共查询到15条相似文献，搜索用时 156 毫秒
1.
利用2019年长江中下游早籼稻早中熟组种质资源为材料,分析主要生育期冠层光谱反射率与籽粒粗蛋白含量的关系,筛选出可用于早籼稻籽粒粗蛋白含量预测的敏感生育期和敏感波长,建立了基于敏感波长和光谱参数的籽粒粗蛋白的一元线性、多元线性、指数和多项式预测模型,用决定系数（R 2）、均方根误差（RMSE）和相对误差（RE）对模型精度进行评价,以期找到估测早籼稻籽粒粗蛋白含量的最适模型。研究发现,在孕穗期514、580、638和695nm波长处冠层一阶微分光谱反射率与籽粒粗蛋白含量相关性达到极显著水平;在基于敏感波长的估测模型中,四元线性模型估测效果最佳,其建模集R 2、RMSE和RE分别为0.566、0.342%和2.874%,验证集R 2、RMSE和RE分别为0.518、0.154%和1.303%;在基于光谱参数构建的估测模型中,DSI(R′514和R′638)为自变量构建的多项式模型估测效果较优,其建模集R 2、RMSE和RE分别为0.638、0.312%和2.639%,验证集R 2、RMSE和RE分别为0.581、0.230%和2.307%。 相似文献
2.
《棉花学报》2021,33(3)
【目的】地上部生物量是表征植物生命活动的重要参数。探索不同的光谱预处理方法和建模方法,实现对棉花地上部生物量快速、无损、准确的估算,对棉花长势监测和大田精准管理具有重要意义。【方法】以新陆早53号、新陆早45号为研究对象,设置不同施氮处理,于出苗后不同阶段获取棉花地上部生物量和无人机高光谱数据,通过连续投影算法(Successive projections algorithm,SPA)筛选不同预处理[一阶导数、二阶导数、Savitzky-Golay(SG平滑)、多元散射校正]后的特征波长,基于筛选出的不同波长组合使用偏最小二乘法回归(Partial least square regression,PLSR)和随机森林回归(Random forest regression,RFR)分别构建棉花地上部生物量估算模型,比较不同预处理后建立模型的精度,确定最优估算模型。【结果】(1)利用SPA算法对不同预处理后的光谱信息筛选出特征波长9～26个,可实现光谱信息降维。(2)基于SG平滑-SPA处理及PLSR方法建立的模型最佳,R~2达到了0.63,均方根误差(Root mean square error,RMSE)为0.42,验证集的R~2为0.67,RMSE为0.44。(3)一阶导数-SPA处理后,采用RFR构建的模型最佳,R~2达到0.87,RMSE为0.45,验证集R~2为0.81,RMSE为0.37。【结论】采用一阶导数预处理结合SPA筛选特征波长,经RFR构建的估算模型结果和验证效果均最佳,可用于棉花地上部生物量定量估算。 相似文献
3.
对烟粉全部近红外光谱数据采取不同的预处理方法来探究烟叶化学成分协调性（施木克值、糖碱比、氮碱比）,基于有效波长光谱数据建立相应的近红外光谱的检测模型,并利用偏最小二乘法(PLS)通过训练集的交叉验证建立回归模型。通过全部波长数据中值滤波平滑处理后建立施木克值的回归模型,预测集r=0.9861、RMSE=0.0548;通过全部波长数据卷积平滑二阶求导处理后建立糖碱比的回归模型,预测集r=0.9498、RMSE=0.9095;在对光谱数据处理较优的Norris一阶导数数组基础上选取30个有效波长建立氮碱比的回归模型,预测集r=0.9202、RMSE=0.6947。结果表明：利用近红外光谱可以较好地预测烤烟施木克值、糖碱比和氮碱比。 相似文献
4.
烟叶总氮的近红外光谱检测模型研究 总被引：1，自引：1，他引：0
探索建立一种有效的烟叶总氮含量近红外光谱检测模型,并寻找1100~2500 nm波段中预测烟叶总氮含量的有效波长。采用多种不同的光谱处理方法,并选择较优的一阶导数光谱处理原始光谱,再用偏最小二乘回归建立模型和Martens不确定性检验方法选择有效波长。基于全部波长建立的模型,训练集r=0.9930,RMSE=0.0490;交叉验证r=0.9708,RMSE=0.0996;预测集r=0.9747,RMSE=0.0884。基于有效波长建立的模型,训练集r=0.9937,RMSE=0.0464;交叉验证r=0.9744,RMSE=0.0938;预测集r=0.9610,RMSE=0.1116,预测值与化学值的绝对误差小于0.227%,相对误差未超过0.1%。表明使用近红外光谱分析技术检测烟叶总氮含量较好,采用Martens不确定性检验方法选择有效波长,并利用有效波长预测烟叶总氮含量是可行的。 相似文献
5.
华北平原地区棉花叶片SPAD光谱特征有待探明,其最适宜建模方法亦有待研究。笔者针对华北平原棉区,基于无人机多光谱探索其叶片SPAD光谱特征和最佳建模方法。以德州市夏津县大李庄棉区为研究区,利用无人机获取棉花花铃期的多光谱图像,同步测定棉花叶片SPAD值;对原始光谱进行预处理并组合构建光谱指数,进而采用相关分析筛选出6个棉花SPAD特征光谱指数;分别采用BP神经网络(BPNN)、多元逐步回归(MSR)和支持向量机(SVM)方法构建棉花SPAD值定量分析模型,并对模型验证、对比,优选最佳模型和建模方法,进而定量分析研究区棉花叶片SPAD空间分布。结果表明:棉花叶片SPAD的特征波段为红光和红边波段;入选模型的特征光谱指数为r、r*reg、(reg-r)/(reg+r)、r-g、r/g、$\sqrt{r^{2}+g^{2}}$;对比3种建模方法,BPNN模型精度最高,其建模集R2、RMSE分别为0.747、4.568,验证集R2、RMSE、RPD分别为0.758、4.142、2.135,确定为棉花叶片SPAD的最佳模型。基于BP神经网络模型进行棉花叶片SPAD的空间分布反演,反演值与实测值具有高度一致性,拟合结果较好。BP神经网络可以作为基于无人机多光谱的华北平原棉花叶片SPAD建模的优选方法,该研究可促进棉田定量遥感和棉花长势监测。 相似文献
6.
不同类型土壤全氮含量的高光谱预测研究 总被引：4，自引：2，他引：2
为了探明土壤全氮的敏感波段,对比不同统计方法建立的预测模型的反演精度与稳定性,以红壤、石灰土、潮土和水稻土4个土类的土壤为研究对象,利用ASD Pro FR地物光谱仪,在室内条件下测定350~2500 nm波段范围的土壤高光谱数据,经分析不同光谱指标与全氮含量数据的相关性,确定全氮的敏感波段,并建立相应的反演模型。结果表明,反射系数、反射系数对倒的一阶微分、反射系数倒数的一阶微分、反射系数的一阶微分、反射系数对数的倒数、反射系数对数的一阶微分与全氮的最高相关系数分别出现在2153、1079、1853、528、1392、438 nm;所有预测模型中,以895、1079、1138、1149、2163、2183、2336、2337 nm波段反射率对倒的一阶微分建立的多元逐步回归模型为最佳模型;逐步回归与一元线性回归相比较而言,逐步回归建立的预测模型的精度和稳定性更佳。 相似文献
7.
基于随机森林法的棉花叶片叶绿素含量估算 总被引：3，自引：0，他引：3
为了高效和无损地估算棉花叶片的叶绿素含量,本研究测定了棉花光谱反射率及叶绿素含量(soilandplant analyzerdevelopment,SPAD)值,对光谱数据进行包络线去除处理、立方根转换和倒数转换,以SPAD值与反射光谱之间的相关性为基础,通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段,构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression,PLSR)两个模型。结果表明,在605～690nm范围内的反射率与SPAD值相关性达0.01显著水平,均呈负相关,相关系数最高值为-0.619。与原始光谱相比,经过变换后的棉花反射率与SPAD值相关性结果相差较大,其中去除包络线光谱在550～750 nm波段范围有效提高了相关性,相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段,进而提高模型估算精度。在两种模型中,基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R~2分别为0.92、0.83,说明这两种模型的估算能力较好;两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%,表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。 相似文献
8.
花生籽仁蛋白质含量近红外光谱模型的建立 总被引：2，自引：1，他引：1
采用近红外漫反射光谱非破坏性分析,结合偏最小二乘法,以河北省地方花生品种为研究对象建立了花生籽仁蛋白质含量的近红外光谱模型。结果表明,对原始光谱数据采用一阶导数+变量标准化处理的方法建立的模型其校正或预测效果最佳。该模型的校正集和验证集决定系数分别为0.9245和0.9018,校正标准误和预测标准误分别为0.3601和0.4153。用该模型对16个未参与建模的花生品种进行了预测,结果表明该模型具有很好的预测能力,可以用于花生品种蛋白质含量的快速检测。 相似文献
9.
基于植被指数的夏玉米不同生育期叶绿素含量遥感估算 总被引：1，自引：0，他引：1
叶绿素含量是间接判断玉米营养状况的重要农学参数,估算叶绿素含量对农作物长势监测有重要意义。笔者利用ASD便携式地物光谱仪和SPAD-502叶绿素仪实测了夏玉米关键生育期冠层光谱反射率及叶片叶绿素相对含量,对3种植被指数与叶绿素相对含量进行了相关性分析,建立了基于归一化植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)的叶绿素估算模型,并进行精度检验,从中选出最佳拟合模型。研究结果表明：拔节期RVI、抽穗期和灌浆期NDVI以及蜡熟期DVI的均方根差(RMSE)和相对误差(RE)均最低,RMSE分别为5.688、5.323、2.751、4.111,RE分别为9.84%、8.56%、3.75%、7.15%,故为各个时期的最佳模型。因此得到了NDVI、RVI和DVI3种植被指数在不同生育期的最佳模型,对指导夏玉米种植与田间管理具有重要的指导意义。 相似文献
10.
11.
基于高光谱遥感的玉米叶片SPAD值估算模型研究 总被引：1，自引：0，他引：1
灌浆期玉米叶片叶绿素含量对玉米光合作用及产量形成具有重要作用。为通过高光谱特征准确、高效估测玉米叶片叶绿素含量,以SPAD值表征叶绿素相对含量,构建了基于光谱特征参数的传统回归模型、基于全谱和光谱特征参数的PLSR模型和BP神经网络模型,并进行了比较分析。结果表明：基于全谱构建的PLSR模型SPAD值拟合效果最好（R 2=0.910,RMSE=2.071）,而基于光谱特征参数所建立的PLSR模型拟合效果可达到与全谱PLSR模型相近的水平。但后者的实测值与预测值拟合效果（R 2=0.867,RMSE=2.581,RPD=2.628）优于全谱PLSR模型,且建模时间短,模型复杂程度降低。BP神经网络模型相较于两种PLSR模型预测效果略差,但优于传统回归模型。综合来看,基于光谱特征参数建立的PLSR模型估测效果最好。 相似文献
12.
基于近红外波段玉米叶绿素含量最佳预测模型研究 总被引：2，自引：0，他引：2
为了进一步探究近红外波段玉米光谱反射率与其叶绿素含量之间的关系,笔者采用线性和非线性法对玉米叶绿素含量与近红外波段光谱反射率及植被指数之间的关系进行分析,建立叶绿素含量最佳预测模型。结果表明：在近红外波段,光谱反射率与玉米叶绿素含量的相关性较大;叶绿素含量与RVI(R1001/R760)、RSI(R765/R720)、NDVI(R990-R760)/(R760+R990)、NDSI(R813-R763)/(R813+R763)、CCI(D794/D763)等植被指数均达极显著相关,其中与NDVI的相关性最大,为0.91。基于近红外波段的植被指数建立玉米叶绿素含量预测模型中,采用RVI、RSI、NDVI、NDSI所建的二次多项式模型其决定系数R2均高达0.75以上。采用990、760nm处的归一化植被指数NDVI建立的二次多项式为玉米叶绿素含量最佳预测模型,其具有最大决定系数(R2=0.855),较小RMSE(2.433)和RE%(0.61%),为利用高光谱信息反映玉米生长状况的叶绿素信息提供了基础。 相似文献
13.
[Object] To setup the hyperspectral sensing models for estimating SPAD value of cotton leaves under waterlogging stress. [Method] Irrigation and drainage controllable plots were introduced to simulate the waterlogging stress treatment in the flowering and boll forming stage, during which the change characteristics of the cotton leaf spectral reflectance and SPAD value were observed after 1 d, 3 d, 6 d, 9 d waterlogging, respectively. To find out the hyperspectral sensing models for estimating SPAD value of cotton leaves under waterlogging stress, the correlation and regression relationships between SPAD value and spectrum parameters were analyzed. [Result] (1) The SPAD value of the fourth cotton leaf from the top was significantly lower than control when suffers from waterlogging for 3 d, when waterlogged 9 d the SPAD value decreased by around 15% compared with the control. (2) The cotton suffering from waterlogged damage in the flowering and boll forming stage caused the reflection peak in green light wave band became steep, while the near infrared spectral reflectance increased, and caused the reduction of red absorption and red edge position "blue shifts", the red edge position drifts towards short wave with 4～5 nm when suffers from waterlogging for 9 d. With increase of the waterlogged days, the red edge slope and red edge area increased with a maximum value at 6 d of waterlogging, meanwhile, the skewness and kurtosis of red edge increased. (3) After waterlogging, the SPAD value of the fourth cotton leaf from the top (chlorophyll content) had a remarkable correlation with red edge slope(Dr), red edge position(λr), green peak reflection(Rg), green peak position(λg), red well position(λo), blue edge area(SDb), yellow edge skewness(Sy), yellow edge kurtosis(Ky), red edge skewness(Sr), red edge kurtosis(Kr), etc. An experience linear, polynomial and exponential models for estimating SPAD value had been built through using the Sy, Sr, Kr as independent variables, respectively, their determination coefficient (R2) were greater than 0.9, and the root mean square error (RMSE) were less than 1; and an experience binary linear regression equation for estimating SPAD value had been built through multivariate regression using the λg, SDr/SDb(VI3), Sb, Sy, Ky as independent variables, the R2 was as high as 0.973, and the RMSE was 0.393. [Conclusion] The model can be remote sensing model used as estimating leaf SPAD of cotton value under waterlogging stress. 相似文献
14.
基于近地高光谱棉花生物量遥感估算模型 总被引：4，自引：0，他引：4
分析棉花地上鲜生物量冠层高光谱反射率变异系数，反射率光谱、一阶微分光谱与地上鲜生物量相关关系得结果表明：在可见光近红外波段棉花冠层反射率光谱变异系数在672 nm波段处最大；棉花地上鲜生物量与反射率光谱相关系数最大值在可见光波段出现在589~700 nm，在近红外波段出现在865~919 nm波段，且前者大于后者。地上鲜生物量与一阶微分光谱相关系数在可见光波段出现524~528 nm、552~588 nm、710~755 nm 3个高值区。基于以上研究，选择19个高光谱特征参数建立了棉花地上鲜生物量高光谱遥感监测模型，经检验，单波段中以F629估算水平最高，估算模型为Y = 9.7914 exp(－20.738 F629)，准确度为83.9%、RMSE为0.64 kg m-2、预测值与实测值相关系数为0.940**；组合参数以[629, 901]指数形式估算模型估算水平最高，模型为Y = 0.0986 exp(4.3696[629, 901])，准确度达84.0%，RMSE为0.55 kg m-2，预测值与实测值相关系数为0.960**，上述两个模型为参选模型中估算棉花地上鲜生物量最佳高光谱估算模型。 相似文献
15.
水分胁迫对不同抗旱型玉米自交系苗期生长的影响 总被引：1，自引：0，他引：1
通过水分胁迫处理对不同抗旱型玉米自交系苗期的影响研究,为抗旱育种选择自交系提供选择参考。采用人工控水的方法,研究干旱胁迫对夏玉米抗旱型和对敏感型自交系苗期株高、地上部和地下部分干重、叶面积、比叶重、叶绿素和净光合速等的影响。结果表明：不同抗旱型自交系苗期对水分胁迫的响应不同。抗旱玉米自交系从5叶期开始在干旱胁迫期间的株高、地上部和地下部分干重、叶面积、叶绿素和净光合速率等指标均高于对水分敏感的玉米自交系,且比叶重相对稳定。这表明干旱条件下,抗旱型自交系较普通自交系在苗期能够表现出更好的适应性,本研究对加强抗旱自交系的筛选和选育,进一步提高耐旱节水玉米新品种选择效率具有一定参考价值。 相似文献