原子荧光光谱法对果园土壤中砷和汞空间分布特征的研究

利用王水消解—双道原子荧光光谱法测定了山东省苹果主产区栖霞市果园土壤中的As和Hg含量,验证了检测方法的检出限、准确度与精密度,分析了栖霞市果园土壤中重金属As和Hg的空间分布特征,并对栖霞市果园土壤中As和Hg的污染状况进行评价。结果表明：栖霞市果园土壤中As的含量范围为2.79～20.93 mg·kg-1,平均值为10.59 mg·kg-1,而Hg的含量范围为0.01～0.79 mg·kg-1,平均值为0.12 mg·kg-1。As元素在土壤中变异较小,而Hg元素在土壤中变异较大。频数分布图显示,土壤中As元素含量基本符合正态分布,含量大多在7～15 mg·kg-1之间,土壤中Hg元素含量不符合正态分布,含量大多在0.03～ 0.21 mg·kg-1之间。土壤As和Hg含量与土壤各养分指标之间的相关性均不显著,且土壤中As和Hg两种元素之间亦无显著的相关关系。以国家绿色食品产地环境质量标准为评价依据,栖霞市果园土壤As含量处于无污染的清洁水平,而土壤Hg的污染指数大于1的样点占总数的4.76%,需要引起管理者的注意。     

基于高光谱的苹果树冠层磷素状况估测模型研究

利用高光谱技术估测了苹果树冠层的磷素含量。先用ASD Field Spec3型地物光谱仪测定了春梢停止生长期苹果树冠层的高光谱反射率,并对光谱数据进行了多种变换处理。然后对其与磷素含量进行了相关分析,找出了与磷素相关性较显著的光谱参量,并通过逐步回归分析建立了磷素估测模型。结果表明,近红外波段是苹果树冠层磷素的敏感波段;808 nm、921 nm、1195 nm、1272 nm及其组合的归一化红外光谱指数与苹果树冠层磷素高度相关。在构建的估测模型中,以808 nm、921 nm、1195nm、1272 nm及其组合的归一化红外光谱指数为自变量构建的高光谱估测模型的估测效果最佳。该研究实现了苹果树冠层磷素含量的快速估测,同时也为苹果的实时营养诊断提供了理论依据。     

基于光谱变换定量估算苹果叶片的等效水厚度

运用高光谱技术快速无损地估算了苹果叶片的等效水厚度(Equivalent Water Thickness, EWT),为苹果树的长势及干旱预警提供参考。以山东省烟台栖霞市红富士苹果树叶片为试验材料,在测定苹果叶片的光谱反射率和计算叶片EWT的基础上,分析了苹果叶片的EWT、原始光谱的反射率及其13种变换光谱反射率之间的相关性。筛选敏感波长后,建立了苹果叶片EWT的支持向量机定量的估算模型。13种光谱变换中,一阶导数(the First Derivative, FDR)、平方根的一阶导数(the First Derivative of the Square Root, FD(SqrtR))及倒数的对数的一阶导数(the First Derivative of the Logarithm of the Reciprocal, FD[Lg(1/R)])三种变换的相关性较好。确定了估测苹果叶片EWT的敏感波长。基于支持向量机回归分析方法,建立了定量估算叶片EWT的模型,验证集的决定系数R2达到了0.8147,相对分析误差(Relative Percent Deviation, RPD)达到了2.2671。结果表明,该模型具有较高的估测能力,支持向量机回归方法比较适于估算苹果叶片的EWT。该方法为利用高光谱技术定量估算苹果的生长状况提供了技术支撑。     

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。     

基于SVM与RF的苹果树冠LAI高光谱估测

叶面积指数(leaf area index,LAI)是反映作物群体大小的较好的动态指标。运用高光谱技术快速、无损地估测苹果树冠叶面积指数,为监测苹果树长势和估产提供参考。以盛果期红富士苹果树为研究对象,采用ASD地物光谱仪和LAI-2200冠层分析仪,在山东省烟台栖霞研究区,连续2年测量了30个果园90棵苹果树冠层光谱反射率及LAI值;通过相关性分析方法构建并筛选出了最优的植被指数;利用支持向量机(support vector machine, SVM)与随机森林(random forests, RF)多元回归分析方法构建了LAI估测模型。新建的GNDVI₅₂₇,NDVI₆₇₆,RVI₆₈₂,FD-NVI₆₅₆和GRVI₅₁₇五个植被指数及前人建立的两个植被指数NDVI₆₇₀和NDVI₇₀₅与LAI的相关性都达到了极显著水平;建立的RF回归模型中,校正集决定系数C-R2和验证集决定系数V-R2为0.920,0.889,分别比SVM回归模型提高了0.045和0.033,校正集均方根误差C-RMSE、验证集均方根误差V-RMSE为0.249,0.236,分别比SVM回归模型降低了0.054和0.058, 校正集相对分析误C-RPD、验证集相对分析误V-RPD达到了3.363和2.520,分别比SVM回归模型提高了0.598和0.262,校正集及验证集的实测值与预测值散点图趋势线的斜率C-S和V-S都接近于1,RF回归模型的估测效果优于SVM。RF多元回归模型适合盛果期红富士苹果树LAI的估测。     

苹果花期冠层光谱探测的规范化技术方法探讨

2008年和2009年,针对苹果花期冠层光谱进行了不同天气条件、不同探测时间、不同探头高度、不同探测角度条件下的冠层反射光谱探测试验,分析其对苹果花期冠层光谱特性的影响,探索规范化的光谱探测技术方法。结果表明,苹果花期冠层在不同条件下的反射光谱响应呈现出一定的规律性,特别是在760～1 350 nm近红外波段表现尤为明显。研究发现,随着光照强度的减弱,冠层光谱反射率降低,在晴天和少云时探测冠层光谱较理想;风速在2级以下时,冠层光谱较稳定;在10:00～15:00测定冠层光谱差异较小;探测高度以整个苹果树冠层充满光谱仪探头视场时光谱曲线较稳定;探头以垂直或近似垂直观测为最佳。在此基础上,提出了苹果花期冠层光谱探测的规范化技术方法,为苹果冠层光谱探测及信息提取提供了科学依据。     

基于高光谱红边参数的不同物候期苹果叶片的SPAD值估测

用FieldSpec 3地物光谱仪和SPAD-502叶绿素计测定了不同物候期红富士苹果叶片的高光谱反射率和SPAD值.研究结果表明,不同物候期苹果叶片的反射光谱波形曲线的变化规律基本相似.从苹果花期开始,叶片SPAD值逐渐增加,至秋梢停止生长期达到最高峰,之后开始下降.苹果叶片的高光谱红边位置λr、红边斜率Dr、红边面...     

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。     

基于光谱分析技术的苹果花钾素含量估测研究

采用光谱分析技术手段,探索估测苹果花钾素含量的方法。首先测定盛花期红富士苹果鲜花的原始光谱反射率（Ri）以及花钾素含量（KC）,并对钾素含量与Ri及其8种光谱变换形式数据（Ri/、Ri//、1/Ri、(1/Ri))/、lg(1/Ri)、(lg(1/Ri))/、lgRi、(lgRi)/）进行相关分析,找出与钾素含量相关性较强的光谱变换形式;其次,采用逐步回归分析方法,对钾素含量和与其相关性较强的光谱变换形式数据进行分析,筛选敏感特征波长;利用敏感特征波长,建立苹果花钾素含量估测模型,经过对模型的优化和检测,确定最佳估测模型。结果表明：苹果花钾素含量与其光谱反射率的一阶微分Ri/相关性最好,其次为1/Ri、lg(1/Ri)、lgRi;其相关系数绝对值较大的峰(谷)区极值分别出现在669 nm、952 nm、1164 nm、1442 nm,351 nm、352 nm、362 nm、366 nm,351 nm、366 nm,351 nm、366 nm附近;通过逐步回归分析,筛选出的敏感特征波长分别为669 nm、1442 nm,352nm,351nm,351nm;建立的回归模型均具有较好的线性趋势,但以一阶微分为自变量的估测模型相关系数最大,为0.6113。经检测样本对估测模型检验,其拟合方程的决定系数(R2)为0.6955,均方根误差（RMSE）为2.7,相对误差（RE）为4.9%,表明模型对苹果花钾素含量的估测具有较好的准确度,为最佳估测模型。利用光谱技术手段对苹果花钾素含量的估测精度较高,具有一定的稳定性和适用性,为快速估测苹果花营养元素含量及苹果的实时营养诊断提供了理论依据和参考价值。