植被冠层水平叶绿素含量的高光谱估测

植物的叶绿素含量指示了其健康状况。大区域范围内植被叶绿素含量信息的提取可以用于评价植被的生长状况,实现对生态环境的监测。对于农田系统而言,作物叶绿素含量的估测还可以对施肥等田间操作提供支持。文章利用辐射传输模型模拟多组不同状态下的植被冠层光谱反射率,通过对模拟数据的冠层叶绿素含量以及冠层光谱之间关系的分析,构建了估测植被冠层水平叶绿素含量的光谱指数模型。该模型对冠层叶绿素含量的方差解释量达到了75%以上。分别使用野外实测冠层光谱和Hyperion高光谱遥感影像对试验区进行验证。结果证明该模型对冠层水平的叶绿素含量估测效果较好,具有应用价值。     

基于无人机高光谱遥感的东北粳稻冠层叶片氮素含量反演方法研究

为探究遥感监测水稻冠层叶片氮素含量的较优高光谱反演模型,以水稻小区试验为基础,获取了不同生长期水稻冠层高光谱数据。在综合比较一阶导数变换(1-Der)、标准正态变量变换(SNV)和SG滤波法等处理方法基础上,提出一种将SNV与一阶导数变换的SG滤波法相结合的光谱处理方法(SNV-FDSGF),并将处理后的数据经无信息变量消除法(UVE)与竞争自适应重加权采样法（CARS）选出不同生长期的敏感波段。将各生长期的敏感波段两两随机组合,并构建与水稻叶片含氮量相关性较高的差值光谱植被指数(DSI)、比值光谱植被指数(RSI)、归一化光谱植被指数(NDSI)。其中分蘖、拔节和抽穗3个时期的最优植被指数和决定系数R2分别为：DSI(R₈₅₇, R₆₂₃), 0.704; DSI(R₆₇₀, R₅₇₈), 0.786; DSI(R₉₉₅, R₅₀₈), 0.754。以各生长期内的较优的三种植被指数作为输入分别构建自适应差分优化的极限学习机(SaDE-ELM)、径向基神经网络(RBF-NN)以及粒子群优化的BP神经网络(PSO-BPNN)反演模型。结果表明：SaDE-ELM建模效果最好,在模型稳定性和预测能力上比RBF-NN和PSO-BPNN都有了明显提高,各生长期反演模型的训练集和验证集决定系数R2均在0.810以上,RMSE均在0.400以下,可为东北水粳稻冠层叶片含氮量的检测与评估提供科学和技术依据。     

分数阶微分技术在机载高光谱数据估算土壤含水量中的应用

无人机高光谱遥感为精准农业和农业信息化监测提供崭新视角。高光谱传感器具有厘米级空间分辨率和精细的光谱分辨率,可获取高质量的高光谱数据。然而,高光谱数据通常伴随噪声和数据冗余,高光谱信息利用效率低,常规预处理难以满足精准估算的需求。因此,为解决上述现实问题,针对机载高光谱影像的数据挖掘必不可少。利用分数阶微分(FOD)技术逐像元处理机载高光谱数据(步长为0.1)。通过对比FOD技术与整数阶技术对高光谱数据的改善能力,从光谱层面探寻最佳FOD阶数。在梯度提升回归树(GBRT)算法下构建土壤含水量(SMC)估算模型,最终在最佳模型下评估SMC的空间分布。结果表明：FOD技术提高光谱与SMC的相关系数(r_max=0.768),与原始光谱、一阶微分和二阶微分处理后的光谱同SMC相关系数相比,分别提升0.168,0.157和0.158。FOD技术提升模型估算精度的主因是突出有效光谱信息的作用,特别是与水分胁迫密切敏感的叶绿素、植物结构和水分响应波段(430,460,640,660和970nm)。即使FOD技术取得理想的结果,不同阶数的效果仍有差异。高阶FOD对影像增加了一定噪...     

利用高光谱植被指数估测苹果树冠层叶绿素含量

叶绿素含量是反映植物生长状况的重要参数。利用ASD FieldSpec 3光谱仪,测定春梢停止生长期苹果冠层高光谱反射率,对原始光谱进行微分变换,与苹果叶绿素含量进行相关分析确定敏感波段,通过分析敏感区域400～1 350 nm范围内所有两波段组合的植被指数,选择最佳植被指数并建立苹果冠层叶绿素含量估测模型。结果表明：(1)苹果冠层叶绿素含量的敏感波段区域为400～1 350 nm。(2)利用筛选得到的植被指数CCI(D₇₉₄/D₇₆₃)构建的估测模型能较好的估测苹果冠层叶绿素含量。(3)以CCI(D₇₉₄/D₇₆₃)指数为自变量的估测模型CCC=6.409+1.89R3+1.587R2-7.779R预测效果最佳。因此,利用高光谱技术能够较快速、精确的对苹果冠层叶绿素含量进行定量化反演,为苹果长势的遥感监测提供理论依据。     

基于高光谱的苹果花氮素含量预测模型研究

苹果花氮素含量是反映其质量高低的重要因素,利用高光谱技术对苹果花氮素含量进行定量化反演,可为苹果信息化管理提供理论依据。在室内条件下,利用ASD FieldSpec 3地物光谱仪,测定了120个盛花期苹果花样品的高光谱反射率,并化验了其氮素含量。在分析苹果花原始光谱和一阶导数光谱特征的基础上,与其氮素含量进行相关分析,确定敏感波段,构建特征光谱参数,建立氮素含量预测模型,对模型进行了优选和检验。结果表明,苹果花氮素含量与原始光谱反射率在374～696,1 340～1 890,2 052～2 433 nm波段呈极显著负相关,在736～913 nm呈极显著正相关;与一阶导数光谱反射率在637～675 nm呈极显著负相关,在676～746 nm呈极显著正相关。构建的6个特征光谱参数与苹果花氮素含量均呈极显著相关。通过进一步比较和筛选,确定了基于640 nm和676 nm原始光谱反射率的2个苹果花氮素含量最佳预测模型。经检验,模型决定系数R2分别为0.825 8和0.893 6,平均预测精度达92.9%和94%。研究成果为快速预测苹果花氮素含量及苹果的实时营养诊断提供了理论依据和技术支撑。     

油菜叶片和冠层水平氮素含量的高光谱反射率估算模型

通过设计实验首先确定是否可以用油菜叶片反射率光谱预测其氮素含量,以及是否可以用预测的光谱特征值与氮素含量建立相关模型。实验结果表明,反射率光谱的转化形式R的一阶微分为预测油菜氮素含量的最佳形式,最佳波段选择与其他研究结果相似。短波红外光谱波段能较好预测氮素含量,但是选择的高相关性短波红外区域一般都较窄,因此可用高光谱和高辐射分辨率来准确描述油菜光谱特征。短波红外反射率的变化主要是由于植被化学信号的改变而引起的。直接太阳辐射率、观测设备、叶片振动以及大气湿度的细微变化都可能引起光谱一阶微分的变化。冠层反射率一阶微分R′建立的逐步回归模型拟合度较高。     

含分数阶微分的线性单自由度振子的动力学分析

研究了一个含分数阶微分的线性单自由度振子, 通过平均法得到了系统的近似解析解. 在近似解中, 分数阶微分项的系数和阶次以等效线性阻尼和等效线性刚度的形式影响着系统的动力学特性, 这一点与现有文献中直接将分数阶微分项归类为阻尼进行处理的方法完全不同. 比较了近似解析解和数值解, 二者的符合精度很高, 证明了近似解析解的准确性. 分析了分数阶系数和分数阶阶次对系统响应特性的影响, 发现分数阶系数和分数阶阶次都既可以通过等效线性阻尼影响系统的共振振幅, 又可以通过等效线性刚度影响系统的共振频率.     

基于分数阶微分的消除局部强反射的孔径测量方法

针对视觉测量硬盘圆孔直径易受到圆孔周围高反光面强反射的影响而导致测量精度不高的问题,提出了一种基于分数阶微分的图像去噪声的处理方法。通过分数阶微分算法对相机采集的带有强反射、高反光的硬盘圆孔孔径图像进行处理,消除圆孔周围强反射表面等不相关信息对圆孔边缘提取带来的影响,通过实验分别与Prewitt、Soble、Laplacian算子进行比较,证明分数阶微分可有效减少所要分析的图像信息量,更好地增强圆孔边缘轮廓信息,可达到更好的视觉效果。对分数阶微分算法处理后的圆孔图像进行Canny边缘检测,提取出有效的圆孔边缘,利用最小二乘法对孔径边缘进行直径测量。实验结果表明:该文算法与其他算法相比,在保证精确提取孔径边缘信息的基础上,对圆孔周围的强反射面进行了抑制,误差控制在0.05 mm左右,保证了测量精度。     

基于三维分数阶微分增强的边缘曲面重构算法

提出一种基于三维分数阶微分增强的三维边缘曲面重构算法,可重构出更多的三维不规则目标的细节结构信息,克服了原边缘曲面重构算法重构细节信息不充分的缺点.根据分数阶微分傅里叶变换的可分离性原理,将二维分数阶微分算子推广至三维并推导出三维分数阶离散滤波模板,利用三维分数阶微分对图像具有非线性增强作用的特性,对三维切片数据场进行三维分数阶微分增强.与传统三维边缘曲面重构算法相比,经过三维分数阶微分增强且采用分数阶梯度追踪细节改进的重构算法,能够重构出更丰富的三维目标细节结构信息.算法运用于神经元细胞的共焦显微图像中三维不规则目标的边缘曲面重构,实验结果验证了该算法的正确性和高效性,可推广应用至生物医学领域的三维可视化研究.     

棉花冠层水分含量估算的高光谱指数研究

适宜的光谱指数对于地表参数高光谱诊断模型的估算精度具有决定性作用。通过不同棉花冠层水分含量表征参数冠层等效水厚度EWT_canopy, 植株含水量VWC及其对应的光谱数据分析,构建350～2 500 nm范围内所有波段两两组合的比值指数RVI和归一化指数NDVI,分析水分含量表征参数与所有指数之间的相关关系,筛选最大相关系数对应的指数作为最佳水分指数,利用新指数构建水分含量表征参数的估算模型,并与已知的各种水分指数估算精度进行比较。结果表明：新建比值指数R_{1 475}/R_{1 424}及其归一化指数(R_{1 475}-R_{1 424})/(R_{1 475}+R_{1 424})对EWT_canopy的估算效果最佳,由其得到的估算值与实测值之间的相关系数r值达到0.849;已知指数(R₈₃₅-R_{1 650})/(R₈₃₅+R_{1 650})对VWC的估算效果最佳,由其得到估算值与实测值之间的相关系数r值为0.805。     

基于赛利斯模型和分数阶微分的兰姆波信号消噪

为降低噪声对超声兰姆波检测信号的影响,提高信噪比和增加特征提取的精度,提出了一种赛利斯模型下分数阶微分方法用于超声兰姆波信号去噪.该方法对含噪声的兰姆波信号幅值谱进行各阶分数微分,用赛利斯分布作为待处幅值谱的模型,提出了幅值谱分数阶微分最大值和过零点与微分阶数的拟合三次关系式,建立了幅值谱特征参数的计算式来提取特征参数和重建原始信号的幅值谱,并结合相位谱重构去噪后的兰姆波信号.仿真结果表明,该方法可以有效地提高兰姆波信号甚至微弱兰姆波信号的信噪比,同时降低均方误差和平滑度.实验结果显示,与小波去噪和集合经验模态去噪方法相比,该方法在没有信号先验知识的情况下,可以更有效地去除兰姆波信号的噪声,同时更好地保留主信号的细节特征.因此,本文提出的方法可以有效地去除兰姆波检测信号中混入的噪声.     

聚谷氨酸发酵过程中ATR-FTIR光谱信号的分数阶基线校正

采用衰减全反射傅里叶变换红外光谱法（ATR-FTIR）,结合多元校正模型对γ-聚谷氨酸（γ-PGA）发酵过程中两种主要底物葡萄糖和谷氨酸钠的浓度进行间接测量,为优化发酵系统控制提供重要的反馈信息。光谱测量中经常出现的基线漂移会严重影响后续多元校正模型的性能,需要采用基线校正算法对光谱进行预处理。现有流行的基线校正算法多数是基于Whittaker Smoother（WS）平滑算法,这些算法均采用整数阶微分对拟合基线进行约束,表达能力有限。针对现有基线校正算法中的整数阶微分自适应性差的问题,利用更加灵活的分数阶微分对基线进行约束,提出了一种基于分数阶的基线校正算法,实现对整数阶基线校正的扩展。总共进行了5个批次的γ-PGA发酵实验,并对不同批次和全部批次的ATR-FTIR光谱数据分别进行了分数阶基线校正,模型的预测精度均得到不同程度的提升。实验结果表明,只有在批次2时,基于整数阶的基线校正效果最好;其他批次的基线校正效果最好时的阶次均为分数阶。这也表明了分数阶微分（包含整数阶微分）对基线的约束更加合理。同时发现全部批次的整体基线校正效果远远差于单一批次的效果,原因可能是各批次发酵光谱的基线是不同的,对不同的批次需要选用不同的阶次以获得最佳的基线校正。此外,γ-PGA发酵样品的ATR-FTIR光谱测量是以蒸馏水为背景,会在3 100~3 600 cm-1波数范围内出现负水峰,形成有害的干扰信号;分数阶基线校正后的光谱表明,分数阶基线校正算法将负的水峰当作基线,在一定程度上进行了消除。综上分析,分数阶基线校正算法不仅扩展了传统整数阶基线校正算法的应用范围,也为消除ATR光谱中负的水峰提供了新的解决思路。     

基于分数阶积分算法的OCT图像去噪研究

散斑存在于光学相干层析成像(OCT)信号中,不可避免地影响OCT图像质量。通过对OCT系统中的噪声源进行分析,提出了一种傅里叶域OCT图像散斑噪声降噪的分数阶积分算法。为了克服单纯主观视觉判别图像质量的局限性,均方误差、峰值信号噪声比和边缘保护系数被选为图像去噪评估标准。通过实验与中值滤波和维纳滤波方法进行比较,结果表明,该算法可以有效地保留OCT图像中的重要边缘细节信息,同时有效消除噪声,使图像细节清晰,提高图像质量。     

基于频散补偿和分数阶微分的多模式兰姆波分离

由于兰姆波的多模和频散特性,实际检测时在同一激发频率下存在多种模式的混合信号,而各模式信号有不同的频散特性,使得在时频混叠的情况下兰姆波的检测变得十分复杂.本文在频散补偿的基础上,通过时延函数建模,依靠不同模式频散趋势的差异性,将时频混叠信号的分离问题转化为部分模式混叠信号的分离问题.基于分数阶微分的理论,用信号幅值谱分数阶微分极大值和对应频率分别与微分阶次拟合多项式实现特征参数的提取并依靠特征参数重建幅值谱.结合相位谱重构时域信号以实现部分混叠信号中频散补偿后的模式的分离.最后恢复频散获得分离后的兰姆波信号.仿真和实验结果表明,本文方法不仅可以实现时频混叠多模式兰姆波信号的分离,更能保证分离精度,有助于复杂多模式频散信号的分离与处理的进一步研究.     

基于Sentinel-2A影像的玉米冠层叶绿素含量估算

农作物叶片中的叶绿素通过吸收光能参与光合作用产生化学能,及时、准确地估算叶绿素含量对于农作物长势、养分含量监测、品质评价和产量估算具有重要意义。Sentinel-2卫星的重访周期为5 d,空间分辨率为10 m,具有13个光谱波段,其中包括三个波宽仅为15 nm对叶绿素含量变化敏感的红边波段,是叶绿素含量估算的理想数据源。植被指数是基于农作物在不同波段的反射特性,通过不同波段组合方式刻画长势和叶绿素含量的差异,可用于大区域范围内的玉米冠层叶绿素含量快速、精确估算。以Sentinel-2A影像为数据源,开展基于多种植被指数的玉米冠层叶绿素含量估算方法研究。课题组于2016年8月6-11日在河北省保定市（115°29′-116°14′E,39°5′-39°35′N）进行玉米冠层叶绿素含量的实地测量,并在每个采样位置上采用中绘i80 智能RTK(real-time kinematic)测量系统进行定位。Sentinel-2A影像预处理工作包括几何校正、辐射定标和大气校正,其中大气校正使用Sen2Cor模型和SNAP模型。首先,基于预处理后的Sentinel-2A遥感影像,分别计算CI_green(green chlorophyll index), CI_red-edge(red-edge chlorophyll index), DVI(difference vegetation index), LCI(leaf chlorophyll index), MTCI(MERIS terrestrial chlorophyll index), NAVI(normalized area vegetation index), NDRE(normalized difference red-edge), NDVI(normalized difference vegetation index), RVI(ratio vegetation index), SIPI(structure insensitive pigment index)植被指数。然后,建立样方位置上实测叶绿素含量与各植被指数的统计关系,从而构建玉米冠层叶绿素含量估算模型,并以野外实测玉米冠层叶绿素含量为依据,对基于各植被指数的估算结果进行精度评价。最后,利用筛选出的最优叶绿素含量估算模型,估算研究区内的玉米冠层叶绿素含量。研究的目标为：（1）通过比较分析,构建合适的玉米冠层叶绿素含量估算模型,估算精度以决定系数R2、均方根误差RMSE以及相对误差RE作为评价指标;（2）确定最优波段组合方案：在红边波段中选择与可见光、近红外波段组合效果更优的波段组合方案;（3）确定参与植被指数计算的红边波段的最优数量。精度评价结果表明：（1）选用的植被指数与玉米冠层叶绿素含量呈多项式拟合关系,其中使用红边波段计算的植被指数的估算结果明显优于未使用红边波段的估算结果;红边波段引入后明显提高了可见光、近红外波段对叶绿素含量的拟合的精度,CI_{green(560, 705)}指数比CI_{green(560, 842)}的回归模型R2提高0.516,红边波段参与计算的DVI相对于RVI来说,估算结果更稳定。（2）对于不同的植被指数,参与运算的Sentinel-2A影像的两个红边波段,估算精度的提高程度不同。对于可见光波段参与计算的植被指数来说,在红边波段1（中心波长为705 nm）的估算精度较高,如LCI,CI_green,DVI和RVI等;对于近红外波段参与计算的植被指数来说,在红边波段2（中心波长为740 nm）的估算精度较高,如CI_red-edge,NDRE和NAVI等。（3）对于Sentinel-2A影像来说,两个红边波段共同参与叶绿素含量估算时能取得最高的的估算精度。选用的植被指数中,MTCI_{(665, 705, 740)}指数与玉米冠层叶绿素含量估算精度最高,回归模型拟合精度R2为0.803,模型验证R2为0.665,RMSE为3.185,相对误差RE为4.819%。MTCI_{(665, 705, 740)}指数计算中使用了两个红边波段,突出红边波段反射率差值变化,与玉米冠层叶绿素含量表现出很好的相关性。最后,利用优选出的基于MTCI指数的叶绿素含量估算模型,对研究区范围内的叶绿素含量进行估算并完成空间制图。     

分数阶微分对盐渍土野外光谱预处理精度提升的机理分析

目前分数阶微分在野外实测光谱中的应用和光谱反演盐渍土盐分的最优波段机理解释尚未见到。针对传统整数阶微分造成位于分数阶次的光谱信息丢失和模型精度降低的问题。以新疆阜康市盐渍土盐分和野外光谱为数据源,对原始光谱及常见4种变换进行0～2阶（阶数间隔取0.1）的共21阶分数阶微分处理,以探讨盐渍土光谱预处理精度提升的机理。结果表明：（1）分数阶微分因阶数连续能精确显示出求导中的光谱变换细节,提升光谱谱峰间的分辨率;且因阶数增加逐渐改变谱峰的峰形轮廓和去峰形化操作,导致盐渍土分数阶微分曲线逐渐向曲线斜率的变化率靠近,即详细刻画出了0阶到一阶微分和斜率与曲率间的细微差异。（2）五种光谱变换的分数阶微分值与含盐量的相关系数,通过0.01显著性水平检验,且大于整数阶（1阶、2阶）的相关系数最大绝对值的,主要集中在1.3,1.4,1.5阶。其中,1.4阶1/lgR和1.3阶1/R的相关系数提升百分比最大,分别为12.78%和13.03%。（3）不论何种光谱变换,各分数阶微分值与含盐量最大相关系数对应的波段均出现在598 nm（1/R）和618 nm（R,,1/lgR和lgR）,且均在1.3或1.4阶。（4）研究区Na+占阳离子总量的65.74%,与总盐的相关性达0.738,钠原子的主要谱线是589.3 nm是造成各种光谱变换与土壤含盐量相关性最佳的波段位于598和618 nm最主要的原因。     

基于RF-GABPSO混合选择算法的黑土有机质含量估测研究

针对土壤有机质含量高光谱估测研究中变量维数过高与特征谱段筛选问题,提出了一种结合随机森林和自适应搜索算法的混合特征选择方法。首先依据随机森林变量重要性原理获取初始优化集,然后利用遗传二进制粒子群封装算法对初始优化集进一步自适应筛选。对于土壤有机质含量估测建模问题,选择稳健性强且能有效处理高维变量的随机森林算法。以典型黑土区采集的土壤样品为研究对象,将ASD光谱仪获取的可见光-近红外区间光谱数据和经化学分析得到的土壤有机质含量为数据源,对原始光谱进行光谱变换和重采样处理后,采用随机森林-遗传二进制粒子群混合选择方法提取特征光谱区间,构建有机质含量随机森林估测模型。与利用全光谱、随机森林方法筛选的光谱和自适应搜索算法筛选的光谱构建随机森林模型得到的预测精度进行比较。结果表明,利用随机森林-遗传二进制粒子群混合特征选择算法筛选的波谱变量参与随机森林建模,预测决定系数,均方根误差和相对分析误差分别为0.838,0.54%,2.534。该方案应用最少的变量个数获得最高的预测精度,能够较高效地估测黑土有机质含量,也能为其他类型土壤在有机质含量估测研究的变量筛选与建模问题上提供参考。     

运用PLS算法由小麦冠层反射光谱反演氮素垂直分布

文章提出了利用遥感光谱数据反演小麦冠层氮素垂直分布的化学计量学方法,运用偏最小二乘算法(PLS),穷尽测定的小麦田间冠层可见光和近红外光谱不同波长处的冠层光谱反射率及其组合与小麦不同层次的叶绿素、叶片全氮含量之间的关系。通过2001～2002年的建模和2003～2004年的验证试验,求得了用PLS算法对叶片全氮上层、中层、下层垂直分布估算结果的相关性。表明PLS算法能够用于反演作物冠层生物化学参数的垂直分布。运用PLS的小麦氮素垂直分布的估算方法,较以往单一冠层估算方法精度明显提高,对于生产上迫切需求对作物中、下层叶片氮素状况的监测来指导适时和适量施肥具有指导意义。     

基于不同灌溉条件下冠层光谱与参数的关系反演冬小麦冠层含水量

为监测冬小麦冠层含水量,根据TM5的波段响应函数,将不同灌溉条件下地面实测的冬小麦冠层窄波段光谱数据转化为TM5的宽波段反射率,计算了水分指数(NDWI和WI);同时,利用地面实测数据计算了冠层含水量(FMC和EWTc),并对水分指数和冠层含水量进行回归分析。结果表明,TM5的b7比b5波段在反演冬小麦冠层水分含量方面优势明显,NDWI比WI更具优势;利用最小二乘法建立了NDWI(b4,b7)与冬小麦冠层含水量的最佳拟合方程,反演FMC和EWTc的复相关系数分别为0.576 9和0.695 6;在此基础上,对河北保定部分地区的冬小麦冠层水分含量进行了空间填图,结果显示,研究区内冬小麦冠层水分含量具有西高东低的趋势,冬小麦生长旺盛的孕穗期冠层含水量比乳熟期高。     

基于模糊识别的苹果花期冠层钾素含量高光谱估测

依据2008年和2009年2年在栖霞试验区利用地物光谱仪ASD FieldSpec3测定的苹果花期冠层高光谱和实验室内测定的钾素含量数据,以冠层高光谱反射率及其11变换形式与钾素含量分别进行相关分析,以相关系数最大者为自变量,采用模糊识别算法,建立钾素含量估测模型;以2008年的检验样本对模型进行检验,并利用2009的独立试验数据对模型进行验证。结果表明,原始光谱反射率(R)及其倒数(1/R)、对数(lgR)、平方根(R1/2)与钾素含量的相关性较差,但它们的一阶微分和二阶微分与钾素含量之间的相关性明显增强;建立的钾素含量估测模型=11.344 5h+1.309 7的相关系数r为0.985 1,总均方根差RMSE为0.355 7,F统计量为3 085.6;24个检验样本实测值与估测值的平均相对误差为9.8%,估测精度为90.2%;2009年试验验证精度达到了83.3%。表明模型用于苹果花期冠层钾素含量的估测具有较高的稳定性,模型精度能满足生产上对苹果钾素含量估测的要求。