首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 171 毫秒

1.  基于地面多光谱成像技术的茄子灰霉病无损检测研究  被引次数:11
   吴迪  朱登胜  何勇  张传清  冯雷《光谱学与光谱分析》,2008年第28卷第7期
   实时、便捷、可靠的作物病害诊断方法是进行科学的作物喷药管理的基础,也是精细农作的关键技术之一。根据感染灰霉病菌的茄子叶片的光谱反射特征和相应的特征波段的图像信息,利用基于地面的包含绿、红、近红外三波段灰度图的多光谱成像技术对染病茄子叶片进行病斑的无损检测。目的是建立能准确反映植物病害状况的检测模型,实时过滤掉土壤噪声、气候条件等环境干扰,实现对植物健康状况进行快速、准确、非破坏性检测。结果显示,利用绿、红和近红外三通道图像信息算法模型,能够在有干燥的土壤和枯叶等干扰下对灰霉病斑进行较好的识别,为植物生产中病害的在线无损检测提供了新的方法。    

2.  油菜叶片的光谱特征与叶绿素含量之间的关系研究  被引次数:4
   方慧  宋海燕  曹芳  何勇  裘正军《光谱学与光谱分析》,2007年第27卷第9期
   叶绿素是作物生长中的重要因素,是植物营养胁迫、光合作用能力和生长状况的良好指示剂.实时、可靠的作物营养诊断是进行科学施肥管理的基础,也是实践精细农业的关键技术之一.采用便携式可见-近红外光谱仪,在室外自然光照条件下对不同氮肥水平下油菜叶片的光谱特性进行了研究,并根据作物特有的光谱特征,采用逐步回归分析方法建立了油菜叶片的叶绿素含量与红边位置和绿峰位置之间的定量分析模型.结果表明,将红边位置、绿峰位置二者作为自变量时,建立的模型效果优于采用单一的红边位置为自变量时建立的模型效果.其相关系数分别为0.863和0.848;校正标准偏差SEC分别为5.273和5.459,说明采用红边位置和绿峰位置这两个参数更能很好地预测叶片的叶绿素含量.    

3.  应用数码相机进行水稻氮营养诊断  被引次数:9
   贾良良  范明生  张福锁  陈新平  吕世华  孙彦铭《光谱学与光谱分析》,2009年第29卷第8期
   传统的水稻氮营养诊断需要大量的破坏性取样和实验室分析,SPAD叶绿素仪虽然具有较高的精度,但只能测定叶片的很小一部分,需要进行多点的测试,在大面积应用费时费力,时效性和便捷性不足.该文利用田间不同氮水平试验,使用数码相机获取了水稻冠层图像并进行色彩分析,研究了利用可见光遥感技术手段进行水稻冠层的氮营养诊断的可行性,并对表征水稻氮营养状况的可见光光谱诊断指标进行了探索.研究结果表明,数字图像红光值(R)、绿光值(G)和红光标准化值(NRI)与水稻氮营养状况常规诊断指标植株全氮含量、生物量和地上部吸氮量等都旱显著的线性反相关关系,而绿光标准化值则与上述指标呈显著正相关关系.红光标准化值与叶绿素仪SPAD读数相比能更好地表征水稻幼穗期的氮素营养状况,与常规测试指标的相关系数介于0.541~0.780之间.数字图像色彩分析技术具有发展成为新一代作物氮营养诊断手段的潜力.    

4.  基于可见-近红外光谱的植物叶绿素含量无损检测方法研究  被引次数:6
   李庆波  黄彦文  张广军  张倩暄  李响  吴瑾光《光谱学与光谱分析》,2009年第29卷第12期
   叶绿素含最足植物营养胁迫、光合作用能力和生长状况的良好指示剂.实时、可靠的作物营养诊断是进行科学施肥管理的基础,也是实施精细农业的关键技术之一.文章提出了一种应用可见-近红外光谱技术检测植物叶绿素含量的方法.采用透反射测样方式获取了植物叶片的可见-近红外光谱,并对获得的500~900 nm光谱数据进行平滑、一阶微分以及小波变换等预处理,然后采用偏最小二乘法(PLS)建立了植物叶片叶绿素含量与叶片吸收光谱的定量分析模型,最后利用该模型对预测集样本进行预测.预测集中样本的预测值与标准值之间的相关系数为0.93,预测均方根误差为1.1 SPAD.实验结果表明,利用可见-近红外光谱检测叶片叶绿素含量是可行的,这对今后实现快速无损榆测植物叶绿素含量具有重要的指导意义.    

5.  基于多光谱成像技术的水稻叶瘟检测分级方法研究  被引次数:7
   冯雷  柴荣耀  孙光明  吴迪  楼兵干  何勇《光谱学与光谱分析》,2009年第29卷第10期
   实时、可靠的植物病害检测是进行科学的植物喷药作业的基础,也是精确农作的关键技术之一.目前水稻稻瘟病害检测鉴定方法存在着专业知识要求高、花费大、效率低等缺点.文章提出了利用包含绿、红、近红外三波段通道的多光谱成像技术对水稻叶瘟病进行检测.研究日的是建立能够快速、准确分析稻叶瘟病情的检测模型,实时过滤掉背景噪声、自然枯叶等干扰因素,实现对水稻生长状况进行及时、有效、非破坏性榆测.研究表明,利用多光谱成像技术提取水稻叶面及冠层图像信息,可以快速有效地检测稻叶瘟病情.通过实验建立的稻叶瘟病情检测分级模型,对于营养生长期的水稻苗瘟的识别准确率为98%,叶瘟的识别准确率为90%,为实施科学的稻叶瘟防治提供了决策支持.    

6.  消费级近红外相机的水稻叶片叶绿素(SPAD)分布预测  
   张建  孟晋  赵必权  张东彦  谢静《光谱学与光谱分析》,2018年第3期
   便捷可靠的作物营养诊断是作物科学施肥管理的基础,也是精准农业的核心。叶绿素含量是作物氮营养含量的重要指标。以水稻叶片为研究对象,用改造后的普通单反相机搭载滤波片的方式拍摄叶片的可见光和中心波长为650,680,720,760,850和950nm多个波段的近红外图像,获取不同波段的相对反射率值,通过可见光与多个近红外波段结合的回归分析与比较,筛选出精度较高且稳定的模型。经过对比相机三个成像通道,R通道与叶绿素含量(SPAD值)的相关性要高于B和G通道。实验结果表明,植被指数GVI最能反映作物的生长状况,近红外波段760nm对SPAD值的预测效果最好,最小二乘支持向量机法结合多个植被指数建模的预测精度R2为0.831 4,取得了较为理想的效果。同时使用高光谱成像仪采集水稻叶片的高光谱影像,对比消费级近红外相机成像方式下与高光谱成像方式下得到的植被指数多因子预测模型精度,两者相当。实验证明消费级近红外相机能够获得与高光谱成像仪相近的叶绿素含量估测结果。    

7.  针对水稻植株三维叶绿素(SPAD)信息获取的最优波段选择问题研究  
   张建  李勇  谢静  李宗南《光谱学与光谱分析》,2017年第37卷第12期
   实时准确地获取作物叶绿素含量的三维空间分布信息,是作物营养、栽培和育种等科学研究和生产领域密切关注的问题.该研究以水稻植株为研究对象,采用改造后的普通单反相机加载近红外滤光片的方法,多角度获取水稻植株的多光谱图像.基于不同波段不同通道的组合图像计算多种植被指数,将其结果与对应的实测SPAD值之间建立水稻植株叶绿素(SPAD)预测模型,并筛选出最优预测模型.研究结果表明,近红外760 nm波段的R通道与可见光G通道构建的GNDVI植被指数,与实测SPAD值建立的二次函数预测模型能够很好地反演水稻植株叶绿素(SPAD)含量,其中,R2=0.758,RMSE=1.532.在此基础上,利用多角度成像三维建模方法建立具备纹理信息的水稻三维模型,将最优预测模型应用于水稻综合纹理图,得到水稻叶绿素含量三维空间分布信息,从而实现水稻生长情况以及叶绿素养分分布状况的快速无损检测.    

8.  基于光谱指数波段优化算法的小麦玉米冠层含氮量估测  
   李丹  李斐  胡云才  Mistele Bodo  U rs Schmidhalter《光谱学与光谱分析》,2016年第4期
   作物关键生育时期冠层氮素含量的实时监测对于优化氮肥用量和减少环境风险具有重要的意义。为了寻求预测不同作物氮素含量的最佳光谱参数,实现作物氮素无损营养诊断。本研究通过2008年—2011年在德国慕尼黑弗莱辛和河北曲周的不同氮量的小麦玉米田间试验,采用高光谱仪获取小麦玉米冠层的反射光谱,利用光谱理论模型进行光谱指数波段的优化,从而抽取不同冠层结构条件下的小麦玉米氮素营养敏感波段。结果表明与传统的基于红光的光谱指数相比,优化光谱指数显著提高了小麦玉米冠层氮素含量的预测能力,克服了传统的基于红光光谱指数的饱和问题。优化光谱指数的波段结合随着作物品种及其冠层结构的变化而变化,其优化波段范围主要集中在红边(730~760 nm )和红边向近红外的过渡区域(760~880 nm )。优化结果显示玉米最佳光谱指数为 Rλ766/Rλ738-1,小麦最佳光谱指数为 Rλ796/Rλ760-1,玉米小麦相结合优化后的最佳光谱指数为 Rλ876/Rλ730-1。结果进一步验证了优化光谱指数估测的不同作物含氮量的预测值与实测值相关性最高,且验证偏差最小,证实了优化后的光谱特征参数可对不同作物氮素丰缺状况进行快速、准确、无损估测。试验结果也为设计作物冠层氮素传感器和更好的利用现有基于卫星的传感器实施区域上的作物氮素营养监测提供了理论基础。    

9.  应用可见光光谱进行夏玉米氮营养诊断  被引次数:6
   孙钦平  贾良良  芮玉奎  陈新平  张福锁《光谱学与光谱分析》,2009年第29卷第2期
   传统的作物氮营养诊断需要大量的实验室分析和破坏性取样,时效性和便捷性不足.高光谱技术被逐渐应用到作物氮营养监测当中,但由于仪器昂贵并需要专业的软件进行处理,在一定程度上限制了这一技术的应用.文章通过田间试验研究了采用可见光光谱进行夏玉米氮营养诊断的可行性,并试图寻找适宜的表征作物氮营养的可见光光谱参数.研究结果表明,绿光值、蓝光值、红光标准化值、绿光标准化值和蓝光标准化值等多个图像参数均与夏玉米的植株全氮含量、叶片SPAD值有着显著的线性相关关系.在低施氮条件下,叶脉硝酸盐浓度低于2 000 mg·L-1时,绿光值、蓝光值、绿光标准化值和蓝光标准化值与叶脉硝酸盐浓度有着显著的线性相关关系.而在高施氮条件下,叶脉硝酸盐浓度高于2 000 mg·L-1时,随着叶脉硝酸盐浓度的升高,图像参数呈平台反应,不再增加.综合比较来说,以绿光标准化值和蓝光标准化值为最好,与各常规的氮营养诊断指标的相关系数介于0.45~0.66之间.    

10.  应用局部神经网络和可见/近红外光谱法估测土壤有效氮磷钾  
   吴茜  杨宇虹  徐照丽  晋艳  郭焱  劳彩莲《光谱学与光谱分析》,2014年第34卷第8期
   要实现农田合理施肥,需要对土壤养分状况进行实时、准确地诊断,因而建立快速、稳定可靠的土壤养分定量分析方法是关键。光谱分析是一种有很大潜力的快速分析方法,从可见/近红外光谱建模的几个重要环节,即特征波段、预处理方法及回归模型方法的选择,研究了土壤有效氮、磷、钾含量快速估测的光谱建模方法。采用了多元散射校正加一阶导数进行光谱预处理,通过逐波段相关分析在可见-近红外区优选特征波段,并应用了局部非线性回归方法(BP神经网络局部回归法)建模,所建模型对土壤有效氮、磷、钾含量估测的相关系数r分别为0.90,0.82和0.94,BP神经网络局部建模比全局建模具有更好的精度和稳定性,估测精度提高幅度分别为40.63%,28.64%,22.90%。因此,采用局部BP神经网络回归建模法建立土壤有效氮、磷、钾的光谱定量分析模型,可实现对土壤养分状况的快速诊断。该研究的创新点是通过采用局部非线性回归方法提高了土壤光谱营养诊断模型的稳定性和可靠性,为作物生长过程中不同生长时期的土壤养分的动态监测和过程控制提供了技术支持。    

11.  基于分数阶微分算法的大豆冠层氮素含量估测研究  
   张亚坤  罗斌  潘大宇  宋鹏  路文超  王成  赵春江《光谱学与光谱分析》,2018年第10期
   氮素与作物的生长发育、产量和品质密切相关。作物冠层氮素含量的快速、准确、无损检测对于作物营养诊断和长势评估具有重要意义。传统的氮素检测方法检测周期长、操作复杂,同时具有破坏性,无法实现作物氮素含量在时间和空间上的连续动态监测。基于光谱遥感技术快速、无损地获取作物氮素含量是近年来作物组分快速检测研究的热点。当前的研究大多基于原始光谱或整数阶微分(一阶、二阶)预处理后的光谱进行氮素含量预测,原始光谱或整数阶微分预处理后的光谱会忽略光谱曲线间的渐变信息,影响氮素含量的预测准确度。与原始光谱和整数阶微分方法相比,分数阶微分算法在背景噪声去除、有效信息提取等方面较有优势。为研究分数阶微分预处理算法在作物氮素检测中的应用,本文以不同施肥处理下的盆栽大豆作物为研究对象,获取大豆苗期、花期、结荚期和鼓粒期四个生育期共256组冠层高光谱及对应的大豆冠层氮素含量(CNC)数据,运用分数阶微分算法对光谱数据进行0~2阶微分预处理,微分间隔为0.1,分别采用归一化光谱植被指数NDSI、比值光谱指数RSI对预处理后的光谱数据和大豆冠层氮素含量数据进行相关性分析,得到各阶微分预处理下NDSIα(α代表分数阶微分阶数)与大豆CNC,RSIα与大豆CNC相关系数绝对值的最大值及其对应的波段组合——最优波段组合NDSIα(opt)和RSIα(opt),采用线性回归方法,建立各阶微分下NDSIα(opt)与CNC,RSIα(opt)与CNC的预测模型,并与常用植被指数(VOGII,MTCI,DCNI,NDRE)建立的氮素含量预测模型进行比较,研究分数阶微分算法对大豆作物冠层氮素含量预测模型的效果。结果表明:(1)在0~2阶微分范围内,最优波段组合NDSIα(opt),RSIα(opt)与大豆CNC的相关系数随阶数增加呈现先升高后下降趋势。其中,0.8阶微分下NDSI0.8(R725,R769)与大豆CNC的相关系数最大,为0.875 9;0.7阶微分下RSI0.7(R548,R767)与大豆CNC的相关系数最大,为0.865 1;(2)分数阶微分预处理能够细化光谱数据中的有效信息,增强光谱数据对冠层氮素含量的敏感性,尤其是增强红边平台波段与氮素含量的正相关性及绿波段与氮含量的负相关性;(3)与整数阶微分、常用植被指数相比,分数阶微分能够提高大豆CNC预测模型的准确性。其中,基于0.7阶微分RSI0.7(R548,R767)建立的大豆CNC预测模型与0阶微分RSI0(R725,R769)相比建模集决定系数(R2C)和预测集决定系数(R2P)分别提高了0.061 9和0.016 6,建模集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别降低了0.552 5和0.180 9,预测相对偏差(RPD)提高了0.110 4。基于0.7阶微分RSI0.7(R548,R767)建立的大豆CNC预测模型与VOG II相比R2C和R2P分别提高了0.086 6和0.025 5,RMSEC和RMSEP分别降低了0.757 5和0.248 3,RPD提高了0.14688;(4)基于0.7阶微分比值光谱指数RSI(R548,R767)建立的大豆LNC预测模型较优,其R2C为0.748 4,R2P为0.800 3,RMSEC为4.752 9,RMSEP为3.511 1,RPD为2.253 7,能够较好的估测大豆冠层氮素含量。研究表明分数阶微分算法在大豆冠层氮素含量的定量预测中具有一定的优势,为光谱遥感技术在作物氮营养检测中的应用开拓了新的思路。    

12.  基于水稻扫描叶片图像特征的氮素营养诊断研究  被引次数:7
   祝锦霞  邓劲松  石媛媛  陈祝炉  韩凝  王珂《光谱学与光谱分析》,2009年第29卷第8期
   选用扫描仪获取水稻叶片的数字图像,运用数字图像处理技术研究不同氮素水平水稻的叶色、纹理和形态特征,尝试建立基于叶色、纹理和形态特征的综合水稻氮素营养诊断模型.研究表明:(1)通过水稻叶绿索a含量和叶片颜色特征之间的相关性分析,得到有效颜色特征参量B,b,b/(r+g),b/r,b/g,同时分析叶绿素a含量随叶位的空间分布特征,选择较为稳定的第三完全展开叶作为指示叶或诊断叶;(2)通过与高光谱遥感数据的相关性分析,从机理上说明基于机器视觉的水稻氮素营养诊断是有理论依据的,是可行的;(3)提取水稻叶片颜色、形态综合特征信息,与YIQ电视信号彩色坐标系统的CB值建立水稻氮营养水平的识别模型,得到4个氮素水平的正确识别率为:N0:74.9%;N1:52%;N2:84.7%;N3:75%.初步研究结果表明基于扫描图像特征的田间水稻氮素水平诊断方法是有优势和前景的,有可能建立一种新的实时、快速、准确的田间水稻氮素营养诊断的方法.    

13.  多光谱成像技术诊断植物病虫害的人工神经网络模型  被引次数:4
   冯洁  廖宁放  赵波  罗永道  李宝聚  戴志福  DAI Zhi-fu《光学技术》,2008年第34卷第5期
   为了实现可靠的植物病虫害诊断,提出把人工神经网络和多光谱成像技术结合的方法,并将该方法用于常见的三种黄瓜病害的识别研究。在此基础上,实验采用窄带多光谱成像技术获取患病黄瓜叶面的14个可见光通道和近红外通道、全色通道的多光谱图像。利用BP网络对病斑样本的光谱信息进行学习分类。和14通道训练结果比较,增加850nm的近红外通道和全色通道,使网络的训练时间缩短、预测能力提高。实验结果表明,这种方法对植物进行快速、准确和非破坏性诊断提供可靠的技术支持。    

14.  马铃薯光谱及数字图像特征参数对氮素水平的响应及其应用  
   何彩莲  郑顺林  万年鑫  赵婷婷  袁继超  何卫  胡建军《光谱学与光谱分析》,2016年第9期
   为准确、快速地掌握马铃薯氮素状况,提高马铃薯对氮素的利用率,采用便携式高光谱地物波谱仪、数码相机与 SPAD-502叶绿素仪获取马铃薯冠层图像、叶片光谱、叶片 SPAD值,分析不同施氮水平下马铃薯两个关键生育时期数字化指标、叶片光谱指标、SPAD、产量的变化状况,以 SPAD为辅助验证指标,以产量为氮素施用效率评价,分析数字化指标、叶片光谱与 SPAD、产量的关系,明确最佳施氮水平下数字化指标、叶片光谱指标的临界值,以期探讨快速、简便进行马铃薯氮素营养诊断的方法。结果表明:(1)随着施氮水平的增加红边位置出现了“红移”,红边参数 REP,Lwidth,FD_Max增加,Lo 减小。(2)随着施氮水平增加数字化指标 G/B和(G-B)/(R+G+B)逐渐降低,B/(R+G+B)逐渐增加。(3)SPAD随施氮量增加而提高,施氮量增加低氮水平增产效果明显,高氮水平增产效果不明显。光谱、红边参数、数字化指标与SPAD、产量相关性较好,据此建立了各个指标评价马铃薯氮营养丰缺的量化标准。表明运用数字图像与光谱技术进行马铃薯氮素营养诊断具有可行性,为马铃薯精准氮素营养监测提供研究思路与技术支撑。    

15.  一种玉米苗期冠层叶片营养诊断动态光谱指数  
   李树强  李民赞  孙红《光谱学与光谱分析》,2014年第34卷第6期
   为了有效的解决玉米苗期冠层叶片营养状态车载动态诊断过程中,土壤干扰信息无法剔除的问题,本文提出了一种动态测量用光谱指数MPRI,根据MPRI的构成和特点、论述了利用MPRI辨识土壤与冠层光谱信息的机理,构建了基于MPRI的玉米苗期冠层叶片叶绿素含量的预测模型,通过车载式作物长势检测系统平台,运用模型对玉米苗期冠层叶片营养状态进行动态诊断与评估,取得良好的效果。研究表明:在车载动态条件下测量玉米苗期冠层叶片营养状态时,土壤的MPRI呈正值而玉米冠层的MPRI呈负值,因此使用光谱指数MPRI能够有效识别土壤背景与冠层叶片光谱信息。设定固定的阈值,能够较为准确和便捷的去除土壤背景光谱信息。基于MPRI构建的冠层叶片叶绿素含量的动态测量预测模型,能够准确的表征冠层叶片的叶绿素含量,模型决定系数R2达0.72,动态测量中对植株冠层的识别率达80%。与其他常用的指数相比,在车载动态测量环境下,光谱指数MPRI具有土壤背景信息识别速度快、正确率高,模型预测精度良好等特点,为玉米苗期冠层营养状态的诊断提供了新的途径。    

16.  常见黄瓜病害的多光谱诊断  被引次数:2
   冯洁  廖宁放  赵波  罗永道  李宝聚《光谱学与光谱分析》,2009年第29卷第2期
   为了实现可靠的植物病虫害诊断,文章提出把光谱分析技术和多光谱成像技术相结合的方法用于常见的红粉、黑星、白粉、褐斑和霜霉五种黄瓜病害的识别研究.实验采用窄带多光谱成像技术在标准观测环境下获取患病黄瓜叶面的14个可见光通道和近红外通道、全色通道的多光谱图像.利用距离法、光谱角度匹配法和相关系数法对病斑样本的光谱信息进行学习分类.对于实验提出的七种分类情况,通过距离法和相关系数法组合筛选,对红粉、白粉、黑星和白板的分类正确率达100%,对霜霉及无病的分类正确率达80.00%和93.33%,平均分类正确率为81.90%.实验结果表明,光谱分析方法和多光谱成像技术结合能全面、快速、精确提取植物病害的信息,实现分类,为对植物病害进行快速、准确和非破坏性诊断提供技术支持.    

17.  油菜光谱的多重分形分析及叶绿素诊断建模  
   王晓乔  王访  廖桂平  官春云《光谱学与光谱分析》,2016年第11期
   作物信息科学的重要内容是如何利用作物的信息对其进行无损营养诊断,光谱分析是一种有效可行的途径。对于油菜而言,冠层光谱的特征是描述其营养状况的重要指标。但由于原始光谱总是受到一些如环境、气候等外在因素的影响,其巨大的波动导致难以直接用于油菜生物量的诊断。然而,光谱的多重分形特征将保持相对稳定。为研究油菜冠层光谱与叶绿素含量的关系,基于多重分形理论,提出了基于油菜冠层光谱特征的叶绿素定量预测模型和定性识别模型。以24个移栽种植小区和24个直播种植小区的高油酸油菜苗期样本为试验对象。首先,利用流行的多重分形去趋势波动分析提取了6个不同波段范围内光谱的广义 Hurst指数和质量指数及其他相关的特征参数,发现它们都呈现典型的多重分形特性。但两种不同种植方式下的光谱特征也存在差异。接着,通过多重分形特征参数与 SPAD值的相关分析发现不同波段的光谱所含的有效信息不同。以多重分形特征参数建立单变量油菜叶片SPAD值预测模型,移栽方式、直播方式及混合样本的预测模型相对均方根误差均小于5%。最后,以多重分形特征组合建立识别模型,以 Fisher线性判别法识别移栽和直播两种种植方式的最大约登指数为0.9025,对应最敏感波段为350~1350 nm。这项有意义的工作为预测油菜叶绿素提供了理论基础和实践方法,也为寻找敏感波段进行识别诊断提供了有效的途径。    

18.  温室番茄冠层和叶片光谱特征分析及营养诊断  
   Zhao RJ  Li MZ  Yang C  Yang W  Sun H《光谱学与光谱分析》,2010年第30卷第11期
   通过温室基质栽培,利用ASD光谱仪和傅里叶光谱分析仪测量了四种背养水平下温室番茄冠层和叶片的光谱反射曲线,并检测了对应叶片的水分含量、叶绿素含量和氮含量,分析了不同营养水平下番茄冠层和叶片的反射光谱变化,并对番茄叶片含水量的敏感波长以及冠层反射光谱的红边波长进行了研究.结果表明:温室番茄冠层反射光谱曲线在可见光550 nm左右均有叶绿素的强反射峰,近红外区反射率高于可见光区.在同一生长期,随基质营养水平的提高,番茄冠层反射率在可见光波段不断减小,在近红外波段不断增大,且红边波长位置出现"红移"现象.利用530和760 nn特征波长得到的归一化颜色指标NDCI与叶片氮含量有较好相关性,R2为0.751 1.    

19.  运用光谱参数冠层覆盖度建立作物长势及氮营养状态模型  
   陶志强  Shamim Ara Bagum  马玮  周宝元  付金东  崔日鲜  孙雪芳  赵明《光谱学与光谱分析》,2016年第1期
   为了探索运用数码照片中光谱(红、绿、蓝)的像素计算得到的冠层覆盖度(canopy cover ,CC)对玉米长势及氮素营养状态进行非破坏性监测的技术。通过获取玉米冠层的数码照片图像,定量化数码照片色彩参数与作物叶面积指数(leaf area index ,LAI)、冠层干重(shoot dry matter weight ,DM )、叶片氮素含量(leaf nitrogen content percentage ,N%)之间的关系。试验于2012年和2013年在中国农业科学院试验田进行,运用基于Visual Basic Version 6.0研发的玉米冠层图像分析系统,分析了玉米品种中单909在3个氮素水平条件下分别于9叶展时期、抽雄期和灌浆期的CC、11种色彩指数与植株LAI ,DM ,N%及产量之间的相关性,并对相关性显著的指标进行了拟合与建模。结果表明,CC与LAI(r=0.93,p<0.01),DM (r=0.94,p<0.01),N%(r=0.82,p<0.01)之间均达到了极显著水平;用CC估算LAI ,DM和N%的模型均为幂函数,方程式分别是 y=3.2812 x0.7639, y=283.6581 x0.5536, y=3.0645 x0.9329;用与建模相独立的数据对模型验证,结果表明,CC估算LAI模型的实测值与模拟值基于1∶1直线的 R2,RMSE和RE分别是0.996,0.035和1.46%;CC估算DM模型的 R2,RMSE和RE分别是0.978,5.408 g和2.43%;CC估算N%模型的 R2,RMSE和RE分别是0.990,0.054和2.62%。综上所述,模型能够较准确的通过CC估算不同氮肥水平条件下玉米9叶展时期、抽雄期和灌浆期的LAI ,DM与N%,表明应用数码相机的光谱信息可实现对玉米生长过程中的生长状况及氮素营养状态进行实时无损快速监测与预测。    

20.  玉米作物多光谱图像精准分割与叶绿素诊断方法研究  被引次数:2
   吴倩  孙红  李民赞  宋媛媛  张彦娥《光谱学与光谱分析》,2015年第35卷第1期
   为了快速获取大田玉米作物长势信息, 基于多光谱图像开展了大田玉米叶绿素指标的非破坏性诊断研究。应用自主开发的2-CCD多光谱图像感知系统, 在田间采集玉米冠层可见光[Blue(B), Green(G), Red(R);400~700 nm]和近红外(Near-infrared: NIR, 760~1 000 nm)图像, 并使用SPAD同步测量样本叶绿素指标。采集后图像经自适应平滑滤波处理后, 进行图像玉米植株提取。为了选择最优算法实现玉米植株与杂草、土壤背景的分割, 首先比较了最大类间方差(OTSU)分割算法和局部阈值处理分割算法, 选取了基于局部统计的可变阈值处理方法对玉米NIR图像进行初步分割, 进而采用区域标记算法进行精细分割, 分割准确率达95.59%。将分割结果应用于玉米植株可见光图像R, G, B各通道, 从而实现了玉米植株多光谱图像中可见光图像的整体分割。基于分割后R, G, B和NIR四个通道的玉米冠层图像, 提取了各通道图像灰度均值(ANIR, ARed, AGreen和ABlue)并计算了归一化植被指数(NDVI)、比值植被指数(RVI)和绿色归一化植被指数(NDGI)作为光谱特征参数, 建立了玉米冠层叶绿素指标诊断的偏最小二乘法回归模型。结果表明, 建模R2达0.596 0, 预测R2达0.568 5, 该方法通过玉米多光谱图像特征参数评估叶片叶绿素含量, 可为大田玉米长势监测提供支持。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号