基于波段深度分析和BP神经网络的水稻色素含量高光谱估算   总被引：2，自引：1，他引：1  

郑雯  明金  杨孟克  周四维  汪善勤 《中国生态农业学报》2017,25(8):1224-1235

该文以水稻田间氮肥水平试验为基础,采用单变量的线性和非线性回归方法,建立基于植被指数的水稻色素含量高光谱估算模型。各植被指数对色素含量的估计能力分析结果显示,植被指数在色素含量较大时存在饱和问题,为此尝试将波段深度分析(BDA)与BP神经网络结合,以提高利用高光谱技术对水稻叶片色素含量的估算精度。基于连续统去除处理的水稻冠层高光谱数据(400~750 nm),选取波段深度(BD)、波段深度比(BDR)、归一化波段深度(NBDI)和归一化面积波段指数(BNA)4种波段指数,在此基础上进行主成分分析(PCA)实现降维,然后采用反向传播(BP)神经网络方法对水稻叶片色素含量进行高光谱反演,探讨BDA与BP神经网络结合解决植被指数饱和问题的可能性和有效性。结果表明,波段深度分析突出了光谱吸收特征差异,挖掘了更多的潜在信息,使得光谱曲线的差异性得到增强。BD与BP结合的估算模型对水稻叶片中的类胡萝卜素含量估算精度最高(R~2=0.61,RMSEP=0.128 mg?g~(-1)),BNA与BP结合的估算模型对水稻叶片中的叶绿素含量估算精度最高(R~2=0.73,RMSEP=0.343 mg?g~(-1))。对比分析BDA与BP结合的模型和植被指数最佳回归模型的精度,发现波段深度分析建立的BP神经网络模型能较好地解决饱和问题,提高水稻叶片色素含量的估算精度。  相似文献   

种子呼吸检测方法及其应用研究进展          下载免费PDF全文

高璐  李香格  祁亨年  臧影  贾良权  赵光武  唐琦哲  郑雯 《浙江农林大学学报》2022,39(5):1133-1143

种子呼吸反映了种子的多种内在属性和生理生化特征，种子呼吸检测方法的进展对种子呼吸代谢研究具有重要意义。本文从种子呼吸检测方法及其应用2个方面进行了综述，重点综述了小篮子法、瓦氏微量法、Clark氧电极法、红外线二氧化碳分析仪法、氧传感技术检测法(Q₂技术)和可调谐二极管激光吸收光谱(TDLAS)技术检测法等常用种子呼吸检测方法的工作原理、主要检测对象及操作方法，总结了以上种子呼吸检测方法的优缺点及其适用范围。讨论了种子呼吸检测方法在种子呼吸代谢、种子储藏和种子活力测定等几个方面的研究应用，重点阐述了种子呼吸检测技术与种子活力相关的研究进展。根据研究现状对种子呼吸相关检测方法及其研究和应用方向进行了展望:①基于TDLAS技术等光学检测技术有望研制出灵敏度更高、操作更为简单的种子呼吸检测方法及装备；②种子呼吸代谢及其影响因素研究有利于丰富和深入揭示种子呼吸代谢过程理论；③开展种子呼吸指标和种子活力参数研究，为探寻能够将种子呼吸强度作为有效判定种子活力指标提供重要参数支持。表1参60  相似文献