版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、本文以15年生枳橙(Citrus.sinensis× Poncirus.trifoliata,“Carrizo Citrange”)砧哈姆林甜橙(C.sinensis(L.),“Hamlin Sweet Orange”)為對象,研究基于高光譜圖像信息的葉、花營養(yǎng)和成花能力的光譜預(yù)測方法,旨在為建立甜橙葉片和花器營養(yǎng)水平實(shí)時(shí)監(jiān)測與高效合理施肥管理技術(shù)提供依據(jù)。主要研究結(jié)果如下:
1.哈姆林甜橙葉片營養(yǎng)的近紅外高光譜特征與預(yù)測研究
2、
(1)哈姆林甜橙植株花芽分化期當(dāng)年生春梢、夏梢和盛花期上一年春梢葉片450-1000nm光譜平均反射率曲線呈現(xiàn)規(guī)律為:葉片成熟度越高,光譜曲線波動(dòng)越趨于平穩(wěn),即光譜曲線綠峰、紅谷、近紅外平臺區(qū)域光譜反射率間差值越小。
(2)為消除或減小試驗(yàn)材料本身、儀器和外界環(huán)境因素噪聲對光譜信息的干擾,本研究選用五點(diǎn)移動(dòng)平均平滑(SG-平滑)、多元散射校正(MSC)、標(biāo)準(zhǔn)正態(tài)變量變換(SNV)、一階導(dǎo)數(shù)(1-Der)和二階導(dǎo)數(shù)(
3、2-Der)等五種方法對甜橙葉片原始光譜(RAW)進(jìn)行預(yù)處理,并在此基礎(chǔ)上分析基于PLS模型的氮(N)、磷(P)、鉀(K)和可溶性總糖(TC)含量預(yù)測精度。結(jié)果顯示,花芽分化期當(dāng)年生春梢葉片光譜經(jīng)過五種方法預(yù)處理后對葉片N、P、K和TC含量的PLS模型預(yù)測,以SG-平滑算法預(yù)處理光譜預(yù)測效果優(yōu)于其他預(yù)處理方法;花芽分化期當(dāng)年生夏梢葉片光譜2-Der預(yù)處理后PLS建模預(yù)測N、P、K和TC的效果更優(yōu);盛花期上一年春梢營養(yǎng)枝葉片光譜數(shù)據(jù)經(jīng)過S
4、G-平滑預(yù)處理后對N、P、K和TC含量的預(yù)測效果優(yōu)于其他預(yù)處理方法。
(3)基于哈姆林甜橙葉片的近紅外高光譜信息可以較好實(shí)現(xiàn)對葉片N、P、K和全C含量的預(yù)測。其中,對葉片N含量的預(yù)測以花芽分化期當(dāng)年生春梢葉片近紅外光譜SG-平滑算法預(yù)處理后的PLS建模預(yù)測精度較高,預(yù)測精度可達(dá)0.735;對P含量的光譜預(yù)測以花芽分化期當(dāng)年生春梢葉片原始光譜PLS建模最好,預(yù)測精度達(dá)0.733;對K含量的近紅外高光譜預(yù)測以花芽分化期當(dāng)年生春梢葉
5、片原始光譜的PLS建模預(yù)測較好,預(yù)測精度達(dá)0.728;對全C含量的光譜預(yù)測以采用盛花期上一年春梢葉片光譜,SG-平滑算法預(yù)處理后PLS建模預(yù)測,對全C含量預(yù)測精度達(dá)0.688。
2.哈姆林甜橙花營養(yǎng)的近紅外高光譜特征與預(yù)測研究
(1)研究建立以0.1最優(yōu)閾值間隔和0.5~0.6灰度值的甜橙花朵高光譜圖像有效光譜信息提取技術(shù),篩選出哈姆林甜橙花的N營養(yǎng)含量特征光譜波段為692.146~735.3nm,以及440.07~
6、481.07nm,692.146~735.3nm波段組合。以該特征波段組合反射光譜的siPLS預(yù)測模型,可以較好的預(yù)測花的N含量,其預(yù)測精度達(dá)0.762;通過特征波段組合篩選使得預(yù)測模型運(yùn)算所需實(shí)際波點(diǎn)數(shù)減少為108個(gè),比全光譜預(yù)測減少了85.8%,預(yù)測效率較大提高。
(2)經(jīng)過篩選,得到哈姆林甜橙花P含量預(yù)測特征光譜波段為573.757~633.437nm,特征波段組合為573.757~633.437nm和693.74~75
7、2.653nm;以該特征波段組合反射光譜的siPLS預(yù)測模型,可以較好的實(shí)現(xiàn)對花的P含量預(yù)測,其預(yù)測精度達(dá)0.885,且實(shí)際僅用152個(gè)波點(diǎn)數(shù)參與模型預(yù)測運(yùn)算,比全光譜預(yù)測的波點(diǎn)數(shù)減少了80.0%
(3)篩選出哈姆林甜橙花K含量預(yù)測的特征高光譜波段為593.313~643.711nm,表明以特征波段篩建立的iPLS預(yù)測模型,對于花K含量的預(yù)測效果最優(yōu),其預(yù)測精度達(dá)到0.916,實(shí)際采用64個(gè)波點(diǎn)數(shù)參與預(yù)測運(yùn)算,比全光譜波點(diǎn)數(shù)減
8、少了91.6%。
3.葉片碳氮比和樹體花量的高光譜預(yù)測
(1)哈姆林甜橙葉片C/N估測的特征波長為507.117,507.886,523.294,527.928,534.114,543.41nm,iPLS建模預(yù)測精度達(dá)0.914。
(2)秋季上一年春梢葉片對次年植株花量預(yù)測的特征波長為544.186,552.726,567.516,572.196,575.319,582.352,588.613和593.31
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于高光譜信息的柑橘葉綠素含量預(yù)測模型研究.pdf
- 花器官診斷柑橘鉀營養(yǎng)的研究.pdf
- 蘋果果實(shí)病害近紅外光譜信息獲取與識別模型研究.pdf
- 結(jié)合空間信息與光譜信息的高光譜圖像分類研究.pdf
- 基于DMD的微小型近紅外光譜儀光譜信息處理及其應(yīng)用軟件.pdf
- 柑橘植株冠層營養(yǎng)及花量、產(chǎn)量的近地遙感估測研究.pdf
- 基于光譜信息的高光譜圖像目標(biāo)識別方法的研究.pdf
- 基于LED光源的柑橘糖度可見-近紅外光譜檢測研究.pdf
- 基于近紅外光譜技術(shù)的水稻葉部病害診斷模型構(gòu)建.pdf
- 近紅外七甲基花菁染料的合成與應(yīng)用.pdf
- 基于高光譜遙感不同發(fā)生層土壤的光譜信息的提取研究.pdf
- 日光溫室柑橘誘導(dǎo)成花及落果機(jī)理研究.pdf
- 基于近紅外光譜的水稻葉片氮素營養(yǎng)監(jiān)測研究.pdf
- 基于近紅外和高光譜檢測雞蛋粉摻假的研究.pdf
- 基于近紅外光譜和高光譜圖像技術(shù)的配合飼料主要營養(yǎng)成分檢測方法.pdf
- 基于Matlab的水質(zhì)COD近紅外光譜預(yù)測模型的研究.pdf
- 基于花菁骨架近紅外熒光探針的設(shè)計(jì)及成像應(yīng)用.pdf
- 基于光譜信息的模型辨識方法研究.pdf
- 基于近紅外高光譜圖像分析的小麥硬度檢測研究.pdf
- 近紅外光譜信息提取及其在木材材性分析中的應(yīng)用研究.pdf
評論
0/150
提交評論