苧麻葉片高光譜特征及分類識別模型研究
發(fā)布時間:2021-07-31 06:38
近年來,高光譜分析技術在農業(yè)領域發(fā)揮著越來越重要的作用,如在農田信息獲取、作物長勢判斷、作物產量估測等方面得到越來越廣泛的應用。苧麻作為一種重要的紡織纖維來源作物,在國民經濟中,一直有著較高的地位。而當前國內外對苧麻的高光譜特性的相關研究幾乎沒有,深入研究苧麻高光譜特性,有利于苧麻栽種、種質資源開發(fā)利用,填補了前人的研究空白。本文探討了苧麻葉片高光譜特性,對原始數(shù)據(jù)峰谷參數(shù)、植被指數(shù)、三邊參數(shù)、偏度峰度參數(shù)等高光譜特征指數(shù)進行了統(tǒng)計分析,了解并比較了不同基因型苧麻葉片的高光譜特性,以及與其他作物的高光譜特性的區(qū)別,為建立基于高光譜的苧麻分類和識別模型、探討苧麻高光譜特征與作物生理生態(tài)參數(shù)之間的對應關系提供理論基礎。探討運用逐步判別的方法,建立基于高光譜的苧麻品種分類模型。在外部條件相同大田栽培下,采集了4個不同基因型苧麻品種共652個葉片高光譜數(shù)據(jù)。根據(jù)苧麻葉片高光譜反射曲線,采用了4種特征參數(shù)提取的方法:基于原始數(shù)據(jù)峰谷參數(shù)、基于植被指數(shù)、基于三邊參數(shù)、基于偏度峰度參數(shù)用逐步判別方法分別建立基于4組特征參數(shù)的多個Fisher線性判別函數(shù),并對得出的模型進行比較:基于原始數(shù)據(jù)波峰波谷識...
【文章來源】:湖南農業(yè)大學湖南省
【文章頁數(shù)】:60 頁
【學位級別】:碩士
【部分圖文】:
技術路線圖
圖 2-1 試驗田所處位置以及 GPS 定位數(shù)值Fig.2-1 The location of test field and GPS positioning value設計計了三個試驗,涉及不同地點、不同時間、不同生長期、不設計如下。一:采集工作于 2016 年 11 月到 2017 年 9 月期間進行,共
樣本品種包括平塘大刀麻、雙峰大葉麻、湘潭雞骨白、阮江黃殼早四種,每品種 160 片左右,共 653 片葉片。各品種統(tǒng)一施肥和管理。采集時,選擇苧麻植株上部發(fā)育成熟的葉片。試驗三:采集工作于 2016 年 11 月到 2017 年 9 月期間進行,試驗內容為采集苧麻斑病葉片和健康苧麻葉片高光譜信息。其中,褐斑病葉片 134 片,健康葉片 134 片。
【參考文獻】:
期刊論文
[1]玻璃溫室環(huán)境下番茄葉綠素含量敏感光譜波段提取及估測模型[J]. 丁永軍,張晶晶,孫紅,李修華. 光譜學與光譜分析. 2017(01)
[2]基于分段主成分分析和高光譜技術的大豆品種識別[J]. 劉瑤,譚克竹,陳月華,王志朋,謝紅,王立國. 大豆科學. 2016(04)
[3]基于地面高光譜數(shù)據(jù)的典型作物類型識別方法——以青海省湟水流域為例[J]. 史飛飛,高小紅,楊靈玉,賈偉,何林華. 地理與地理信息科學. 2016(02)
[4]基于多光譜與高光譜遙感數(shù)據(jù)的冬小麥葉面積指數(shù)反演比較[J]. 劉軻,周清波,吳文斌,陳仲新,唐華俊. 農業(yè)工程學報. 2016(03)
[5]運用光譜參數(shù)冠層覆蓋度建立作物長勢及氮營養(yǎng)狀態(tài)模型[J]. 陶志強,Shamim Ara Bagum,馬瑋,周寶元,付金東,崔日鮮,孫雪芳,趙明. 光譜學與光譜分析. 2016(01)
[6]基于高光譜的冬油菜植株氮素積累量監(jiān)測模型[J]. 李嵐?jié)?馬驛,魏全全,汪善勤,任濤,李小坤,叢日環(huán),王振,王少華,魯劍巍. 農業(yè)工程學報. 2015(20)
[7]氮素脅迫下水稻高光譜特征研究[J]. 王樹文,鄭博元,張長利. 農機化研究. 2015(08)
[8]農作物種類高光譜遙感識別研究[J]. 王崠,吳見. 地理與地理信息科學. 2015(02)
[9]高光譜與機器學習相結合的大白菜種子品種鑒別研究[J]. 程術希,孔汶汶,張初,劉飛,何勇. 光譜學與光譜分析. 2014(09)
[10]塔里木河中游綠洲鹽漠帶典型鹽生植物光譜指數(shù)分析[J]. 張飛,李瑞,周梅,阿不都拉·阿布力孜. 地理與地理信息科學. 2014(04)
博士論文
[1]光譜及高光譜成像技術在作物特征信息提取中的應用研究[D]. 馬淏.中國農業(yè)大學 2015
[2]上海地區(qū)典型沉水植物光譜特征研究及其應用[D]. 鄒維娜.華東師范大學 2014
[3]不同氮素水平下玉米葉片的高光譜響應及其診斷[D]. 陳志強.中國農業(yè)科學院 2013
[4]基于葉片高光譜指數(shù)的水稻氮素及色素含量監(jiān)測研究[D]. 楊杰.南京農業(yè)大學 2009
本文編號:3312969
【文章來源】:湖南農業(yè)大學湖南省
【文章頁數(shù)】:60 頁
【學位級別】:碩士
【部分圖文】:
技術路線圖
圖 2-1 試驗田所處位置以及 GPS 定位數(shù)值Fig.2-1 The location of test field and GPS positioning value設計計了三個試驗,涉及不同地點、不同時間、不同生長期、不設計如下。一:采集工作于 2016 年 11 月到 2017 年 9 月期間進行,共
樣本品種包括平塘大刀麻、雙峰大葉麻、湘潭雞骨白、阮江黃殼早四種,每品種 160 片左右,共 653 片葉片。各品種統(tǒng)一施肥和管理。采集時,選擇苧麻植株上部發(fā)育成熟的葉片。試驗三:采集工作于 2016 年 11 月到 2017 年 9 月期間進行,試驗內容為采集苧麻斑病葉片和健康苧麻葉片高光譜信息。其中,褐斑病葉片 134 片,健康葉片 134 片。
【參考文獻】:
期刊論文
[1]玻璃溫室環(huán)境下番茄葉綠素含量敏感光譜波段提取及估測模型[J]. 丁永軍,張晶晶,孫紅,李修華. 光譜學與光譜分析. 2017(01)
[2]基于分段主成分分析和高光譜技術的大豆品種識別[J]. 劉瑤,譚克竹,陳月華,王志朋,謝紅,王立國. 大豆科學. 2016(04)
[3]基于地面高光譜數(shù)據(jù)的典型作物類型識別方法——以青海省湟水流域為例[J]. 史飛飛,高小紅,楊靈玉,賈偉,何林華. 地理與地理信息科學. 2016(02)
[4]基于多光譜與高光譜遙感數(shù)據(jù)的冬小麥葉面積指數(shù)反演比較[J]. 劉軻,周清波,吳文斌,陳仲新,唐華俊. 農業(yè)工程學報. 2016(03)
[5]運用光譜參數(shù)冠層覆蓋度建立作物長勢及氮營養(yǎng)狀態(tài)模型[J]. 陶志強,Shamim Ara Bagum,馬瑋,周寶元,付金東,崔日鮮,孫雪芳,趙明. 光譜學與光譜分析. 2016(01)
[6]基于高光譜的冬油菜植株氮素積累量監(jiān)測模型[J]. 李嵐?jié)?馬驛,魏全全,汪善勤,任濤,李小坤,叢日環(huán),王振,王少華,魯劍巍. 農業(yè)工程學報. 2015(20)
[7]氮素脅迫下水稻高光譜特征研究[J]. 王樹文,鄭博元,張長利. 農機化研究. 2015(08)
[8]農作物種類高光譜遙感識別研究[J]. 王崠,吳見. 地理與地理信息科學. 2015(02)
[9]高光譜與機器學習相結合的大白菜種子品種鑒別研究[J]. 程術希,孔汶汶,張初,劉飛,何勇. 光譜學與光譜分析. 2014(09)
[10]塔里木河中游綠洲鹽漠帶典型鹽生植物光譜指數(shù)分析[J]. 張飛,李瑞,周梅,阿不都拉·阿布力孜. 地理與地理信息科學. 2014(04)
博士論文
[1]光譜及高光譜成像技術在作物特征信息提取中的應用研究[D]. 馬淏.中國農業(yè)大學 2015
[2]上海地區(qū)典型沉水植物光譜特征研究及其應用[D]. 鄒維娜.華東師范大學 2014
[3]不同氮素水平下玉米葉片的高光譜響應及其診斷[D]. 陳志強.中國農業(yè)科學院 2013
[4]基于葉片高光譜指數(shù)的水稻氮素及色素含量監(jiān)測研究[D]. 楊杰.南京農業(yè)大學 2009
本文編號:3312969
本文鏈接:http://sikaile.net/nykjlw/nzwlw/3312969.html
最近更新
教材專著