排序方式: 共有12条查询结果,搜索用时 156 毫秒
1.
基于高斯回归分析的水稻氮素敏感波段筛选及含量估算 总被引:1,自引:0,他引:1
水稻氮素含量的准确监测是稻田精准施肥的重要环节,水稻叶片氮素含量发生变化会引起叶片、冠层的光谱发射率发生变化,高光谱遥感是目前作物氮素无损监测的关键技术之一.以2018年—2019年湖北监利两年水稻氮肥试验为基础,分别获取水稻分蘖期、拔节期、孕穗期、扬花期、灌浆期五个生育期水稻叶片和冠层两个尺度的高光谱反射率数据及对应... 相似文献
2.
3.
具有超顺磁性和荧光特性的CdTe@Fe_3O_4/P(NIPAM-co-AA)多功能复合微球是以P(NIPAMco-AA)为模板制备而成.首先,采用溶胀法使模板微球带有磁性;其次,辅助TEOS和APTES两种化学试剂实现对Fe_3O_4/P(NIPAM-co-AA)微球表面的氨基功能化;最后,携带氨基的磁性微球与巯基乙酸修饰的CdTe量子点通过酰胺缩合反应,将量子点键合到磁性微球表面上,最终获得单分散的磁性荧光高分子复合微球.分别采用扫描电子显微镜、透射电子显微镜、倒置荧光显微成像系统、荧光分光光度计以及振动样品磁强计等方法对所获复合材料的结构与性能进行了表征.结果表明:复合微球单分散性良好,平均粒径约为30μm,饱和磁化强度可达5.4emu/g,具有良好的超顺磁性和较高的荧光发光效率.该材料将磁性、荧光结合到微米级高分子共聚物上,不仅解决了纳米粒子分离和处理的困难,而且奠定了多功能材料在生物标记、荧光成像等诸多领域潜在的应用基础. 相似文献
4.
5.
石墨烯量子点的制备 总被引:1,自引:0,他引:1
作为石墨烯家族的最新一员,石墨烯量子点(GQDs)除了具有石墨烯的优异性能,还因量子限制效应和边界效应而展现出一系列新的特性,因此吸引了化学、物理、材料和生物等各领域科学家的广泛关注。仅近两三年内,关于这种新型零维材料的研究,在实验和理论方面均取得了极大进展。本文主要介绍制备GQDs的两大类方法——自上而下和自下而上的方法。前者包括水热法、电化学法和化学剥离碳纤维法,后者则主要介绍溶液化学法、超声波法和微波法、可控热解多环芳烃法。另外还对一些制备条件较为苛刻的制备方法如电子束刻蚀法和钌催化富勒烯C60开笼法也作了简要介绍,并对GQDs的应用前景进行了展望。 相似文献
6.
水稻是我国的主要粮食作物,利用高光谱遥感技术在水稻未成熟之前对水稻产量进行监测,一方面可以及时调整栽培管理方式,指导合理追肥,另一方面,可以准确掌握水稻的产量信息,帮助政府提前做出决策.以2019年—2020年广州市白云区钟落潭试验基地氮肥梯度实验为基础,分别获取水稻分化期和抽穗期冠层高光谱数据、作物群体长势参数(生物... 相似文献
7.
通过自由基聚合反应合成了具有高比表面积的介孔硅(PPOSS),并对其表面进行修饰和铜离子(Cu~(2+))的固定,最终得到功能化介孔硅材料(PPOSS-IDA-Cu~(2+)),然后利用PPOSS-IDA-Cu~(2+)中的Cu~(2+)与蛋白质裸露组氨酸的螯合作用,选择性吸附富含裸露组氨酸的蛋白质。对牛血红蛋白、牛血清白蛋白、肌红蛋白和溶菌酶的吸附结果表明,所合成的PPOSS-IDA-Cu~(2+)材料对富含组氨酸的牛血红蛋白有较好的吸附选择性和较大的吸附容量(3 150mg/g),并且有望与其他材料联合使用,以检测到更多相对丰度较低的蛋白质,丰富人类蛋白质组学信息,为疾病的临床诊断及病理研究提供帮助。 相似文献
8.
9.
地上生物量(AGB)的精准监测是农田生产管理的重要环节,因此快速准确地估算AGB,对于精准农业的发展十分重要。传统上,获取AGB的方法是采用破坏性取样法,这使得大面积、长期的测量变得困难。无人机高光谱遥感因具有机动性强、光谱分辨率高和图谱合一的优势,成为当前估算大面积作物AGB最有效的技术手段。该研究通过无人机平台搭载成像高光谱传感器分别获取马铃薯块茎形成期、块茎增长期、淀粉积累期的冠层高光谱影像以及利用烘干称重法获取相应生育期实测AGB数据。然后,采用相关性分析法(CAM)、随机蛙跳算法(RFM)和高斯过程回归波长分析工具(GPR-BAT)分别筛选冠层原始光谱(COS)和一阶导数光谱(FDS)的敏感波长,结合偏最小二乘回归(PLSR)和高斯过程回归(GPR)构建各生育期的AGB估算模型,并对比不同模型的估测效果。结果显示:(1)基于同种方法分别筛选COS和FDS的特征波长,结合2种回归技术估算AGB的效果均从块茎形成期到淀粉积累期由好变差。(2)基于FDS分别通过3种方法筛选的特征波长,通过同种回归技术构建的模型效果要优于基于COS的相应效果。(3)基于COS和FDS使用CAM, R... 相似文献
10.
利用高光谱遥感技术在水稻收获前对籽粒品质相关的蛋白质含量进行监测,一方面可以及时调整栽培管理方式,指导合理追肥,另一方面,有助于提前掌握籽粒品质信息,明确市场定位。该研究以广东省典型优质籼稻为研究目标,基于2019年和2020年两年氮肥梯度实验,以水稻分化期和抽穗期冠层尺度高光谱数据、水稻氮素参数,包括叶片氮素含量(LNC)、叶片氮素积累量(LNA)、植株氮素含量(PNC)、植株氮素积累量(PNA)及籽粒蛋白含量数据为基础,利用四种个体机器学习算法partial least square regression (PLSR)、K-nearest neighbor (KNN)、Bayesian ridge regression (BRR)、support vector regression (SVR),三种集成学习算法random forest (RF)、adaboost、bagging,针对水稻不同生育期氮素状况进行监测建模,在此基础上构建基于水稻冠层光谱信息、光谱信息结合水稻农学氮素参数的籽粒蛋白含量的监测模型,并对模型进行精度对比。研究结果表明,在水稻氮素营养监测方面,利用水稻冠层454~950 nm波段信息,采用RF及Adaboost算法,在水稻分化期、抽穗期及全生育期LNC、LNA、PNC及PNA模型R2均达到0.90以上,同时也具有较低的RMSE和MAE。在水稻籽粒蛋白品质监测方面,采用全波段光谱信息进行籽粒蛋白含量监测时,RF具有最高的精确度与稳定性,两生育期的RF模型对籽粒蛋白含量的监测结果R2分别为0.935和0.941,RMSE分别为0.235和0.226,MAE分别为0.189和0.152;两生育期以全波段光谱信息结合长势参数进行籽粒蛋白监测时,Adaboost模型具有最高的精确度和稳定性,其中分化期全波段光谱信息结合PNA作为输入参数,Adaboost模型R2为0.960,RMSE为0.175,MAE为0.150,以抽穗期全波段光谱信息结合PNC作为输入参数,R2为0.963,RMSE为0.170,MAE为0.137。研究结果表明,与PLSR,KNN,BRR和SVR几种个体学习器算法相比,集成算法RF,Adaboost和Bagging具备良好的处理多重共线性的能力,适合用于高光谱数据的分析与处理,在作物氮素营养监测及水稻品质的早期遥感监测方面具有明显优势。 相似文献