生理信息的準確獲取及預測可為種植的精細化管理提供依據(jù)。傳統(tǒng)的大豆生理信息反演方法檢測效率低、操作過程繁瑣且多為有損檢測。利用高光譜技術(shù)建立大豆生理信息的快速無損反演方法。以大豆開花結(jié)莢期葉片為研究對象,在2個日期（D1和D2）獲取高光譜、葉綠素含量、凈光合速率和光合有效輻射數(shù)據(jù)。首先分別采用多元散射校正（MSC）、標準正態(tài)變量變換（SNV）、一階導數(shù)（FD）、二階導數(shù)（SD）、 Savitzky-Golay平滑（SG）、 MSC-SG-FD、 MSC-SG-SD、 SNV-SG-FD和SNV-SG-SD共9種方法對原始光譜數(shù)據(jù)進行預處理,隨后結(jié)合偏最小二乘法（PLS）建立全波段模型,比較分析,選出最優(yōu)預處理方法。再分別利用競爭性自適應權(quán)重取樣法（CARS）、連續(xù)投影法（SPA）和相關(guān)系數(shù)法（CC）對特征波長進行篩選提取。最后將優(yōu)選出的預處理方法與特征波長變量進行PLS建模并對比分析,以校正集和預測集相關(guān)系數(shù)R_c和R_p為模型評價指標,最終優(yōu)選出與大豆生理信息相關(guān)性最高的反演模型。結(jié)果表明:采用MSC-SG-FD預處理后建立的葉綠素含量全波段PL... 

【文章來源】：光譜學與光譜分析. 2020,40(11)北大核心EISCICSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
引 言
1 實驗部分
    1.1 數(shù)據(jù)采集與處理
    1.2 光能利用率的計算
2 結(jié)果與討論
    2.1 基于不同預處理方法的高光譜建模分析
    2.2 特征波長優(yōu)選方法分析
        2.2.1 CARS法篩選特征波長
        2.2.2 SPA法篩選特征波長
        2.2.3 CC法篩選特征波長
    2.3 大豆生理信息反演模型的建立與比較
3 結(jié) 論


【參考文獻】：
期刊論文
[1]紅茶感官品質(zhì)及成分近紅外光譜快速檢測模型建立[J]. 董春旺,梁高震,安霆,王近近,朱宏凱.  農(nóng)業(yè)工程學報. 2018(24)
[2]基于離散螢火蟲算法的近紅外波長優(yōu)選方法研究[J]. 劉澤蒙,張瑞,張廣明,陳可泉.  光譜學與光譜分析. 2016(12)
[3]高光譜估算土壤有機質(zhì)含量的波長變量篩選方法[J]. 于雷,洪永勝,周勇,朱強,徐良,李冀云,聶艷.  農(nóng)業(yè)工程學報. 2016(13)
[4]高光譜成像技術(shù)快速檢測生物質(zhì)秸稈元素含量[J]. 牛智有,李曉金,高海龍.  農(nóng)業(yè)工程學報. 2014(22)
[5]基于葉綠素熒光光譜分析的光能利用效率研究[J]. 周麗娜,于海業(yè),于連軍,張蕾,隋媛媛,任順.  農(nóng)業(yè)機械學報. 2014(07)



本文編號：3424832