高光譜
- 基于機(jī)器學(xué)習(xí)的油菜葉片水分含量高光譜估測(cè)
，利用油菜葉片高光譜建模反演油菜葉片含水率能準(zhǔn)確監(jiān)測(cè)油菜葉片含水率，可為精準(zhǔn)農(nóng)業(yè)水分管理提供理論參考。關(guān)鍵詞：油菜；葉片含水量；高光譜；機(jī)器學(xué)習(xí)doi：10.13304/j.nykjdb.2022.0977中圖分類號(hào)：S126 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：10080864（2024）05011010油菜是我國(guó)主要的經(jīng)濟(jì)作物，也是我國(guó)播種面積和產(chǎn)量最大的油料作物，發(fā)展油菜生產(chǎn)對(duì)保障中國(guó)食用油安全具有重要意義[1]。我國(guó)油菜主產(chǎn)區(qū)位于長(zhǎng)江流域及云貴高原，這些地區(qū)
- 棉花全生長(zhǎng)周期機(jī)載高光譜正射影像數(shù)據(jù)集構(gòu)建
測(cè)樣本數(shù)據(jù)集。高光譜影像具有豐富的光譜特征和空間特征，被廣泛用于生化參量反演、病蟲害監(jiān)測(cè)、長(zhǎng)勢(shì)評(píng)估與產(chǎn)量預(yù)測(cè)。為此，本文構(gòu)建了面向棉花全生長(zhǎng)周期的機(jī)載高光譜成像數(shù)據(jù)集（Airborne hyperspectral imaging dataset for the full growth cycle of cotton，AHS-FGCC）。方法 基于大疆M600 Pro無人機(jī)搭載Rikola高光譜成像儀，以100 m航高獲取同一區(qū)域同一棉花品種苗期、苗后期、蕾
- 森林可燃物含水特征的高光譜探測(cè)與估算研究
徐劍摘要 利用高光譜探測(cè)反演地物特征是一種全新光譜探測(cè)技術(shù)。分析了近年來森林可燃物含水量的光譜探測(cè)研究進(jìn)展，探討了可燃物水分參數(shù)的關(guān)鍵指標(biāo)等效水厚度（EWT）和可燃物含水率（FMC），以及基于高光譜探測(cè)的實(shí)驗(yàn)分析方法，并討論了可燃物水分參數(shù)指標(biāo)計(jì)算的估算模型。以期為森林可燃物含水特征研究提供更加便捷有效的技術(shù)方法和理論依據(jù)，從而促進(jìn)全球氣候變暖背景下林火預(yù)測(cè)預(yù)報(bào)與森林可燃物火險(xiǎn)等級(jí)劃分工作的進(jìn)一步發(fā)展。關(guān)鍵詞 高光譜；森林可燃物；含水率中圖分類號(hào)：S762
農(nóng)業(yè)災(zāi)害研究 2023年2期2023-06-07
- 佛手瓜葉片光譜特征與SPAD值估算模型研究
算模型，為實(shí)現(xiàn)高光譜技術(shù)監(jiān)測(cè)佛手瓜葉片葉綠素含量變化提供參考依據(jù)。利用SPAD-502 PLUS葉綠素儀同步測(cè)定佛手瓜葉片的SPAD值，以Field Spec 3地物光譜儀采集佛手瓜葉片光譜數(shù)據(jù)。對(duì)原始光譜去噪處理后經(jīng)一階微分變換、倒數(shù)對(duì)數(shù)變換和倒數(shù)對(duì)數(shù)的一階微分變換提取其特征波段，然后利用紅邊及綠峰位置構(gòu)建了SPAD值的預(yù)測(cè)模型，并采用決定系數(shù)（R2）、均方根誤差（RMSE）和相對(duì)誤差（RE）對(duì)模型進(jìn)行精度評(píng)價(jià)。結(jié)果表明，在400～1 000 nm波長(zhǎng)范
江蘇農(nóng)業(yè)科學(xué) 2023年9期2023-06-04
- 連續(xù)投影算法和模擬退火算法在蘋果品種分類模型中的分析
詞：機(jī)器學(xué)習(xí);高光譜;蘋果;光譜預(yù)處理中圖分類號(hào) S66 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2022）10-0052-03Analysis of Continuous Projection Algorithm and Simulation Annealing Algorithm in Apple Variety Classification ModelLIU Jiucai? ?GAO Yang（College of Informatio
安徽農(nóng)學(xué)通報(bào) 2022年10期2022-06-30
- 快速魯棒高光譜目標(biāo)跟蹤算法
化等問題，利用高光譜視頻包含的二維空域信息和豐富的一維頻譜信息，提出一種快速魯棒目標(biāo)跟蹤算法FRHT。首先，在傳統(tǒng)的空域注意力機(jī)制上基于高光譜數(shù)據(jù)的特點(diǎn)引入頻譜注意力機(jī)制，設(shè)計(jì)了相關(guān)濾波框架下自適應(yīng)更新學(xué)習(xí)的跟蹤器; 其次，手工設(shè)計(jì)高光譜運(yùn)動(dòng)目標(biāo)特征以加快跟蹤器運(yùn)算速度; 最后，提出一種運(yùn)動(dòng)目標(biāo)異常檢測(cè)機(jī)制，以增強(qiáng)跟蹤器對(duì)各種干擾的魯棒性。仿真結(jié)果表明，在高光譜數(shù)據(jù)集上，跟蹤器FRHT的速度和精度顯著優(yōu)于KCF，SAMF和CSR-DCF等傳統(tǒng)跟蹤算法，精度
航空兵器 2022年2期2022-05-18
- 基于顯微高光譜圖像的雙孢蘑菇疣孢霉菌厚垣孢子目標(biāo)檢測(cè)
斷方法，將顯微高光譜成像技術(shù)應(yīng)用于雙孢蘑菇疣孢霉病早期檢測(cè)研究。首先借助神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性學(xué)習(xí)能力，采用基于注意力機(jī)制和稀疏自編碼器重建網(wǎng)絡(luò)的BS-Net-FC算法對(duì)厚垣孢子顯微高光譜圖像波段選擇，并提出基于厚垣孢子目標(biāo)形態(tài)特異性的MTCEM算法檢測(cè)厚垣孢子目標(biāo)，結(jié)果顯示波段選擇算法保證波段子集的信息量同時(shí)有效降低了冗余波段，在波段數(shù)為17的波段子集上MTCEM算法AUC達(dá)到最佳為0.8785。本方法能夠有效減少數(shù)據(jù)冗余以及對(duì)厚垣孢子目標(biāo)檢測(cè)效果良好，為
福建農(nóng)業(yè)科技 2022年2期2022-04-27
- 基于改進(jìn)U-Net的高光譜農(nóng)林植被分類方法
鵬摘 要：針對(duì)高光譜圖像中的“同譜異物”和“同物異譜”現(xiàn)象導(dǎo)致傳統(tǒng)機(jī)器學(xué)習(xí)方法難以精確區(qū)分，以及深度學(xué)習(xí)模型處理高維遙感數(shù)據(jù)耗時(shí)較長(zhǎng)的問題，本文以河北省雄安新區(qū)雄縣雄州鎮(zhèn)馬蹄灣村19種土地覆被類型（農(nóng)林植被為主）為研究對(duì)象，提出一種基于改進(jìn)U-Net的高光譜農(nóng)林植被分類方法。該方法以U-Net為基礎(chǔ)框架，首先利用主成分分析（Principal Component Analysis， PCA）提取主要光譜波段，降低光譜冗余度;然后提出特征提取模塊，該模塊使用
森林工程 2022年1期2022-04-26
- 多頻段隱身材料的研究現(xiàn)狀與進(jìn)展
雷達(dá)、可見光、高光譜和紅外隱身材料的優(yōu)勢(shì)與不足，分析了現(xiàn)階段各種兼容隱身材料的發(fā)展新需求；綜述了目前雷達(dá)與紅外、可見光與紅外、高光譜與紅外、多頻段兼容隱身材料的作用機(jī)理以及研究現(xiàn)狀，并指出了未來多頻譜隱身材料的發(fā)展方向。隨著材料研究的不斷深入以及相關(guān)機(jī)理的突破，多頻譜隱身材料將會(huì)成為支撐我國(guó)軍事地位的重要力量。關(guān)鍵詞：多頻段隱身材料；雷達(dá)；紅外；可見光；高光譜中圖分類號(hào)：TB39文獻(xiàn)標(biāo)識(shí)碼：ADOI：10.19452/j.issn1007-5453.202
航空科學(xué)技術(shù) 2022年1期2022-03-11
- 基于無人機(jī)多光譜與地面高光譜遙感的土壤主要養(yǎng)分含量估測(cè)
。通過多光譜與高光譜遙感結(jié)合技術(shù)，對(duì)山原紅壤主要養(yǎng)分含量的高光譜特性進(jìn)行了研究分析，研究了土壤主要養(yǎng)分含量的多高光譜特性、篩選出了各養(yǎng)分含量的特征波段。而后，通過多光譜波段變換、植被指數(shù)合成、構(gòu)建高光譜土壤指數(shù)，與山原紅壤主要養(yǎng)分含量進(jìn)行了相關(guān)分析。通過分析得出，多光譜擬合模型效果整體不佳，僅鉀元素與合成光譜存在相關(guān)性，擬合模型R2大于0.5，有良好的擬合意義。高光譜指數(shù)相關(guān)性及擬合模型效果較多光譜都有所提升。其中，支持向量機(jī)擬合模型效果最佳，R2均在0.
江蘇農(nóng)業(yè)科學(xué) 2022年2期2022-02-15
- 基于實(shí)測(cè)高光譜數(shù)據(jù)的校園植被識(shí)別
部分。該文應(yīng)用高光譜遙感設(shè)備對(duì)中國(guó)礦業(yè)大學(xué)（北京）學(xué)院路校區(qū)20種典型植被的反射光譜數(shù)據(jù)進(jìn)行采集并對(duì)反射光譜基本特征、光譜時(shí)序變化、相關(guān)植被指數(shù)以及低通濾波變換進(jìn)行分析，研究結(jié)論：（1）植被反射光譜基本特征相似，紫葉李在可見光波段的波峰位置存在偏移，八寶和黃楊的反射率波形特征明顯;（2）植被反射率時(shí)序變化與物候規(guī)律較為一致，地毯草和果樹類存在偏差;（3）銀杏、紫葉李、剛竹、木槿、忍冬、石榴和八寶的NDVI特征明顯，懸鈴樹、槭樹、剛竹、柏樹、叉子圓柏、山桃、
科技資訊 2021年29期2021-12-31
- 菜油兼用型油菜籽粒油酸含量的高光譜模型構(gòu)建
薹情況，為實(shí)現(xiàn)高光譜反演籽粒油酸含量提供理論指導(dǎo)?！痉椒ā渴褂肍ieldSpec 3地物光譜儀采集油菜盛花期葉片光譜數(shù)據(jù)，采用Agilent GC-MS 7980B氣相色譜儀分析摘薹和未摘薹處理的籽粒油酸含量，比較2組處理的平均原始光譜反射率特征，及其油菜葉片原始及一階微分光譜反射率與籽粒油酸含量相關(guān)性，在此基礎(chǔ)上構(gòu)建基于原始光譜特征波長(zhǎng)的支持向量機(jī)（SVM）判別模型、基于光譜參數(shù)的油酸含量二項(xiàng)式模型、基于一階微分光譜特征波長(zhǎng)的油酸含量多元線性逐步回歸（M
南方農(nóng)業(yè)學(xué)報(bào) 2021年6期2021-10-09
- 基于高光譜技術(shù)檢測(cè)香水梨硬度的研究
于可見—近紅外高光譜（Visible Near Infrared Reflectio，Vis-NIR）成像技術(shù)對(duì)150個(gè)香水梨進(jìn)行光譜數(shù)據(jù)采集。將樣本劃分后，采用卷積平滑（Savitzky-Golay，S-G）、歸一化（Normalize）和標(biāo)準(zhǔn)正態(tài)變換（Standard Normal Variate，SNV）3種方法對(duì)原始光譜進(jìn)行預(yù)處理，利用競(jìng)爭(zhēng)性自適應(yīng)加權(quán)算法（Competitive Adaptive Reweighted Sampling，CARs）
食品安全導(dǎo)刊 2021年7期2021-09-05
- 桂北巖溶區(qū)與非巖溶區(qū)植物葉片含水率高光譜反演
植物葉片含水率高光譜反演模型對(duì)準(zhǔn)確評(píng)價(jià)巖溶和非巖溶植被生態(tài)功能具有重要意義。該文以我國(guó)西南典型區(qū)域內(nèi)巖溶區(qū)與非巖溶區(qū)共17種植物694個(gè)樣品為研究對(duì)象，同步測(cè)量葉片含水率和反射光譜，采用單波段、差值型、比值型、歸一化型等四類光譜指數(shù)模型，對(duì)反射光譜及一階導(dǎo)數(shù)光譜進(jìn)行全波段搜索分析。結(jié)果表明：光譜指數(shù)D2048-D1733的建模與驗(yàn)證結(jié)果均最好，為巖溶植物葉片含水率的最佳估計(jì)光譜指數(shù);對(duì)于非巖溶植物，光譜指數(shù)D2356/D1885和（D2356-D1885）
廣西植物 2021年6期2021-08-16
- 桂北巖溶區(qū)與非巖溶區(qū)植物葉片含水率高光譜反演
植物葉片含水率高光譜反演模型對(duì)準(zhǔn)確評(píng)價(jià)巖溶和非巖溶植被生態(tài)功能具有重要意義。該文以我國(guó)西南典型區(qū)域內(nèi)巖溶區(qū)與非巖溶區(qū)共17種植物694個(gè)樣品為研究對(duì)象，同步測(cè)量葉片含水率和反射光譜，采用單波段、差值型、比值型、歸一化型等四類光譜指數(shù)模型，對(duì)反射光譜及一階導(dǎo)數(shù)光譜進(jìn)行全波段搜索分析。結(jié)果表明：光譜指數(shù)D2048-D1733的建模與驗(yàn)證結(jié)果均最好，為巖溶植物葉片含水率的最佳估計(jì)光譜指數(shù);對(duì)于非巖溶植物，光譜指數(shù)D2356/D1885和（D2356-D1885）
廣西植物 2021年5期2021-07-19
- 高光譜遙感影像分類方法探析
胡勇摘 要：高光譜遙感影像的分類問題是目標(biāo)檢測(cè)和識(shí)別的基礎(chǔ)，深入研究高光譜遙感影像的數(shù)據(jù)特性對(duì)于去除噪聲等干擾因素、實(shí)現(xiàn)準(zhǔn)確解譯并進(jìn)行后續(xù)分析具有重要的意義。本文分析了高光譜遙感影像分類研究現(xiàn)狀，重點(diǎn)論述了高光譜遙感影像的分類方法、分類流程、分類結(jié)果的評(píng)價(jià)方法，希望能和廣大同行共同探討。關(guān)鍵詞：高光譜;遙感影像;分類1引言近年來，遙感技術(shù)作為一種準(zhǔn)確、客觀、及時(shí)獲取地球表面宏觀信息的技術(shù)手段，在城市規(guī)劃建設(shè)、土地利用監(jiān)測(cè)、農(nóng)林業(yè)以及自然災(zāi)害預(yù)報(bào)等方面越來
裝備維修技術(shù) 2021年51期2021-07-01
- 基于土壤光譜特性的土壤類型區(qū)分研究
鍵詞：多光譜;高光譜;植被指數(shù);主成分分析;土壤類型區(qū)分中圖分類號(hào)： S127;S151.9 ?文獻(xiàn)標(biāo)志碼： A ?文章編號(hào)：1002-1302（2021）10-0207-06土壤作為農(nóng)業(yè)生產(chǎn)的基礎(chǔ)，是一種至關(guān)重要的自然資源，快速準(zhǔn)確地對(duì)土壤進(jìn)行區(qū)分，可以加快土地利用規(guī)劃等工作的進(jìn)度。隨著光譜技術(shù)的快速發(fā)展，眾多學(xué)者嘗試?yán)霉庾V技術(shù)對(duì)土壤進(jìn)行類別劃分[1]。如Stoner等將美國(guó)和巴西的485個(gè)土壤樣本的反射光譜曲線分為5種類型：有機(jī)質(zhì)控制型、最小改變型、
江蘇農(nóng)業(yè)科學(xué) 2021年10期2021-07-01
- 基于偏最小二乘與隨機(jī)森林的土壤鹽含量反演研究
首先對(duì)采集到的高光譜土壤圖像進(jìn)行分割處理提取出土壤在400～1 000 nm的原始反射光譜，其次對(duì)原始反射光譜進(jìn)行4種光譜變換（一階微分、多元散射校正的一階微分、SG平滑去噪的一階微分、對(duì)數(shù)的一階微分），并與土壤的實(shí)測(cè)鹽分量進(jìn)行相關(guān)性分析（CA），利用相關(guān)系數(shù)選取敏感波段，最后建立偏最小二乘與隨機(jī)森林結(jié)合的回歸反演模型。結(jié)果表明，與偏最小二乘回歸、隨機(jī)森林回歸單獨(dú)建模相比，2種模型結(jié)合后的預(yù)測(cè)精度有明顯的改善。光譜經(jīng)過對(duì)數(shù)的一階微分變換建立的PLSR-RF
安徽農(nóng)業(yè)科學(xué) 2021年8期2021-05-11
- 不同水分管理和遮陰下水稻株高及成熟期高光譜估算
、成熟期及冠層高光譜特征的影響，通過相關(guān)性分析、線性與非線性回歸等統(tǒng)計(jì)方法，構(gòu)建水稻株高和成熟期高光譜估算模型。水分管理設(shè)2個(gè)水平，節(jié)水灌溉（W，無水層）與常規(guī)灌溉（F，水深5 cm）;遮陰處理設(shè)3個(gè)水平，對(duì)照（CK，無遮光）、輕度遮陰（S1，單層遮光）和重度遮陰（S2，雙層遮光）。結(jié)果表明，遮陰處理下，節(jié)水灌溉對(duì)水稻株高有抑制作用。水稻株高與冠層光譜反射率在近紅外波段最為敏感，呈極顯著正相關(guān)關(guān)系（P關(guān)鍵詞：水分管理;遮陰;株高;成熟期;高光譜太陽輻射是維
江蘇農(nóng)業(yè)科學(xué) 2021年3期2021-04-29
- 機(jī)器學(xué)習(xí)在土壤無機(jī)碳高光譜反演模型中的應(yīng)用進(jìn)展
揮著重要作用。高光譜數(shù)據(jù)具有維度大、強(qiáng)冗余性等特點(diǎn)，不利于土壤無機(jī)碳快速反演建模，而使用機(jī)器學(xué)習(xí)方法可實(shí)現(xiàn)對(duì)土壤無機(jī)碳的快速、高效測(cè)定。該文綜述了利用機(jī)器學(xué)習(xí)方法對(duì)土壤無機(jī)碳高光譜反演建模的研究現(xiàn)狀，以期為土壤無機(jī)碳在全球碳循環(huán)中的研究提供參考。關(guān)鍵詞：機(jī)器學(xué)習(xí);土壤無機(jī)碳;高光譜;反演模型;應(yīng)用進(jìn)展中圖分類號(hào) S153.6+1文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 1007-7731（2021）04-0108-04Abstract： As the second larg
安徽農(nóng)學(xué)通報(bào) 2021年4期2021-03-24
- 高光譜技術(shù)在蘋果品質(zhì)檢測(cè)中的應(yīng)用
王家碩摘 要：高光譜技術(shù)作為新一代的光電無損檢測(cè)技術(shù)，廣泛應(yīng)用于農(nóng)產(chǎn)品快速無損品質(zhì)檢測(cè)。高光譜技術(shù)在蘋果品質(zhì)檢測(cè)方面主要有2個(gè)方向，結(jié)合化學(xué)計(jì)量學(xué)方法進(jìn)行蘋果內(nèi)部品質(zhì)檢測(cè)以及結(jié)合機(jī)器視覺進(jìn)行蘋果損傷、病害等外部指標(biāo)的外部品質(zhì)檢測(cè)。該文介紹了高光譜技術(shù)在蘋果品質(zhì)檢測(cè)中的應(yīng)用，提出了高光譜技術(shù)在蘋果品質(zhì)檢測(cè)中存在的問題。關(guān)鍵詞：高光譜;蘋果;內(nèi)外部品質(zhì);無損檢測(cè)中圖分類號(hào) TS255.7文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 1007-7731（2021）01-0132-02
安徽農(nóng)學(xué)通報(bào) 2021年1期2021-02-07
- 基于高光譜成像技術(shù)的稻谷中霉菌定量檢測(cè)及模型建立
用可見/近紅外高光譜成像技術(shù)，并結(jié)合主成分分析（principal component analysis， PCA），利用偏最小二乘回歸PLSR算法，構(gòu)建稻谷儲(chǔ)藏過程中典型霉菌（黃曲霉、黑曲霉與雜色曲霉）污染的無損檢測(cè)方法。結(jié)果表明：稻谷分別接種3種霉菌后，黃曲霉菌繁殖速率最快，對(duì)比霉變過程下稻谷在400～1 000 nm波段信號(hào)發(fā)現(xiàn)，光譜反射率隨霉變時(shí)間延長(zhǎng)關(guān)聯(lián)下降，其中黑曲霉對(duì)應(yīng)的光譜信號(hào)變化幅度最為明顯；結(jié)合PCA結(jié)果，不同霉變階段性下稻谷光譜信號(hào)存
糧食科技與經(jīng)濟(jì) 2021年5期2021-01-16
- 高光譜遙感反演土壤重金屬的研究進(jìn)展
快速調(diào)查要求。高光譜遙感影像主要是空間分辨率、光譜帶數(shù)多和強(qiáng)烈的連續(xù)性等優(yōu)勢(shì)，為了提高定量預(yù)測(cè)的準(zhǔn)確性，傳統(tǒng)的分析方法正在被遙感反演的方法取而代之。關(guān)鍵詞：土壤重金屬;高光譜;光譜數(shù)據(jù)預(yù)處理;定量估算模型;空間分布1 土壤重金屬的危害及調(diào)查方法土壤是地球上自然環(huán)境中生態(tài)系統(tǒng)發(fā)展必不可少的物質(zhì)基礎(chǔ)，人類的生產(chǎn)生活也與土壤密不可分。由于人類的活動(dòng)使土壤的理化性質(zhì)和環(huán)境發(fā)生比較大的變化[1]。土壤是生態(tài)系統(tǒng)中的重要組成部分，它具有一定的自我凈化能力，能夠改善地下
名城繪 2020年9期2020-12-14
- 基于無人機(jī)高光譜遙感數(shù)據(jù)的冬小麥生物量估算
型應(yīng)用于無人機(jī)高光譜影像中，驗(yàn)證模型的可行性。結(jié)果表明，利用單個(gè)植被指數(shù)或紅邊參數(shù)構(gòu)建的估算模型在孕穗期、開花期和灌漿期估算精度最高的植被指數(shù)分別是歸一化植被指數(shù)（NDVI）、簡(jiǎn)單比值指數(shù)（SR）和增強(qiáng)型土壤調(diào)節(jié)植被指數(shù)（MSAVI），精度最高的紅邊參數(shù)分別為紅邊振幅/最小振幅、紅邊振幅和紅邊振幅;通過MLR分別以植被指數(shù)、紅邊參數(shù)和植被指數(shù)結(jié)合紅邊參數(shù)為因子構(gòu)建的模型MLR+VI、MLR+REPS與MLR+VI+REPS效果優(yōu)于單個(gè)植被指數(shù)或紅邊參數(shù)建立
江蘇農(nóng)業(yè)學(xué)報(bào) 2020年5期2020-12-09
- 貯藏大米中霉菌菌落總數(shù)的高光譜檢測(cè)研究
菌落總數(shù)，擬用高光譜圖像技術(shù)實(shí)現(xiàn)無損檢測(cè)。[方法]采用SG-SNV detrending的方式對(duì)原始光譜數(shù)據(jù)預(yù)處理，去除基線散射，平滑光譜曲線;然后分別利用SPA算法和CARS算法選取反映大米霉菌菌落總數(shù)特性的特征波長(zhǎng)組合，最后采用SVR方法分別在全光譜數(shù)據(jù)和2種特征光譜數(shù)據(jù)的基礎(chǔ)上建立預(yù)測(cè)模型，對(duì)比分析各SVR模型的預(yù)測(cè)效果。[結(jié)果]基于CARS特征選擇的模型（CARS-SVR）預(yù)測(cè)效果優(yōu)于基于全光譜數(shù)據(jù)的SVR模型和基于SPA特征選擇的模型（SPA-S
安徽農(nóng)業(yè)科學(xué) 2020年19期2020-11-02
- 基于高光譜數(shù)據(jù)的水域葉綠素a濃度(Chl-a)反演研究
水體參數(shù)反演;高光譜;大氣校正;葉綠素a濃度（Chl-a）1引言人類的生命活動(dòng)離不開水，隨著科技的發(fā)展，水體的承載壓力越來越大，當(dāng)污染物超過了水體的自凈能力時(shí)，便產(chǎn)生了水體污染各類水體由于靠近人類聚集地，通常會(huì)有各類污染物流入，致使水體易趨于富營(yíng)養(yǎng)化藻類以及浮游生物利用這些營(yíng)養(yǎng)物質(zhì)過量繁殖生長(zhǎng)，使得水體中的溶解氧不斷減少，令水質(zhì)逐漸變差葉綠素作為藻類等水生植物關(guān)鍵的組成部分，其濃度的大小可以用于判斷水體是否富營(yíng)養(yǎng)化。本研究以太湖水域?yàn)檠芯繀^(qū)，通過2009年
科學(xué)與財(cái)富 2020年19期2020-10-20
- 高光譜分類方法及應(yīng)用研究進(jìn)展
陽昌霞摘要：高光譜遙感技術(shù)是近年來遙感技術(shù)研究熱點(diǎn)。文章從高光譜在巖性提取、農(nóng)業(yè)遙感、水環(huán)境監(jiān)測(cè)等方面進(jìn)行應(yīng)用進(jìn)展的綜述;并從針對(duì)高光譜影像的改進(jìn)分類方法進(jìn)行綜述，并列舉了一些改進(jìn)分類方法。從而系統(tǒng)的對(duì)高光譜分類方法現(xiàn)狀以及應(yīng)用現(xiàn)狀進(jìn)行闡述。關(guān)鍵詞：高光譜;分類方法;遙感高光譜遙感技術(shù)是近年來迅速發(fā)展起來的一種對(duì)地觀測(cè)的技術(shù)，是國(guó)內(nèi)外研究的技術(shù)熱點(diǎn)，與微波遙感一起被認(rèn)為是未來遙感的發(fā)展方向。高光譜影像具有“圖譜合一”的顯著優(yōu)勢(shì)和特征，正是這一特征得到了許多
商業(yè)2.0-市場(chǎng)與監(jiān)管 2020年2期2020-09-10
- 基于光譜分析的牛肉干鑒別方法研究報(bào)告
實(shí)驗(yàn)材料，通過高光譜測(cè)量技術(shù)對(duì)其光譜數(shù)據(jù)進(jìn)行采集，并對(duì)不同品牌的牛肉干進(jìn)行光譜分析和對(duì)比，設(shè)計(jì)了一種能以高光譜分析技術(shù)檢測(cè)牛肉干是否摻入牛肉膏、蘇丹紅等添加劑的方案;接著在實(shí)驗(yàn)中采用光譜角匹配Spectral angle map（SAM）方法，光譜特征匹配方法Spectral Feature Fitting和二進(jìn)制編碼（Binary coding）綜合投票的方式來鑒別牛肉干的品牌。實(shí)驗(yàn)結(jié)果表明，所提出的方法是一種能簡(jiǎn)便鑒別不同品牌牛肉干的方案，具有較好的實(shí)
科技風(fēng) 2020年21期2020-08-27
- 基于連續(xù)小波變換的冬小麥葉片最大凈光合速率遙感估算
幾種植被指數(shù)與高光譜數(shù)據(jù)對(duì)最大凈光合速率的估算結(jié)果發(fā)現(xiàn)，植被指數(shù)對(duì)小麥葉片Amax的解釋能力較低，無法對(duì)光合能力作出正確且精確的估算?；谶B續(xù)小波變換方法對(duì)冬小麥葉片Amax的估算精度較高，可以作為預(yù)估冬小麥生長(zhǎng)狀況、產(chǎn)量的依據(jù)。關(guān)鍵詞：連續(xù)小波變換;最大凈光合速率;植被指數(shù);高光譜中圖分類號(hào)：S512文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000-4440（2020）03-0544-09Remote sensing estimation of maximum net
江蘇農(nóng)業(yè)學(xué)報(bào) 2020年3期2020-07-23
- 水稻葉片SPAD值的高光譜估算模型
片SPAD值的高光譜精確估算模型，為進(jìn)一步提高高光譜對(duì)水稻SPAD值反演估算精度提供參考依據(jù)?！痉椒ā坷肧PAD-502型葉綠素測(cè)定儀測(cè)量水稻葉片SPAD值，以FieldSpec 4光譜儀采集水稻葉片光譜數(shù)據(jù)。通過分析光譜植被指數(shù)、位置參數(shù)與SPAD值的相關(guān)性，構(gòu)建4個(gè)水稻葉片SPAD值高光譜估測(cè)模型，即逐步多元線性回歸（SMLR）模型、支持向量機(jī)回歸（SVR）模型、基于主成分分析的支持向量機(jī)回歸（PCA+SVR）模型和以逐步多元線性回歸確定最佳參數(shù)的支
南方農(nóng)業(yè)學(xué)報(bào) 2020年5期2020-07-07
- 基于近地光譜特征的玉米田間雜草識(shí)別研究
靠性，且證明了高光譜在雜草的識(shí)別方向具有一定的應(yīng)用價(jià)值，該研究結(jié)果為田間雜草識(shí)別及光譜傳感器提供了參考。關(guān)鍵詞：雜草識(shí)別;光譜技術(shù);高光譜;玉米中圖分類號(hào)：S127?文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2020）08-0242-05收稿日期：2018-11-08基金項(xiàng)目：海南省自然科學(xué)基金青年基金（編號(hào)：419QN280）;海南耕地改良關(guān)鍵技術(shù)研究與示范專項(xiàng)（編號(hào)：HNGDzy2015）;中國(guó)熱帶農(nóng)業(yè)科學(xué)院橡膠研究所基本業(yè)務(wù)費(fèi)專項(xiàng)（編號(hào)：RRI-
江蘇農(nóng)業(yè)科學(xué) 2020年8期2020-06-01
- 華南地區(qū)土壤有機(jī)質(zhì)含量高光譜反演
換的同時(shí)將土壤高光譜數(shù)據(jù)進(jìn)行多種數(shù)據(jù)變換處理，篩選出與土壤有機(jī)質(zhì)含量倒數(shù)變換后相關(guān)性最高的光譜指標(biāo)，最后構(gòu)建了土壤有機(jī)質(zhì)含量高光譜反演的最佳模型，實(shí)現(xiàn)對(duì)土壤有機(jī)質(zhì)含量的反演。結(jié)果表明：估算土壤有機(jī)質(zhì)含量的最佳光譜指標(biāo)為反射率一階微分波段組合R（587，126*R（734，049）*R（1 095，892），相關(guān)系數(shù)為0.769;在此基礎(chǔ)上構(gòu)建的土壤有機(jī)質(zhì)含量高光譜反演模型最佳（Y=5×1016x3-5×1010x2+59 471.000 0x+0.101
江蘇農(nóng)業(yè)學(xué)報(bào) 2020年2期2020-05-27
- K均值算法結(jié)合連續(xù)投影算法應(yīng)用于土壤速效鉀含量的高光譜分析
壤速效鉀含量的高光譜定量預(yù)測(cè)分析過程中，光譜數(shù)據(jù)維數(shù)高、冗余度較大等問題，提出了一種結(jié)合K均值算法（K-means）和連續(xù)投影算法（SPA）的高光譜特征波段選擇方法。該算法首先將全波段數(shù)據(jù)分別根據(jù)不同的距離度量進(jìn)行K-means聚類分析，之后對(duì)聚類后的每個(gè)波段簇分別使用SPA法提取其中的特征波段。對(duì)全波段組合、傳統(tǒng)SPA法提取的特征波段組合以及結(jié)合K-means聚類與SPA法提取的特征波段組合分別建立土壤速效鉀含量的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，通過對(duì)比模型預(yù)測(cè)效
江蘇農(nóng)業(yè)學(xué)報(bào) 2020年2期2020-05-27
- 高光譜圖像處理技術(shù)的前沿技術(shù)和發(fā)展趨勢(shì)
凡春摘要：隨著高光譜遙感在對(duì)地觀測(cè)方面的應(yīng)用越來越廣泛，高光譜遙感探測(cè)技術(shù)的核心技術(shù)—高光譜圖像處理技術(shù)得到了研究者極大地關(guān)注，高光譜圖像一般是研究分辨率在數(shù)量級(jí)范圍區(qū)間的光譜圖像。通過將高光譜的傳感器裝配在相應(yīng)的空間儀器上，在電磁波譜觀測(cè)區(qū)域內(nèi)，對(duì)目標(biāo)區(qū)域內(nèi)數(shù)量不等的連續(xù)而細(xì)分的不同光譜波段同時(shí)成像，使得地表的圖像和光譜信息可以同時(shí)獲取，第一次實(shí)現(xiàn)了光譜與圖像的統(tǒng)一。關(guān)鍵詞：高光譜;圖像處理技術(shù);發(fā)展引言：在我國(guó)航空航天業(yè)快步發(fā)展的大背景下，遙感圖像在空
中國(guó)新通信 2020年1期2020-05-25
- 高光譜圖像處理技術(shù)的前沿技術(shù)和發(fā)展趨勢(shì)
春摘 要：隨著高光譜遙感在對(duì)地觀測(cè)方面的應(yīng)用越來越廣泛，高光譜遙感探測(cè)技術(shù)的核心技術(shù)—高光譜圖像處理技術(shù)得到了研究者極大地關(guān)注，高光譜圖像一般是研究分辨率在數(shù)量級(jí)范圍區(qū)間的光譜圖像。通過將高光譜的傳感器裝配在相應(yīng)的空間儀器上，在電磁波譜觀測(cè)區(qū)域內(nèi)，對(duì)目標(biāo)區(qū)域內(nèi)數(shù)量不等的連續(xù)而細(xì)分的不同光譜波段同時(shí)成像，使得地表的圖像和光譜信息可以同時(shí)獲取，第一次實(shí)現(xiàn)了光譜與圖像的統(tǒng)一。關(guān)鍵詞：高光譜;圖像處理技術(shù);發(fā)展引言：在我國(guó)航空航天業(yè)快步發(fā)展的大背景下，遙感圖像在空
科學(xué)與財(cái)富 2020年9期2020-05-25
- 基于高光譜的棉花葉片氮素檢測(cè)
摘? 要：采用高光譜技術(shù)檢測(cè)棉花葉片氮素是本次研究的主要手段。選用新疆南疆最具代表性的棉花作物作為研究對(duì)象，采用連續(xù)投影算法（successive projections algorithm，簡(jiǎn)稱SPA）和標(biāo)準(zhǔn)正態(tài)變量變換方法（standard normal variate transformation，簡(jiǎn)稱SNV）等算法進(jìn)行光譜預(yù)處理，并利用偏最小二乘回歸模型（PLS）預(yù)測(cè)棉花葉片氮素情況，探究棉花葉片氮素和高光譜之間的關(guān)系。結(jié)果顯示：SPA-PLS算法
科技創(chuàng)新與應(yīng)用 2020年3期2020-02-04
- 基于包絡(luò)線去除法的貴州省常見樹種高光譜特征分析
植被類型，利用高光譜技術(shù)對(duì)森林植被開展光譜特征分析，為喀斯特高原貴州省森林植被的遙感探測(cè)與精準(zhǔn)識(shí)別提供理論與技術(shù)支持。本研究采用ASDFieldSpec4便攜式地物光譜儀對(duì)貴州省常見的華山松（Pinus armandiiFranch）、麻櫟（Quercus acutissimaCarruth）、馬尾松（Pinus massonianaLamb）、杉木（Cunninghamia lanceolata）、水杉（Metasequoia glyptostroboi
山地農(nóng)業(yè)生物學(xué)報(bào) 2020年5期2020-01-03
- 基于BP神經(jīng)網(wǎng)絡(luò)的土壤含鐵量高光譜反演
中的全鐵含量與高光譜之間的關(guān)系，并建立相應(yīng)的反演模型。所建模型中隱含節(jié)點(diǎn)1層4個(gè)、2層3個(gè)的BP神經(jīng)模型較為理想，擬合殘差為0.02433，RMSE=1147.4623。關(guān)鍵詞：高光譜;土壤全含鐵量;BP神經(jīng)網(wǎng)絡(luò)土壤作為農(nóng)業(yè)生產(chǎn)的主要對(duì)象之一，了解其理化特性并據(jù)此進(jìn)行農(nóng)業(yè)生產(chǎn)管理是保證農(nóng)業(yè)穩(wěn)產(chǎn)高產(chǎn)優(yōu)質(zhì)高效的重要前提。由于高光譜遙感技術(shù)具有連續(xù)、動(dòng)態(tài)、大面積同步性等優(yōu)勢(shì)而被廣泛應(yīng)用于農(nóng)業(yè)生產(chǎn)，使得快速實(shí)現(xiàn)土壤有機(jī)質(zhì)含量估測(cè)成為可能。鐵作為農(nóng)作物中的微量元素，
農(nóng)家科技下旬刊 2019年10期2019-11-29
- 基于高光譜的柑橘葉片鉀含量快速診斷模型
結(jié)果表明，利用高光譜成像技術(shù)結(jié)合最小二乘支持向量機(jī)回歸可實(shí)現(xiàn)對(duì)柑橘葉片鉀含量的快速診斷。關(guān)鍵詞? ?柑橘;高光譜;鉀含量;偏最小二乘回歸;最小二乘支持向量機(jī)回歸中圖分類號(hào)：S666? ?文獻(xiàn)標(biāo)志碼：B? ? DOI：10.19415/j.cnki.1673-890x.2019.22.011鉀素是柑橘生長(zhǎng)發(fā)育所必需的三大營(yíng)養(yǎng)元素之一，具有提高果實(shí)品質(zhì)和增強(qiáng)抗性等作用。合理施用鉀肥不僅能提高柑橘產(chǎn)量，還能提升果實(shí)品質(zhì)。不同生長(zhǎng)時(shí)期的柑橘樹體內(nèi)鉀素供求狀況和代謝
南方農(nóng)業(yè)·上旬 2019年8期2019-09-23
- 高光譜遙感技術(shù)在土壤研究應(yīng)用中的進(jìn)展
理基礎(chǔ)。此外，高光譜遙感技術(shù)的迅猛發(fā)展為快速、高效提取土壤信息提供了科學(xué)的技術(shù)手段。針對(duì)高光譜在土壤中的應(yīng)用情況，首先對(duì)高光譜遙感的發(fā)展歷程、特點(diǎn)以及優(yōu)勢(shì)進(jìn)行總結(jié)闡述，然后分別總結(jié)高光譜遙感在土壤有機(jī)質(zhì)、含水量、重金屬及土壤質(zhì)地等方面中的應(yīng)用現(xiàn)狀，并對(duì)其研究方法進(jìn)行總結(jié)分析，最后探討高光譜遙感技術(shù)在土壤研究應(yīng)用中在研究方法和時(shí)間、空間尺度上的不足以及今后高光譜遙感在土壤研究中的發(fā)展方向。關(guān)鍵詞土壤；反射光譜；遙感技術(shù)；高光譜中圖分類號(hào)S127文獻(xiàn)標(biāo)識(shí)碼A文
安徽農(nóng)業(yè)科學(xué) 2019年8期2019-09-04
- 高光譜成像技術(shù)在農(nóng)產(chǎn)品檢測(cè)中的應(yīng)用
入，其中近年來高光譜技術(shù)和輔助的計(jì)算機(jī)技術(shù)的發(fā)展速度逐漸增加，高光譜技術(shù)越來越成為農(nóng)產(chǎn)品檢測(cè)的核心技術(shù)手段。高光譜成像結(jié)合了圖像分析和光譜分析，圖像信息可以代表農(nóng)產(chǎn)品的外在品質(zhì)和特征。光譜信息可用于檢測(cè)農(nóng)產(chǎn)品的內(nèi)部質(zhì)量，可以充分反映農(nóng)產(chǎn)品的內(nèi)外質(zhì)量信息，還可以保證檢測(cè)快速、便捷以及準(zhǔn)確。關(guān)鍵詞：高光譜 成像技術(shù) 農(nóng)產(chǎn)品檢測(cè) 應(yīng)用中圖分類號(hào)：S123 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2019）04（a）-0155-02農(nóng)產(chǎn)品是一個(gè)國(guó)家最重要的產(chǎn)
科技創(chuàng)新導(dǎo)報(bào) 2019年10期2019-07-13
- 入侵雜草紫莖澤蘭的高光譜特征提取和分析
光譜分析儀進(jìn)行高光譜數(shù)據(jù)提取，以此獲取其原始光譜曲線，對(duì)光譜數(shù)據(jù)進(jìn)行Savitzky-Glolay平滑濾波處理，然后利用包絡(luò)線去除和一階光譜微分法分析紫莖澤蘭的光譜特征，旨在為紫莖澤蘭的遙感識(shí)別提供參考依據(jù)。研究表明：紫莖澤蘭667.00nm附近存在明顯的吸收谷，其吸收谷面積為38.27nm2，吸收深度為0.85nm，吸收寬度為74.00nm，中心吸收波段的左右面積呈現(xiàn)左偏移，吸收對(duì)稱度為0.62，最大光譜吸收谷的特征波長(zhǎng)的中心位置約為665.00nm。紫
科技創(chuàng)新與應(yīng)用 2019年7期2019-06-09
- 混合群智能算法在高光譜圖像波段選擇中的應(yīng)用
群算法相融合對(duì)高光譜圖像進(jìn)行波段選擇。首先通過人工魚的編碼對(duì)人工魚群算法進(jìn)行改進(jìn)，選擇出若干組較優(yōu)的初始解，然后用初始解初始化蟻群算法的信息素參數(shù)，最后利用蟻群算法搜索得到最優(yōu)解。實(shí)驗(yàn)結(jié)果分析表明，利用混合算法所選的波段組合進(jìn)行分類具有較高的分類精度和效率。研究表明混合優(yōu)化算法是一種高效地波段選擇算法。關(guān)鍵詞：人工魚群算法;蟻群算法;高光譜;波段選擇;降維中圖分類號(hào)：TP751? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? 文章編號(hào)：1009-3044（2019）0
電腦知識(shí)與技術(shù) 2019年2期2019-03-15
- 基于地物光譜和Landsat8遙感影像的土壤鉛含量反演研究
支撐。關(guān)鍵詞：高光譜;Landsat8;鉛;相關(guān)性分析;偏最小二乘法;土壤環(huán)境監(jiān)測(cè)中圖分類號(hào)：S127?文獻(xiàn)標(biāo)識(shí)號(hào)：A?文章編號(hào)：1001-4942（2019）12-0120-07Abstract?With the influence of human activities， heavy metal pollution has gradually become the focus of soil and environmental research. Th
山東農(nóng)業(yè)科學(xué) 2019年12期2019-02-10
- 葡萄葉片葉綠素含量高光譜估測(cè)模型研究
在的不足，采用高光譜技術(shù)建立了快速、準(zhǔn)確、無損估測(cè)葡萄葉片葉綠素含量的方法。以采自泰安萬吉山基地的葡萄葉片的高光譜反射率和SPAD值為數(shù)據(jù)源，在分析SPAD值與原始光譜反射率、原始光譜反射率一階導(dǎo)數(shù)、高光譜特征變量間相關(guān)性的基礎(chǔ)上，篩選敏感波段，建立了基于高光譜反射率的葡萄葉片葉綠素含量估測(cè)模型，即SPAD=59.352+44836.313R′601，其中R′601為601 nm波段原始光譜反射率一階導(dǎo)數(shù)。關(guān)鍵詞：葡萄；葉綠素；高光譜；光譜特征中圖分類號(hào)：
山東農(nóng)業(yè)科學(xué) 2018年7期2018-10-22
- 高光譜遙感技術(shù)在水環(huán)境監(jiān)測(cè)中的應(yīng)用分析
。本文提出使用高光譜遙感技術(shù)進(jìn)行水環(huán)境監(jiān)測(cè)工作，希望能改善當(dāng)前水環(huán)境監(jiān)測(cè)現(xiàn)狀。本文通過對(duì)高光譜技術(shù)的概述進(jìn)行分析，然后分別分析了高光譜遙感技術(shù)在環(huán)境監(jiān)測(cè)領(lǐng)域中的運(yùn)用，并對(duì)該技術(shù)在水環(huán)境監(jiān)測(cè)中的應(yīng)用研究進(jìn)行分析，以供參考。關(guān)鍵詞：高光譜；遙感技術(shù)；水環(huán)境；應(yīng)用高光譜遙感技術(shù)在環(huán)境監(jiān)測(cè)領(lǐng)域有著廣泛的應(yīng)用，尤其是在水環(huán)境監(jiān)測(cè)中的應(yīng)用，但是由于我國(guó)對(duì)高光譜遙感技術(shù)的研究和應(yīng)用不夠，在實(shí)際應(yīng)用的過程中還是存在一定的問題，相比西方發(fā)達(dá)過程還有很大的差距，因此，本文著重
科學(xué)與財(cái)富 2018年27期2018-10-19
- 基于綜合光譜指數(shù)的不同程度人類干擾下土壤有機(jī)質(zhì)含量預(yù)測(cè)
土壤有機(jī)質(zhì)含量高光譜預(yù)測(cè)模型，精度最高的為最優(yōu)模型。結(jié)果表明：（1） Landsat8影像中B1—B5波段與有機(jī)質(zhì)含量的相關(guān)系數(shù)通過了0.01與0.05顯著性水平檢驗(yàn)，作為自變量建立有機(jī)質(zhì)含量預(yù)測(cè)模型。同時(shí)，為了能與影像反射率有個(gè)良好的對(duì)比，實(shí)測(cè)光譜反射率及其變換形式同樣也選擇5個(gè)相關(guān)系數(shù)最大的波段作為敏感波段用以建立模型。在影像與實(shí)測(cè)光譜中，土壤鹽分指數(shù)結(jié)合植被指數(shù)與有機(jī)質(zhì)含量相關(guān)性最好的分別是無人干擾區(qū)的SI3、DVI和SI3、RVI;人為干擾區(qū)的SI
江蘇農(nóng)業(yè)學(xué)報(bào) 2018年5期2018-09-10
- 基于高光譜成像的水果損傷分析研究
王鑫野摘 要：高光譜成像技術(shù)包含圖像信息和光譜信息。本文利用高光譜成像技術(shù)檢測(cè)蘋果摔傷，主要采用主成分分析、波段比算法和支持向量機(jī)分析所采集的高光譜圖像數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明，波段比算法和主成分分析法分類識(shí)別正確率為93.3%，與支持向量機(jī)相比更適用于蘋果摔傷的實(shí)時(shí)快速檢測(cè)。關(guān)鍵詞：水果損傷；高光譜；波段比算法；主成分分析；支持向量機(jī)中圖分類號(hào)：TS255.7 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2018）10-0028-05Damage Analy
河南科技 2018年10期2018-05-30
- 基于高光譜遙感影像技術(shù)的土地覆蓋監(jiān)測(cè)研究
質(zhì)的光譜信息，高光譜遙感影像技術(shù)能夠有效提升遙感探測(cè)的能力，因此被廣泛的應(yīng)用到農(nóng)業(yè)生產(chǎn)、土地覆蓋監(jiān)測(cè)等方面。作為遙感技術(shù)應(yīng)用的重要方面之一，高光譜遙感技術(shù)為土地覆蓋分類監(jiān)測(cè)提供了更加精確數(shù)據(jù)。因此如何借助高光譜遙感成像技術(shù)來實(shí)現(xiàn)對(duì)土地覆蓋的精度識(shí)別，成為國(guó)內(nèi)外研究的熱點(diǎn)內(nèi)容。關(guān)鍵詞：高光譜；遙感技術(shù)；土地覆蓋文章編號(hào)：1004-7026（2018）05-0122-01 中國(guó)圖書分類號(hào)：P237 文獻(xiàn)標(biāo)志碼：A在農(nóng)業(yè)生產(chǎn)中土地是最為核心的因素，無論對(duì)于農(nóng)業(yè)生
山西農(nóng)經(jīng) 2018年5期2018-05-14
- 基于成像高光譜數(shù)據(jù)的溫室水稻重金屬脅迫診斷研究
過溫室水稻葉片高光譜影像數(shù)據(jù)，從Cd和Pb不同梯度的交叉脅迫中診斷具體的脅迫類別和脅迫梯度。 [方法] 經(jīng)過雙因素方差分析篩選出特征波段，比較SVM和BP神經(jīng)網(wǎng)絡(luò)在診斷能力上的強(qiáng)弱。 [結(jié)果] 在幾種預(yù)處理方法中，對(duì)光譜二階微分預(yù)處理可以對(duì)Cd和Pb脅迫達(dá)到很好的診斷效果，預(yù)處理后挑選出6個(gè)對(duì)Cd脅迫敏感的特征波段以及10個(gè)對(duì)Pb脅迫敏感的特征波段。基于SVM的診斷Cd脅迫的精度達(dá)86%，對(duì)3個(gè)具體梯度的診斷精度達(dá)75%、90%、96%，對(duì)Pb脅迫的診斷精
安徽農(nóng)業(yè)科學(xué) 2018年1期2018-05-14
- 基于高光譜的土壤有機(jī)碳含量預(yù)測(cè)研究
。[方法]利用高光譜儀對(duì)表層土壤進(jìn)行光譜測(cè)定并且進(jìn)行光譜數(shù)據(jù)的預(yù)處理，通過多元線性逐步回歸（SMLR）和偏最小二乘回歸（PLSR）方法對(duì)土壤有機(jī)碳含量進(jìn)行預(yù)測(cè)，并對(duì)2種模型的精度進(jìn)行比較。[結(jié)果]LSR模型的精度高于SMLR模型。[結(jié)論]偏最小二乘回歸法優(yōu)于多元逐步回歸法，對(duì)有機(jī)碳的預(yù)測(cè)具有更好的效果。關(guān)鍵詞 土壤；有機(jī)碳；高光譜；多元線性逐步回歸；偏最小二乘回歸中圖分類號(hào) S126 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2018）02-0001-
安徽農(nóng)業(yè)科學(xué) 2018年2期2018-05-14
- 基于高光譜數(shù)據(jù)的作物凈初級(jí)生產(chǎn)力估算方法
構(gòu)建新的NPP高光譜遙感估算模型。在山東禹城實(shí)地觀測(cè)的小麥和玉米NPP數(shù)據(jù)基礎(chǔ)上，研究還將新構(gòu)建的模型與NDVI、CI和MCARI等傳統(tǒng)葉綠素冠層模型的線性擬合結(jié)果進(jìn)行比較。分析結(jié)果表明，新構(gòu)建的模型在小麥、玉米2種作物NPP估算中都有著較好的表現(xiàn)，可以用來估算作物NPP。關(guān)鍵詞： 高光譜；作物凈初級(jí)生產(chǎn)力；植被指數(shù)；光能利用率模型中圖分類號(hào)： S127 文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2017）22-0260-0420世紀(jì)初丹麥植物學(xué)家Je
江蘇農(nóng)業(yè)科學(xué) 2017年22期2018-01-06
- 基于多特征的高光譜遙感影像主動(dòng)學(xué)習(xí)方法研究
種基于多特征的高光譜遙感影像主動(dòng)學(xué)習(xí)方法，從遙感影像中提取形態(tài)學(xué)特征，灰度共生紋理和小波紋理描述遙感影像上的空間信息，將獲得的多種空間特征與光譜特征相疊加進(jìn)行主動(dòng)學(xué)習(xí)，結(jié)合MCLU準(zhǔn)則選擇最具信息量的樣本進(jìn)行標(biāo)記，通過計(jì)算機(jī)和專家的不斷交互，獲得可靠的分類結(jié)果。在公共數(shù)據(jù)集Pavia University影像上的實(shí)驗(yàn)結(jié)果表明，文章提出的基于多特征的主動(dòng)學(xué)習(xí)方法能夠獲得比基于光譜的主動(dòng)學(xué)習(xí)方法和結(jié)合單一空間特征的主動(dòng)學(xué)習(xí)方法更好的分類結(jié)果。關(guān)鍵詞：主動(dòng)學(xué)習(xí)；
科技創(chuàng)新與應(yīng)用 2017年33期2017-11-16
- 土壤有機(jī)質(zhì)高光譜估算模型研究進(jìn)展
要：土壤有機(jī)質(zhì)高光譜估算較傳統(tǒng)土壤農(nóng)化分析方法表現(xiàn)出極大優(yōu)勢(shì)，順應(yīng)了現(xiàn)代農(nóng)業(yè)發(fā)展的迫切需要。國(guó)內(nèi)外眾多學(xué)者先后對(duì)土壤有機(jī)質(zhì)高光譜估算模型進(jìn)行了大量研究，估算模型由簡(jiǎn)單的一元線性模型逐漸發(fā)展為多元線性及非線性模型，常用的建模方法分為線性方法和非線性方法，重點(diǎn)分析了各種方法的適用性。通過總結(jié)分析前人研究，發(fā)現(xiàn)土壤有機(jī)質(zhì)高光譜估算模型研究存在以下發(fā)展趨勢(shì)：多種建模方法耦合使用增多；建模方法的復(fù)雜度逐漸增強(qiáng)；嘗試消減外部環(huán)境因素對(duì)建模的影響；嘗試將室內(nèi)土壤有機(jī)質(zhì)估
湖北農(nóng)業(yè)科學(xué) 2017年17期2017-10-13
- 馬尾松毛蟲危害程度的高光譜監(jiān)測(cè)方法
和馬尾松林冠層高光譜光譜指數(shù)之間的關(guān)系進(jìn)行分析，結(jié)果表明：①冠層的單簇針葉體積的變化可直接反應(yīng)松毛蟲的危害程度，單簇針葉體積越小蟲害越嚴(yán)重，它的變化也引起了冠層光譜的各植被指數(shù)發(fā)生不同程度的變化，而其他冠層物理參數(shù)不能反應(yīng)出松毛蟲的危害程度。②從馬尾松林冠層提取的高光譜遙感植被指數(shù)對(duì)蟲害的不同程度的敏感性不同。增強(qiáng)型植被指數(shù)（EVI）、綠波段葉綠素指數(shù)（Red/Green）和歸一化指標(biāo)指數(shù)（NDVI）在蟲害發(fā)生的中期與晚期有顯著變化，但具有飽和現(xiàn)象，不能用
湖北林業(yè)科技 2017年3期2017-08-25
- 煙草主要生化參數(shù)高光譜遙感監(jiān)測(cè)現(xiàn)狀
概述了目前利用高光譜遙感技術(shù)估測(cè)煙草生化參數(shù)理論與技術(shù)的最新研究進(jìn)展，著重討論了煙草主要生理生化成分與其高光譜參量之間的關(guān)系，以及建立的相應(yīng)的生理生化成分的估算模型。指出了高光譜遙感監(jiān)測(cè)煙草主要生化參數(shù)的機(jī)理和研究進(jìn)展，是目前煙草主要生化參數(shù)遙感估測(cè)研究的前沿領(lǐng)域和科學(xué)問題，為人們盡快全面了解高光譜技術(shù)在煙草生化參數(shù)方面應(yīng)用進(jìn)展和方法拓展，提供了參考。關(guān)鍵詞：煙草；生理生化參數(shù)；高光譜；監(jiān)測(cè)模型中圖分類號(hào)：S572文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-994
綠色科技 2017年14期2017-08-22
- 基于甜菜冠層高光譜紅邊參數(shù)的SPAD值診斷
實(shí)測(cè)甜菜冠層的高光譜反射率和葉片的葉綠素含量?；诠趯庸庾V反射率的一階導(dǎo)數(shù)，提取甜菜冠層光譜的紅邊參數(shù)，分析不同SPAD值的紅邊參數(shù)的變化規(guī)律，以及各個(gè)紅邊參數(shù)與甜菜SPAD值的相關(guān)關(guān)系，并建立估測(cè)模型。結(jié)果發(fā)現(xiàn)，當(dāng)甜菜SPAD值增大時(shí)，紅邊位置發(fā)生“紅移”現(xiàn)象，紅邊振幅、紅邊面積增大；當(dāng)SPAD值降低時(shí)，規(guī)律則相反。在紅邊參數(shù)對(duì)SPAD值的估測(cè)模型中，紅邊位置的一元線性估測(cè)模型精度最高；紅邊參數(shù)決定系數(shù)比紅邊位置的一元線性估算模型提高了 30.3%。關(guān)鍵
江蘇農(nóng)業(yè)科學(xué) 2017年11期2017-08-12
- 高光譜遙感影像分類方法綜述
要：該文簡(jiǎn)述了高光譜遙感影像分類的策略，主要有監(jiān)督分類與非監(jiān)督分類，基于分類判據(jù)的實(shí)現(xiàn)策略劃分，硬分類和軟分類，基于像素的分類和基于對(duì)象的分類，單分類器和多分類器集成。并簡(jiǎn)單介紹了一些分類方法，包括監(jiān)督分類法（最小距離分類法、最大似然分類法和平行多面體分類法）、基于光譜相似性度量的分類方法、人工神經(jīng)網(wǎng)絡(luò)分類法、支持向量機(jī)分類、決策樹分類、面向?qū)ο蠓诸惡头潜O(jiān)督分類。關(guān)鍵詞：高光譜；分類策略；分類方法中圖分類號(hào) TP751 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-
安徽農(nóng)學(xué)通報(bào) 2017年14期2017-08-08
- 高光譜技術(shù)在茶葉品種檢測(cè)中的應(yīng)用
提出了一種基于高光譜技術(shù)的方法來識(shí)別茶葉品種。該方法能充分利用茶葉的內(nèi)部成分和外觀特征來綜合識(shí)別茶葉品種。采集茶葉的高光譜數(shù)據(jù)，提取其顏色特征、紋理特征、光譜特征，結(jié)合支持向量機(jī)方法建立識(shí)別模型。結(jié)果表明，品種識(shí)別準(zhǔn)確率最高可達(dá)100%，驗(yàn)證了高光譜技術(shù)的優(yōu)越性。關(guān)鍵詞：高光譜 特征提取 茶葉 品種識(shí)別中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2017）03（c）-0101-02目前茶葉的假冒現(xiàn)象時(shí)常發(fā)生，茶葉市場(chǎng)混亂，對(duì)
科技創(chuàng)新導(dǎo)報(bào) 2017年9期2017-08-02
- 基于BP神經(jīng)網(wǎng)絡(luò)高光譜土壤氮素信息檢測(cè)研究
昕摘 要：通過高光譜技術(shù)獲得的光譜信息與化學(xué)法測(cè)得的氮素含量相結(jié)合，對(duì)幾種預(yù)處理方法：S-Golay平滑濾波、小波去噪、多元散射、微分處理進(jìn)行比較分析并探討B(tài)P神經(jīng)網(wǎng)絡(luò)在高光譜檢測(cè)土壤氮素信息領(lǐng)域應(yīng)用的可靠性，經(jīng)過實(shí)驗(yàn)證明通過S-Golay平滑濾波和一次導(dǎo)數(shù)的預(yù)處理方法較優(yōu)而BP神經(jīng)網(wǎng)絡(luò)是一種土壤氮素預(yù)測(cè)效果較好的建模方法。關(guān)鍵詞：高光譜 土壤 氮素 BP神經(jīng)網(wǎng)絡(luò)中圖分類號(hào)：S127 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2017）04（b）-01
科技資訊 2017年11期2017-06-09