公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

基于连续统去除法的苹果树冠SPAD高光谱估测被引量：16: 2016年; 准确、快捷、实时地对苹果树冠层土壤和作物分析仪器开发（SPAD）值进行高光谱估测，对苹果树的长势监测具有重要意义。连续2年测量了62个果园的196棵苹果树冠层光谱反射率及SPAD值，分析了原始光谱及连续统去除法处理后的光谱与SPAD的相关性，并对连续统去除法处理后的光谱在350～1300nm范围内，计算了任意两波段组合而成的归一化植被指数（NDVI）、比值植被指数（RVI）和差值植被指数（DVI）等光谱指数。利用逐步回归和主成分分析法，提取主成分作为自变量，构建了估测SPAD的支持向量机回归模型，并用第2年采集的数据进行了验证。新建的3类植被指数中，与SPAD相关性最大的植被指数分别为NDVI（406，563）、RVI（406，565）和DVI（646，695），相关系数（r）分别达到了0．677、0．690和0．711。对支持向量机回归模型进行验证，预测集决定系数（PR2）达到了0．837，预测集相对误差（REP）为1．190％，预测集相对分析误差（RPDP）达到了2．213。连续统去除法及光谱指数均能提高光谱与果树冠层SPAD的相关性，并且与SPAD相关性较高的光谱指数是由可见光波段组合而成，支持向量机回归模型对新梢旺长期苹果树冠层SPAD具有较好的估测能力。; 韩兆迎朱西存王凌赵庚星; 关键词：光谱学叶绿素相对含量苹果树支持向量机

基于SVM与RF的苹果树冠LAI高光谱估测被引量：40: 2016年; 叶面积指数(leaf area index,LAI)是反映作物群体大小的较好的动态指标。运用高光谱技术快速、无损地估测苹果树冠叶面积指数,为监测苹果树长势和估产提供参考。以盛果期红富士苹果树为研究对象,采用ASD地物光谱仪和LAI-2200冠层分析仪,在山东省烟台栖霞研究区,连续2年测量了30个果园90棵苹果树冠层光谱反射率及LAI值;通过相关性分析方法构建并筛选出了最优的植被指数;利用支持向量机(support vector machine,SVM)与随机森林(random forests,RF)多元回归分析方法构建了LAI估测模型。新建的GNDVI527,NDVI676,RVI682,FD-NVI656和GRVI517五个植被指数及前人建立的两个植被指数NDVI670和NDVI705与LAI的相关性都达到了极显著水平;建立的RF回归模型中,校正集决定系数C-R2和验证集决定系数V-R2为0.920,0.889,分别比SVM回归模型提高了0.045和0.033,校正集均方根误差C-RMSE、验证集均方根误差V-RMSE为0.249,0.236,分别比SVM回归模型降低了0.054和0.058,校正集相对分析误C-RPD、验证集相对分析误V-RPD达到了3.363和2.520,分别比SVM回归模型提高了0.598和0.262,校正集及验证集的实测值与预测值散点图趋势线的斜率C-S和V-S都接近于1,RF回归模型的估测效果优于SVM。RF多元回归模型适合盛果期红富士苹果树LAI的估测。; 韩兆迎朱西存房贤一王卓远王凌赵庚星姜远茂; 关键词：叶面积指数苹果树支持向量机

基于高光谱的苹果盛果期冠层叶绿素含量监测研究被引量：31: 2013年; 【目的】建立苹果冠层叶绿素含量及冠层光谱特征参量间的定量关系模型,以促进高光谱技术在苹果树精准施肥以及快速、无损长势监测中的应用。【方法】以蒙阴县果园的苹果树为试验材料,连续2年分别测定了苹果冠层光谱反射率和冠层叶绿素(Chl(a+b))含量,分析了冠层叶绿素含量与光谱反射率之间的相关关系,并计算了400—1 000 nm任意两波段组合而成的RVI、DVI、NDVI和RDVI,分析了它们与冠层叶绿素含量的关系,以逐步回归分析做比较,建立了苹果冠层叶绿素含量监测模型。【结果】结果表明,以单变量估算叶绿素含量的最佳光谱指数为NDVI(975,742),相关系数为0.5093。利用多元逐步回归建立的苹果冠层叶绿素含量最佳监测模型为Y=-0.56(log1/R)771-0.48(log1/R)1978+0.20(log1/R)2407-0.10(log1/R)2440+4.749。【结论】用多元逐步回归方法建立的模型来监测苹果冠层叶绿素含量效果较好,为利用高光谱技术监测苹果生长状况提供了理论依据。; 房贤一朱西存王凌赵庚星; 关键词：叶绿素含量光谱指数

黄河三角洲土壤有机质含量的高光谱反演被引量：29: 2014年; 【目的】土壤有机质(SOM)具有改良土壤结构、促进团粒结构形成、增加土壤疏松性、改善土壤通气性和透水性以及促进植物生长发育的作用。传统测定土壤有机质的方法,虽然精度高,但是实时性差。本文通过对土壤高光谱数据进行变换和分析,筛选出与土壤有机质含量相关性高的敏感波长,构建能够实时、快速反演黄河三角洲土壤有机质含量的数学统计模型。【方法】60个土壤样品采于黄河三角州。利用ASD Fieldspec3光谱仪,在室内环境下对黄河三角洲不同有机质含量的风干土壤样本进行了光谱测量,利用化学方法测定了土壤的有机质含量。在对土壤样品高光谱反射率进行去包络线处理的基础上,与土壤有机质含量进行相关分析,筛选敏感波长;运用主成分回归分析、多元线性回归分析、二次多项式逐步回归分析和支持向量机回归分析方法,分别建立了有机质含量的反演模型。【结果】确定了估测土壤有机质含量的敏感波长,建立了能够快速反演黄河三角洲土壤有机质含量的数学统计模型。从土壤光谱反射率曲线可以看出在1400 nm、1900 nm和2200 nm等波段附近有十分明显的水分吸收谷。经对比相关性可以看出,去包络线的数据处理方法明显提高了光谱反射率与土壤有机质之间的相关性。1278 nm、1307 nm、1314 nm、1322 nm、1328 nm、1334 nm、1343 nm 7个相关性较高的波长作为估测土壤有机质含量的敏感波长。基于主成分回归分析、多元线性回归分析、二次多项式逐步回归分析和支持向量机回归分析方法,分别构建了反演有机质含量的模型。其中,二次多项式逐步回归模型校正集的决定系数达到了0.865,验证集的决定系数最大,达到了0.837,为黄河三角洲土壤有机质含量的最佳反演模型。【结论】去包络线的数据处理方法可提高光谱反射率与土壤有机质之间的相关性,确定�; 韩兆迎朱西存刘庆房贤一王卓远; 关键词：有机质黄河三角洲

基于光谱指数的苹果叶片水分含量估算模型研究被引量：11: 2014年; 建立快速、无损的苹果叶片水分含量高光谱估算模型,为苹果树干旱预警提供理论依据。以2个不同生育期采集的苹果叶片为研究对象,研究了不同水分含量的苹果叶片高光谱特征,分析了苹果叶片水分含量与光谱指数之间的相关关系,建立了苹果叶片水分含量估算模型。结果表明,苹果叶片水分含量的敏感光谱波段主要集中于近红外和短波红外波段;利用6个光谱指数建立的单变量估算模型均达到了极显著水平(P<0.01),但以水分指数建立的估算模型y=29503x2-57746x+28317的拟合决定系数R2最大,为0.5401;经检验,拟合方程的RMSE为2.4,RE为5.8%,检验精度达到了94.2%。采用主成分回归分析方法,建立的苹果叶片水分含量估算模型y=-556.819+347.838x1-17.815x2-27.864x3+299.492x4+25.647x5+9.835x6的拟合决定系数R2为0.6371,经检验,拟合方程的RMSE为1.26,RE为1.8%,检验精度达到了98.2%。表明以主成分回归分析建立的苹果叶片水分含量估算模型具有较好的敏感性和稳定性。; 朱西存姜远茂赵庚星王凌房贤一; 关键词：光谱指数苹果叶片水分含量

基于随机森林模型的苹果叶片磷素含量高光谱估测被引量：29: 2016年; 【目的】针对传统化学方法测定苹果叶片磷素含量的不足,使用高光谱技术快速、准确和无损地估测苹果叶片磷素含量。【方法】以烟台栖霞市25个果园100株新梢旺长期苹果树叶片高光谱反射率和叶片磷素（phosphorus,P）含量为数据源,在分析其磷素含量与原始光谱反射率、原始光谱反射率的一阶微分、植被指数和高光谱特征参量相关性的基础上,筛选敏感波长,建立了基于高光谱数据的磷素含量随机森林模型。【结果】新梢旺长期苹果叶片磷素含量在绿光波段（507~590 nm）、红光波段（694~743 nm）和近红外短波波段（1 324~1 364 nm）呈显著负相关;基于植被指数RVI（542,1 094）、RVI（705,937）、DVI（556,712）、DVI（677,1 728）、NDVI（737,549）、DVI（FDR567,FDR1980）和DVI（FDR523,FDR1883）建立的随机森林回归模型有较好的估测效果,决定系数R2=0.923 6,均方根误差RMSE=0.015 8,相对误差RE=6.915%。【结论】光谱植被指数比较适合苹果磷素营养状况估测。; 程立真朱西存高璐璐王凌赵庚星; 关键词：苹果叶片磷素含量

苹果叶片氮素含量高光谱检测研究被引量：13: 2016年; 苹果叶片氮(N)素含量是反映其生长质量高低的重要因素。利用高光谱遥感技术对苹果叶片N素含量进行定量化反演,可为苹果树的信息化管理提供理论依据。首先使用ASD Field Spec 3地物光谱仪对样点的苹果叶片的N素含量进行测定,得到苹果叶片样品的高光谱反射率及其N素含量;然后在分析苹果叶片原始光谱和一阶导数以及各种变换后光谱特征的基础上,与苹果叶片的N素含量进行多元逐步回归分析,筛选出对N素变化敏感的波段;最后运用BP人工神经网络算法构建敏感波段与N素含量的反演模型,并对模型进行优选和检验,为测定苹果叶片N素含量提供了1个简单可靠的方法。; 安静姚国清朱西存; 关键词：苹果叶片 BP神经网络

基于模糊识别的苹果花期冠层钾素含量高光谱估测被引量：13: 2013年; 依据2008年和2009年2年在栖霞试验区利用地物光谱仪ASD FieldSpec3测定的苹果花期冠层高光谱和实验室内测定的钾素含量数据,以冠层高光谱反射率及其11变换形式与钾素含量分别进行相关分析,以相关系数最大者为自变量,采用模糊识别算法,建立钾素含量估测模型;以2008年的检验样本对模型进行检验,并利用2009的独立试验数据对模型进行验证。结果表明,原始光谱反射率(R)及其倒数(1/R)、对数(lgR)、平方根(R1/2)与钾素含量的相关性较差,但它们的一阶微分和二阶微分与钾素含量之间的相关性明显增强;建立的钾素含量估测模型^y=11.344 5h+1.309 7的相关系数r为0.985 1,总均方根差RMSE为0.355 7,F统计量为3 085.6;24个检验样本实测值与估测值的平均相对误差为9.8%,估测精度为90.2%;2009年试验验证精度达到了83.3%。表明模型用于苹果花期冠层钾素含量的估测具有较高的稳定性,模型精度能满足生产上对苹果钾素含量估测的要求。; 朱西存姜远茂赵庚星王凌李希灿; 关键词：模糊识别苹果花期钾素含量

全选清除导出

共1页<1>

山东省自然科学基金(ZR2012DM007)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

山东省自然科学基金(ZR2012DM007)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈