本文關(guān)鍵詞：基于高光譜的寒地水稻葉片氮素含量預測

  更多相關(guān)文章： 光譜分析 算法 氮素 水稻 連續(xù)投影算法 分段主成分分析

【摘要】：為快速、無損和準確地診斷水稻營養(yǎng)狀況,開展了基于高光譜成像技術(shù)的寒地水稻葉片氮素含量預測研究。以不同施氮水平下的水稻葉片為研究對象,利用高光譜成像技術(shù),分析拔節(jié)期水稻葉片光譜,采用全波段高光譜數(shù)據(jù)、連續(xù)投影算法及分段主成分分析(segmented principal components analysis,SPCA)與相關(guān)分析(correlation analysis,CA)相結(jié)合的方法建立多種回歸分析模型,并對模型進行檢驗和篩選。結(jié)果表明:隨著施氮水平提高,水稻葉片反射率在可見光區(qū)域降低,在近紅外區(qū)域升高。在校正集決定系數(shù)上,基于多元逐步回歸分析的全波段模型較好,校正集決定系數(shù)為0.821,校正集均方根誤差RMSEC=0.079;在預測集決定系數(shù)上,基于SPCA-CA結(jié)合多元回歸分析的多變量單波段指數(shù)、差值指數(shù)、雙差值指數(shù)模型較好,預測集決定系數(shù)為0.869,預測集均方根誤差RMSEP=0.085。該研究結(jié)果為快速檢測水稻葉片氮素含量及水稻生長期間精確施肥管理提供了參考。
【作者單位】： 東北農(nóng)業(yè)大學電氣與信息學院;
【關(guān)鍵詞】： 光譜分析 算法 氮素 水稻 連續(xù)投影算法 分段主成分分析
【基金】：國家“863”項目(AA2013102303) 黑龍江省博士后科研啟動基金項目(LBH-Q13022) 黑龍江省自然科學基金面上項目(C2015006) 哈爾濱市科技創(chuàng)新人才項目(2015RQQXJ020)
【分類號】：S511;O657.3
【正文快照】： 0引言 氮素是水稻生長必[不1-2]可少的營養(yǎng)元素之一,也是土壤肥力中最活躍的因素。在一定施氮量范圍內(nèi),水稻植株吸氮量、氮肥利用率、產(chǎn)量性狀及產(chǎn)量均隨著氮肥用量的增加而提高。但是,氮肥施用過量,氮肥利用率降低,同時也使土壤質(zhì)量退[化3-4]、水稻產(chǎn)量和品質(zhì)下降、甚至可能，

本文編號：535336