排序方式: 共有36条查询结果,搜索用时 31 毫秒
1.
基于高光谱特征的土壤有机质含量估测研究 总被引:5,自引:1,他引:5
在室内条件下,利用ASD2500高光谱仪测定了潮土和水稻土自然风干土壤样品的光谱。通过系统分析两种不同类型土壤的高光谱特征差异及其有机质含量的敏感波段区位,建立了土壤有机质含量的光谱估测模型。结果表明,具有相同有机质含量的两种类型土壤整体光谱变化趋势无明显差别,但反射率表现出明显差异,一阶导数变换能较好地显现谱图中的肩峰。潮土和水稻土有机质的敏感波段集中在相同区域,原始反射率在685 nm处相关性最高,而一阶导数光谱在554 nm处相关性最高。通过对整体样本的多元逐步回归分析,筛选出两种土壤有机质相同的敏感波段为800 nm、1 398 nm和546 nm。进一步以一阶导数为自变量,基于1 400nm和554 nm两个波段构建了土壤有机质差值指数SOMDI及估测模型,即Y=4.19 12.85×(R_FD554 R_FD1 400)。利用独立的样本对建立的光谱模型进行了检验,预测决定系数均达0.79以上。上述结果表明,利用高光谱技术可实现土壤有机质的快速监测与诊断。 相似文献
2.
为充分了解及更合理地利用无核葡萄的种质资源,辅助无核葡萄育种,本研究采用SRAP分子标记技术,对23 个国内外主流无核葡萄品种的种质亲缘关系进行分析。结果表明:从45 对SRAP引物中筛选出38 对多态性引物,共扩增出236 条谱带,其中171 条为多态性谱带,多态性谱带百分率为72.4%。遗传相似分析显示,供试材料间遗传相似系数的变化范围为0.58~0.90,遗传距离在1.0313~4.9643 范围内变化。在遗传相似系数为0.61 处,可将供试材料分为2 个大类群,在相似系数为0.66 处,Ⅰ类群和Ⅱ类群均可分为2个亚群。说明23个品种总体来讲亲缘关系较远,特别欧美杂种具有较高的遗传多样性,部分欧亚种品种间亲缘关系较近,杂交育种时应注意亲本选择。 相似文献
3.
导数光谱在棉花农学参数测定中的作用探讨 总被引:5,自引:0,他引:5
通过大田和室内试验,测定了2个品种的棉花冠层、完全展开倒3叶在不同时期的高光谱反射率及对应叶片的叶绿素、类胡萝卜素含量,分析并证实了棉花导数光谱时消除测量背景影响及寻找特征波长方面的作用。将导数光谱用于棉花农学参数的测定,发现棉花冠层和叶片光谱都存在红边位移现象,并且红边参数(红边位置、红边幅值、红边面积)与叶面积指数、鲜叶重、干叶重和叶绿素含量有显著相关,从而证明用棉花导数光谱测定它的某些农学参数的可行性。 相似文献
4.
基于导数光谱的小麦冠层叶片含水量反演 总被引:3,自引:0,他引:3
【目的】以高光谱技术实现小麦含水量信息的快速、无损与准确获取,为小麦灌溉的精确管理提供科学依据。【方法】利用水氮胁迫试验条件下小麦主要生长期的导数光谱构建了16种新指数,将其与NDII、WBI以及NDWI等常用指数进行比较分析,筛选小麦叶片含水量反演最佳光谱指数,并利用其建立反演模型进行小麦含水量的遥感填图。【结果】在各指数中,FD730-955对小麦冠层叶片含水量的估测结果最佳,其估测模型(对数形式)校正决定系数(C-R2)与检验决定系数(V-R2)分别达0.749与0.742,优于NDII等常用指数;FD730-955所建模型对32个未知样的预测结果与实测值相似度较高,其回归拟合模型R2达0.763,RMSE仅为0.024,取得了良好预测结果,且对叶片含水量以及LAI值较高与较低的样本均具备良好的预测能力,可有效避免样本取值范围以及冠层郁闭度等因素对含水量估测的影响;反演模型对OMIS影像的填图结果与地面实测值拟合模型R2达0.647,RMSE仅为0.027,具有较高的反演精度。【结论】导数光谱可实现小麦冠层叶片含水量信息的准确估测,其中FD730-955系反演的优选指数。 相似文献
5.
不同类型土壤的光谱特征及其有机质含量预测 总被引:17,自引:1,他引:17
【目的】构建适合土壤有机质含量估测的高光谱参数及定量反演模型。【方法】系统分析中国中、东部地区5种不同类型土壤风干样本有机质含量与350~2 500 nm波段范围高光谱反射率之间的关系,利用特征光谱参数和BP神经网络建立土壤有机质的定量估测模型。【结果】光谱一阶导数构成的两波段光谱参数与土壤有机质含量的相关性明显优于原始光谱,尤其采用Norris平滑滤波后导数光谱效果更好。光谱参数构成形式以差值指数最好,其次为比值和归一化指数。与土壤有机质含量相关程度最高的光谱参数是由可见光区554 nm和近红外区1 398 nm两个波段的一阶导数组合而成的差值指数DI(D554,D1398),两者呈显著指数曲线关系,拟合方程为y= 184.2 ×exp[-1297×DI(D554,D1398)],决定系数为0.90。经不同类型土壤的观测资料检验,模型预测决定系数为0.84,均方根误差RMSE为3.64,相对分析误差RPD为2.98,显示估测模型具有较好的预测精度。另外,利用BP神经网络结合偏最小二乘法(PLS)对导数光谱进行分析,提取贡献率达到99.56 %的前6个主成分建立了三层BP 神经网络模型,模型决定系数为0.98,经不同类型土壤的观测资料检验,模型预测决定系数为0.96,RMSE为2.24,相对偏差RPD为4.83。比较利用DI(D554,D1398)和BP网络进行土壤有机质含量的预测结果,前者精度低于后者,但可以满足土壤有机质监测的需要。【结论】利用差值光谱指数DI(D554,D1398)和BP神经网络模型均可实现对土壤有机质的精确估测。 相似文献
6.
5种花梨木的红外光谱比较分析 总被引:2,自引:1,他引:1
为了提供识别花梨木品种的新思路和新方法,采用红外光谱分析方法,对越柬紫檀、刺猬紫檀、印度紫檀、大果紫檀、鸟足紫檀5种花梨木的一维红外光谱(FTIR)、二阶导数光谱(SDIR)、二维相关红外光谱(2DIR)进行对比分析。结果表明:1)在FTIR谱图中,5种花梨木在781 cm-1处的差异可以把越柬紫檀和刺猬紫檀与其他3种花梨木区分开;2)在SDIR 谱图中,刺猬紫檀在1 179 cm-1处存在1个吸收峰;大果紫檀在781 cm-1处存在吸收峰;鸟足紫檀在1 351、1 299、1 147、1 131、938 cm-1处都有明显的吸收峰,而印度紫檀没有吸收峰;3)在2DIR谱图中,1 100、1 150、1 258 cm-1处的差异可以将刺猬紫檀与其他4种花梨木区分开,1 467、1 518 cm-1处的差异可以把越柬紫檀、刺猬紫檀与鸟足紫檀区分开来。单独使用2DIR识别方法并不能把5种花梨木完全区分,但将FTIR、SDIR、2DIR这3种方法结合可以实现5种花梨木的区分,也有助于红木树种的无损识别。 相似文献
7.
本文用自合成的高灵敏显色剂meso—四—(对甲氧苯基)卟啉(TMOPP),通过四阶导数光谱CPA计算分析方法,对合成试样和植物标样中的Zn,Cd进行了同时测定。其相对误差均在±10%以内。 相似文献
8.
本文以整体标准误差为基础的?函数为判断依据,运用计算机研究了CPA法用于多组份导数光谱时,测试波长位置、波长数目、波长间隔及混合标准溶液个数对计算结果的影响。当测试波长经过精选后,波长数可增至7,且准确度和精密度均有所提高。文中以SAF—CTMAB—Mo、W体系验证了结果,对M:W=1:10~10:1,M、W含量低达0.1μg/25ml的样品,四阶导数测试的结果为:相对误差一般在±6%以内,RSD(M_o)=0.76%,RSD(W)=2.03%。 相似文献
9.
用傅里叶变换红外光谱法研究蚕豆病害叶片,结果显示不同病害蚕豆叶片红外光谱图整体相似,它们的红外光谱主要由蛋白质、脂类和多糖的振动吸收带组成,仅在1 800~1 300 cm-1范围光谱的峰位、峰形及吸收强度有一些微小差异。对1 800~1 300 cm-1波数范围的光谱图进行二阶导数处理,结果显示蚕豆病害叶的二阶导数谱差异明显。对健康和病害蚕豆叶1 700~1 500 cm-1范围光谱进行傅里叶自去卷积和曲线拟合处理后,得到蛋白质酰胺Ⅱ带(1 550 cm-1)、木质素(1 605 cm-1)和酰胺I(1 650 cm-1)3个子峰,相应子峰的峰面积比例显示差异,黄化卷叶病分别为24.01%、36.55%、39.44%,赤斑病分别为15.42%、42.98%、41.61%,轮纹病分别为32.39%、35.63%、31.98%,锈病分别为13.97%、46.40%、39.65%,健康叶片分别为38.86%、28.68%、32.47%,健康叶的酰胺Ⅱ带子峰相对面积比病害叶的大,而其木质素子峰相对面积比病害叶的小。对于子峰面积比A1 563/A1 605、A1 650/A1 605和A1 563/A1 654,4种病害叶的比值均比健康叶的相应数值小,4种病害叶之间也有差异。结果表明傅里叶变换红外光谱(FTIR)结合曲线拟合可望对不同病害的样品进行有效鉴别。 相似文献
10.
福建将乐林场主要树种冠层光谱反射特征分析 总被引:1,自引:0,他引:1
【目的】对福建将乐林场主要树种的冠层光谱曲线进行分析,以建立和完善该地区森林树种光谱数据库,并对利用高光谱数据研究森林树种分类提供理论和技术支持。【方法】对实测的林场内5个主要树种(马尾松、杉木、毛竹、木荷和苦槠栲)的平均冠层反射光谱曲线,采用导数光谱、红边特征及将冠层光谱曲线转化到频率域的离散傅里叶变换方法进行分析,比较各树种冠层光谱曲线在空间和频率域上的差别。【结果】在可见光波段(480~700nm),毛竹和苦槠栲的冠层反射率高于其他树种;在近红外波段(720~920nm),苦槠栲、木荷、毛竹的冠层反射率明显高于马尾松和杉木,且苦槠栲木荷毛竹。一阶导数光谱对植被类型有很好的区分作用,可以将植被在可见光波段附近吸收谷的特征和在近红外波段的红边特征进行突出显示。冠层光谱的红边特征参数表现为木荷和苦槠栲的光谱曲线红边斜率较大,明显高于马尾松、杉木和毛竹;毛竹的红边位置明显低于其他树种。对树种冠层光谱的频谱分析结果得出,冠层光谱前12次谐波能量累计达到99%,原始光谱曲线冠层光谱在频域上也有可分性,前4次谐波的幅度谱可以将苦槠栲、木荷和毛竹区分出来。【结论】不同树种的光谱曲线在空间域和频率域都存在明显的差别,光谱曲线的红边参数和冠层光谱在频率域的幅度谱有助于定量化地区分不同的树种类型。 相似文献