检索结果-南通市图书馆

基于去包络线法的番茄叶霉病发病程度估测方法

在线全文

学校读者我要写书评

暂无评论

中国生态农业学报 2017年第6期25卷 805-811页

作者：贾方方洪权春宋唯一商丘师范学院生命学院商丘476000 郑州大学郑州450002

阐明番茄叶霉病(Fulvia fulva)光谱特征并对其发病程度进行估测,可为番茄叶霉病大面积遥感监测提供依据。本研究通过分析番茄叶霉病不同发病程度下叶片光谱变化特征,筛选对发病程度识别的敏感波段。并利用去包络线法对光谱反射率进行处... 详细信息

阐明番茄叶霉病(Fulvia fulva)光谱特征并对其发病程度进行估测,可为番茄叶霉病大面积遥感监测提供依据。本研究通过分析番茄叶霉病不同发病程度下叶片光谱变化特征,筛选对发病程度识别的敏感波段。并利用去包络线法对光谱反射率进行处理,构建基于光谱特征吸收参量的发病程度估测模型。研究结果表明:随着叶霉病病害等级的加深,番茄叶片的原始光谱反射率、光谱敏感度、相对反射率均呈逐渐降低趋势;可见光波段(550~730 nm)和短波红外波段(1 860~2 260 nm)是识别番茄叶霉病发病程度的最佳波段;且随着病害等级的增加,吸收波段位置(λ)向短波方向移动,最大吸收深度(D_c)和吸收面积(A)均呈递增规律。利用光谱参数构建的番茄叶霉病病害等级预测的逐步回归模型R^2达0.81,且模型验证结果较好。研究结果对利用高光谱遥感技术定量估测番茄叶霉病发病程度以及监测、防治农作物病虫害均具有较高的实用价值。

关键词：番茄叶霉病高光谱去包络线发病程度

土壤矿物对松嫩平原主要土壤类型反射光谱特征的影响机理

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 2018年第10期38卷 3238-3244页

作者：刘焕军王翔李厚萱孟祥添姜佰文张新乐于滋洋东北农业大学资源与环境学院黑龙江哈尔滨150030 中国科学院东北地理与农业生态研究所吉林长春130012

尽管纯矿物的反射光谱特征分析与数据库建设工作已经开展,但土壤中各原生矿物、粘土矿物的测试主要是定性的,即能测定土壤中含有何种矿物,但难以测定准确的矿物组分含量。土壤矿物是土壤学与地质学的交叉点,易被忽视,特别是已有研究忽... 详细信息

尽管纯矿物的反射光谱特征分析与数据库建设工作已经开展,但土壤中各原生矿物、粘土矿物的测试主要是定性的,即能测定土壤中含有何种矿物,但难以测定准确的矿物组分含量。土壤矿物是土壤学与地质学的交叉点,易被忽视,特别是已有研究忽略了土壤矿物对土壤反射光谱曲线的影响。探讨了土壤矿物在可见光-近红外光谱部分(400~2 500nm)对土壤反射光谱特征的影响,明确影响土壤反射光谱特征的主要机理。土壤样本于2014年采集于松嫩平原黑龙江部分,包括4个土类和7个土属,共54个土壤样本。土壤样本通过研磨、过筛后,在室内暗室中测得反射光谱数据,土壤矿物的反射光谱数据在2017美国地质调查局(USGS)最新矿物光谱库Spectral Library Version 7中获得,对反射光谱数据进行九点平滑、10nm重采样和去包络线处理。土壤矿物含量测试采用荷兰Philip X’Pert Pro型X射线衍射仪分析样品的矿物组成,测试了土壤中石英、长石、方解石和闪石等原生矿物和蒙脱石、伊利石和高岭石等粘土矿物的含量。首先分析7个土属的反射光谱特征,明确每个土属反射光谱曲线的形状特征和吸收位置,其次分析土属的矿物含量情况,找出不同土属各矿物含量的共性和差异;再次分析不同粘土矿物和原生矿物的反射光谱特征,确定不同土壤矿物反射光谱曲线的形状特征和特征吸收的位置;最后将不同土属的反射光谱特征、不同土属的矿物含量情况和土壤矿物的反射光谱特征结合,得到如下结论:(1)土壤矿物决定了土壤反射光谱的骨架特征,土壤矿物对土属的反射光谱影响最明显,由于土类存在多种反射光谱特征,土壤矿物对土类的影响不明显。(2)粘土矿物对土壤反射光谱特征的影响大于原生矿物,主要受蒙脱石和伊利石等粘土矿物的影响,但砂性土受部分原生矿物的影响,主要是长石类矿物和高岭石的影响。(3)蒙脱石和伊利石分别决定土壤反射光谱的第一个吸收谷和第二个吸收谷特征,高岭石决定1 400和1 900nm前的两个小吸收谷特征,钾长石和钠长石决定了砂性土的前两个吸收谷特征。(4)蒙脱石含量足够高时,会完全掩盖高岭石和长石类的反射光谱特征,部分掩盖伊利石的反射光谱特征;随着蒙脱石含量降低,伊利石的反射光谱特征逐渐体现;蒙脱石和伊利石的含量降到很低时,高岭石和长石类矿物的反射光谱特征逐渐体现出来。研究结果揭示了不同土属反射光谱特征差异的原因,可以为土壤反射光谱分类、土壤精细制图和基于高光谱图像的矿物分布研究等提供理论依据。

关键词：高光谱粘土矿物土属去包络线

在线全文

学校读者我要写书评

暂无评论

基于冠层光谱的水稻穗颈瘟病害程度预测模型

光谱学与光谱分析 2021年第4期41卷 1220-1226页

作者：韩雨刘焕军张新乐于滋洋孟祥添孔繁昌宋少忠韩晶东北农业大学公共管理与法学院黑龙江哈尔滨150030 中国科学院东北地理与农业生态研究所吉林长春130012 吉林工程技术师范学院信息工程学院吉林长春130052

对水稻稻瘟病病害程度的定量预测是精准防控的关键,田间冠层尺度的研究可为高光谱传感器提供理论基础。以受穗颈瘟胁迫的水稻为研究对象,采用SVC HR768i型光谱辐射仪在大田中获取灌浆期两个不同时间段的水稻冠层光谱反射率,以水稻发病... 详细信息

对水稻稻瘟病病害程度的定量预测是精准防控的关键,田间冠层尺度的研究可为高光谱传感器提供理论基础。以受穗颈瘟胁迫的水稻为研究对象,采用SVC HR768i型光谱辐射仪在大田中获取灌浆期两个不同时间段的水稻冠层光谱反射率,以水稻发病株数百分比作为病害严重程度指标。冠层光谱数据采用九点平滑预处理,并重采样为1 nm间隔,计算植被指数;经过去包络线和一阶导数光谱变换,提取高光谱特征参数。分析不同时间段的光谱变换、植被指数、高光谱特征参数与病害程度的相关关系,构建基于植被指数、高光谱特征参数的穗颈瘟病害程度随机森林预测模型,并对比分析两个单时期预测模型异同,优选共用输入量,构建出两时期混合数据的病害程度预测模型。结果表明:(1)原始光谱曲线经去包络线处理可有效增强与病害程度相关的光谱信息,近红外波段(960~1050和1150~1280 nm)的相关系数在0.80以上;(2)高光谱特征参数与病害程度相关性分析中,去包络线吸收谷参数相关系数高于其他参数,吸收谷V_(3)(910~1100 nm)、吸收谷V_(4)(1100~1300 nm)中面积(A_(3)和A_(4))、深度(DP_(3)和DP_(4))、斜率(SL_(4)和SR_(4))的相关系数在0.74以上;(3)去包络线吸收谷参数结合随机森林模型预测穗颈瘟病害程度在单时期及两时期混合数据中均表现最好。灌浆期后期数据预测效果最佳,验证集决定系数R^(2)=0.91,均方根误差RMSE=0.02;(4)两时期混合数据预测精度处于两个单时期预测精度之间,验证集决定系数R^(2)=0.85、均方根误差RMSE=0.03。研究成果揭示了灌浆期不同时间段水稻穗颈瘟光谱响应机制,表明去包络线吸收谷参数结合随机森林模型预测稻瘟病的实用性,可为田间水稻穗颈瘟病害程度进行快速、精确、无损地定量预测,为精准施药提供理论依据,并对未来航空、航天遥感的病害监测提供一定的技术支持。

关键词：冠层光谱穗颈瘟去包络线特征参数

在线全文

学校读者我要写书评

暂无评论

基于反射光谱特性的土壤分类研究

光谱学与光谱分析 2008年第3期28卷 624-628页

作者：刘焕军张柏张渊智宋开山王宗明李方胡茂桂中国科学院东北地理与农业生态研究所吉林长春130012 中国科学院研究生院北京100039 香港中文大学太空与地球信息科学研究所中国香港新界沙田

选取中国松嫩平原吉林省农安县主要土壤(黑土、黑钙土、草甸土、风砂土、冲积土)室内光谱反射率作为研究对象,利用去包络线方法提取反射光谱特征指标,作为输入变量建立BP神经网络模型,进行土壤分类研究,探索利用表层土壤反射光谱特性进... 详细信息

选取中国松嫩平原吉林省农安县主要土壤(黑土、黑钙土、草甸土、风砂土、冲积土)室内光谱反射率作为研究对象,利用去包络线方法提取反射光谱特征指标,作为输入变量建立BP神经网络模型,进行土壤分类研究,探索利用表层土壤反射光谱特性进行土壤分类的可行性。结果表明:(1)包络线去除后的曲线使土壤可见光近红外波段的吸收特征显著增强;农安县不同土壤在400～2500nm范围内主要有5个光谱吸收谷,前2个吸收谷主要是由于土壤有机质、铁及土壤机械组成引起的,后3个是土壤水分吸收光谱能量引起的;不同土壤类型反射光谱的差异主要表现在前2个吸收谷。(2)由于输入变量的选取客观准确,基于前2个吸收谷形状特征的BP神经网络模型的土壤分类精度显著优于以反射率或5个吸收谷形状特征为输入变量的模型,可以用于土壤分类。

关键词：反射光谱土壤分类去包络线高光谱

考虑水分光谱吸收特征的水稻叶片SPAD预测模型

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 2019年第8期39卷 2528-2532页

作者：于滋洋王翔孟祥添张新乐武丹茜刘焕军张忠臣东北农业大学资源与环境学院黑龙江哈尔滨150030 中国科学院东北地理与农业生态研究所吉林长春130012 东北农业大学农学院黑龙江哈尔滨150030

叶绿素是植被光合作用的重要色素,传统实验室方法测定叶绿素含量需破坏性取样且操作复杂。通过构建高精度SPAD光谱估算模型,可以实现对水稻叶片叶绿素含量的实时无损监测。以黑龙江省不同施氮水平下水稻为研究对象,采用SVC HR768i型光... 详细信息

叶绿素是植被光合作用的重要色素,传统实验室方法测定叶绿素含量需破坏性取样且操作复杂。通过构建高精度SPAD光谱估算模型,可以实现对水稻叶片叶绿素含量的实时无损监测。以黑龙江省不同施氮水平下水稻为研究对象,采用SVC HR768i型光谱辐射仪共获取移栽后、分蘖期、拔节期、孕穗期、抽穗期共五个关键时期水稻叶片反射光谱数据。光谱探测范围350~2 500 nm。利用自带光源型手持叶片光谱探测器直接测定叶片光谱,光源为内置卤素灯。采用SPAD-502型手持式叶绿素仪同步测定水稻叶片的SPAD值。叶片水分是植物光合作用的基本原料,也间接影响着叶绿素含量。叶片含水量降低则会影响植物正常的光合作用,导致其叶绿素含量随之降低。因此将叶绿素敏感波段与水分吸收范围结合作为SPAD估算的输入量。随机森林模型是一个基于多个分类树的算法。算法在采样的过程中包括两个完全随机的过程,一是有放回抽样,可能会得到重复的样本,二是选取自变量是随机的。因此本文对叶片光谱反射率进行去包络线(CR)处理,综合考虑可见光近红外波段提取水稻叶片反射光谱特征参数和植被指数,综合分析光谱指标与SPAD相关关系,采用随机森林算法构建不同输入量的SPAD高光谱估算模型。结果表明:(1)水稻叶片SPAD与光谱反射率的相关系数在叶绿素敏感波段红波段范围(600~690 nm)、红边范围(720~760 nm)、水分吸收波段范围(1 400~1 490和1 900~1 980 nm)均为0.75以上;(2)在光谱参数与SPAD 的相关分析中, NDVI, DP2与水稻叶片SPAD值相关性最好,相关系数为0.811和0.808;(3)以结合水分光谱信息后的CR (V1, V2, V3, V4)为自变量所建立的随机森林模型精度最高, R 2为0.715, RMSE为2.646,可作为水稻叶片叶绿素预测模型。研究结果揭示了不同品种水稻的光谱响应机制,提供了水稻叶片SPAD值高精度反演的技术方法,为监测与调控东北地区水稻正常生育进程提供技术支持。

关键词：高光谱随机森林叶绿素相对含量去包络线水稻

在线全文

学校读者我要写书评

暂无评论

反射光谱特征的土壤分类模型

光谱学与光谱分析 2019年第8期39卷 2481-2485页

作者：刘焕军孟祥添王翔鲍依临于滋洋张新乐东北农业大学资源与环境学院黑龙江哈尔滨150030 中国科学院东北地理与农业生态研究所吉林长春130012

土壤反射光谱综合反映了土壤的理化性质和内部结构,高光谱遥感已被用于基于土壤反射光谱特性的土壤分类。已有研究一般利用土壤反射光谱一阶微分主成分作为输入量进行光谱分类模型构建,但主成分数据缺乏物理意义,且缺乏对比性、适用范... 详细信息

土壤反射光谱综合反映了土壤的理化性质和内部结构,高光谱遥感已被用于基于土壤反射光谱特性的土壤分类。已有研究一般利用土壤反射光谱一阶微分主成分作为输入量进行光谱分类模型构建,但主成分数据缺乏物理意义,且缺乏对比性、适用范围也有限。与反射率一阶微分数据相比,基于去包络线提取具有明确物理意义的特征参数,能够提高土壤分类的精度,并寻找到一种高精度土壤分类模型。选取吉林省农安县的四种典型土壤(风砂土、草甸土、黑土、黑钙土),将采集后的土壤样本进行风干、研磨、过2 mm筛处理,采用ASD FiledSpec 3便携式光谱仪对处理后的土壤样本的可见光近红外光谱区进行测试,从而获得土壤样本的光谱数据。对光谱数据进行九点平滑、 10 nm重采样处理进行降噪,将处理后的数据分别进行一阶微分主成分以及去包络线处理。利用土壤样本的去包络线提取光谱特征参数。以一阶微分主成分数据和光谱特征参数为输入量分别代入Logistic聚类模型(LR)、人工神经网络聚类模型(ANN)、 K-均值聚类模型(K-means)。首先明确了不同土类之间的反射光谱曲线、去包络线的差异大小,以及相同土壤的反射率曲线、去包络线进行土壤分类的优劣,并且在去包络线的基础上提取能够区分不同土类的光谱特征参数;其次,比较一阶微分主成分与光谱特征参数作为输入量时,三种光谱分类模型精度差异并分析不同模型精度差异的原因。结果表明:(1)四种土壤的反射光谱曲线差异较小,去包络线可以极大的增强四种土壤在 430~ 1 210 nm之间的光谱差异,并在去包络线的基础上构建具有明确物理意义的光谱特征参数。(2)将一阶微分主成分和光谱特征参数分别代入三种聚类模型可知,以光谱特征参数为输入量的土壤光谱分类模型均超过了以一阶微分主成分为输入量的模型精度,由于光谱特征参数保留了原数据的物理意义、更准确的体现了不同土壤类型之间的差异性,而一阶微分主成分数据带有一定的模糊性不同范围之间缺乏对比性,在土壤分类中以光谱特征参数作为输入量更具有优势。(3)在三类土壤分类模型中, LR的分类精度最高为76.67%, Kappa系数为0.56;ANN的分类精度中等为72.50%, Kappa系数为0.48;K-means的分类精度最低,只有65.00%, Kappa系数为0.33。研究成果可为土壤精细制图、以及土壤分类仪器的研制提供技术支持。

关键词：土壤分类决策树去包络线农安县

在线全文

学校读者我要写书评

暂无评论

基于高分5号影像的东北典型黑土区土壤分类

农业工程学报 2020年第16期36卷 231-238,F0003页

作者：孟祥添鲍依临刘焕军张艾明刘云超王丹丹赤峰学院资源环境与建筑工程学院赤峰024000 东北农业大学公共管理与法学院哈尔滨150030 中国科学院东北地理与农业生态研究所长春130012

高精度的土壤分类及制图结果有助于更好地制定土地环境保护和土地资源利用策略。为探究星载高光谱影像实现区域尺度高精度土壤分类及制图的可能性,该研究获取东北黑土区拜泉县、明水县共计4幅高分5号(GF-5)星载高光谱遥感影像。首先,将... 详细信息

高精度的土壤分类及制图结果有助于更好地制定土地环境保护和土地资源利用策略。为探究星载高光谱影像实现区域尺度高精度土壤分类及制图的可能性,该研究获取东北黑土区拜泉县、明水县共计4幅高分5号(GF-5)星载高光谱遥感影像。首先,将原始反射率数据(Original Reflectance,OR)进行包络线去除处理获得去包络线数据(Continuum Removal,CR);其次,对OR和CR进行主成分分析(Principal Component Analysis,PCA)处理,分别得到反射率主成分信息(OR-PCA)和去包络线主成分信息(CR-PCA),并在OR-PCA和CR-PCA的基础上结合地形因子(Terrain,TA)。最后,OR、CR、OR-PCA、CR-PCA、OR-PCA-TA、CR-PCA-TA分别作为输入量结合随机森林分类模型,进行土壤分类并实现数字土壤制图。结果表明:1)包络线去除法可有效地提高星载高光谱土壤分类精度,与OR相比,CR的总精度提高了5.48%,Kappa系数提高了0.12。2)PCA可有效地降低高光谱数据的冗余性,提高模型的运算效率以及分类精度;与CR作为输入量相比,CR-PCA的土壤分类总精度提高了3.67%,Kappa系数提高了0.02。3)TA的引入显著提升了土壤分类精度,以CR-PCA-TA作为输入量的土壤分类精度最高,总精度为81.61%,Kappa系数为0.72,实现了高精度的土壤分类模型及土壤制图。研究结果可为大范围、高精度的土壤分类及制图提供新的思路。

关键词：土壤遥感星载高光谱分类去包络线随机森林数字土壤制图

在线全文

学校读者我要写书评

暂无评论

矿物组分快速定量提取模型及其应用

光谱学与光谱分析 2010年第5期30卷 1315-1319页

作者：李帅蔺启忠刘庆杰王梦飞王钦军魏永明中国科学院遥感应用研究所北京100101 中国科学院对地观测与数字地球中心北京100101

矿物成分快速鉴定是提高遥感矿产勘探、遥感矿物填图以及诸多地学研究等工作效率的关键。由于技术等各方面的限制,国内外针对矿物快速分析的模型和软件较少。20世纪90年代以来近红外光谱仪在技术上的突破和计算机的发展使得近红外光谱... 详细信息

矿物成分快速鉴定是提高遥感矿产勘探、遥感矿物填图以及诸多地学研究等工作效率的关键。由于技术等各方面的限制,国内外针对矿物快速分析的模型和软件较少。20世纪90年代以来近红外光谱仪在技术上的突破和计算机的发展使得近红外光谱技术在矿物快速识别领域的应用变得可行,先后出现了基于吸收位置的反演模型(模型一)和基于波形匹配的反演模型(模型二)。文章提出了特征光谱线性反演模型。经美国地质调查局矿物光谱库(USGS)端元混合实验数据验证,该模型精度接近100%,远优于模型一和二。对新疆包古图地区地表随机所采23个样本分析,该模型平均精度为64.6%,另外两模型分别为:33.8%和8.1%,优于模型一和二。虽精度尚低于传统镜下鉴定方法,该模型具有高效、方便、工作量小、人为误差小等优点,已初步应用于新疆包古图地区遥感矿产勘探工作,有较好的推广前景。

关键词：矿物成分快速鉴定近红外光谱去包络线线性反演模型

在线全文

学校读者我要写书评

暂无评论

基于反射率模拟模型的黑土有机质含量估测

光谱学与光谱分析 2008年第12期28卷 2947-2950页

作者：刘焕军张柏刘殿伟宋开山王宗明杨飞中国科学院东北地理与农业生态研究所吉林长春130012 中国科学院研究生院北京100039

定量分析了黑龙江省黑土室内高光谱反射率曲线特征,确定了影响反射光谱曲线的主要特征控制点,建立了黑土光谱反射率模拟模型并对其进行评价,分析比较反射率数据、模拟后的光谱数据与土壤有机质含量的关系,建立了土壤有机质含量光谱预测... 详细信息

定量分析了黑龙江省黑土室内高光谱反射率曲线特征,确定了影响反射光谱曲线的主要特征控制点,建立了黑土光谱反射率模拟模型并对其进行评价,分析比较反射率数据、模拟后的光谱数据与土壤有机质含量的关系,建立了土壤有机质含量光谱预测模型。结果如下：有机质是小于1000 nm范围黑土反射光谱特征的决定因素,随有机质含量变化,黑土光谱反射率在该范围呈现单/双吸收谷特征;黑土反射光谱曲线在450-930 nm范围内有5个主要特征控制点;黑土反射率模拟模型能较准确地描述黑土反射光谱曲线,直线模型的模拟效果更好;以反射率模拟模型系数为自变量的有机质含量预测模型优于基于反射率及其一阶微分的模型,说明反射率模拟模型的曲线控制点选择合理且有代表性,反射率曲线模拟方法能够准确描述黑土的实际光谱反射率。

关键词：反射率模拟黑土去包络线高光谱