|
|||||
|
|
| 高光谱成像技术的柑橘植株叶片含氮量预测模型 | |
| 引用本文： | 李金梦,叶旭君,王巧男,张初,何勇.高光谱成像技术的柑橘植株叶片含氮量预测模型[J].光谱学与光谱分析,2014,34(1):212-216. |
| 作者姓名： | 李金梦 叶旭君 王巧男 张初 何勇 |
| 作者单位： | 李金梦:浙江大学生物系统工程与食品科学学院, 浙江 杭州310058 叶旭君:浙江大学生物系统工程与食品科学学院, 浙江 杭州310058 王巧男:浙江大学生物系统工程与食品科学学院, 浙江 杭州310058 张初:浙江大学生物系统工程与食品科学学院, 浙江 杭州310058 何勇:浙江大学生物系统工程与食品科学学院, 浙江 杭州310058 |
| 基金项目： | 国家自然科学基金项目（61071220, 61273062）, 国家科技部(863计划)项目（2011AA100705）, 农业部行业专项项目（200903044）和浙江省重点科技创新团队项目（2011R09001-01）资助 |
| 摘 要： | 氮素是果树生长发育的一种大量必需元素,及时准确地监控果树的氮营养状况,对果树的合理施肥、增产、优化果实品质以及减缓过量施氮引起的水资源污染具有重要意义。利用高光谱成像技术结合多变量统计学方法,建立了柑橘植株叶片的含氮量预测模型。研究步骤为:高光谱扫描、提取平均光谱曲线、预处理原始光谱数据、采用连续投影法提取特征波段和建立含氮量预测模型。从SG平滑、SNV、MSC、1-Der等11种预处理方法中筛选出的较优预处理方法是SG平滑、Detrending和SG平滑-Detrending。对应这三种最优预处理方法,先采用连续投影法挑选出各自的特征波长,然后将各特征波段下的光谱反射率作为偏最小二乘、多元线性回归和反向传播人工神经网络模型的输入,各自建立三个预测模型。从以上获得的9个预测模型中,得出两个最优模型SG平滑-Detrending-SPA-BPNN(Rp:0.851 3,RMSEP:0.188 1)和Detrending-SPA-BPNN(Rp:0.8609,RMSEP:0.159 5)。结果表明,利用高光谱数据测定柑橘叶片含氮量具有可行性。这为实时、准确地监控柑橘植株生长过程中叶片含氮量的变化以及合理科学的氮肥施加提供了一定的理论基础。 |
| 关 键 词： | 高光谱成像技术 柑橘叶片 连续投影法 偏最小二乘法 反向传播人工神经网络 |
| 收稿时间： | 2013/3/26 |
Development of Prediction Models for Determining N Content in Citrus Leaves Based on Hyperspectral Imaging Technology |
|
| LI Jin-meng;YE Xu-jun;WANG Qiao-nan;ZHANG Chu;HE Yong.Development of Prediction Models for Determining N Content in Citrus Leaves Based on Hyperspectral Imaging Technology[J].Spectroscopy and Spectral Analysis,2014,34(1):212-216. | |
| Authors: | LI Jin-meng;YE Xu-jun;WANG Qiao-nan;ZHANG Chu;HE Yong |
| Institution: | LI Jin-meng;YE Xu-jun;WANG Qiao-nan;ZHANG Chu;HE Yong;College of Biosystems Engineering and Food Science,Zhejiang University; |
| Abstract: | |
| Keywords: | Hyperspectral imaging technology Citrus leaf Successive projection algorithm Partial least squares Back propagation neural network |
| 本文献已被 CNKI 等数据库收录！ | |