基于高光谱的苹果树冠层磷素状况估测模型研究

合集下载

基于高光谱成像技术的新疆冰糖心红富士苹果分级和糖度预测研究

Ｘｉｊｎｊａｐｅｕｉｇｈｐｒｓｅｔａｍａｉｇｔｃｎｌｇ．ｒｔｉｈｅｅｒｈｏｕａｅｒｅｐｅｉ— ｎｉｇＦｕｉｐｌｓｎｙｅ— ｐｃｒｌｉｇｎｅｈｏｏｙＦｉｓ，ｎｔｅｒｓａｃｆｓｇｒｄｇｅｒｄｃａ
ｏｄＴｈｅｒｌｔｄｃｅｆｃｅｓｏｆｐｅｉｔｏｏｅｐｐｅｓｇａｇｅｏｌｅｔｄｂｙｔｅｔｗｅｅ０．１，ｈ．ｅａｅｏｆｉｉｎｔｒｄｃｉｎｍｄｌｏｆａｌｕｒｄｅｒｅｃｌｃｅｈｅｔｓ，ｒ９ｔｅ１
长、均灰度等特征，用二次判别分析分级苹果，证集苹果分级准确率达到８．。结果表明，光谱图像技平采验９５高
术既能够准确预测新疆冰糖心红富士苹果糖度品质，可以用于基于外部品质特征的分级研究。也关键词：高光谱图像；疆冰糖心红富士苹果；度；级新糖分
ｐｅｉｔｄｍｅｎｓｕｒｒｏｓ０７Ｂｒｘｔｅｏｐｓｔｎｌｓｓｅｒｒｗａ．４，ｎｔｅｒｓａｃｆａｐｅｒｄｃｅａｑａｅｅｒｒｗａ．６ｉ，ｈｐｏｉａａｙｉｒｏｓ２４ｉｈｅｅｒｈｏｐｌｅ
ｄｃｉｎｍｏｅｆｓｇｒｄｇｅｆＸｉｊｎｊＡｐｌｒｕｌｂｓｄｏｌｉｌｉｅｒｒｇｅｓｏｔ — ｉｔｄｌｕａｅｒｅｏｎｉｇＦｕｉｐｅｗｅｅｂｉａｅｎｍｕｔｐｅｌａｅｒｓｉｎｍｅｈｏｏａｔｎ

基于高光谱的套袋和不套袋苹果糖度无损预测模型研究

Copyright©博看网 . All Rights Reserved.
１３０
山东农业科学第５２卷
ｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｉｎｓｕｇａｒｃｏｎｔｅｎｔｏｆｂａｇｇｅｄａｎｄｎｏｎ－ｂａｇｇｅｄａｐｐｌｅｓ．Ｔｈｅｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒａｎｄｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｏｆｎｏｎ－ｂａｇｇｅｄａｐｐｌｅｔｒａｉｎｉｎｇｓｅｔｗｅｒｅ０．３４８９ａｎｄ０．９２５８，ｒｅｓｐｅｃｔｉｖｅｌｙ，ａｎｄｔｈｏｓｅｏｆｔｈｅｔｅｓｔｓｅｔｗｅｒｅ０．３２４７ａｎｄ０．９２７９，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒａｎｄｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｏｆｂａｇｇｅｄａｐｐｌｅｔｒａｉｎｉｎｇｓｅｔｗｅｒｅ０．３８３３ａｎｄ０．９４４９，ｒｅｓｐｅｃｔｉｖｅｌｙ，ａｎｄｔｈｏｓｅｏｆｔｅｓｔｓｅｔｗｅｒｅ０．３１４６ａｎｄ０．９６０２，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅａｂｏｖｅｒｅｓｕｌｔｓｐｒｏｖｉｄｅｄｉｍｐｏｒｔａｎｔｒｅｆｅｒｅｎｃｅｓｆｏｒｅｓｔａｂｌｉｓｈｉｎｇａｐｐｌｅｑｕａｌｉｔｙｇｒａｄｉｎｇｓｙｓｔｅｍ．
ＡｂｓｔｒａｃｔＡｔｐｒｅｓｅｎｔ，ｔｈｅｒｅａｒｅｔｗｏｐｌａｎｔｉｎｇｍｏｄｅｓｏｆｂａｇｇｅｄａｎｄｎｏｎ－ｂａｇｇｅｄａｐｐｌｅｓｉｎｔｈｅｍａｒｋｅｔ．Ｆｏｒｄｅｔｅｃｔｉｎｇｓｕｇａｒｃｏｎｔｅｎｔｏｆａｐｐｌｅｓｍｏｒｅａｃｃｕｒａｔｅｌｙ，ｔｈｅｎｏｎ－ｄｅｓｔｒｕｃｔｉｖｅｔｅｓｔｉｎｇｍｏｄｅｌｓｕｎｄｅｒｔｈｅｔｗｏｐｌａｎｔｉｎｇｍｏｄｅｓｗｅｒｅｅｘｐｌｏｒｅｄｉｎｔｈｅｓｔｕｄｙ．ＴａｋｉｎｇｔｈｅＲｅｄＦｕｊｉａｐｐｌｅｆｒｏｍＱｉｘｉａａｒｅａｏｆＹａｎｔａｉＣｉｔｙａｓｒｅｓｅａｒｃｈｏｂｊｅｃｔａｎｄｉｔｓｓｕｇａｒｃｏｎｔｅｎｔａｓｔｅｓｔｉｎｇｉｎｄｅｘ，ｔｈｅｏｐｔｉｍａｌｍｏｄｅｌｆｏｒｄｅｔｅｃｔｉｎｇａｐｐｌｅｓｕｇａｒｃｏｎｔｅｎｔｕｎｄｅｒｔｈｅｔｗｏｐｌａｎｔｉｎｇｍｏｄｅｓｒｅｓｐｅｃｔｉｖｅｌｙｗｅｒｅｓｅｌｅｃｔｅｄｆｒｏｍｓｉｘｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓａｓｔｈｅｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｂａｓｅｄｏｎｆｕｌｌｓｐｅｃｔｒｕｍ（ＦＳ－ＢＰ），ｔｈｅｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓｍｏｄｅｌｂａｓｅｄｏｎｆｕｌｌｓｐｅｃｔｒｕｍ（ＦＳ－ＰＬＳ），ｔｈｅｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｂａｓｅｄｏｎｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＰＣＡ－ＢＰ），ｔｈｅｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓｍｏｄｅｌｂａｓｅｄｏｎｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＰＣＡ－ＰＬＳ），ｔｈｅｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｂａｓｅｄｏｎａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎ（ＡＣＯ－ＢＰ）ａｎｄｔｈｅｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓｍｏｄｅｌｂａｓｅｄｏｎａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎ（ＡＣＯ－ＰＬＳ）．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｕｓｉｎｇｔｈｅＡＣＯ－ＰＬＳｍｏｄｅｌｃｏｕｌｄａｃｈｉｅｖｅｔｈｅｈｉｇｈｅｓｔ

基于高光谱图像技术的新疆红富士苹果重量预测

基于高光谱图像技术的新疆红富士苹果重量预测程国首;郭俊先;石砦;肉孜·阿木提;亢银霞【期刊名称】《新疆农业大学学报》【年(卷),期】2011(034)003【摘要】以新疆红富士苹果为研究对象,初步探讨应用高光谱图像技术预测其重量的研究方法.首先采用高光谱成像仪采集苹果侧面和赤道面投影图像,提取苹果高光谱图像中前景与背景光谱偏差最大的波长图像(733 nm),对其图像分割后获得目标区域的面积(像素数)特征.随后,采用不同的特征和建模方法,建立不同的重量预测模型,对比后确定最佳模型.结果表明,采用两个体积特征建立多元线性回归重量预测模型,苹果重量预测值与实际值间相关系数为0.9927,预测均方根误差为4.3393 g.【总页数】4页(P249-252)【作者】程国首;郭俊先;石砦;肉孜·阿木提;亢银霞【作者单位】新疆农业大学机械交通学院,乌鲁木齐853002;新疆农业大学机械交通学院,乌鲁木齐853002;浙江大学生物系统工程与食品科学学院,杭州310029;新疆农业大学机械交通学院,乌鲁木齐853002;新疆农业大学机械交通学院,乌鲁木齐853002;新疆农业大学机械交通学院,乌鲁木齐853002【正文语种】中文【中图分类】TP274【相关文献】1.基于高光谱成像技术的新疆冰糖心红富士苹果分级和糖度预测研究 [J], 郭俊先;饶秀勤;程国首;胡光辉;李俊伟;石砦;亢银霞2.基于高光谱图像的新疆红富士苹果颜色分级研究 [J], 程国首;肉孜·阿木提;郭俊先;胡光辉;李俊伟;亢银霞;石砦3.红富士苹果叶片全钾含量高光谱预测研究 [J], 邓海龙;安静4.基于高光谱图像技术的苹果粉质化LLE-SVM分类 [J], 赵桂林;朱启兵;黄敏5.基于高光谱散射图像技术的UVE-LLE苹果粉质化分类 [J], 汪泊锦;黄敏;朱启兵;王爽因版权原因，仅展示原文概要，查看原文内容请购买。

基于无人机高光谱影像的水稻叶片磷素含量估算

基于无人机高光谱影像的水稻叶片磷素含量估算一、概述水稻作为我国的重要粮食作物之一，其产量和质量直接影响着我国乃至全球的粮食安全。

而磷素作为水稻生长发育过程中必不可少的元素之一，对水稻的生长和产量起着至关重要的作用。

准确估算水稻叶片中的磷素含量对于科学合理的施肥管理和提高水稻产量至关重要。

二、研究背景传统的磷素含量测定方法需要繁琐的实验操作和耗费大量的时间成本，且对于大面积的水稻田进行快速准确的磷素含量估算具有一定的局限性。

而无人机高光谱影像技术作为一种新兴的遥感技术，具有高分辨率、高效率、低成本的特点，可以为水稻磷素含量的快速估算提供一种新的思路。

三、研究方法1. 数据采集在实验中，我们使用无人机搭载高光谱传感器进行水稻田的航拍，获取高光谱影像数据。

同时在田间采集水稻叶片样本，并使用传统的化学方法测定叶片磷素含量，作为研究的基准数据。

2. 数据预处理对无人机采集的高光谱影像数据进行校正和辐射校正处理，以提高数据的准确性和可靠性。

3. 特征提取从预处理的高光谱影像数据中提取与水稻叶片磷素含量相关的光谱特征，如吸收峰位置、峰值反射率等。

4. 模型建立利用提取的光谱特征和实测的叶片磷素含量数据建立水稻叶片磷素含量的估算模型，采用机器学习算法如支持向量机（SVM）等进行模型训练。

5. 模型验证将建立的估算模型应用于其他水稻田的高光谱影像数据，验证模型的准确性和稳定性。

四、研究成果与分析通过对实验数据的处理和分析，我们得到了以下结论：1. 利用无人机高光谱影像数据可以有效提取与水稻叶片磷素含量相关的光谱特征，这为进一步的磷素含量估算奠定了基础。

2. 建立的水稻叶片磷素含量估算模型具有较高的准确性和稳定性，可以对水稻田的磷素营养水平进行快速和精准的评估。

3. 与传统的化学方法相比，基于无人机高光谱影像的磷素含量估算方法具有成本低、效率高、非破坏性等优点，可以为水稻生产提供技术支持和科学依据。

五、研究意义与展望本研究基于无人机高光谱影像的水稻叶片磷素含量估算，为水稻生产提供了一种新的快速准确的磷素含量评估方法，具有重要的科学意义和应用前景。

基于冠层尺度的枣树色素含量的高光谱估算模型

基于冠层尺度的枣树色素含量的高光谱估算模型枣树是一种流行的水果树，其营养丰富，枣类的色素含量是检测枣树品质的重要指标。

近年来，在枣树品质评价方面，使用高光谱技术来估算枣树色素含量的模型也有所发展。

通过分析冠层尺度上枣树叶片的光谱，可以估算出枣树色素含量，从而评价枣树的品质。

本文将围绕此话题，介绍基于冠层尺度的枣树色素含量的高光谱估算模型的研究进展。

枣树色素估算方法枣树色素含量的估算主要基于高光谱技术，枣树叶片的光谱特征可以用来反映枣树色素含量的变化。

通过利用光谱特征，可以开发出可以估算枣树色素含量的模型。

目前，主要有两种枣树色素含量估算方法，即现场模型和实验室模型。

现场模型是指在现场采集光谱数据，通过分析这些数据来估算枣树色素含量的模型。

在冠层尺度上，现场模型利用多光谱光学测量仪（如皮秒激光谱仪、高光谱成像仪等）收集枣树叶片的光谱信息，然后利用回归分析方法等技术，建立枣树色素含量与光谱特征的关系，进而估算枣树色素含量。

实验室模型是指在实验室采集的枣树叶片的光谱数据，通过分析这些数据来估算枣树色素含量的模型。

在实验室模型中，研究人员首先采集枣树叶片，然后采集枣树叶片的光谱数据，最后利用多元线性回归和偏最小二乘法等技术，建立枣树色素含量与光谱特征的关系，进而估算枣树色素含量。

基于冠层尺度的枣树色素分析模型近年来，为了更准确地估算枣树色素含量，研究人员提出了基于冠层尺度的枣树色素分析模型。

该模型的主要思想是利用枣树叶片冠层尺度上的光谱信息，估算枣树色素含量。

研究人员首先从枣树营养叶片中采集叶片片段，然后使用一台实验室手持式多光谱植物分析仪（Handhold MultiSpectral Plant Analyzer）收集枣树营养叶片的光谱信息，最后利用偏最小二乘法建立枣树的色素含量与光谱特征的关系模型。

由此可以根据枣树叶片的光谱特征，估算枣树的色素含量。

研究结果为验证该模型的可行性，研究人员从浙江某枣树园采集了36棵枣树样本，并对样本进行了实验室色素含量测定和多光谱光学测量。

高光谱技术在苹果品质检测中的应用

安徽农学通报，Anhui Agri，Sci，Bull，2021，27（01）高光谱技术在苹果品质检测中的应用任显丞1张晓1,2*彭步迅1李疆1王家硕1（1塔里木大学信息工程学院，新疆阿拉尔843300；2新疆南疆农业信息化研究中心，新疆阿拉尔843300）摘要：高光谱技术作为新一代的光电无损检测技术，广泛应用于农产品快速无损品质检测。

高光谱技术在苹果品质检测方面主要有2个方向，结合化学计量学方法进行苹果内部品质检测以及结合机器视觉进行苹果损伤、病害等外部指标的外部品质检测。

该文介绍了高光谱技术在苹果品质检测中的应用，提出了高光谱技术在苹果品质检测中存在的问题。

关键词：高光谱；苹果；内外部品质；无损检测中图分类号TS255.7文献标识码A文章编号1007-7731（2021）01-0132-02随着人们健康生活观念的建立以及水果产后处理技术的发展，苹果作为水果代表，其内外部品质的检测愈发受到重视。

传统的苹果内部品质检测依靠化学计量法，对苹果进行采样检测化学成分，实验操作繁琐、检测成本高等，高光谱技术既可利用可见光区域图像来检测外部品质，又可以利用近红外区域的图像来检测内部品质，该技术的出现有效解决了无损检测的难题。

1高光谱技术概述高光谱技术于上世纪80年代初期兴起，是新一代的光电无损检测技术。

通过对样品光谱信息的测量，可在一定程度上反映被测样品内部的物理结构和化学成分的差异，具有较高的分辨率，可获得连续的波段窄的光谱信息。

此外，高光谱设备操作简单，分析成本较低且不会对被检测对象造成破坏。

该技术早期主要应用于空间遥感，随着科学技术的进步发展，高光谱已经应用于农产品检测等领域，并且都取得了一定的研究成果。

目前，国内外众多专家学者利用高光谱来进行温室黄瓜病害早期检测［1］、大米种类鉴别［2］、高粱掺假无损检测［3］、互米花草营养成分反演［4］、绿萝叶绿素含量检测［5］以及牛肉品质检测［6］等内外品质的检测。

基于GA-PLS-SPA的辣椒叶片叶绿素含量高光谱估测

彭俊杰，汪　泓，王　宇，等．基于ＧＡ－ＰＬＳ－ＳＰＡ的辣椒叶片叶绿素含量高光谱估测［Ｊ］．江苏农业科学，２０２４，５２（７）：１８４－１９２．ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０２４．０７．０２５基于ＧＡ－ＰＬＳ－ＳＰＡ的辣椒叶片叶绿素含量高光谱估测彭俊杰１，汪　泓１，王　宇１，肖玖军２，３，李可相２，３，邢　丹４（１．贵州大学矿业学院，贵州贵阳５５００２５；２．贵州省山地资源研究所，贵州贵阳５５０００１；３．贵州省土地绿色整治工程研究中心，贵州贵阳５５０００１；４．贵州省农业科学院辣椒研究所，贵州贵阳５５０００９）摘要：叶绿素对辣椒的长势评估和营养状况管理具有重要的意义，针对高光谱存在数据量大和冗余度高的问题，探究不同特征选择算法相结合进行高光谱叶绿素含量估测的可行性。

以贵州省遵义市栽培辣椒为研究对象，采集盛果期辣椒冠层高光谱数据，通过卷积平滑（ＳＧ）、一阶微分（ＦＤ）、二阶微分（ＳＤ）和多元散射校正（ＭＳＣ）处理原始光谱数据，比较不同预处理方法下的贝叶斯优化随机森林（ＢＯ－ＲＦ）估测效果，以ＭＳＣ预处理后的数据为基础，运用遗传偏最小二乘算法结合连续投影算法（ＧＡ－ＰＬＳ－ＳＰＡ）进行最优特征波段选取，最后以ＧＡ－ＰＬＳ、ＳＰＡ和ＧＡ－ＰＬＳ－ＳＰＡ分别选取的特征波段作为输入变量，建立ＢＯ－ＲＦ、ＲＦ和ＢＰ神经网络模型来验证ＧＡ－ＰＬＳ－ＳＰＡ的普适性和广泛性。

结果表明，ＭＳＣ相比其他预处理方法对叶绿素含量的反演效果最好；相同估测模型条件下，基于ＧＡ－ＰＬＳ－ＳＰＡ建立的估测模型精度最高，选取特征波段数量最少，为７个，ＧＡ－ＰＬＳ－ＳＰＡ－ＢＯ－ＲＦ是估测叶绿素含量的最佳模型，训练集的Ｒ２、ＲＭＳＥ和ＲＰＤ分别为０．８９６、２．７９１和３．１２４，测试集的Ｒ２、ＲＭＳＥ和ＲＰＤ分别为０．９１３、２．９６５和３４１４；相同算法建模条件下，ＢＯ－ＲＦ的精度明显高于ＲＦ和ＢＰ神经网络。

基于苹果树冠层计盒维数的光照分布预测

基于苹果树冠层计盒维数的光照分布预测郭彩玲;张伟洁;刘刚;冯娟【期刊名称】《农业工程学报》【年(卷),期】2018(034)016【摘要】果园精细管理中,苹果树冠层结构决定了叶幕期光照分布情况,而叶幕期光照分布又是关系到果实产量和质量的重要因素之一.该文以纺锤体苹果树为研究对象,提出了基于苹果树冠层计盒维数的光照分布预测方法.在冠层尺度内,按照网格法划分休眠期苹果树冠层三维点云数据,通过分析该数据构成的果树冠层空间结构,提出用计盒维数量化果树冠层结构的方法;通过分析休眠期冠层结构特征和叶幕期冠层相对光照分布特点,研究了休眠期苹果树三维冠层网格空间计盒维数与叶幕期冠层光照空间分布之间的关系,预测了叶幕成形期苹果树冠层光照分布.通过连续3 a 的数据分析,叶幕期苹果树冠层阳面光照分布平均预测精度为76.11％,阴面平均光照分布预测精度为74.10％,该方法可为苹果树自动化修剪合理性评判提供技术支持.【总页数】7页(P177-183)【作者】郭彩玲;张伟洁;刘刚;冯娟【作者单位】现代精细农业系统集成研究教育部重点实验室,农业部农业信息获取技术重点实验室,中国农业大学,北京 100083;唐山学院机电工程系,唐山 063000;现代精细农业系统集成研究教育部重点实验室,农业部农业信息获取技术重点实验室,中国农业大学,北京 100083;现代精细农业系统集成研究教育部重点实验室,农业部农业信息获取技术重点实验室,中国农业大学,北京 100083;河北农业大学信息科学与技术学院,保定 071001【正文语种】中文【中图分类】F762.5;P225【相关文献】1.苹果树冠层不同光照区域叶绿素荧光性状计算方法 [J], 马晓丹;郭彩玲;张雪;刘刚;刘国杰;宗泽2.红富士苹果树形改造对冠层相对光照及产量、品质的影响 [J], 张晶楠;李宪利;王杰3.基于三维点云颜色特征的苹果树冠层光照分布计算方法 [J], 马晓丹;郭彩玲;张雪;马丽;张丽娇;刘刚4.基于随机森林回归算法的苹果树冠层光照分布模型 [J], 师翊;耿楠;胡少军;张志毅;张晶5.基于神经网络的光照分布预测夜视复原算法 [J], 邹鹏; 谌雨章; 陈龙彪; 曾张帆因版权原因，仅展示原文概要，查看原文内容请购买。

基于高光谱遥感的植被冠层氮素反演方法研究进展

基于高光谱遥感的植被冠层氮素反演方法研究进展喻俊;李晓敏;张权;侍昊;褚军【摘要】氮素是植被生长活动中的重要元素,对植被叶绿素、蛋白质和酶等物质的合成至关重要,在植被光合作用中起关键作用.高光谱遥感反演技术凭借其快速、准确和不破坏植被的优势,已经成为植被氮素含量的定量分析的重要方法.本研究综述了近年科学文献中高光谱氮素反演的研究成果,主要介绍了植被冠层氮素高光谱研究的原理及处理方法,包括了高光谱数据处理、光谱变换、高光谱植被指数,多元逐步回归、偏最小二乘回归(PLSR)和人工神经网络(BP网络和RBF网络)回归模型等,在此基础上,对植被冠层氮素高光谱反演中存在的问题进行了探讨.【期刊名称】《陕西林业科技》【年(卷),期】2016(000)006【总页数】5页(P93-97)【关键词】高光谱;植被氮素;去噪变换;特征波段;模型构建【作者】喻俊;李晓敏;张权;侍昊;褚军【作者单位】江西省林业调查规划研究院,南昌330046;江西省林业调查规划研究院,南昌330046;江西省林业调查规划研究院,南昌330046;江苏省环境监测中心,南京210036;扬州市职业大学,江苏扬州225009【正文语种】中文【中图分类】Q945.13氮素是植被生命活动的必须元素，对植被的光合作用以及生长具有指标性及决定性的作用，并且主要以叶绿素、核酸、酶、蛋白质等形式存在植被体内[1]。

因此，快速高效监测植被氮素含量及变化对于监测植被生长具有重要作用，也对了解当地生态系统循环具有重大意义。

与传统遥感技术相比，高光谱遥感(Hyperspectral Remote Sensing)是通过大量很窄且连续性的电磁波段获取感兴趣目标的有关数据，具有高光谱分辨率、数据信息丰富的特点。

高光谱数据能够完整揭示地物的光谱特征，使得在地表及高空直接识别目标、辨析目标的精细光谱差异成为可能。

随着高光谱遥感技术的日渐成熟，利用高光谱技术定量研究植被生长逐渐增多。

基于高光谱遥感的玉米冠层参数及叶绿素估算模型研究

ห้องสมุดไป่ตู้
851nm处的高光谱反射率一阶导数(R′)建立的指数模型 LAI=3.6944e769.27x(r=0.9385**)对LAI的模拟效果最好,模拟值与实测值的相关系数达到了0.01水平上的极显著相关 (r=0.8987**,RMSE=0.4400)。2.玉米光合有效辐射分量(FPAR) 的估算模型。
6.玉米叶绿素密度(Chl.d)的估算模型。(974,760)波段组合的土壤调节植被指数(SAVI)建立的一元二次函数模型 Chl.d=11.055x2-5.2275x+0.7691(r=0.7127**)对叶绿素密度的模拟效果最好,模拟值与实测值的相关系数达到了0.01水平上的极显著相关(r=0.6614**,RMSE=0.1570)。
基于高光谱遥感的玉米冠层参数及叶绿素估算模型研究
高光谱遥感具有光谱分辨率高、波段连续性强、光谱信息量大等特点。利用高光谱技术实时、快速监测农作物的一些生长指标,能够合理指导作物的田间管理,提高作物的的产量和品质,体现现代农业的发展要求。
综合运用高光谱探测及玉米生理生化测试技术,获取不同密度下两个不同品种的春玉米冠层不同时期(拔节期、小喇叭口期、大喇叭口期、抽雄期、开花期、灌浆期、乳熟期)的光谱特征反射参数以及玉米生长指标(叶面积指数、光合有效辐射分量、叶绿素含量、叶绿素a含量、叶绿素b含量、叶绿素密度),分析玉米冠层反射光谱特征,对高光谱原始反射率及变换形式、植被指数分别与玉米的各个生长指标进行相关分析,并建立两者之间的预测方程,对玉米模型进行检验选出最佳预测模型。研究结果如下： 1.玉米叶面积指数(LAI)的估算模型。
359nm处光谱原始反射率(R)建立的指数模型Chl.a=1.9665e4.407x(r=0,6115**)对叶绿素a含量的模拟效果最好,模拟值与实测值的相关系数达到了0.01水平上的极显著相关 (r=0.6032**,RMSE=0.1527).5.玉米叶绿素b含量(Chl.b)的估算模型。(982,760)波段组合的归一化植被指数(NDVI)建立的一元二次函数模型Chl.b=67.23x2-11.198x+0.778(r=0.8944**)对叶绿素b含量的模拟效果最好,模拟值与实测值的相关系数达到了 0.01水平上的极显著相关(r=0.7740**,RMSE=0.2382)。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｗｉｈｔｅｐｈｓｈｒｏｔｎｒｏｎｔｈｏｐｏｕｓｃｎｅｔａｅｆｕｄ．ＡｈｏｐｏｕｓｃｎｅｔｅｔｍａｉｎｍｏｅｓｅｔｂｉｈｄａｔｒｔｅｐｓｈｒｏｔｎｓｉｔｏｄｌｉｓａｌｅｆｅｈｓｒｇｅｓｏｎｌｓｓｉａｅＴｈｅｕｔｓｏｈｔｔｅｎａｎｒｒｄｂｎｄｉｈｅｉｉｅｂａｆｔｅｅｒｓｉｎａａｙｉｓｍｄ．ｅｒｓｌｈｗｓｔａｈｅｒｉｆａｅａＳｔｅｓｎｓｔｖｎｄｏｈｐｏｐｏｕｏｔｎｆａｐｅｔｅａｏｙＴｈｖｌｎｔｆ８８ｎ，９１ｎ，１９ｈｓｈｒｓｃｎｅｔｏｐｌｒｅｃｎｐ．ｅｗａｅｅｇｈｓｏ０ｍ２ｍ１５ａｍｎ２２ｎａｄ１７ｍａｈｏｍａｉｅｎｆａｅｐｅｔａｎｘｃｍｂｎｄｂｈｓｖｌｎｔｓａｅｈｉｈｙｃｒｅａｅｔｎｄｔｅｎｒｌｄｉｒｒｄｓｃｒｌｉｄｅｏｚｉｅｙｔｅｅｗａｅｅｇｈｒｇｌｏｒｌｔｄｗｉｈｔｅｐｏｐｏｕｏｔｎｆａｐｅｔｅａｏｙｈｈｓｈｒｓｃｎｅｔｏｐｌｒｅｃｎｐ．ＴｈｓｉｅｉｅｎｔｓａｌｈｄｅｔｍａｉｎｍｏｅＴｈｉｉｓｖｒｆｄｉｈｅｅｔｂｉｅｓｉｔｏｉｓｄ１ｓ
Ａｂｓｒｃ：Ｔｈｈｓｏｕｏｔｎｆａｐｌｒｅｃｎｐｓｅｔｍａｅｙｕｉｇａｈｐｒｐｃｒｌｒｍｏｅｔａｔｅｐｏｐｈｒｓｃｎｅｔｏｐｅｔｅａｏｙｉｓｉｔｄｂｓｎｙｅｓｅｔａｅｔ
ｎｌ１７ｍ及其组合的归一化红外光谱指数为自变量构建的高光谱估测模型的估测ｌ、２２Ｔａ效果最佳。该研究实现了苹果树冠层磷素含量的快速估测，同时也为苹果的实时营养
诊断提供了理论依据。
关键词：高光谱遥感；苹果树冠层；磷素含量；估测模型中图分类号：￥６Ｔ７文献标识码：Ａ６；ＰＤＯＩ１．６／ｉｎ１７—７５０２６０：０９９ｊｓ．２８．１．．６３．ｓ６８２００ＥｓｉａｉｎｏｔｍｔｏｆＰｈｏｐｈｏｒｏｔｎｔｉｐｐｌｅｓｕｓＣｎｅｎＡｅＴｒｅＣａｐｎｏｙＢａｅｎＨｙｐｅｓｃｒｓｄｏｒｐｅｔｕｍ
文章编号：１７—７５２１）６０２．５６２８（０２０—０７８０
基于高光谱的苹果树冠层磷素状况估测模型研究
潘蓓赵庚星朱西存王娜娜
（农业大学资源与环境学院，山东泰交２１１）山东７０８
ＰＢｅ，ＺＨＡＯｎ — ｉｇ．ＡＮｉＧｅｇｘｎＺＨＵＸｉｕＷＡＮＧＮａｎ — ｎ．ｃ —ａ
（ｏｅｅｏｅｏｒｅａｄＥｖｏｍｎ，ｈｎｏｇＡｒｕｔｒｌｎｖｒｉ，ａａ７０８ＣｉａＣｌｇｆｓｕｃｓｎｎｉｎｅｔＳａｄｎｇｉｌａＵｉｅｔＴｉＩ２１１，ｈｎ）ｌＲｒｃｕｓｙ１
ｓｎｉｇｔｃｎｌｇ．Ｆｉｓｌ，ｅｄＳｃ３ｔｐｅｆｌｐｃｒｍｅｅｒｍＤｏｐｎｓｄｔａｕｅｅｓｎｅｈｏｏｙｒｔｙａＦｉｌｐｅｙｅｄｓｅｔｏｉｔｒｆｏＡＳｃｍａｙｉｕｅｏｍｅｓｒｓ
ｔｈｅｈｙｐｅｓｃｒｅｇｏｔｓｏｒｐｅｔａｌｒｆｃａｅｆａｌｅｔｅｅｃｙｎｈｅｓｔｒｗｈｔｐｐｉｎｇｒｏｄｎｓｉｐｅｉｉｐｒｎｇ
．
Ｔｈｅ
ｍｅｓｒｄｓｃｒｌｄｔｒｒｃｓｅｎａｖｒｅｙｏｒｎｆｒａｉｎｏｍｓＴｈｎ．ｃｒｅａｉｎｏｈａｕｅｐｅｔａａａａｅｐｏｅｓｄｉａｉｔｆｔａｓｏｍｔｏｆｒ．ｅｏｒｌｔｏｆｔｅ
ｄｔｔｈｈｓｏｕｏｔｎＳａａｙｅａａｗｉｈｔｅｐｏｐｈｒｓｃｎｅｔｉｎｌｚｄ．Ｔｈｐｃｒｌｐｒｍｅｅｓｍｏｅｒｍａｋｂｙｃｒｅａｅｅｓｅｔａａａｔｒｒｅｒａｌｏｒｌｔｄ
摘要：用高光谱技术估测了苹果树冠层的磷素含量。先用ＡＤＦｅｐｃ利ＳｉｄＳｅｌ３型地物
光谱仪测定了春梢停止生长期苹果树冠层的高光谱反射率，并对光谱数据进行了多种变换处理。然后对其与磷素含量进行了相关分析，找出了与磷素相关性较显著的光谱参量，并通过逐步回归分析建立了磷素估测模型。结果表明，近红外波段是苹果树冠层磷素的敏感波段；８８ｍ、９１ｍ、１９ｍ、１７ｍ及其组合的归一化红外光０ｎ２ａ１５ｎ２２ａ谱指数与苹果树冠层磷素高度相关。在构建的估测模型中，以８８ｍ、９１ｍ、１９０ｎ２ｎ１５