高光譜
- 基于機器學(xué)習(xí)的油菜葉片水分含量高光譜估測
，利用油菜葉片高光譜建模反演油菜葉片含水率能準(zhǔn)確監(jiān)測油菜葉片含水率，可為精準(zhǔn)農(nóng)業(yè)水分管理提供理論參考。關(guān)鍵詞：油菜；葉片含水量；高光譜；機器學(xué)習(xí)doi：10.13304/j.nykjdb.2022.0977中圖分類號：S126 文獻標(biāo)志碼：A 文章編號：10080864（2024）05011010油菜是我國主要的經(jīng)濟作物，也是我國播種面積和產(chǎn)量最大的油料作物，發(fā)展油菜生產(chǎn)對保障中國食用油安全具有重要意義[1]。我國油菜主產(chǎn)區(qū)位于長江流域及云貴高原，這些地區(qū)
中國農(nóng)業(yè)科技導(dǎo)報 2024年5期2024-07-01
- 棉花全生長周期機載高光譜正射影像數(shù)據(jù)集構(gòu)建
測樣本數(shù)據(jù)集。高光譜影像具有豐富的光譜特征和空間特征，被廣泛用于生化參量反演、病蟲害監(jiān)測、長勢評估與產(chǎn)量預(yù)測。為此，本文構(gòu)建了面向棉花全生長周期的機載高光譜成像數(shù)據(jù)集（Airborne hyperspectral imaging dataset for the full growth cycle of cotton，AHS-FGCC）。方法 基于大疆M600 Pro無人機搭載Rikola高光譜成像儀，以100 m航高獲取同一區(qū)域同一棉花品種苗期、苗后期、蕾
石河子大學(xué)學(xué)報（自然科學(xué)版） 2023年3期2024-01-03
- 森林可燃物含水特征的高光譜探測與估算研究
徐劍摘要 利用高光譜探測反演地物特征是一種全新光譜探測技術(shù)。分析了近年來森林可燃物含水量的光譜探測研究進展，探討了可燃物水分參數(shù)的關(guān)鍵指標(biāo)等效水厚度（EWT）和可燃物含水率（FMC），以及基于高光譜探測的實驗分析方法，并討論了可燃物水分參數(shù)指標(biāo)計算的估算模型。以期為森林可燃物含水特征研究提供更加便捷有效的技術(shù)方法和理論依據(jù)，從而促進全球氣候變暖背景下林火預(yù)測預(yù)報與森林可燃物火險等級劃分工作的進一步發(fā)展。關(guān)鍵詞 高光譜；森林可燃物；含水率中圖分類號：S762
農(nóng)業(yè)災(zāi)害研究 2023年2期2023-06-07
- 佛手瓜葉片光譜特征與SPAD值估算模型研究
算模型，為實現(xiàn)高光譜技術(shù)監(jiān)測佛手瓜葉片葉綠素含量變化提供參考依據(jù)。利用SPAD-502 PLUS葉綠素儀同步測定佛手瓜葉片的SPAD值，以Field Spec 3地物光譜儀采集佛手瓜葉片光譜數(shù)據(jù)。對原始光譜去噪處理后經(jīng)一階微分變換、倒數(shù)對數(shù)變換和倒數(shù)對數(shù)的一階微分變換提取其特征波段，然后利用紅邊及綠峰位置構(gòu)建了SPAD值的預(yù)測模型，并采用決定系數(shù)（R2）、均方根誤差（RMSE）和相對誤差（RE）對模型進行精度評價。結(jié)果表明，在400～1 000 nm波長范
江蘇農(nóng)業(yè)科學(xué) 2023年9期2023-06-04
- 連續(xù)投影算法和模擬退火算法在蘋果品種分類模型中的分析
詞：機器學(xué)習(xí);高光譜;蘋果;光譜預(yù)處理中圖分類號 S66 文獻標(biāo)識碼 A 文章編號 1007-7731（2022）10-0052-03Analysis of Continuous Projection Algorithm and Simulation Annealing Algorithm in Apple Variety Classification ModelLIU Jiucai? ?GAO Yang（College of Informatio
安徽農(nóng)學(xué)通報 2022年10期2022-06-30
- 快速魯棒高光譜目標(biāo)跟蹤算法
化等問題，利用高光譜視頻包含的二維空域信息和豐富的一維頻譜信息，提出一種快速魯棒目標(biāo)跟蹤算法FRHT。首先，在傳統(tǒng)的空域注意力機制上基于高光譜數(shù)據(jù)的特點引入頻譜注意力機制，設(shè)計了相關(guān)濾波框架下自適應(yīng)更新學(xué)習(xí)的跟蹤器; 其次，手工設(shè)計高光譜運動目標(biāo)特征以加快跟蹤器運算速度; 最后，提出一種運動目標(biāo)異常檢測機制，以增強跟蹤器對各種干擾的魯棒性。仿真結(jié)果表明，在高光譜數(shù)據(jù)集上，跟蹤器FRHT的速度和精度顯著優(yōu)于KCF，SAMF和CSR-DCF等傳統(tǒng)跟蹤算法，精度
航空兵器 2022年2期2022-05-18
- 基于顯微高光譜圖像的雙孢蘑菇疣孢霉菌厚垣孢子目標(biāo)檢測
斷方法，將顯微高光譜成像技術(shù)應(yīng)用于雙孢蘑菇疣孢霉病早期檢測研究。首先借助神經(jīng)網(wǎng)絡(luò)強大的非線性學(xué)習(xí)能力，采用基于注意力機制和稀疏自編碼器重建網(wǎng)絡(luò)的BS-Net-FC算法對厚垣孢子顯微高光譜圖像波段選擇，并提出基于厚垣孢子目標(biāo)形態(tài)特異性的MTCEM算法檢測厚垣孢子目標(biāo)，結(jié)果顯示波段選擇算法保證波段子集的信息量同時有效降低了冗余波段，在波段數(shù)為17的波段子集上MTCEM算法AUC達到最佳為0.8785。本方法能夠有效減少數(shù)據(jù)冗余以及對厚垣孢子目標(biāo)檢測效果良好，為
福建農(nóng)業(yè)科技 2022年2期2022-04-27
- 基于改進U-Net的高光譜農(nóng)林植被分類方法
鵬摘 要：針對高光譜圖像中的“同譜異物”和“同物異譜”現(xiàn)象導(dǎo)致傳統(tǒng)機器學(xué)習(xí)方法難以精確區(qū)分，以及深度學(xué)習(xí)模型處理高維遙感數(shù)據(jù)耗時較長的問題，本文以河北省雄安新區(qū)雄縣雄州鎮(zhèn)馬蹄灣村19種土地覆被類型（農(nóng)林植被為主）為研究對象，提出一種基于改進U-Net的高光譜農(nóng)林植被分類方法。該方法以U-Net為基礎(chǔ)框架，首先利用主成分分析（Principal Component Analysis， PCA）提取主要光譜波段，降低光譜冗余度;然后提出特征提取模塊，該模塊使用
森林工程 2022年1期2022-04-26
- 多頻段隱身材料的研究現(xiàn)狀與進展
雷達、可見光、高光譜和紅外隱身材料的優(yōu)勢與不足，分析了現(xiàn)階段各種兼容隱身材料的發(fā)展新需求；綜述了目前雷達與紅外、可見光與紅外、高光譜與紅外、多頻段兼容隱身材料的作用機理以及研究現(xiàn)狀，并指出了未來多頻譜隱身材料的發(fā)展方向。隨著材料研究的不斷深入以及相關(guān)機理的突破，多頻譜隱身材料將會成為支撐我國軍事地位的重要力量。關(guān)鍵詞：多頻段隱身材料；雷達；紅外；可見光；高光譜中圖分類號：TB39文獻標(biāo)識碼：ADOI：10.19452/j.issn1007-5453.202
航空科學(xué)技術(shù) 2022年1期2022-03-11
- 基于無人機多光譜與地面高光譜遙感的土壤主要養(yǎng)分含量估測
。通過多光譜與高光譜遙感結(jié)合技術(shù)，對山原紅壤主要養(yǎng)分含量的高光譜特性進行了研究分析，研究了土壤主要養(yǎng)分含量的多高光譜特性、篩選出了各養(yǎng)分含量的特征波段。而后，通過多光譜波段變換、植被指數(shù)合成、構(gòu)建高光譜土壤指數(shù)，與山原紅壤主要養(yǎng)分含量進行了相關(guān)分析。通過分析得出，多光譜擬合模型效果整體不佳，僅鉀元素與合成光譜存在相關(guān)性，擬合模型R2大于0.5，有良好的擬合意義。高光譜指數(shù)相關(guān)性及擬合模型效果較多光譜都有所提升。其中，支持向量機擬合模型效果最佳，R2均在0.
江蘇農(nóng)業(yè)科學(xué) 2022年2期2022-02-15
- 基于實測高光譜數(shù)據(jù)的校園植被識別
部分。該文應(yīng)用高光譜遙感設(shè)備對中國礦業(yè)大學(xué)（北京）學(xué)院路校區(qū)20種典型植被的反射光譜數(shù)據(jù)進行采集并對反射光譜基本特征、光譜時序變化、相關(guān)植被指數(shù)以及低通濾波變換進行分析，研究結(jié)論：（1）植被反射光譜基本特征相似，紫葉李在可見光波段的波峰位置存在偏移，八寶和黃楊的反射率波形特征明顯;（2）植被反射率時序變化與物候規(guī)律較為一致，地毯草和果樹類存在偏差;（3）銀杏、紫葉李、剛竹、木槿、忍冬、石榴和八寶的NDVI特征明顯，懸鈴樹、槭樹、剛竹、柏樹、叉子圓柏、山桃、
科技資訊 2021年29期2021-12-31
- 菜油兼用型油菜籽粒油酸含量的高光譜模型構(gòu)建
薹情況，為實現(xiàn)高光譜反演籽粒油酸含量提供理論指導(dǎo)。【方法】使用FieldSpec 3地物光譜儀采集油菜盛花期葉片光譜數(shù)據(jù)，采用Agilent GC-MS 7980B氣相色譜儀分析摘薹和未摘薹處理的籽粒油酸含量，比較2組處理的平均原始光譜反射率特征，及其油菜葉片原始及一階微分光譜反射率與籽粒油酸含量相關(guān)性，在此基礎(chǔ)上構(gòu)建基于原始光譜特征波長的支持向量機（SVM）判別模型、基于光譜參數(shù)的油酸含量二項式模型、基于一階微分光譜特征波長的油酸含量多元線性逐步回歸（M
南方農(nóng)業(yè)學(xué)報 2021年6期2021-10-09
- 基于高光譜技術(shù)檢測香水梨硬度的研究
于可見—近紅外高光譜（Visible Near Infrared Reflectio，Vis-NIR）成像技術(shù)對150個香水梨進行光譜數(shù)據(jù)采集。將樣本劃分后，采用卷積平滑（Savitzky-Golay，S-G）、歸一化（Normalize）和標(biāo)準(zhǔn)正態(tài)變換（Standard Normal Variate，SNV）3種方法對原始光譜進行預(yù)處理，利用競爭性自適應(yīng)加權(quán)算法（Competitive Adaptive Reweighted Sampling，CARs）
食品安全導(dǎo)刊 2021年7期2021-09-05
- 桂北巖溶區(qū)與非巖溶區(qū)植物葉片含水率高光譜反演
植物葉片含水率高光譜反演模型對準(zhǔn)確評價巖溶和非巖溶植被生態(tài)功能具有重要意義。該文以我國西南典型區(qū)域內(nèi)巖溶區(qū)與非巖溶區(qū)共17種植物694個樣品為研究對象，同步測量葉片含水率和反射光譜，采用單波段、差值型、比值型、歸一化型等四類光譜指數(shù)模型，對反射光譜及一階導(dǎo)數(shù)光譜進行全波段搜索分析。結(jié)果表明：光譜指數(shù)D2048-D1733的建模與驗證結(jié)果均最好，為巖溶植物葉片含水率的最佳估計光譜指數(shù);對于非巖溶植物，光譜指數(shù)D2356/D1885和（D2356-D1885）
廣西植物 2021年6期2021-08-16
- 桂北巖溶區(qū)與非巖溶區(qū)植物葉片含水率高光譜反演
植物葉片含水率高光譜反演模型對準(zhǔn)確評價巖溶和非巖溶植被生態(tài)功能具有重要意義。該文以我國西南典型區(qū)域內(nèi)巖溶區(qū)與非巖溶區(qū)共17種植物694個樣品為研究對象，同步測量葉片含水率和反射光譜，采用單波段、差值型、比值型、歸一化型等四類光譜指數(shù)模型，對反射光譜及一階導(dǎo)數(shù)光譜進行全波段搜索分析。結(jié)果表明：光譜指數(shù)D2048-D1733的建模與驗證結(jié)果均最好，為巖溶植物葉片含水率的最佳估計光譜指數(shù);對于非巖溶植物，光譜指數(shù)D2356/D1885和（D2356-D1885）
廣西植物 2021年5期2021-07-19
- 高光譜遙感影像分類方法探析
胡勇摘 要：高光譜遙感影像的分類問題是目標(biāo)檢測和識別的基礎(chǔ)，深入研究高光譜遙感影像的數(shù)據(jù)特性對于去除噪聲等干擾因素、實現(xiàn)準(zhǔn)確解譯并進行后續(xù)分析具有重要的意義。本文分析了高光譜遙感影像分類研究現(xiàn)狀，重點論述了高光譜遙感影像的分類方法、分類流程、分類結(jié)果的評價方法，希望能和廣大同行共同探討。關(guān)鍵詞：高光譜;遙感影像;分類1引言近年來，遙感技術(shù)作為一種準(zhǔn)確、客觀、及時獲取地球表面宏觀信息的技術(shù)手段，在城市規(guī)劃建設(shè)、土地利用監(jiān)測、農(nóng)林業(yè)以及自然災(zāi)害預(yù)報等方面越來
裝備維修技術(shù) 2021年51期2021-07-01
- 基于土壤光譜特性的土壤類型區(qū)分研究
鍵詞：多光譜;高光譜;植被指數(shù);主成分分析;土壤類型區(qū)分中圖分類號： S127;S151.9 ?文獻標(biāo)志碼： A ?文章編號：1002-1302（2021）10-0207-06土壤作為農(nóng)業(yè)生產(chǎn)的基礎(chǔ)，是一種至關(guān)重要的自然資源，快速準(zhǔn)確地對土壤進行區(qū)分，可以加快土地利用規(guī)劃等工作的進度。隨著光譜技術(shù)的快速發(fā)展，眾多學(xué)者嘗試?yán)霉庾V技術(shù)對土壤進行類別劃分[1]。如Stoner等將美國和巴西的485個土壤樣本的反射光譜曲線分為5種類型：有機質(zhì)控制型、最小改變型、
江蘇農(nóng)業(yè)科學(xué) 2021年10期2021-07-01
- 基于偏最小二乘與隨機森林的土壤鹽含量反演研究
首先對采集到的高光譜土壤圖像進行分割處理提取出土壤在400～1 000 nm的原始反射光譜，其次對原始反射光譜進行4種光譜變換（一階微分、多元散射校正的一階微分、SG平滑去噪的一階微分、對數(shù)的一階微分），并與土壤的實測鹽分量進行相關(guān)性分析（CA），利用相關(guān)系數(shù)選取敏感波段，最后建立偏最小二乘與隨機森林結(jié)合的回歸反演模型。結(jié)果表明，與偏最小二乘回歸、隨機森林回歸單獨建模相比，2種模型結(jié)合后的預(yù)測精度有明顯的改善。光譜經(jīng)過對數(shù)的一階微分變換建立的PLSR-RF
安徽農(nóng)業(yè)科學(xué) 2021年8期2021-05-11
- 不同水分管理和遮陰下水稻株高及成熟期高光譜估算
、成熟期及冠層高光譜特征的影響，通過相關(guān)性分析、線性與非線性回歸等統(tǒng)計方法，構(gòu)建水稻株高和成熟期高光譜估算模型。水分管理設(shè)2個水平，節(jié)水灌溉（W，無水層）與常規(guī)灌溉（F，水深5 cm）;遮陰處理設(shè)3個水平，對照（CK，無遮光）、輕度遮陰（S1，單層遮光）和重度遮陰（S2，雙層遮光）。結(jié)果表明，遮陰處理下，節(jié)水灌溉對水稻株高有抑制作用。水稻株高與冠層光譜反射率在近紅外波段最為敏感，呈極顯著正相關(guān)關(guān)系（P關(guān)鍵詞：水分管理;遮陰;株高;成熟期;高光譜太陽輻射是維
江蘇農(nóng)業(yè)科學(xué) 2021年3期2021-04-29
- 機器學(xué)習(xí)在土壤無機碳高光譜反演模型中的應(yīng)用進展
揮著重要作用。高光譜數(shù)據(jù)具有維度大、強冗余性等特點，不利于土壤無機碳快速反演建模，而使用機器學(xué)習(xí)方法可實現(xiàn)對土壤無機碳的快速、高效測定。該文綜述了利用機器學(xué)習(xí)方法對土壤無機碳高光譜反演建模的研究現(xiàn)狀，以期為土壤無機碳在全球碳循環(huán)中的研究提供參考。關(guān)鍵詞：機器學(xué)習(xí);土壤無機碳;高光譜;反演模型;應(yīng)用進展中圖分類號 S153.6+1文獻標(biāo)識碼 A文章編號 1007-7731（2021）04-0108-04Abstract： As the second larg
安徽農(nóng)學(xué)通報 2021年4期2021-03-24
- 高光譜技術(shù)在蘋果品質(zhì)檢測中的應(yīng)用
王家碩摘 要：高光譜技術(shù)作為新一代的光電無損檢測技術(shù)，廣泛應(yīng)用于農(nóng)產(chǎn)品快速無損品質(zhì)檢測。高光譜技術(shù)在蘋果品質(zhì)檢測方面主要有2個方向，結(jié)合化學(xué)計量學(xué)方法進行蘋果內(nèi)部品質(zhì)檢測以及結(jié)合機器視覺進行蘋果損傷、病害等外部指標(biāo)的外部品質(zhì)檢測。該文介紹了高光譜技術(shù)在蘋果品質(zhì)檢測中的應(yīng)用，提出了高光譜技術(shù)在蘋果品質(zhì)檢測中存在的問題。關(guān)鍵詞：高光譜;蘋果;內(nèi)外部品質(zhì);無損檢測中圖分類號 TS255.7文獻標(biāo)識碼 A文章編號 1007-7731（2021）01-0132-02
安徽農(nóng)學(xué)通報 2021年1期2021-02-07
- 基于高光譜成像技術(shù)的稻谷中霉菌定量檢測及模型建立
用可見/近紅外高光譜成像技術(shù)，并結(jié)合主成分分析（principal component analysis， PCA），利用偏最小二乘回歸PLSR算法，構(gòu)建稻谷儲藏過程中典型霉菌（黃曲霉、黑曲霉與雜色曲霉）污染的無損檢測方法。結(jié)果表明：稻谷分別接種3種霉菌后，黃曲霉菌繁殖速率最快，對比霉變過程下稻谷在400～1 000 nm波段信號發(fā)現(xiàn)，光譜反射率隨霉變時間延長關(guān)聯(lián)下降，其中黑曲霉對應(yīng)的光譜信號變化幅度最為明顯；結(jié)合PCA結(jié)果，不同霉變階段性下稻谷光譜信號存
糧食科技與經(jīng)濟 2021年5期2021-01-16
- 高光譜遙感反演土壤重金屬的研究進展
快速調(diào)查要求。高光譜遙感影像主要是空間分辨率、光譜帶數(shù)多和強烈的連續(xù)性等優(yōu)勢，為了提高定量預(yù)測的準(zhǔn)確性，傳統(tǒng)的分析方法正在被遙感反演的方法取而代之。關(guān)鍵詞：土壤重金屬;高光譜;光譜數(shù)據(jù)預(yù)處理;定量估算模型;空間分布1 土壤重金屬的危害及調(diào)查方法土壤是地球上自然環(huán)境中生態(tài)系統(tǒng)發(fā)展必不可少的物質(zhì)基礎(chǔ)，人類的生產(chǎn)生活也與土壤密不可分。由于人類的活動使土壤的理化性質(zhì)和環(huán)境發(fā)生比較大的變化[1]。土壤是生態(tài)系統(tǒng)中的重要組成部分，它具有一定的自我凈化能力，能夠改善地下
名城繪 2020年9期2020-12-14
- 基于無人機高光譜遙感數(shù)據(jù)的冬小麥生物量估算
型應(yīng)用于無人機高光譜影像中，驗證模型的可行性。結(jié)果表明，利用單個植被指數(shù)或紅邊參數(shù)構(gòu)建的估算模型在孕穗期、開花期和灌漿期估算精度最高的植被指數(shù)分別是歸一化植被指數(shù)（NDVI）、簡單比值指數(shù)（SR）和增強型土壤調(diào)節(jié)植被指數(shù)（MSAVI），精度最高的紅邊參數(shù)分別為紅邊振幅/最小振幅、紅邊振幅和紅邊振幅;通過MLR分別以植被指數(shù)、紅邊參數(shù)和植被指數(shù)結(jié)合紅邊參數(shù)為因子構(gòu)建的模型MLR+VI、MLR+REPS與MLR+VI+REPS效果優(yōu)于單個植被指數(shù)或紅邊參數(shù)建立
江蘇農(nóng)業(yè)學(xué)報 2020年5期2020-12-09
- 貯藏大米中霉菌菌落總數(shù)的高光譜檢測研究
菌落總數(shù)，擬用高光譜圖像技術(shù)實現(xiàn)無損檢測。[方法]采用SG-SNV detrending的方式對原始光譜數(shù)據(jù)預(yù)處理，去除基線散射，平滑光譜曲線;然后分別利用SPA算法和CARS算法選取反映大米霉菌菌落總數(shù)特性的特征波長組合，最后采用SVR方法分別在全光譜數(shù)據(jù)和2種特征光譜數(shù)據(jù)的基礎(chǔ)上建立預(yù)測模型，對比分析各SVR模型的預(yù)測效果。[結(jié)果]基于CARS特征選擇的模型（CARS-SVR）預(yù)測效果優(yōu)于基于全光譜數(shù)據(jù)的SVR模型和基于SPA特征選擇的模型（SPA-S
安徽農(nóng)業(yè)科學(xué) 2020年19期2020-11-02
- 基于高光譜數(shù)據(jù)的水域葉綠素a濃度(Chl-a)反演研究
水體參數(shù)反演;高光譜;大氣校正;葉綠素a濃度（Chl-a）1引言人類的生命活動離不開水，隨著科技的發(fā)展，水體的承載壓力越來越大，當(dāng)污染物超過了水體的自凈能力時，便產(chǎn)生了水體污染各類水體由于靠近人類聚集地，通常會有各類污染物流入，致使水體易趨于富營養(yǎng)化藻類以及浮游生物利用這些營養(yǎng)物質(zhì)過量繁殖生長，使得水體中的溶解氧不斷減少，令水質(zhì)逐漸變差葉綠素作為藻類等水生植物關(guān)鍵的組成部分，其濃度的大小可以用于判斷水體是否富營養(yǎng)化。本研究以太湖水域為研究區(qū)，通過2009年
科學(xué)與財富 2020年19期2020-10-20
- 高光譜分類方法及應(yīng)用研究進展
陽昌霞摘要：高光譜遙感技術(shù)是近年來遙感技術(shù)研究熱點。文章從高光譜在巖性提取、農(nóng)業(yè)遙感、水環(huán)境監(jiān)測等方面進行應(yīng)用進展的綜述;并從針對高光譜影像的改進分類方法進行綜述，并列舉了一些改進分類方法。從而系統(tǒng)的對高光譜分類方法現(xiàn)狀以及應(yīng)用現(xiàn)狀進行闡述。關(guān)鍵詞：高光譜;分類方法;遙感高光譜遙感技術(shù)是近年來迅速發(fā)展起來的一種對地觀測的技術(shù)，是國內(nèi)外研究的技術(shù)熱點，與微波遙感一起被認(rèn)為是未來遙感的發(fā)展方向。高光譜影像具有“圖譜合一”的顯著優(yōu)勢和特征，正是這一特征得到了許多
商業(yè)2.0-市場與監(jiān)管 2020年2期2020-09-10
- 基于光譜分析的牛肉干鑒別方法研究報告
實驗材料，通過高光譜測量技術(shù)對其光譜數(shù)據(jù)進行采集，并對不同品牌的牛肉干進行光譜分析和對比，設(shè)計了一種能以高光譜分析技術(shù)檢測牛肉干是否摻入牛肉膏、蘇丹紅等添加劑的方案;接著在實驗中采用光譜角匹配Spectral angle map（SAM）方法，光譜特征匹配方法Spectral Feature Fitting和二進制編碼（Binary coding）綜合投票的方式來鑒別牛肉干的品牌。實驗結(jié)果表明，所提出的方法是一種能簡便鑒別不同品牌牛肉干的方案，具有較好的實
科技風(fēng) 2020年21期2020-08-27
- 基于連續(xù)小波變換的冬小麥葉片最大凈光合速率遙感估算
幾種植被指數(shù)與高光譜數(shù)據(jù)對最大凈光合速率的估算結(jié)果發(fā)現(xiàn)，植被指數(shù)對小麥葉片Amax的解釋能力較低，無法對光合能力作出正確且精確的估算?；谶B續(xù)小波變換方法對冬小麥葉片Amax的估算精度較高，可以作為預(yù)估冬小麥生長狀況、產(chǎn)量的依據(jù)。關(guān)鍵詞：連續(xù)小波變換;最大凈光合速率;植被指數(shù);高光譜中圖分類號：S512文獻標(biāo)識碼：A文章編號：1000-4440（2020）03-0544-09Remote sensing estimation of maximum net
江蘇農(nóng)業(yè)學(xué)報 2020年3期2020-07-23
- 水稻葉片SPAD值的高光譜估算模型
片SPAD值的高光譜精確估算模型，為進一步提高高光譜對水稻SPAD值反演估算精度提供參考依據(jù)?！痉椒ā坷肧PAD-502型葉綠素測定儀測量水稻葉片SPAD值，以FieldSpec 4光譜儀采集水稻葉片光譜數(shù)據(jù)。通過分析光譜植被指數(shù)、位置參數(shù)與SPAD值的相關(guān)性，構(gòu)建4個水稻葉片SPAD值高光譜估測模型，即逐步多元線性回歸（SMLR）模型、支持向量機回歸（SVR）模型、基于主成分分析的支持向量機回歸（PCA+SVR）模型和以逐步多元線性回歸確定最佳參數(shù)的支
南方農(nóng)業(yè)學(xué)報 2020年5期2020-07-07
- 基于近地光譜特征的玉米田間雜草識別研究
靠性，且證明了高光譜在雜草的識別方向具有一定的應(yīng)用價值，該研究結(jié)果為田間雜草識別及光譜傳感器提供了參考。關(guān)鍵詞：雜草識別;光譜技術(shù);高光譜;玉米中圖分類號：S127?文獻標(biāo)志碼： A文章編號：1002-1302（2020）08-0242-05收稿日期：2018-11-08基金項目：海南省自然科學(xué)基金青年基金（編號：419QN280）;海南耕地改良關(guān)鍵技術(shù)研究與示范專項（編號：HNGDzy2015）;中國熱帶農(nóng)業(yè)科學(xué)院橡膠研究所基本業(yè)務(wù)費專項（編號：RRI-
江蘇農(nóng)業(yè)科學(xué) 2020年8期2020-06-01
- 華南地區(qū)土壤有機質(zhì)含量高光譜反演
換的同時將土壤高光譜數(shù)據(jù)進行多種數(shù)據(jù)變換處理，篩選出與土壤有機質(zhì)含量倒數(shù)變換后相關(guān)性最高的光譜指標(biāo)，最后構(gòu)建了土壤有機質(zhì)含量高光譜反演的最佳模型，實現(xiàn)對土壤有機質(zhì)含量的反演。結(jié)果表明：估算土壤有機質(zhì)含量的最佳光譜指標(biāo)為反射率一階微分波段組合R（587，126*R（734，049）*R（1 095，892），相關(guān)系數(shù)為0.769;在此基礎(chǔ)上構(gòu)建的土壤有機質(zhì)含量高光譜反演模型最佳（Y=5×1016x3-5×1010x2+59 471.000 0x+0.101
江蘇農(nóng)業(yè)學(xué)報 2020年2期2020-05-27
- K均值算法結(jié)合連續(xù)投影算法應(yīng)用于土壤速效鉀含量的高光譜分析
壤速效鉀含量的高光譜定量預(yù)測分析過程中，光譜數(shù)據(jù)維數(shù)高、冗余度較大等問題，提出了一種結(jié)合K均值算法（K-means）和連續(xù)投影算法（SPA）的高光譜特征波段選擇方法。該算法首先將全波段數(shù)據(jù)分別根據(jù)不同的距離度量進行K-means聚類分析，之后對聚類后的每個波段簇分別使用SPA法提取其中的特征波段。對全波段組合、傳統(tǒng)SPA法提取的特征波段組合以及結(jié)合K-means聚類與SPA法提取的特征波段組合分別建立土壤速效鉀含量的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，通過對比模型預(yù)測效
江蘇農(nóng)業(yè)學(xué)報 2020年2期2020-05-27
- 高光譜圖像處理技術(shù)的前沿技術(shù)和發(fā)展趨勢
凡春摘要：隨著高光譜遙感在對地觀測方面的應(yīng)用越來越廣泛，高光譜遙感探測技術(shù)的核心技術(shù)—高光譜圖像處理技術(shù)得到了研究者極大地關(guān)注，高光譜圖像一般是研究分辨率在數(shù)量級范圍區(qū)間的光譜圖像。通過將高光譜的傳感器裝配在相應(yīng)的空間儀器上，在電磁波譜觀測區(qū)域內(nèi)，對目標(biāo)區(qū)域內(nèi)數(shù)量不等的連續(xù)而細(xì)分的不同光譜波段同時成像，使得地表的圖像和光譜信息可以同時獲取，第一次實現(xiàn)了光譜與圖像的統(tǒng)一。關(guān)鍵詞：高光譜;圖像處理技術(shù);發(fā)展引言：在我國航空航天業(yè)快步發(fā)展的大背景下，遙感圖像在空
中國新通信 2020年1期2020-05-25
- 高光譜圖像處理技術(shù)的前沿技術(shù)和發(fā)展趨勢
春摘 要：隨著高光譜遙感在對地觀測方面的應(yīng)用越來越廣泛，高光譜遙感探測技術(shù)的核心技術(shù)—高光譜圖像處理技術(shù)得到了研究者極大地關(guān)注，高光譜圖像一般是研究分辨率在數(shù)量級范圍區(qū)間的光譜圖像。通過將高光譜的傳感器裝配在相應(yīng)的空間儀器上，在電磁波譜觀測區(qū)域內(nèi)，對目標(biāo)區(qū)域內(nèi)數(shù)量不等的連續(xù)而細(xì)分的不同光譜波段同時成像，使得地表的圖像和光譜信息可以同時獲取，第一次實現(xiàn)了光譜與圖像的統(tǒng)一。關(guān)鍵詞：高光譜;圖像處理技術(shù);發(fā)展引言：在我國航空航天業(yè)快步發(fā)展的大背景下，遙感圖像在空
科學(xué)與財富 2020年9期2020-05-25
- 基于高光譜的棉花葉片氮素檢測
摘? 要：采用高光譜技術(shù)檢測棉花葉片氮素是本次研究的主要手段。選用新疆南疆最具代表性的棉花作物作為研究對象，采用連續(xù)投影算法（successive projections algorithm，簡稱SPA）和標(biāo)準(zhǔn)正態(tài)變量變換方法（standard normal variate transformation，簡稱SNV）等算法進行光譜預(yù)處理，并利用偏最小二乘回歸模型（PLS）預(yù)測棉花葉片氮素情況，探究棉花葉片氮素和高光譜之間的關(guān)系。結(jié)果顯示：SPA-PLS算法
科技創(chuàng)新與應(yīng)用 2020年3期2020-02-04
- 基于包絡(luò)線去除法的貴州省常見樹種高光譜特征分析
植被類型，利用高光譜技術(shù)對森林植被開展光譜特征分析，為喀斯特高原貴州省森林植被的遙感探測與精準(zhǔn)識別提供理論與技術(shù)支持。本研究采用ASDFieldSpec4便攜式地物光譜儀對貴州省常見的華山松（Pinus armandiiFranch）、麻櫟（Quercus acutissimaCarruth）、馬尾松（Pinus massonianaLamb）、杉木（Cunninghamia lanceolata）、水杉（Metasequoia glyptostroboi
山地農(nóng)業(yè)生物學(xué)報 2020年5期2020-01-03
- 基于BP神經(jīng)網(wǎng)絡(luò)的土壤含鐵量高光譜反演
中的全鐵含量與高光譜之間的關(guān)系，并建立相應(yīng)的反演模型。所建模型中隱含節(jié)點1層4個、2層3個的BP神經(jīng)模型較為理想，擬合殘差為0.02433，RMSE=1147.4623。關(guān)鍵詞：高光譜;土壤全含鐵量;BP神經(jīng)網(wǎng)絡(luò)土壤作為農(nóng)業(yè)生產(chǎn)的主要對象之一，了解其理化特性并據(jù)此進行農(nóng)業(yè)生產(chǎn)管理是保證農(nóng)業(yè)穩(wěn)產(chǎn)高產(chǎn)優(yōu)質(zhì)高效的重要前提。由于高光譜遙感技術(shù)具有連續(xù)、動態(tài)、大面積同步性等優(yōu)勢而被廣泛應(yīng)用于農(nóng)業(yè)生產(chǎn)，使得快速實現(xiàn)土壤有機質(zhì)含量估測成為可能。鐵作為農(nóng)作物中的微量元素，
農(nóng)家科技下旬刊 2019年10期2019-11-29
- 基于高光譜的柑橘葉片鉀含量快速診斷模型
結(jié)果表明，利用高光譜成像技術(shù)結(jié)合最小二乘支持向量機回歸可實現(xiàn)對柑橘葉片鉀含量的快速診斷。關(guān)鍵詞? ?柑橘;高光譜;鉀含量;偏最小二乘回歸;最小二乘支持向量機回歸中圖分類號：S666? ?文獻標(biāo)志碼：B? ? DOI：10.19415/j.cnki.1673-890x.2019.22.011鉀素是柑橘生長發(fā)育所必需的三大營養(yǎng)元素之一，具有提高果實品質(zhì)和增強抗性等作用。合理施用鉀肥不僅能提高柑橘產(chǎn)量，還能提升果實品質(zhì)。不同生長時期的柑橘樹體內(nèi)鉀素供求狀況和代謝
南方農(nóng)業(yè)·上旬 2019年8期2019-09-23
- 高光譜遙感技術(shù)在土壤研究應(yīng)用中的進展
理基礎(chǔ)。此外，高光譜遙感技術(shù)的迅猛發(fā)展為快速、高效提取土壤信息提供了科學(xué)的技術(shù)手段。針對高光譜在土壤中的應(yīng)用情況，首先對高光譜遙感的發(fā)展歷程、特點以及優(yōu)勢進行總結(jié)闡述，然后分別總結(jié)高光譜遙感在土壤有機質(zhì)、含水量、重金屬及土壤質(zhì)地等方面中的應(yīng)用現(xiàn)狀，并對其研究方法進行總結(jié)分析，最后探討高光譜遙感技術(shù)在土壤研究應(yīng)用中在研究方法和時間、空間尺度上的不足以及今后高光譜遙感在土壤研究中的發(fā)展方向。關(guān)鍵詞土壤；反射光譜；遙感技術(shù)；高光譜中圖分類號S127文獻標(biāo)識碼A文
安徽農(nóng)業(yè)科學(xué) 2019年8期2019-09-04
- 高光譜成像技術(shù)在農(nóng)產(chǎn)品檢測中的應(yīng)用
入，其中近年來高光譜技術(shù)和輔助的計算機技術(shù)的發(fā)展速度逐漸增加，高光譜技術(shù)越來越成為農(nóng)產(chǎn)品檢測的核心技術(shù)手段。高光譜成像結(jié)合了圖像分析和光譜分析，圖像信息可以代表農(nóng)產(chǎn)品的外在品質(zhì)和特征。光譜信息可用于檢測農(nóng)產(chǎn)品的內(nèi)部質(zhì)量，可以充分反映農(nóng)產(chǎn)品的內(nèi)外質(zhì)量信息，還可以保證檢測快速、便捷以及準(zhǔn)確。關(guān)鍵詞：高光譜 成像技術(shù) 農(nóng)產(chǎn)品檢測 應(yīng)用中圖分類號：S123 文獻標(biāo)識碼：A 文章編號：1674-098X（2019）04（a）-0155-02農(nóng)產(chǎn)品是一個國家最重要的產(chǎn)
科技創(chuàng)新導(dǎo)報 2019年10期2019-07-13
- 入侵雜草紫莖澤蘭的高光譜特征提取和分析
光譜分析儀進行高光譜數(shù)據(jù)提取，以此獲取其原始光譜曲線，對光譜數(shù)據(jù)進行Savitzky-Glolay平滑濾波處理，然后利用包絡(luò)線去除和一階光譜微分法分析紫莖澤蘭的光譜特征，旨在為紫莖澤蘭的遙感識別提供參考依據(jù)。研究表明：紫莖澤蘭667.00nm附近存在明顯的吸收谷，其吸收谷面積為38.27nm2，吸收深度為0.85nm，吸收寬度為74.00nm，中心吸收波段的左右面積呈現(xiàn)左偏移，吸收對稱度為0.62，最大光譜吸收谷的特征波長的中心位置約為665.00nm。紫
科技創(chuàng)新與應(yīng)用 2019年7期2019-06-09
- 混合群智能算法在高光譜圖像波段選擇中的應(yīng)用
群算法相融合對高光譜圖像進行波段選擇。首先通過人工魚的編碼對人工魚群算法進行改進，選擇出若干組較優(yōu)的初始解，然后用初始解初始化蟻群算法的信息素參數(shù)，最后利用蟻群算法搜索得到最優(yōu)解。實驗結(jié)果分析表明，利用混合算法所選的波段組合進行分類具有較高的分類精度和效率。研究表明混合優(yōu)化算法是一種高效地波段選擇算法。關(guān)鍵詞：人工魚群算法;蟻群算法;高光譜;波段選擇;降維中圖分類號：TP751? ? ? 文獻標(biāo)識碼：A? ? ? 文章編號：1009-3044（2019）0
電腦知識與技術(shù) 2019年2期2019-03-15
- 基于地物光譜和Landsat8遙感影像的土壤鉛含量反演研究
支撐。關(guān)鍵詞：高光譜;Landsat8;鉛;相關(guān)性分析;偏最小二乘法;土壤環(huán)境監(jiān)測中圖分類號：S127?文獻標(biāo)識號：A?文章編號：1001-4942（2019）12-0120-07Abstract?With the influence of human activities， heavy metal pollution has gradually become the focus of soil and environmental research. Th
山東農(nóng)業(yè)科學(xué) 2019年12期2019-02-10
- 葡萄葉片葉綠素含量高光譜估測模型研究
在的不足，采用高光譜技術(shù)建立了快速、準(zhǔn)確、無損估測葡萄葉片葉綠素含量的方法。以采自泰安萬吉山基地的葡萄葉片的高光譜反射率和SPAD值為數(shù)據(jù)源，在分析SPAD值與原始光譜反射率、原始光譜反射率一階導(dǎo)數(shù)、高光譜特征變量間相關(guān)性的基礎(chǔ)上，篩選敏感波段，建立了基于高光譜反射率的葡萄葉片葉綠素含量估測模型，即SPAD=59.352+44836.313R′601，其中R′601為601 nm波段原始光譜反射率一階導(dǎo)數(shù)。關(guān)鍵詞：葡萄；葉綠素；高光譜；光譜特征中圖分類號：
山東農(nóng)業(yè)科學(xué) 2018年7期2018-10-22
- 高光譜遙感技術(shù)在水環(huán)境監(jiān)測中的應(yīng)用分析
。本文提出使用高光譜遙感技術(shù)進行水環(huán)境監(jiān)測工作，希望能改善當(dāng)前水環(huán)境監(jiān)測現(xiàn)狀。本文通過對高光譜技術(shù)的概述進行分析，然后分別分析了高光譜遙感技術(shù)在環(huán)境監(jiān)測領(lǐng)域中的運用，并對該技術(shù)在水環(huán)境監(jiān)測中的應(yīng)用研究進行分析，以供參考。關(guān)鍵詞：高光譜；遙感技術(shù)；水環(huán)境；應(yīng)用高光譜遙感技術(shù)在環(huán)境監(jiān)測領(lǐng)域有著廣泛的應(yīng)用，尤其是在水環(huán)境監(jiān)測中的應(yīng)用，但是由于我國對高光譜遙感技術(shù)的研究和應(yīng)用不夠，在實際應(yīng)用的過程中還是存在一定的問題，相比西方發(fā)達過程還有很大的差距，因此，本文著重
科學(xué)與財富 2018年27期2018-10-19
- 基于綜合光譜指數(shù)的不同程度人類干擾下土壤有機質(zhì)含量預(yù)測
土壤有機質(zhì)含量高光譜預(yù)測模型，精度最高的為最優(yōu)模型。結(jié)果表明：（1） Landsat8影像中B1—B5波段與有機質(zhì)含量的相關(guān)系數(shù)通過了0.01與0.05顯著性水平檢驗，作為自變量建立有機質(zhì)含量預(yù)測模型。同時，為了能與影像反射率有個良好的對比，實測光譜反射率及其變換形式同樣也選擇5個相關(guān)系數(shù)最大的波段作為敏感波段用以建立模型。在影像與實測光譜中，土壤鹽分指數(shù)結(jié)合植被指數(shù)與有機質(zhì)含量相關(guān)性最好的分別是無人干擾區(qū)的SI3、DVI和SI3、RVI;人為干擾區(qū)的SI
江蘇農(nóng)業(yè)學(xué)報 2018年5期2018-09-10
- 基于高光譜成像的水果損傷分析研究
王鑫野摘 要：高光譜成像技術(shù)包含圖像信息和光譜信息。本文利用高光譜成像技術(shù)檢測蘋果摔傷，主要采用主成分分析、波段比算法和支持向量機分析所采集的高光譜圖像數(shù)據(jù)。實驗結(jié)果表明，波段比算法和主成分分析法分類識別正確率為93.3%，與支持向量機相比更適用于蘋果摔傷的實時快速檢測。關(guān)鍵詞：水果損傷；高光譜；波段比算法；主成分分析；支持向量機中圖分類號：TS255.7 文獻標(biāo)識碼：A 文章編號：1003-5168（2018）10-0028-05Damage Analy
河南科技 2018年10期2018-05-30
- 基于高光譜遙感影像技術(shù)的土地覆蓋監(jiān)測研究
質(zhì)的光譜信息，高光譜遙感影像技術(shù)能夠有效提升遙感探測的能力，因此被廣泛的應(yīng)用到農(nóng)業(yè)生產(chǎn)、土地覆蓋監(jiān)測等方面。作為遙感技術(shù)應(yīng)用的重要方面之一，高光譜遙感技術(shù)為土地覆蓋分類監(jiān)測提供了更加精確數(shù)據(jù)。因此如何借助高光譜遙感成像技術(shù)來實現(xiàn)對土地覆蓋的精度識別，成為國內(nèi)外研究的熱點內(nèi)容。關(guān)鍵詞：高光譜；遙感技術(shù)；土地覆蓋文章編號：1004-7026（2018）05-0122-01 中國圖書分類號：P237 文獻標(biāo)志碼：A在農(nóng)業(yè)生產(chǎn)中土地是最為核心的因素，無論對于農(nóng)業(yè)生
山西農(nóng)經(jīng) 2018年5期2018-05-14
- 基于成像高光譜數(shù)據(jù)的溫室水稻重金屬脅迫診斷研究
過溫室水稻葉片高光譜影像數(shù)據(jù)，從Cd和Pb不同梯度的交叉脅迫中診斷具體的脅迫類別和脅迫梯度。 [方法] 經(jīng)過雙因素方差分析篩選出特征波段，比較SVM和BP神經(jīng)網(wǎng)絡(luò)在診斷能力上的強弱。 [結(jié)果] 在幾種預(yù)處理方法中，對光譜二階微分預(yù)處理可以對Cd和Pb脅迫達到很好的診斷效果，預(yù)處理后挑選出6個對Cd脅迫敏感的特征波段以及10個對Pb脅迫敏感的特征波段?；赟VM的診斷Cd脅迫的精度達86%，對3個具體梯度的診斷精度達75%、90%、96%，對Pb脅迫的診斷精
安徽農(nóng)業(yè)科學(xué) 2018年1期2018-05-14
- 基于高光譜的土壤有機碳含量預(yù)測研究
。[方法]利用高光譜儀對表層土壤進行光譜測定并且進行光譜數(shù)據(jù)的預(yù)處理，通過多元線性逐步回歸（SMLR）和偏最小二乘回歸（PLSR）方法對土壤有機碳含量進行預(yù)測，并對2種模型的精度進行比較。[結(jié)果]LSR模型的精度高于SMLR模型。[結(jié)論]偏最小二乘回歸法優(yōu)于多元逐步回歸法，對有機碳的預(yù)測具有更好的效果。關(guān)鍵詞 土壤；有機碳；高光譜；多元線性逐步回歸；偏最小二乘回歸中圖分類號 S126 文獻標(biāo)識碼 A 文章編號 0517-6611（2018）02-0001-
安徽農(nóng)業(yè)科學(xué) 2018年2期2018-05-14
- 基于高光譜數(shù)據(jù)的作物凈初級生產(chǎn)力估算方法
構(gòu)建新的NPP高光譜遙感估算模型。在山東禹城實地觀測的小麥和玉米NPP數(shù)據(jù)基礎(chǔ)上，研究還將新構(gòu)建的模型與NDVI、CI和MCARI等傳統(tǒng)葉綠素冠層模型的線性擬合結(jié)果進行比較。分析結(jié)果表明，新構(gòu)建的模型在小麥、玉米2種作物NPP估算中都有著較好的表現(xiàn)，可以用來估算作物NPP。關(guān)鍵詞： 高光譜；作物凈初級生產(chǎn)力；植被指數(shù)；光能利用率模型中圖分類號： S127 文獻標(biāo)志碼： A文章編號：1002-1302（2017）22-0260-0420世紀(jì)初丹麥植物學(xué)家Je
江蘇農(nóng)業(yè)科學(xué) 2017年22期2018-01-06
- 基于多特征的高光譜遙感影像主動學(xué)習(xí)方法研究
種基于多特征的高光譜遙感影像主動學(xué)習(xí)方法，從遙感影像中提取形態(tài)學(xué)特征，灰度共生紋理和小波紋理描述遙感影像上的空間信息，將獲得的多種空間特征與光譜特征相疊加進行主動學(xué)習(xí)，結(jié)合MCLU準(zhǔn)則選擇最具信息量的樣本進行標(biāo)記，通過計算機和專家的不斷交互，獲得可靠的分類結(jié)果。在公共數(shù)據(jù)集Pavia University影像上的實驗結(jié)果表明，文章提出的基于多特征的主動學(xué)習(xí)方法能夠獲得比基于光譜的主動學(xué)習(xí)方法和結(jié)合單一空間特征的主動學(xué)習(xí)方法更好的分類結(jié)果。關(guān)鍵詞：主動學(xué)習(xí)；
科技創(chuàng)新與應(yīng)用 2017年33期2017-11-16
- 土壤有機質(zhì)高光譜估算模型研究進展
要：土壤有機質(zhì)高光譜估算較傳統(tǒng)土壤農(nóng)化分析方法表現(xiàn)出極大優(yōu)勢，順應(yīng)了現(xiàn)代農(nóng)業(yè)發(fā)展的迫切需要。國內(nèi)外眾多學(xué)者先后對土壤有機質(zhì)高光譜估算模型進行了大量研究，估算模型由簡單的一元線性模型逐漸發(fā)展為多元線性及非線性模型，常用的建模方法分為線性方法和非線性方法，重點分析了各種方法的適用性。通過總結(jié)分析前人研究，發(fā)現(xiàn)土壤有機質(zhì)高光譜估算模型研究存在以下發(fā)展趨勢：多種建模方法耦合使用增多；建模方法的復(fù)雜度逐漸增強；嘗試消減外部環(huán)境因素對建模的影響；嘗試將室內(nèi)土壤有機質(zhì)估
湖北農(nóng)業(yè)科學(xué) 2017年17期2017-10-13
- 馬尾松毛蟲危害程度的高光譜監(jiān)測方法
和馬尾松林冠層高光譜光譜指數(shù)之間的關(guān)系進行分析，結(jié)果表明：①冠層的單簇針葉體積的變化可直接反應(yīng)松毛蟲的危害程度，單簇針葉體積越小蟲害越嚴(yán)重，它的變化也引起了冠層光譜的各植被指數(shù)發(fā)生不同程度的變化，而其他冠層物理參數(shù)不能反應(yīng)出松毛蟲的危害程度。②從馬尾松林冠層提取的高光譜遙感植被指數(shù)對蟲害的不同程度的敏感性不同。增強型植被指數(shù)（EVI）、綠波段葉綠素指數(shù)（Red/Green）和歸一化指標(biāo)指數(shù)（NDVI）在蟲害發(fā)生的中期與晚期有顯著變化，但具有飽和現(xiàn)象，不能用
湖北林業(yè)科技 2017年3期2017-08-25
- 煙草主要生化參數(shù)高光譜遙感監(jiān)測現(xiàn)狀
概述了目前利用高光譜遙感技術(shù)估測煙草生化參數(shù)理論與技術(shù)的最新研究進展，著重討論了煙草主要生理生化成分與其高光譜參量之間的關(guān)系，以及建立的相應(yīng)的生理生化成分的估算模型。指出了高光譜遙感監(jiān)測煙草主要生化參數(shù)的機理和研究進展，是目前煙草主要生化參數(shù)遙感估測研究的前沿領(lǐng)域和科學(xué)問題，為人們盡快全面了解高光譜技術(shù)在煙草生化參數(shù)方面應(yīng)用進展和方法拓展，提供了參考。關(guān)鍵詞：煙草；生理生化參數(shù)；高光譜；監(jiān)測模型中圖分類號：S572文獻標(biāo)識碼：A 文章編號：1674-994
綠色科技 2017年14期2017-08-22
- 基于甜菜冠層高光譜紅邊參數(shù)的SPAD值診斷
實測甜菜冠層的高光譜反射率和葉片的葉綠素含量。基于冠層光譜反射率的一階導(dǎo)數(shù)，提取甜菜冠層光譜的紅邊參數(shù)，分析不同SPAD值的紅邊參數(shù)的變化規(guī)律，以及各個紅邊參數(shù)與甜菜SPAD值的相關(guān)關(guān)系，并建立估測模型。結(jié)果發(fā)現(xiàn)，當(dāng)甜菜SPAD值增大時，紅邊位置發(fā)生“紅移”現(xiàn)象，紅邊振幅、紅邊面積增大；當(dāng)SPAD值降低時，規(guī)律則相反。在紅邊參數(shù)對SPAD值的估測模型中，紅邊位置的一元線性估測模型精度最高；紅邊參數(shù)決定系數(shù)比紅邊位置的一元線性估算模型提高了 30.3%。關(guān)鍵
江蘇農(nóng)業(yè)科學(xué) 2017年11期2017-08-12
- 高光譜遙感影像分類方法綜述
要：該文簡述了高光譜遙感影像分類的策略，主要有監(jiān)督分類與非監(jiān)督分類，基于分類判據(jù)的實現(xiàn)策略劃分，硬分類和軟分類，基于像素的分類和基于對象的分類，單分類器和多分類器集成。并簡單介紹了一些分類方法，包括監(jiān)督分類法（最小距離分類法、最大似然分類法和平行多面體分類法）、基于光譜相似性度量的分類方法、人工神經(jīng)網(wǎng)絡(luò)分類法、支持向量機分類、決策樹分類、面向?qū)ο蠓诸惡头潜O(jiān)督分類。關(guān)鍵詞：高光譜；分類策略；分類方法中圖分類號 TP751 文獻標(biāo)識碼 A 文章編號 1007-
安徽農(nóng)學(xué)通報 2017年14期2017-08-08
- 高光譜技術(shù)在茶葉品種檢測中的應(yīng)用
提出了一種基于高光譜技術(shù)的方法來識別茶葉品種。該方法能充分利用茶葉的內(nèi)部成分和外觀特征來綜合識別茶葉品種。采集茶葉的高光譜數(shù)據(jù)，提取其顏色特征、紋理特征、光譜特征，結(jié)合支持向量機方法建立識別模型。結(jié)果表明，品種識別準(zhǔn)確率最高可達100%，驗證了高光譜技術(shù)的優(yōu)越性。關(guān)鍵詞：高光譜 特征提取 茶葉 品種識別中圖分類號：TP391.41 文獻標(biāo)識碼：A 文章編號：1674-098X（2017）03（c）-0101-02目前茶葉的假冒現(xiàn)象時常發(fā)生，茶葉市場混亂，對
科技創(chuàng)新導(dǎo)報 2017年9期2017-08-02
- 基于BP神經(jīng)網(wǎng)絡(luò)高光譜土壤氮素信息檢測研究
昕摘 要：通過高光譜技術(shù)獲得的光譜信息與化學(xué)法測得的氮素含量相結(jié)合，對幾種預(yù)處理方法：S-Golay平滑濾波、小波去噪、多元散射、微分處理進行比較分析并探討B(tài)P神經(jīng)網(wǎng)絡(luò)在高光譜檢測土壤氮素信息領(lǐng)域應(yīng)用的可靠性，經(jīng)過實驗證明通過S-Golay平滑濾波和一次導(dǎo)數(shù)的預(yù)處理方法較優(yōu)而BP神經(jīng)網(wǎng)絡(luò)是一種土壤氮素預(yù)測效果較好的建模方法。關(guān)鍵詞：高光譜 土壤 氮素 BP神經(jīng)網(wǎng)絡(luò)中圖分類號：S127 文獻標(biāo)識碼：A 文章編號：1672-3791（2017）04（b）-01
科技資訊 2017年11期2017-06-09