在校正集决定系数RC2上,基于多元逐步回归分析(multiple stepwise regression analysis,MSRA)的全波段模型较好,RC2=0.9 6 4,校正集均方根误差RMSEC=0.083;RP2为0.961,RMSEP为0.050。该研究结果为快速检测水稻叶片氮素含量及水稻生长期间精确施肥管理提供了技术支撑和理论依据。 相似文献
10.
11.
12.
针对油菜钵苗移栽过程中钵体受损影响钵苗成活率的问题，研究油菜钵苗钵体在顶苗夹具作用下的运动及力学特性，探究在不同含水率下钵体顶出力、脱离位移和承压力之间的变化规律，为油菜移栽机顶苗取苗机构参数设计提供依据。结果表明:钵体顶出力随钵体含水率的提高而增大；当钵体含水率由20.44%提高至31.02%时，脱离位移的范围由3.04~4.23 mm增长至5.02~5.44 mm，钵体承压力由5.61 N增长至7.90 N；当钵体含水率由31.02%提高至40.84%时，脱离位移的范围基本不变，钵体承压力由7.90 N减少至4.83 N。即钵体承压力随含水率的提高先增大后减少，呈非线性变化，且在相同含水率下，钵体的承压力基本不变；综合得出钵体含水率在30%左右时，有利于油菜钵苗被顶出，且钵体受损较小。 相似文献
13.
黄绵土风干过程中土壤含水率的光谱预测 总被引：2，自引：0，他引：2
以2014年两次在陕西省乾县田间采集的129个黄绵土土壤样本为研究对象,建立土壤含水率定量反演模型。在土壤风干过程中测量光谱反射率及含水率,分析土壤含水率与光谱反射率之间的关系,并利用一元线性及指数回归建立土壤含水率光谱预测模型。结果表明在400~1 340、1 460~1 790、1 960~2 390 nm波长范围内,与含水率相关性最大的反射率对应的波长分别为570、1 460、1 960 nm;吸收深度最大的波长位于490、1 460、1 960 nm。土壤光谱特征指标与含水率之间的线性相关关系优于指数相关关系。以特征波长1 980 nm(C1980)、1 980 nm的吸收深度(D1980)和1 480 nm的吸收深度(D1480)为自变量建立的线性模型为土壤含水率预测的最优模型,校正和验证的决定系数R2大于0.92,相对预测偏差(RPD)大于2.5,均方根误差(RMSE)小于2.5%。研究表明利用自然土样,在风干过程中进行土壤含水率光谱快速预测是完全可行的,从而为遥感实时、快速监测土壤水分含量及大面积土壤水分反演提供了参考。 相似文献
14.
准确获取作物冠层生化信息对监测作物生长和指导精准施肥具有重要意义。现有的作物生化参数的垂直分布研究以高光谱遥感反演为主,缺乏与光合生理的联系。本研究主要探究了不同氮素处理水平下油菜苗期冠层内的叶绿素、类胡萝卜素、干物质和水分等生化参数的垂直分布变化特性,同时利用快速叶绿素荧光技术测定了叶片的光合性能,并通过线性回归分析和主成分分析进一步剖析了荧光响应与生化参数的内在联系。试验结果表明：（1）苗期中期油菜冠层的叶绿素含量、类胡萝卜素含量、干物质和水分含量均呈抛物线型的非均匀垂直分布,而叶绿素与类胡萝卜素的比值具有与其他生化参数不同的垂直分布模式,其随着叶位升高和施氮量的增加逐渐下降,与推动力DFTotal、电子链末端量子产额φRo等荧光参数的垂直分布模式相同;（2）荧光参数,特别是DFTotal,对油菜叶片叶绿素与类胡萝卜的比值、叶绿素和干物质含量具有较强的评估能力;（3）缺氮会降低苗期油菜叶片的光系统I和II（PSI和PSII）性能,通过最大光化学效率φPo等荧光参数可对氮素胁迫进行诊断;而不同叶位叶片在PSI性能即电子末端传递效率上具有显著差异,通过DFTotal可有效表征冠层生化参数的垂直异质性。上述结果表明,应用快速叶绿素荧光技术对作物进行生化信息的垂直异质性监测具有可行性,可为指导精准施肥和提高优质优产提供新思路和技术支撑。 相似文献
15.
基于反射光谱的苹果叶片叶绿素和含水率预测模型 总被引：4，自引：0，他引：4
为探索苹果叶片叶绿素含量(质量比)、叶片含水率与反射光谱之间的关系,以华北地区苹果树为研究对象,分别测定了各个关键生长期苹果叶片的光谱反射率、叶绿素含量和叶片含水率。分析光谱反射率与叶绿素含量以及叶片含水率之间相关性发现,在不同生长时期,苹果叶片叶绿素a含量与反射光谱在515~590 nm和688~715 nm两组波段内具有较高的相关性,且果实成熟期数据显示相关度最高(R2=0.6)。在420~500 nm、640~680 nm、740~860 nm 3个波段叶片含水率与反射光谱有较高的相关性,且果实膨大期的叶片含水率在可见光波段的相关系数最大。根据所选敏感波段,分别利用多元线性回归、主成分分析和人工神经元网络建立基于反射光谱的苹果叶片不同生长时期叶绿素和含水率的预测模型。通过对所建立的预测模型进行校验,结果显示,利用主成分分析方法所建立的苹果叶片叶绿素含量预测模型的决定系数最高(R2=0.885 2),校验系数为0.828 9。该模型可以较为准确地预测苹果叶片叶绿素含量。而采用神经元网络所建立苹果叶片含水率预测模型的决定系数R2=0.862,校验系数为0.8375,预测效果最好。 相似文献
16.
【目的】建立1种适用于不同水分条件的棉田氮肥高光谱监测模型。【方法】通过设置包含灌溉梯度和施氮梯度的大田水肥试验,在生育期内同步测定棉花冠层光谱反射率、冠层含氮量(Canopy nitrogen content, CNC)、冠层等效水厚度(Canopy equivalent water thickness, CEWT)等信息,综合分析棉花冠层含氮量及冠层等效水厚度与光谱指数的相关性,确定最优光谱指数并构建棉花CNC的高光谱监测模型。【结果】冠层光谱与CNC在可见光波段附近出现连续的敏感区域,其中最大相关系数|r|max为0.53,位于718nm;在不考虑CEWT对模型精度影响时,NDSI(800,770)的建模效果最佳(R^2=0.76),但是进入花铃后期其预测精度偏低,出现了低估现象;综合考虑CEWT的影响后,本研究选取NDSI(570,500)作为最优光谱指数,所建模型有效改善了棉花含水率变化而造成模型精度偏低的现象(RRMSE=0.18)。【结论】本研究建立的新型水分钝感光谱指数NDSI(570,500)可以有效提升棉花CNC的估算精度,为高光谱技术在棉田氮肥监测的应用提供技术依据。 相似文献
17.
以樱桃果树为研究对象,通过滴灌对植株进行灌溉施肥,设置9个不同水、肥量的试验处理,测定了樱桃果园土壤水分和理化性质,同时测定不同处理下樱桃果实产量和品质,综合分析了土壤养分各指标与樱桃果实微量元素之间的线性关系,引入Spearman秩相关系数法对土壤养分各指标与果实品质各指标作了敏感性分析。结果表明:不同水分处理下,在樱桃整个生育期内,土壤含水率呈下降趋势,在灌水时期,灌水越多,浅层土壤含水率越高,而对较深层次土壤含水率无明显影响。试验处理下的水肥条件能显著提高樱桃果实品质,较高施肥量能提高果实果径;适当灌水量能显著提高果实硬度;较高施肥量和较低灌水量能降低可滴定酸含量;较低灌水量和施肥量能提高可溶性固形物含量;中等施肥量和较低灌水量能提高粗蛋白的含量;较低灌水量和较低施肥量能提高果实内维生素C含量;适当灌水量以及较低施肥量能提高可溶性总糖含量。土壤中铵态氮与硝态氮含量处于不稳定状况,养分变化无明显规律;土壤各养分指标中,有机质含量与果实内全铁含量正相关;有效铵态氮含量与全氯含量呈正相关;有效硝态氮含量与果实内全钙、全锌、全氯含量呈正相关;有效磷含量与全铁含量正相关;速效钾含量与全钙含量呈负相关。土壤养分中,铵态氮、硝态氮含量与果实品质中的大多数指标有着密切联系。 相似文献
18.
全氮含量是土壤肥力的核心指标之一,快速、准确测定耕层土壤全氮含量对农业生产具有重要意义.以南京市江宁区典型水稻田为研究对象,采用棋盘式布点法选取了60个点位,每个点位均在0~30 cm表土层进行取样,利用大疆精灵4多光谱无人机同时获取了土壤样本分别在5个波段(450,560,650,730,840 nm)的光谱反射率,通过土壤全氮含量与光谱反射率多元线性分析,揭示了光谱反射率数据特有的多重共线性问题,构建了基于岭回归的无人机遥感影像反演土壤全氮含量预测模型.计算结果表明,岭回归系数取0.12时,其回归R2达到了0.408,方差膨胀因子均在10以下,且回归系数具有统计学意义.基于岭回归的反演模型可以较好兼顾反演精度与光谱数据多重共线性问题.研究成果可为无人机遥感土壤氮素营养诊断提供理论依据. 相似文献