检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于光谱分析的草地叶绿素含量估测植被指数

光谱学与光谱分析 2014年第11期34卷 3075-3078页

作者：肖汉陈秀万杨振宇李怀瑜朱瀚北京大学遥感与地理信息系统研究所北京100871

对现有叶绿素遥感估测研究方法进行比较,确定植被指数法是其中最实用、普适性最强的研究方法。近年来,草地退化问题日益严峻,需要进一步从光谱分析、植物生化参数估测的角度加以研究,因而亟需建立一种用于反演草地植被叶绿素含量的植被... 详细信息

对现有叶绿素遥感估测研究方法进行比较,确定植被指数法是其中最实用、普适性最强的研究方法。近年来,草地退化问题日益严峻,需要进一步从光谱分析、植物生化参数估测的角度加以研究,因而亟需建立一种用于反演草地植被叶绿素含量的植被指数。首先对四川省松潘草原和内蒙古自治区贡格尔草原的草地实测反射率光谱曲线及其一阶微分曲线进行分析,通过这两种光谱与叶绿素含量的相关性分析,找到红边区域(red-edge position,REP)与草地叶绿素含量之间的规律,即叶绿素含量越高,反射率一阶微分曲线的红边拐点(red-edge inflection point,REIP)取值越高,由此构建草地叶绿素含量估测植被指数(grassland chlorophyll index,GCI),选取最适宜反演的波段,最后采用卫星高光谱影像计算GCI,将计算结果与野外试验观测的叶绿素含量数据进行精度分析验证。结果证明,对于草地叶绿素含量来说,GCI比其他叶绿素指数的敏感性更强,具有较高的草地叶绿素含量估测精度。GCI是第一个针对草地叶绿素含量估测而被提出的植被指数,其对遥感反演草地叶绿素含量具有广泛应用潜力。同时这种基于光谱分析的草原植被叶绿素含量估测方法为其他的草原植被生化参数估测、草原植被生长状况评价以及草地生态环境变化大面积监测提供了新的研究思路。

关键词：光谱分析草地叶绿素含量植被指数 GCI

在线全文

学校读者我要写书评

暂无评论

基于二维相关光谱的水体叶绿素含量探测

光谱学与光谱分析 2014年第2期34卷 389-393页

作者：张瑶郑立华孙红李民赞中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083

利用Shimadzu UV2450分光光度计测量了含有不同叶绿素浓度的湖水样本在可见光和近红外区域的透射光谱,并使用实验室手段测量了水体的叶绿素含量。分析了湖水样本的透射光谱特性,同时引入二维相关光谱技术,利用叶绿素浓度值作为微扰量,... 详细信息

利用Shimadzu UV2450分光光度计测量了含有不同叶绿素浓度的湖水样本在可见光和近红外区域的透射光谱,并使用实验室手段测量了水体的叶绿素含量。分析了湖水样本的透射光谱特性,同时引入二维相关光谱技术,利用叶绿素浓度值作为微扰量,得到水体叶绿素的动态光谱,进而结合二维同步谱图和异步谱图确定表征水体叶绿素浓度的特征波段。综合观察二维相关光谱中的同步谱图和异步谱图,更加精确地阐明了水体光谱特征,同时剔除水体中其他物质对于光谱信息的影响,更有效、全面地提取反映水体叶绿素信息的敏感波段。利用所选特征波段构建归一化水体叶绿素指数,将特征波段与叶绿素指数分别与水体叶绿素浓度建立线性预测模型。结果显示,归一化水体叶绿素指数的预测模型测定R2达到0.771 2,均方根误差是45.509 8mg·L-1,预测R2达到0.765 8,均方根误差是39.503 8mg·L-1。模型精度较利用特征波段建立的多元线性回归模型有了较大的提高,达到了实用水平。

关键词：水体二维相关光谱光谱分析叶绿素含量

马尾松针叶光谱特征与其叶绿素含量间关系研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2009年第11期29卷 3033-3037页

作者：杜华强葛宏立范文义金伟周宇峰李进浙江林学院环境科技学院浙江杭州311300 东北林业大学林学院黑龙江哈尔滨150040

以马尾松针叶野外高光谱数据为基础,分析了马尾松光谱变化,构建或借助不同光谱特征参数,在理论和实践分析的基础上,建立了马尾松针叶叶绿素含量与光谱反射率及9个特征参数之间的关系。研究结果表明:(1)马尾松叶绿素含量在527,703,1364及... 详细信息

以马尾松针叶野外高光谱数据为基础,分析了马尾松光谱变化,构建或借助不同光谱特征参数,在理论和实践分析的基础上,建立了马尾松针叶叶绿素含量与光谱反射率及9个特征参数之间的关系。研究结果表明:(1)马尾松叶绿素含量在527,703,1364及1640nm四个波长附近,与其反射率具有较好的线性关系,为马尾松遥感监测在波段选择上提供了依据;(2)红边位置、红边平均反射率、红边位置附近平均反射率、红边斜率、红边面积、红谷吸收深度、绿峰反射高度、红边归一化植被指数、红边植被胁迫指数等9个马尾松反射光谱特征参数均与叶绿素含量间存在指数函数关系,相关系数绝对值在0.5～0.7之间;(3)采用9个光谱特征参数建立了马尾松针叶叶绿素含量预测模型,且所建立的基于高斯核函数变换的偏最小二乘回归模型对叶绿素含量的预测精度远远大于传统线性回归模型,模型的均方误差为0.0088,平均绝对百分误差为0.7617%。

关键词：马尾松叶绿素含量高光谱曲线光谱特征参数偏最小二乘

基于小波变换和分数阶微分的冬小麦叶绿素含量估算

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2021年第8期52卷 172-182页

作者：李长春施锦锦马春艳崔颖琪王艺琳李亚聪河南理工大学测绘与国土信息工程学院焦作454000

叶绿素含量变化直接表征冬小麦的光合作用能力,所以监测冬小麦叶绿素含量对分析冬小麦光合能力和生长状况具有重要意义。基于地面冬小麦冠层高光谱和实测叶绿素含量,分别利用原始光谱、分数阶微分光谱、原始光谱经连续小波变换后得到的... 详细信息

叶绿素含量变化直接表征冬小麦的光合作用能力,所以监测冬小麦叶绿素含量对分析冬小麦光合能力和生长状况具有重要意义。基于地面冬小麦冠层高光谱和实测叶绿素含量,分别利用原始光谱、分数阶微分光谱、原始光谱经连续小波变换后得到的小波能量系数与实测叶绿素含量进行相关性分析,选取相关性较好的分数阶微分光谱和小波能量系数,采用逐步回归分析、支持向量机、人工神经网络等方法构建冬小麦叶绿素含量估算模型。结果表明,在拔节期、孕穗期、开花期和全生育期,使用连续小波变换人工神经网络建模结果最优,拔节期建模和验证决定系数分别为0.93和0.90,孕穗期建模和验证决定系数分别为0.93和0.90,开花期建模和验证决定系数分别为0.93和0.90,全生育期建模和验证决定系数分别为0.86和0.85;在灌浆期,使用分数阶微分人工神经网络建模结果最优,灌浆期建模和验证决定系数分别为0.97和0.90。本研究可为作物叶绿素含量遥感估算提供技术方案。

关键词：冬小麦叶绿素含量冠层高光谱连续小波变换分数阶微分人工神经网络

基于叶片双层辐射传输机理的水稻叶绿素含量反演

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第17期40卷 171-178页

作者：王楠陈春玲相爽金忠煜白驹驰于丰华沈阳农业大学信息与电气工程学院沈阳110866 国家数字农业区域创新分中心(东北) 沈阳110866 辽宁省智慧农业技术重点实验室沈阳110866

水稻是主要的粮食作物,对其生长发育过程中叶绿素含量进行精准监测,在指导田间管理方面具有十分重要的意义。叶片辐射传输模型能够有效地模拟水稻叶片光谱信息,描述叶片各参数对光谱反射率的影响,具有较强的机理性,可作为基于物理驱动... 详细信息

水稻是主要的粮食作物,对其生长发育过程中叶绿素含量进行精准监测,在指导田间管理方面具有十分重要的意义。叶片辐射传输模型能够有效地模拟水稻叶片光谱信息,描述叶片各参数对光谱反射率的影响,具有较强的机理性,可作为基于物理驱动方式反演水稻叶片叶绿素含量的重要机理模型。PIOSL(PROSPECT consider the internal optical structure of the leaves)模型假设叶片内部是由两层不同的光学特性层叠加而成,其叶片内部结构的假设更加符合植物的实际生长状况。为了验证PIOSL模型反演水稻叶片叶绿素的可行性,并为作物理化参量反演提供新思路,该研究利用此模型对水稻叶片叶绿素含量开展反演研究。首先利用PIOSL模型构建查找表,筛选查找表中与实测光谱较为接近的模拟样本数据,利用SVM(support vector machine)构建分类预测模型,判定查找表中随机生成的参数组合是否符合叶片实际情况,并构建新的查找表数据集。将改进后的查找表按7:3的比例随机拆分为训练集和测试集,通过WOAELM(whale optimization algorithm,WOA;extreme learning machine,ELM)模型反演水稻叶片叶绿素含量。结果表明:基于PIOSL-WOA-ELM构建的反演模型,模型R2和RMSE分别为0.977和2.356μg/cm^(2),与PROSPECT-WOA-ELM模型的反演精度均在0.9以上,且优于传统的多元回归模型。由此看来,利用PIOSL-WOA-ELM模型对水稻叶片叶绿素含量进行反演是可行的,可为精准反演水稻叶绿素在叶片中的分布提供新的思路,进而科学有效地开展田间管理。

关键词：高光谱模型 PIOSL 叶绿素含量 WOA-ELM SVM

融合无人机多源传感器的马铃薯叶绿素含量估算

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第8期54卷 240-248页

作者：边明博马彦鹏樊意广陈志超杨贵军冯海宽北京市农林科学院信息技术研究中心北京100097 农业农村部农业遥感机理与定量遥感重点实验室北京100097 河南理工大学测绘与国土信息工程学院焦作454000 南京农业大学国家信息农业工程技术中心南京210095

叶绿素是衡量作物光合作用的重要指标,监测马铃薯关键生育期叶片叶绿素含量(Leaf chlorophyll content,LCC)至关重要。获取马铃薯块茎形成期、块茎增长期和淀粉积累期的无人机RGB和多光谱影像,提取无人机多光谱影像的光谱反射率构建植... 详细信息

叶绿素是衡量作物光合作用的重要指标,监测马铃薯关键生育期叶片叶绿素含量(Leaf chlorophyll content,LCC)至关重要。获取马铃薯块茎形成期、块茎增长期和淀粉积累期的无人机RGB和多光谱影像,提取无人机多光谱影像的光谱反射率构建植被指数(Vegetation index,VIs),利用Gabor滤波器提取RGB影像的纹理信息(Texture information,TIs)。然后利用机器学习SVR-REF方法进行数据降维获取植被指数和纹理特征重要性排序,并采用迭代的方法在植被指数最佳模型中加入纹理信息,观察每次加入的纹理信息对模型的动态影响。最后使用支持向量机(Support vector machine,SVR)和K-最近邻算法(K-nearest neighbor,KNN)2种机器学习方法进行建模。结果表明,马铃薯3个关键生育期,加入纹理特征后的2种模型精度和稳定性均有提高,且SVR模型精度优于KNN。块茎形成期,SVR模型建模R~2由0.61提升至0.71,RMSE由0.20 mg/g降为0.17 mg/g,精度提升14.2%,验证R~2由0.58提升至0.66,RMSE由0.19 mg/g降至0.17 mg/g,精度提升10.5%。块茎增长期,SVR建模R~2由0.59提升至0.67,RMSE由0.16 mg/g降至0.14 mg/g,验证R~2由0.71提升至0.79,RMSE由0.15 mg/g降至0.13 mg/g,精度提升13.3%。淀粉积累期,SVR建模R~2由0.62提升为0.69,RMSE由0.17 mg/g降至0.14 mg/g,精度提升17.6%,验证R~2由0.47提升至0.63,RMSE由0.17 mg/g降至0.14 mg/g,精度提升17.6%。另外,3个时期参与SVR建模的植被指数数量分别为19、16、3,纹理数量分别为4、2、9,在植被指数不能充分响应叶绿素含量时,会有更多纹理信息参与建模,并且模型精度提升更高,进一步论证了纹理特征在马铃薯叶绿素含量反演中的重要性。

关键词：马铃薯叶绿素含量图谱融合 Gabor纹理机器学习

新型光谱曲线特征参数与水稻叶绿素含量间的关系研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2011年第1期31卷 188-191页

作者：徐新刚赵春江王纪华黄文江李存军刘焕军国家农业信息化工程技术研究中心北京100097 东北农业大学资源与环境学院黑龙江哈尔滨150030

利用高光谱信息检测作物叶绿素含量信息是田间作物长势诊断的重要研究内容。利用水稻光谱和叶绿素含量田间实测数据,从作物叶绿素含量不同,光谱曲线峰谷波形有"高矮胖瘦"形态变化的观点出发,提出光谱曲线峰谷波形中特征边的上升、下降... 详细信息

利用高光谱信息检测作物叶绿素含量信息是田间作物长势诊断的重要研究内容。利用水稻光谱和叶绿素含量田间实测数据,从作物叶绿素含量不同,光谱曲线峰谷波形有"高矮胖瘦"形态变化的观点出发,提出光谱曲线峰谷波形中特征边的上升、下降速率以及组成峰谷波形两边的夹角等新型特征量,利用归一化光谱信息,分析了这些变量与水稻叶绿素含量间的相关关系。研究结果显示:(1)可见光波段范围520～740nm之间的归一化光谱反射率与叶绿素含量间呈良好的负相关关系;(2)绿峰反射光谱曲线特征边的变化速率及绿峰两边的夹角等变量与水稻叶绿素含量具有较好的相关性,表明利用这些新型变量开展叶绿素含量高光谱无损监测成为可能,这将为利用高光谱信息开展作物长势与营养诊断提供新的思路和方法。

关键词：光谱曲线特征变化速率夹角叶绿素含量

在线全文

学校读者我要写书评

暂无评论

应用近地成像高光谱估算玉米叶绿素含量

光谱学与光谱分析 2011年第3期31卷 771-775页

作者：张东彦刘镕源宋晓宇徐新刚黄文江朱大洲王纪华浙江大学农业遥感与信息技术应用研究所浙江杭州310029 国家农业信息化工程技术研究中心北京100097 北京师范大学地理学与遥感科学学院北京100875

图谱合一的近地成像高光谱是现代数字农业对田块尺度的作物长势信息进行动态监测和实时管理的需要,是促进农业定量遥感发展的重要手段之一。文章通过自主研制的田间扫描成像光谱仪近地获得盆栽和大田玉米的冠层高光谱影像,从影像中精确... 详细信息

图谱合一的近地成像高光谱是现代数字农业对田块尺度的作物长势信息进行动态监测和实时管理的需要,是促进农业定量遥感发展的重要手段之一。文章通过自主研制的田间扫描成像光谱仪近地获得盆栽和大田玉米的冠层高光谱影像,从影像中精确提取玉米不同层位的叶片反射光谱并计算TCARI,OSA-VI,CARI,NDVI等多种光谱植被指数,构建玉米叶绿素含量的光谱预测模型,并对模型进行了验证。结果表明,基于光谱指数MCARI/OSAVI构建的玉米植株叶绿素含量预测模型精度较高,验证样本预测的决定系数R2=0.887,预测均方根误差RMSE为1.8。研究表明,成像光谱仪在微观尺度上的作物组分光谱信息探测方面具有较大的应用潜力。

关键词：成像高光谱植被指数玉米叶绿素含量

ANFIS在植被叶绿素含量高光谱反演中的应用

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2010年第7期30卷 1834-1838页

作者：姚付启张振华杨润亚孙金伟王海江任尚岗鲁东大学地理与规划学院山东烟台264025 西北农林科技大学水利与建筑工程学院陕西杨凌712100 鲁东大学生命科学学院山东烟台264025

利用ASD便携式野外光谱仪和SPAD-502叶绿素计实测了落叶阔叶树法国梧桐、毛白杨叶片的高光谱反射率与叶片绿度,建立了10个常见植被指数叶绿素含量估算模型,并采用相关系数较大波段作为BP人工神经网络模型(ANN-BP)的输入变量进行了叶绿... 详细信息

利用ASD便携式野外光谱仪和SPAD-502叶绿素计实测了落叶阔叶树法国梧桐、毛白杨叶片的高光谱反射率与叶片绿度,建立了10个常见植被指数叶绿素含量估算模型,并采用相关系数较大波段作为BP人工神经网络模型(ANN-BP)的输入变量进行了叶绿素含量的估算,将自适应神经模糊推理系统(ANFIS)应用到植被叶绿素含量高光谱反演中。结果表明:10个常见植被指数中归一化植被指数可以较为精确反演叶绿素含量,法国梧桐、毛白杨归一化植被指数回归模型确定性系数R2分别为0.795 7和0.754 6,法国梧桐、毛白杨ANN-BP预测值与实测值之间的线性回归的确定性系数R2分别为0.935 2和0.917 1,ANFIS可以大大提高反演精度,法国梧桐、毛白杨预测值与实测值之间的线性回归的确定性系数R2分别为0.9998和0.995 6,是一种良好的植被叶绿素含量高光谱反演模式。

关键词：高光谱叶绿素含量植被指数 ANN-BP ANFIS