检索结果-南通市图书馆

检索条件"主题词=SPAD反演"

共 3 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于无人机多光谱影像的棉花叶片spad值和LAI反演研究

基于无人机多光谱影像的棉花叶片SPAD值和LAI反演研究

引用

作者：刘成成塔里木大学

学位级别：硕士

本文研究了新疆维吾尔自治区阿拉尔垦区塔里木大学农学教学科研实践基地的棉田,采用了30m、60m、100m三个不同的无人机采样飞行高度对棉田进行无人机多光谱图像采集,并对地面棉田进行叶绿素相对含量(soil and plant analyzer developmen... 详细信息

本文研究了新疆维吾尔自治区阿拉尔垦区塔里木大学农学教学科研实践基地的棉田,采用了30m、60m、100m三个不同的无人机采样飞行高度对棉田进行无人机多光谱图像采集,并对地面棉田进行叶绿素相对含量(soil and plant analyzer development,spad)、叶面积指数(leaf area index,LAI)数据的采样。对无人机影像进行预处理,提取22种光谱指数参数。使用皮尔逊相关性分析筛选出用于反演模型建模的光谱参数,并采用支持向量机回归(SVR)模型、随机森林回归(RFR)模型、XGBoost回归(XGBR)模型构建棉花spad与LAI反演模型。具体研究结果如下:(1)经过多光谱原始波段的分析,发现近红外波段与绿波对于棉花spad值最为敏感,其中RESR在60m飞行高度中与棉花spad之间的相关性最优,达到了-0.814。类似地,在棉花LAI的相关性分析中发现,多光谱原始波段中含有近红外波段的可见光波段对LAI表现出较为敏感的相关性关系,其中RVI在100m飞行高度中与棉花LAI之间的相关性最优,达到了正相关的0.851。(2)基于相关性分析选取的光谱参数组合,分别采用支持向量机回归模型、随机森林回归模型、XGBoost回归模型进行建模,确定了棉花spad反演研究的最佳无人机飞行高度为60m,最佳模型算法为随机森林回归模型,最佳光谱参数组合为RESR、RENDVI;棉花LAI反演研究的最佳无人机飞行高度为100m,最佳模型算法为XGBoost回归模型。(3)通过对棉花spad和LAI进行反演的最佳模型组合,得到了实验区棉田的空间分布反演图。研究发现,在spad反演图的结果中,研究区棉花spad值主要集中在7.08～88.58之间,与实际采样数据情况相一致,在LAI反演图的结果中,反演得到的研究区棉花spad值主要集中在6.38～21.73之间,与实际采样数据情况相一致,基于随机森林回归模型的棉花叶片spad模型以及基于XGBoost回归的棉花LAI模型具有良好的反演效果。

关键词：多光谱影像机器学习棉花叶片 spad反演 LAI反演

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多源遥感的夏玉米生长参数估测

基于多源遥感的夏玉米生长参数估测

引用

作者：潘方江山东理工大学

学位级别：硕士

叶绿素含量和叶面积指数是玉米生长的重要农学参数,对监测玉米生长状况和产量预测意义重大,因此如何快速准确地监测玉米的叶面积指数(Leaf area index,LAI)和叶绿素相对含量(spad),对玉米的后期田间管理和产量提高至关重要。针对目前单... 详细信息

叶绿素含量和叶面积指数是玉米生长的重要农学参数,对监测玉米生长状况和产量预测意义重大,因此如何快速准确地监测玉米的叶面积指数(Leaf area index,LAI)和叶绿素相对含量(spad),对玉米的后期田间管理和产量提高至关重要。针对目前单一来源数据源下,夏玉米LAI和spad反演模型精度低、鲁棒性差等问题,本研究以夏玉米为对象,研究地面与无人机低空多源遥感数据(地-空多源数据)融合进行夏玉米LAI和spad的精准监测方法,并进行反演结果可视化,为后续田间精准管理提供指导。本研究针对地面数据采集复杂费力等问题,结合STM32和无线传输技术,研制了地面遥感数据采集车,利用DJI精灵4 RTK、M210无人机和研发的地面遥感数据采集车,搭载可见光相机、MS600 Pro多光谱和PSR1100-f高光谱,于2020年和2021年分别获取了试验区夏玉米喇叭口期、抽雄期和灌浆期的多源数据,并由田间气象站获取环境参数,通过相关性分析优选LAI和spad敏感特征。结果表明,高光谱红边位置和红边内一阶微分值(相关性0.5～0.75)、包含可见光红波段和近红外波段的多光谱植被指数(相关性0.74～0.85)、作物有效株高和有效积温(相关性0.74～0.9)均对二者表现出较高的相关性。LAI的多源敏感特征为CHM、GDD、λr、Dr、WDRVI、NDVI、RVI、PVI、PBI、OSAVI,spad的多源敏感特征为Rr、λr、Dr、NDVI、DVI、RVI、GNDVI、SAVI、RDVI、CHM、GDD。所有数据按2:1划分为训练集和测试集,采用多元线性回归(MLR)、偏最小二乘回归(PLSR)和随机森林回归(RF),分别构建了单一来源数据和多源数据融合下的LAI和spad反演模型,并采用测试集进行模型精度验证。结果表明,多源数据融合使用可有效提高夏玉米LAI和spad模型反演精度。利用多源数据融合构建的模型,其反演精度和误差均优于单一数据源下的同类模型,且RF模型(LAI模型:R=0.9315,RMSE=0.4895,spad模型:R=0.7767,RMSE=2.8387)反演结果相对最优,PLSR模型和MLR模型结果较为相近。综合分析,基于多源数据融合的RF模型可快速准确的反演夏玉米LAI和spad,为夏玉米的后续田间管理提供数据支持。本研究利用开发的ArcGISQC软件将最优反演模型结果进行可视化,分析LAI和spad变化规律,可视化结果表明,LAI和spad表现出相似变化趋势,生长前期随生育期的发展不断升高,抽雄期达到最大,随后逐渐降低。品种和环境差异的影响分析表明,玉米品种间差异对二者的影响较小,但环境变化有一定影响,并且LAI受环境影响较大,spad较小。该研究构建的LAI和spad分布图能够有效反映夏玉米长势,可为夏玉米的田间水肥追施和施药提供指导。

关键词：多源数据夏玉米 LAI反演 spad反演可视化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于高光谱遥感数据的辣椒叶片叶绿素含量反演

基于高光谱遥感数据的辣椒叶片叶绿素含量反演

引用

作者：王宇贵州大学

学位级别：硕士

辣椒是我国重要的经济作物,同时也被列为贵州省重点发展的12个特色优势产业之一,因此做好辣椒种植生产,促进辣椒产业发展,是贵州乡村振兴和富民增收的有效抓手,辣椒生长状况监测是上述工作开展的重要前提,而辣椒叶片叶绿素含量（Soil an... 详细信息

辣椒是我国重要的经济作物,同时也被列为贵州省重点发展的12个特色优势产业之一,因此做好辣椒种植生产,促进辣椒产业发展,是贵州乡村振兴和富民增收的有效抓手,辣椒生长状况监测是上述工作开展的重要前提,而辣椒叶片叶绿素含量（Soil and Plant Analyzer Development,spad）的准确获取则是其中的关键。本研究以贵州省遵义市种植的4个品种的辣椒为研究对象,实地采集辣椒盛果期叶片spad值,并获取近地高光谱数据和无人机低空高光谱数据;通过高光谱数据提取辣椒叶片的光谱反射率,对数据进行预处理和相关性分析,利用遗传偏最小二乘算法（GA-PLS）对光谱波段进行优选,并构建出与辣椒叶绿素相关性高的植被指数;分析辣椒叶绿素与高光谱数据之间的相关关系,构建适用于不同数据源、不同辣椒品种、且具有强普适性、高精度的叶绿素高光谱反演模型。具体研究内容和结果如下:（1）筛选出了基于近地高光谱数据的辣椒叶片spad最佳反演模型从基于选取的辣椒样本spad值和近地高光谱数据的相关性分析和构建的模型发现,叶绿素值越大,叶片的反射率越低,呈反比关系;光谱微分技术可以有效地突出辣椒冠层光谱信息;辣椒叶片spad值与二阶微分光谱的相关系数最高;通过Pearson-GAPLS降维处理后光谱建立的模型精度明显高于只采用Pearson降维法的模型精度,可有效对辣椒冠层光谱进行降维处理,提高模型精度;RF模型精度高于PLSR、BP和LSSVM模型,其R、RMSE和RPD分别为0.80、3.50和2.21,该模型可以很好地应用到辣椒叶片叶绿素含量估算中。（2）构建了适用于不同品种辣椒spad的近地高光谱反演模型从基于四个辣椒品种spad值和近地高光谱数据的相关性分析和构建的模型发现,不同辣椒品种冠层光谱特性存在差异;辣椒叶片建模集、验证集和全样本的平均spad值均为线椒大于朝天椒;基于倒数对数光谱优化的植被指数除了CI外,其余植被指数的相关系数均高于经典植被指数;基于log1/R-VI搭建的随机森林模型无论是建模集还是验证集精度均较好,适合于不同品种辣椒spad值的估算。（3）构建了基于无人机高光谱数据的spad反演模型基于选取的辣椒样本叶片spad值和无人机高光谱数据的相关性分析和构建的模型发现:辣椒叶片spad值与反射率成反比关系;无人机高光谱的辣椒叶绿素的敏感波段范围主要集中在400nm～700nm;经过一阶微分处理后的光谱与spad值相关性最好,671nm波长下一阶微分光谱与叶绿素含量呈最大负相关,相关系数为-0.69;基于倒数对数光谱建立的模型普遍精度较高;模型中表现最好的为基于微分光谱搭建的GA-LSSVM模型,其R、RMSE和RPD值分别为0.84、1.41、2.24,其次是基于倒数对数光谱的RF模型,其R、RMSE和RPD值分别为0.83、1.57、2.13。（4）实现了研究区基于空-地光谱参量的辣椒叶片spad反演,筛选出了高普适性的反演模型从基于无人机高光谱和近地高光谱的最佳预处理方式和最优模型来看,各种变换光谱对模型的作用存在差异。近地光谱中,以倒数对数光谱搭建的RF模型精度最高;无人机光谱中,倒数对数光谱搭建的模型精度普遍较高,其中RF的R、RMSE和RPD值分别为0.83、1.57、2.13,可作为spad值的预测模型。综上所述:基于倒数对数光谱建立的RF模型可实现对不同数据源、不同品种辣椒叶片spad值的预测,具有普适性。

关键词：无人机高光谱遥感地物光谱 spad反演模型反演

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：