發(fā)布時(shí)間：2018-07-12 11:40

  本文選題：油茶 + 生物量��； 參考：《湖南農(nóng)業(yè)大學(xué)》2016年碩士論文

【摘要】：針對(duì)傳統(tǒng)方法在獲取植物生物量時(shí)繁瑣、復(fù)雜且具有破壞性的缺點(diǎn),本文以油茶為主要研究對(duì)象,以數(shù)字圖像處理技術(shù)為研究基礎(chǔ),對(duì)三種不同樹齡的油茶種植片區(qū),通過采用數(shù)字圖像處理技術(shù),對(duì)其不同成長(zhǎng)階段和不同階段的部分器官的生物圖像特征和對(duì)應(yīng)的生物量估測(cè)模型進(jìn)行了探討,主要工作和主要結(jié)果包括：(1)依據(jù)數(shù)字圖像照片的非接觸特性,對(duì)油茶植株進(jìn)行無損拍照,通過數(shù)字圖像處理軟件提取油茶植株的冠幅直徑(D)、植株高度(H)以及側(cè)面面積(S)等特征數(shù)據(jù)。(2)依據(jù)油茶的幼苗期、始果期、盛果期等不同生長(zhǎng)時(shí)期的圖像特征,分析不同時(shí)期油茶生物量與各特征變量以及各種組合變量之間的相關(guān)性。選擇相關(guān)系數(shù)最高的冠幅直徑(D)、植株高度(H)、植株高度與冠幅平方乘積(HD2)和側(cè)面積(S)四個(gè)因子作為油茶生物量估測(cè)模型的自變量。(3)以單一特征數(shù)據(jù)為自變量、以油茶生物量為因變量,通過線性回歸、穩(wěn)健線性回歸、多項(xiàng)式回歸、隨機(jī)森林和支持向量回歸的建模方法,構(gòu)建油茶不同時(shí)期生物量估測(cè)模型,并檢驗(yàn)了各估測(cè)模型的精度。結(jié)果表明,油茶幼林期隨機(jī)森林模型估測(cè)效果較好,始果期多項(xiàng)式回歸模型估測(cè)效果較好,盛果期線性回歸模型估測(cè)效果較好。(4)以多個(gè)特征數(shù)據(jù)作為自變量,分別建立不同時(shí)期的油茶生物量估測(cè)模型。通過分析比較構(gòu)建的向量回歸、神經(jīng)網(wǎng)絡(luò)、逐步回歸、多元線性回歸、和隨機(jī)森林模型,驗(yàn)證各模型精度,比較各種建模方法的預(yù)測(cè)效果,結(jié)果表明,在油茶三個(gè)生長(zhǎng)時(shí)期多元線性回歸模型的預(yù)測(cè)精度都較高,模型性能優(yōu)秀。
[Abstract]:Aiming at the disadvantages of traditional methods in obtaining plant biomass, which are complicated, complicated and destructive, this paper takes Camellia oleifera as the main research object, and takes digital image processing technology as the research basis, to three different tree age Camellia oleifera planting areas. By using digital image processing technology, the biological image characteristics and biomass estimation models of some organs in different growth stages and different stages were discussed. The main work and results are as follows: (1) according to the non-contact characteristics of the digital image, the Camellia oleifera plants were photographed without damage. The characteristic data such as crown diameter (D), plant height (H) and side area (S) of Camellia oleifera were extracted by digital image processing software. The correlation of Camellia oleifera biomass with each characteristic variable and various combination variables in different periods was analyzed. Four factors with highest correlation coefficient, crown diameter (D), plant height (H), plant height and crown square product (HD2) and lateral area (S) were selected as independent variables of Camellia oleifera biomass estimation model. (3) single characteristic data was used as independent variable. Taking Camellia oleifera biomass as dependent variable, the models of biomass estimation in different periods of Camellia oleifera were constructed by linear regression, robust linear regression, polynomial regression, stochastic forest and support vector regression, and the accuracy of each estimation model was tested. The results showed that the estimation effect of random forest model in young stage of Camellia oleifera was better, that of polynomial regression model in early fruiting stage was better, and that of linear regression model in fruiting stage was better. (4) multiple characteristic data were used as independent variables. The biomass estimation models of Camellia oleifera were established in different periods. By analyzing and comparing the constructed vector regression, neural network, stepwise regression, multivariate linear regression, and stochastic forest model, the accuracy of each model is verified, and the prediction results of various modeling methods are compared. In the three growing periods of Camellia oleifera, the multiple linear regression models have high prediction accuracy and excellent performance.
【學(xué)位授予單位】：湖南農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：S794.4;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王剛;馮永林;張建設(shè);孫志鵬;沈金亮;王剛;;不同植被類型生物量與影響因子分析——以北川自然保護(hù)區(qū)為例[J];林業(yè)資源管理;2014年04期

2 尹萬民;;淺析經(jīng)濟(jì)林中生物災(zāi)害的防治問題[J];環(huán)球人文地理;2014年10期

3 符耀慶;劉換來;;基于.NET平臺(tái)的巖屑圖像灰度化方法研究與實(shí)現(xiàn)[J];硅谷;2013年01期

4 郭娜;劉劍秋;;植物生物量研究概述(綜述)[J];亞熱帶植物科學(xué);2011年02期

5 李燕;張建國(guó);段愛國(guó);相聰偉;;杉木人工林生物量估算模型的選擇[J];應(yīng)用生態(tài)學(xué)報(bào);2010年12期

6 楊方;;基于Bootstrap的微觀排放模型評(píng)價(jià)算法[J];汽車工程;2009年06期

7 孫紅葉;張希明;李利;馬建兵;;塔里木盆地南緣不同生境鹽生草種群分布特征及地上生物量初步估測(cè)[J];干旱區(qū)資源與環(huán)境;2008年04期

8 王淑君;管東生;黎夏;宋巍巍;;廣州森林碳儲(chǔ)量時(shí)空演變及異質(zhì)性分析[J];環(huán)境科學(xué)學(xué)報(bào);2008年04期

9 鄭紹偉;唐敏;鄒俊輝;慕長(zhǎng)龍;;灌木群落及生物量研究綜述[J];成都大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年03期

10 楊昆;管東生;;珠江三角洲地區(qū)森林生物量及其動(dòng)態(tài)[J];應(yīng)用生態(tài)學(xué)報(bào);2007年04期

相關(guān)博士學(xué)位論文 前4條

1 楊瀟;內(nèi)蒙古大青山主要森林植被生產(chǎn)力與碳儲(chǔ)量研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2013年

2 李土生;浙江省公益林監(jiān)測(cè)評(píng)估及地籍管理系統(tǒng)研建[D];南京林業(yè)大學(xué);2007年

3 寧波;樟子松人工林結(jié)構(gòu)動(dòng)態(tài)及生物量的研究[D];東北林業(yè)大學(xué);2007年

4 邢艷秋;基于RS和GIS東北天然林區(qū)域森林生物量及碳貯量估測(cè)研究[D];東北林業(yè)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 付亞光;基于機(jī)器視覺的樣本頁檢測(cè)分級(jí)系統(tǒng)研究[D];大連海事大學(xué);2015年

2 李元強(qiáng);觀光木人工林生長(zhǎng)特性及碳與營(yíng)養(yǎng)元素研究[D];廣西大學(xué);2014年

3 李巍;興安落葉松生物量分配格局和異速生長(zhǎng)模型[D];東北林業(yè)大學(xué);2014年

4 景艷麗;集體林區(qū)林下草珊瑚套種模式及其生物量研究[D];北京林業(yè)大學(xué);2013年

5 許彩虹;便攜式重疊葉面積測(cè)量?jī)x的設(shè)計(jì)與實(shí)現(xiàn)[D];北京交通大學(xué);2012年

6 王雷;安徽毛竹林土壤養(yǎng)分及其生產(chǎn)力格局特點(diǎn)[D];安徽農(nóng)業(yè)大學(xué);2012年

7 劉亞茜;河北地區(qū)華北落葉松、楊樹單木生物量、碳貯量及其分配規(guī)律[D];河北農(nóng)業(yè)大學(xué);2012年

8 王科;黃河下游防洪工程區(qū)植被現(xiàn)狀調(diào)查與評(píng)價(jià)[D];河南師范大學(xué);2012年

9 牛長(zhǎng)海;馬尾松與紅椎混交林及其純林生物量和碳貯量研究[D];廣西大學(xué);2012年

10 史山丹;內(nèi)蒙古東部典型樹種不同齡組生物量及生產(chǎn)力[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2012年

，

本文編號(hào)：2117031