本文關(guān)鍵詞：基于光譜技術(shù)的農(nóng)林環(huán)境關(guān)鍵參數(shù)信息獲取研究　出處：《中國(guó)農(nóng)業(yè)大學(xué)》2017年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 精細(xì)農(nóng)業(yè) 光譜分析 土壤 蘋果樹 柑橘

【摘要】：精細(xì)農(nóng)業(yè)是現(xiàn)代農(nóng)業(yè)技術(shù)發(fā)展方向,是基于信息和知識(shí)的現(xiàn)代農(nóng)業(yè)管理理念。光譜技術(shù)因其實(shí)時(shí)、便捷、環(huán)保等特點(diǎn)滿足現(xiàn)代農(nóng)業(yè)信息獲取的要求。本文分別以土壤以及蘋果、柑橘兩種果樹為研究對(duì)象,開展基于光譜分析技術(shù)的農(nóng)林環(huán)境關(guān)鍵參數(shù)信息獲取研究,為實(shí)施和推廣精細(xì)農(nóng)業(yè)技術(shù)體系提供理論和技術(shù)支撐。本文主要內(nèi)容和研究成果如下:[1]利用光譜分析技術(shù)研究了土壤縱向空間氮素的分布規(guī)律。計(jì)算了一階微分光譜與土壤全氮含量的相關(guān)系數(shù),根據(jù)相關(guān)分析結(jié)果選擇了適用于不同土層的氮素特征波長(zhǎng),進(jìn)而建立多種土壤全氮預(yù)測(cè)模型,最終選擇基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型高精度預(yù)測(cè)不同層次土壤全氮含量,為提高養(yǎng)分資源利用率,制定科學(xué)施肥方案打下了基礎(chǔ)。[2]開展了土壤原始光譜去燥研究。首先利用小波分析技術(shù)處理土壤原始光譜信息,并對(duì)最優(yōu)濾波信號(hào)進(jìn)行去包絡(luò)線處理,得到了五種不同水分梯度條件下,均可有效反映土壤全氮含量的光譜信號(hào),實(shí)現(xiàn)了在無烘干、過篩等人為預(yù)處理?xiàng)l件下,最大限度的從土壤實(shí)時(shí)光譜中提取出反映土壤氮素的光譜信息。結(jié)果表明這一算法可消除土壤水分、粒度對(duì)土壤養(yǎng)分預(yù)測(cè)的干擾嚴(yán)重。[3]提出了一種土壤全氮含量特征波長(zhǎng)選擇評(píng)價(jià)標(biāo)準(zhǔn)。新的評(píng)價(jià)標(biāo)準(zhǔn)綜合考慮了所選波長(zhǎng)與目標(biāo)物的相關(guān)程度、全譜信息代表能力以及所選波長(zhǎng)之間的冗余程度。進(jìn)一步將所建立的評(píng)價(jià)標(biāo)準(zhǔn)與蟻群算法進(jìn)行融合,對(duì)土壤全氮含量光譜特征進(jìn)行提取。并將所得敏感波長(zhǎng)應(yīng)用于不同種氮肥(尿素,硝酸鈣,硝酸鉀)變量施肥后的土壤樣本,結(jié)果表明所選波長(zhǎng)在土壤氮素檢測(cè)中具有較強(qiáng)的魯棒性。[4]研發(fā)了基于激光光源的原位式土壤水分/全氮含量檢測(cè)裝置系統(tǒng)。光路部分核心部件采用八角"傘狀"結(jié)構(gòu)實(shí)現(xiàn)光信號(hào)的傳輸和采集。采用無線通訊方式解決數(shù)據(jù)的實(shí)時(shí)采集和傳輸。研究實(shí)驗(yàn)表明,該裝置具有良好的準(zhǔn)確性,穩(wěn)定性以及土壤全氮、含水率檢測(cè)能力。[5]研究了果樹生長(zhǎng)重要物候期的蘋果樹葉片光譜特征變化規(guī)律。在多年田間試驗(yàn)的基礎(chǔ)上,構(gòu)建了針對(duì)蘋果樹葉片氮素含量的歸一化植被指數(shù),分別利用小波、小波包分解技術(shù)提取了反映果樹葉片營(yíng)養(yǎng)含量的最優(yōu)光譜信息,隨后以上述三種方法提取的光譜特征信號(hào)為基礎(chǔ),建立多種蘋果樹營(yíng)養(yǎng)預(yù)測(cè)模型,對(duì)不同時(shí)期蘋果葉片營(yíng)養(yǎng)元素含量的估測(cè)均達(dá)到較高精度。[6]開展了基于光譜技術(shù)的蘋果糖度預(yù)測(cè)研究。將蘋果開花期、新梢生長(zhǎng)期、萌芽開花坐果期、新梢旺長(zhǎng)期、花芽分化期和落葉期等6個(gè)時(shí)期果樹葉片光譜信息與果實(shí)糖度進(jìn)行二維相關(guān)分析,得到了葉片中反映果實(shí)糖度的敏感譜段。利用不同時(shí)期蘋果葉片光譜主成分信息與果實(shí)糖度進(jìn)行回歸分析,獲得不同時(shí)期蘋果葉片光合作用強(qiáng)度變化以及對(duì)果實(shí)糖度的貢獻(xiàn)權(quán)重。隨后建立了蘋果糖度預(yù)測(cè)的SVM模型,獲得了理想的建模和預(yù)測(cè)精度,有效的說明了通過蘋果不同物候期葉片光譜特征預(yù)測(cè)果實(shí)糖度具有有效性。[7]開展了基于光譜學(xué)的柑橘病蟲害特征檢測(cè)研究。本研究旨在提出一種可以提取柑橘果實(shí)多種常見疾病光譜特征的普適性算法。基于信息論與特征選擇算法相融合的理論,開展了典型柑橘疾病光譜特征提取研究。隨后設(shè)計(jì)了"單層"以及"樹狀" SVM分類模型群,成功對(duì)健康柑橘及6種典型疾病進(jìn)行高精度分類識(shí)別。為下一步柑橘疾病識(shí)別系統(tǒng)的開發(fā)打下了重要基礎(chǔ)。本論文利用可見、近紅外光譜技術(shù)實(shí)現(xiàn)了對(duì)土壤以及蘋果、柑橘果樹等農(nóng)林環(huán)境重要參數(shù)的快速無損監(jiān)測(cè),為實(shí)施多種農(nóng)業(yè)應(yīng)用下的光譜無損檢測(cè)提供了可靠的科學(xué)依據(jù),為進(jìn)一步實(shí)現(xiàn)精細(xì)農(nóng)業(yè)提供了有力的技術(shù)理論支持。
[Abstract]:In this paper , we study the distribution of nitrogen in soil by using the method of spectral analysis . In this paper , we have carried out two - dimensional correlation analysis of leaf spectral information and fruit sugar degree of fruit trees in six periods , such as flowering period , fresh shoot growth , flowering and fruit setting , new shoot - up period , flower bud differentiation stage and deciduous period .

【學(xué)位授予單位】：中國(guó)農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：S661.1;S436.66;S151.9

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張瑤;鄭立華;李民贊;肖昌一;;基于不同物候期蘋果樹葉片光譜特征預(yù)測(cè)果實(shí)糖度[J];分析化學(xué);2015年06期

2 張瑤;李民贊;鄭立華;楊瑋;;基于近紅外光譜分析的土壤分層氮素含量預(yù)測(cè)[J];農(nóng)業(yè)工程學(xué)報(bào);2015年09期

3 郭志明;黃文倩;彭彥昆;王秀;湯修映;;自適應(yīng)蟻群優(yōu)化算法的近紅外光譜特征波長(zhǎng)選擇方法[J];分析化學(xué);2014年04期

4 王新萍;楊青;劉志輝;李紅;古麗格娜;;模糊C均值聚類法在新疆年降水分區(qū)中的應(yīng)用[J];沙漠與綠洲氣象;2013年06期

5 陳鑫;劉飛;;蟻群算法在蘋果糖度近紅外光譜分析波長(zhǎng)選擇中的應(yīng)用[J];分析試驗(yàn)室;2013年10期

6 桑燕芳;王中根;劉昌明;;小波分析方法在水文學(xué)研究中的應(yīng)用現(xiàn)狀及展望[J];地理科學(xué)進(jìn)展;2013年09期

7 張瑤;鄭立華;李民贊;鄧小蕾;;基于光譜學(xué)原理與小波包分解技術(shù)預(yù)測(cè)蘋果樹葉片氮素含量[J];農(nóng)業(yè)工程學(xué)報(bào);2013年S1期

8 郭燕;紀(jì)文君;吳宏海;史舟;;基于野外Vis-NIR光譜的土壤有機(jī)質(zhì)預(yù)測(cè)與制圖[J];光譜學(xué)與光譜分析;2013年04期

9 張瑤;鄭立華;李民贊;鄧小蕾;王詩(shī)叢;張鋒;冀榮華;;基于光譜特征分析的蘋果樹葉片營(yíng)養(yǎng)素預(yù)測(cè)模型構(gòu)建[J];農(nóng)業(yè)工程學(xué)報(bào);2013年08期

10 徐麗華;謝德體;魏朝富;李兵;;紫色土土壤全氮和全磷含量的高光譜遙感預(yù)測(cè)[J];光譜學(xué)與光譜分析;2013年03期

相關(guān)博士學(xué)位論文 前6條

1 于瀟禹;近紅外土壤養(yǎng)分含量在線實(shí)時(shí)檢測(cè)系統(tǒng)及關(guān)鍵技術(shù)研究[D];哈爾濱理工大學(xué);2015年

2 趙佐平;陜西蘋果、獼猴桃果園施肥技術(shù)研究[D];西北農(nóng)林科技大學(xué);2014年

3 劉淑梅;中國(guó)農(nóng)業(yè)競(jìng)爭(zhēng)力評(píng)價(jià)與提升對(duì)策研究[D];吉林大學(xué);2013年

4 白雪;聚類分析中的相似性度量及其應(yīng)用研究[D];北京交通大學(xué);2012年

5 程街亮;土壤高光譜遙感信息提取與二向反射模型研究[D];浙江大學(xué);2008年

6 穆懷彬;近紅外光譜技術(shù)在玉米營(yíng)養(yǎng)品質(zhì)和青貯玉米品質(zhì)評(píng)定中的研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前2條

1 佟曉霞;某水下運(yùn)載器機(jī)械振動(dòng)信號(hào)的分析方法研究[D];中北大學(xué);2009年

2 張耀東;基于智能算法的近紅外光譜分析與建模[D];東北大學(xué);2006年

，

本文編號(hào)：1415372