苎麻叶片高光谱特征及分类识别模型研究
发布时间:2021-07-31 06:38
近年来,高光谱分析技术在农业领域发挥着越来越重要的作用,如在农田信息获取、作物长势判断、作物产量估测等方面得到越来越广泛的应用。苎麻作为一种重要的纺织纤维来源作物,在国民经济中,一直有着较高的地位。而当前国内外对苎麻的高光谱特性的相关研究几乎没有,深入研究苎麻高光谱特性,有利于苎麻栽种、种质资源开发利用,填补了前人的研究空白。本文探讨了苎麻叶片高光谱特性,对原始数据峰谷参数、植被指数、三边参数、偏度峰度参数等高光谱特征指数进行了统计分析,了解并比较了不同基因型苎麻叶片的高光谱特性,以及与其他作物的高光谱特性的区别,为建立基于高光谱的苎麻分类和识别模型、探讨苎麻高光谱特征与作物生理生态参数之间的对应关系提供理论基础。探讨运用逐步判别的方法,建立基于高光谱的苎麻品种分类模型。在外部条件相同大田栽培下,采集了4个不同基因型苎麻品种共652个叶片高光谱数据。根据苎麻叶片高光谱反射曲线,采用了4种特征参数提取的方法:基于原始数据峰谷参数、基于植被指数、基于三边参数、基于偏度峰度参数用逐步判别方法分别建立基于4组特征参数的多个Fisher线性判别函数,并对得出的模型进行比较:基于原始数据波峰波谷识...
【文章来源】:湖南农业大学湖南省
【文章页数】:60 页
【学位级别】:硕士
【部分图文】:
技术路线图
图 2-1 试验田所处位置以及 GPS 定位数值Fig.2-1 The location of test field and GPS positioning value设计计了三个试验,涉及不同地点、不同时间、不同生长期、不设计如下。一:采集工作于 2016 年 11 月到 2017 年 9 月期间进行,共
样本品种包括平塘大刀麻、双峰大叶麻、湘潭鸡骨白、阮江黄壳早四种,每品种 160 片左右,共 653 片叶片。各品种统一施肥和管理。采集时,选择苎麻植株上部发育成熟的叶片。试验三:采集工作于 2016 年 11 月到 2017 年 9 月期间进行,试验内容为采集苎麻斑病叶片和健康苎麻叶片高光谱信息。其中,褐斑病叶片 134 片,健康叶片 134 片。
【参考文献】:
期刊论文
[1]玻璃温室环境下番茄叶绿素含量敏感光谱波段提取及估测模型[J]. 丁永军,张晶晶,孙红,李修华. 光谱学与光谱分析. 2017(01)
[2]基于分段主成分分析和高光谱技术的大豆品种识别[J]. 刘瑶,谭克竹,陈月华,王志朋,谢红,王立国. 大豆科学. 2016(04)
[3]基于地面高光谱数据的典型作物类型识别方法——以青海省湟水流域为例[J]. 史飞飞,高小红,杨灵玉,贾伟,何林华. 地理与地理信息科学. 2016(02)
[4]基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较[J]. 刘轲,周清波,吴文斌,陈仲新,唐华俊. 农业工程学报. 2016(03)
[5]运用光谱参数冠层覆盖度建立作物长势及氮营养状态模型[J]. 陶志强,Shamim Ara Bagum,马玮,周宝元,付金东,崔日鲜,孙雪芳,赵明. 光谱学与光谱分析. 2016(01)
[6]基于高光谱的冬油菜植株氮素积累量监测模型[J]. 李岚涛,马驿,魏全全,汪善勤,任涛,李小坤,丛日环,王振,王少华,鲁剑巍. 农业工程学报. 2015(20)
[7]氮素胁迫下水稻高光谱特征研究[J]. 王树文,郑博元,张长利. 农机化研究. 2015(08)
[8]农作物种类高光谱遥感识别研究[J]. 王岽,吴见. 地理与地理信息科学. 2015(02)
[9]高光谱与机器学习相结合的大白菜种子品种鉴别研究[J]. 程术希,孔汶汶,张初,刘飞,何勇. 光谱学与光谱分析. 2014(09)
[10]塔里木河中游绿洲盐漠带典型盐生植物光谱指数分析[J]. 张飞,李瑞,周梅,阿不都拉·阿布力孜. 地理与地理信息科学. 2014(04)
博士论文
[1]光谱及高光谱成像技术在作物特征信息提取中的应用研究[D]. 马淏.中国农业大学 2015
[2]上海地区典型沉水植物光谱特征研究及其应用[D]. 邹维娜.华东师范大学 2014
[3]不同氮素水平下玉米叶片的高光谱响应及其诊断[D]. 陈志强.中国农业科学院 2013
[4]基于叶片高光谱指数的水稻氮素及色素含量监测研究[D]. 杨杰.南京农业大学 2009
本文编号:3312969
【文章来源】:湖南农业大学湖南省
【文章页数】:60 页
【学位级别】:硕士
【部分图文】:
技术路线图
图 2-1 试验田所处位置以及 GPS 定位数值Fig.2-1 The location of test field and GPS positioning value设计计了三个试验,涉及不同地点、不同时间、不同生长期、不设计如下。一:采集工作于 2016 年 11 月到 2017 年 9 月期间进行,共
样本品种包括平塘大刀麻、双峰大叶麻、湘潭鸡骨白、阮江黄壳早四种,每品种 160 片左右,共 653 片叶片。各品种统一施肥和管理。采集时,选择苎麻植株上部发育成熟的叶片。试验三:采集工作于 2016 年 11 月到 2017 年 9 月期间进行,试验内容为采集苎麻斑病叶片和健康苎麻叶片高光谱信息。其中,褐斑病叶片 134 片,健康叶片 134 片。
【参考文献】:
期刊论文
[1]玻璃温室环境下番茄叶绿素含量敏感光谱波段提取及估测模型[J]. 丁永军,张晶晶,孙红,李修华. 光谱学与光谱分析. 2017(01)
[2]基于分段主成分分析和高光谱技术的大豆品种识别[J]. 刘瑶,谭克竹,陈月华,王志朋,谢红,王立国. 大豆科学. 2016(04)
[3]基于地面高光谱数据的典型作物类型识别方法——以青海省湟水流域为例[J]. 史飞飞,高小红,杨灵玉,贾伟,何林华. 地理与地理信息科学. 2016(02)
[4]基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较[J]. 刘轲,周清波,吴文斌,陈仲新,唐华俊. 农业工程学报. 2016(03)
[5]运用光谱参数冠层覆盖度建立作物长势及氮营养状态模型[J]. 陶志强,Shamim Ara Bagum,马玮,周宝元,付金东,崔日鲜,孙雪芳,赵明. 光谱学与光谱分析. 2016(01)
[6]基于高光谱的冬油菜植株氮素积累量监测模型[J]. 李岚涛,马驿,魏全全,汪善勤,任涛,李小坤,丛日环,王振,王少华,鲁剑巍. 农业工程学报. 2015(20)
[7]氮素胁迫下水稻高光谱特征研究[J]. 王树文,郑博元,张长利. 农机化研究. 2015(08)
[8]农作物种类高光谱遥感识别研究[J]. 王岽,吴见. 地理与地理信息科学. 2015(02)
[9]高光谱与机器学习相结合的大白菜种子品种鉴别研究[J]. 程术希,孔汶汶,张初,刘飞,何勇. 光谱学与光谱分析. 2014(09)
[10]塔里木河中游绿洲盐漠带典型盐生植物光谱指数分析[J]. 张飞,李瑞,周梅,阿不都拉·阿布力孜. 地理与地理信息科学. 2014(04)
博士论文
[1]光谱及高光谱成像技术在作物特征信息提取中的应用研究[D]. 马淏.中国农业大学 2015
[2]上海地区典型沉水植物光谱特征研究及其应用[D]. 邹维娜.华东师范大学 2014
[3]不同氮素水平下玉米叶片的高光谱响应及其诊断[D]. 陈志强.中国农业科学院 2013
[4]基于叶片高光谱指数的水稻氮素及色素含量监测研究[D]. 杨杰.南京农业大学 2009
本文编号:3312969
本文链接:https://www.wllwen.com/nykjlw/nzwlw/3312969.html
最近更新
教材专著