植被叶片生化组分的光谱响应特征分析

依据LOPEX’93数据,分别使用地表反射率光谱及其变化量以及光谱指数分析了鲜叶片叶绿素和水分含量的光谱响应。结果表明,在反射率光谱及其变化量的分析中,反射率的二阶导数对叶绿素具有较高的响应,对叶绿素响应较高的波段依次为600,700,670,410,490,500和440nm,这些波段区间能够较好地反映植被叶绿素的含量;反射率光谱经连续统去除后对叶片含水量具有较高的响应,对水分含量响应较高的波段依次为:1870,2130,2180,1820,2350和2120nm,分别对应着水分在短波红外波段的吸收波段。在光谱指数的分析方法中,光谱指数ND(normalized difference)对叶绿素含量较其他指数具有更高的响应,其相关系数为0.618;光谱指数Ratio975对叶片水分含量具有较高的响应,相关系数可达0.996。根据以上的响应分析,构建相关模型,对叶片中叶绿素和含水量开展地基反演实验,结果表明,基于地面光谱数据反演叶片中叶绿素和含水量可达到较高的精度。     

由时变Lévy噪声驱动的随机微分方程的平均值原理

该文讨论了一类由时变Lévy噪声驱动的随机微分方程(LSDE)的平均值原理,提出了其均值化方程,在均方和以概率意义下得到了均值化方程的解收敛到原LSDE的解,给出了一个具体例子.     

贮藏期内灵武长枣果糖含量的高光谱预测

高光谱成像可将图像和光谱相结合，同时获得目标对象的图像和光谱信息，已在农产品定性和定量分析检测方面得到广泛利用。利用可见-近红外高光谱成像结合化学计量学方法对贮藏期内灵武长枣果糖含量进行无损检测。采用高效液相色谱测量长枣果糖含量的化学值，可见-近红外高光谱系统采集长枣的高光谱图像，提取每个样本感兴趣区域的平均光谱；建立长枣贮藏期的径向基核函数支持向量机（radial basis kernel function support vector machine，RBF-SVM）模型；分别选用正交信号校正法（orthogonal signal correction，OSC）、多元散射校正（multiplicative scatter correction，MSC）、中值滤波（median-filter，MF）、卷积平滑（savitzky-golay，SG）、归一化（normalization，Nor）、高斯滤波（gaussian-filter，GF）和标准正态变换（standard normalized variate，SNV）等方法对原始光谱进行预处理；为减少数据量，降低维度，提高运算速度，采用反向区间偏最小二乘法（backward interval partial least squares，BiPLS）、间隔随机蛙跳算法（interval random frog，IRF）和竞争性自适应加权算法（competitive adaptive reweighted sampling，CARS）对光谱数据提取特征变量；建立全波段和特征波段的偏最小二乘回归（partial least squares regression，PLSR）和主成分回归（principle component regression，PCR）长枣果糖含量预测模型。结果表明：RBF-SVM判别模型校正集准确率为98.04%，预测集准确率为97.14%，能很好地预测长枣的贮藏期；利用BiPLS, IRF及CARS进行降维处理，提取特征波长个数为100, 63和23，占原光谱数据的80%，50.4%和18.4%；为简化模型运算过程并提高模型精度，采用CARS算法对BiPLS及IRF算法所选取的特征波长进行二次筛选，分别优选出18和15个特征波长，占原光谱数据的14.4%和12%，显著减少特征波长数；将全波段光谱与提取出的特征波长分别建立长枣果糖含量的PLSR及PCR预测模型，优选出CARS提取特征波长建立的PLSR模型效果最优，其中校正集的相关系数R_c=0.854 4，均方根误差RMSEC=0.005 3，预测集的相关系数R_p=0.830 3，均方根误差RMSEP=0.005 7，说明CARS有效地对光谱进行降维，简化了数据处理过程。研究表明，利用可见-近红外高光谱成像结合化学计量学方法及计算机编程，可以有效的实现灵武长枣果糖含量的快速无损分析，为灵武长枣内部品质的检测提供理论依据。