基于神经网络及近红外光谱定量分析模型的特定牧户草场产草量及营养含量研究
发布时间：2021-05-24 10:50
本文以环青海湖地区草场为采样地,结合实地测量数据、高分遥感数据和化学法测值,建立BP-ANN模型和NIRS模型,将2个模型用于快速估测海晏县青海湖乡某牧户草场产草量及养分输出量,并评析模型精度及适用性。以提高牧户草场全年产草量估测的准确性,更精准的预估冷、暖季牧户草场产量及牧草养分输出量,直观的展现其月际变化,以双指标对牧户草场冷、暖季载畜及放牧情况进行评估,并给予针对性的月际补饲、轮牧建议。研究结果如下:1.结合环青海湖区域2435份冷季牧草与2765份暖季牧草样本,分别建立5种养分的NIRS定量模型。对冷季牧草的DM、CP和Ca含量预测拟合度较好,其中,DM模型最佳（RSQ=0.960）,P含量的预估有待提升（RSQ=0.840）,EE模型尚不可用（RSQ=0.526）;对暖季牧草的DM、CP、Ca和P存量预估模型皆通过验证,其中,CP模型最佳（RSQ=0.971）,EE模型未通过验证（RSQ=0.472）。2.以环青海湖区域2844份实测产草量、97景高分数据、草地类型数据作为样本数据,以9类草地亚类和2种植被指数训练BP神经网络,经测试,产草量估测模型R2=0.743,RMSE...
【文章来源】：青海大学青海省 211工程院校
【文章页数】：90 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
缩略词表
第一章 引言
1.1 研究背景
1.2 国内外研究现状
1.2.1 产草量遥感反演研究现状
1.2.2 近红外光谱技术研究现状
1.2.3 神经网络模型研究现状
1.3 研究内容、目的和技术路线
1.3.1 研究内容、方法
1.3.2 研究目的与意义
1.3.3 技术路线图
第二章 建立NIRS养分定量分析模型
2.1 材料与方法
2.1.1 研究区概况
2.1.2 野外数据采集
2.1.3 光谱数据采集
2.1.4 养分数据测定
2.2 建立NIRS养分定量模型
2.2.1 筛选样本
2.2.2 光谱预处理
2.2.3 定标方程构建
2.2.4 模型验证指标
2.3 结果与分析
2.3.1 冷季最佳定标模型
2.3.2 暖季最佳定标模型
2.4 本章小结
第三章 建立BP-ANN产草量模型
3.1 材料与方法
3.1.1 研究区概况
3.1.2 草地类型数据
3.1.3 高分影像提取
3.1.4 植被指数计算
3.2 BP-ANN模型构建
3.2.1 获取样本
3.2.2 数据预处理
3.2.3 建立神经网络
3.2.4 训练神经网络
3.2.5 仿真计算
3.2.6 精度评价
3.3 结果与分析
3.3.1 最佳模型参数
3.3.2 模型精度分析
3.4 本章小结
第四章 特定牧户草场中模型应用
4.1 材料与方法
4.1.1 研究区概况
4.1.2 野外数据采集
4.1.3 BP-ANN产草量测定
4.1.4 NIRS养分测定
4.1.5 草畜平衡评价
4.2 结果与分析
4.2.1 产草量月际变化
4.2.2 草场营养月际变化
4.2.3 草畜平衡状况
4.3 本章小结
第五章 总结
5.1 总结
5.2 创新点与拟解决问题
5.2.1 创新点
5.2.2 拟解决问题
5.3 需要进一步研究的问题
参考文献
致谢
攻读硕士学位期间科研成果简介
【参考文献】：
期刊论文
[1]饲料中粗脂肪和粗纤维含量的近红外光谱快速分析[J]. 郝勇,吴文辉,商庆园. 光谱学与光谱分析. 2020(01)
[2]Landsat8光谱衍生数据分类体系下的牧草生物量反演[J]. 张爱武,张帅,郭超凡,刘路路,胡少兴,柴沙驼. 光谱学与光谱分析. 2020(01)
[3]喀斯特石漠化地区草地承载力研究进展与展望[J]. 郭涛,熊康宁,刘肇军,池永宽,宋淑珍. 中国饲料. 2020(01)
[4]神经网络规则优化建模与应用[J]. 陈丽芳,冯力静,刘保相. 计算机工程与科学. 2019(12)
[5]基于生态建设的青海省土地资源评价研究[J]. 史青,彭红. 中国水土保持. 2019(12)
[6]近红外光谱法测定羊草干草的9项品质指标[J]. 常春,侯向阳,武自念,吴洪新,任卫波,尹强,张继泽,孔令琪,贾玉山. 中国草地学报. 2019(05)
[7]合作市山地草甸草场植被盖度、产草量及养分含量动态研究[J]. 俞联平,李昀,李新媛,陈兴荣,俞慧云,才让吉,王学良,吴昌顺,杜笑村,王银花. 中国草食动物科学. 2019(05)
[8]基于近红外漫反射光谱的规模化奶牛场粪水氮磷定量分析及模型构建[J]. 赵润,牟美睿,王鹏,孙迪,刘海学,张克强,杨仁杰. 农业环境科学学报. 2019(08)
[9]中国草原管理政策探讨[J]. 王洪波,韩爱惠. 林业资源管理. 2019(03)
[10]苜蓿干草常规营养成分含量近红外预测模型的建立[J]. 何云,张亮,武小姣,郑爱荣,刘薇,贺永惠,牛岩,王跃先,张晓霞. 动物营养学报. 2019(10)
博士论文
[1]内蒙古草地生产力时空分析及产草量遥感估算和预测[D]. 刘海新.山东科技大学 2019
[2]化学计量学方法在复杂体系谱学数据分析中的应用[D]. 汪婉萍.中国科学技术大学 2019
[3]牦牛暖季补饲对改善肉品质的作用及机理研究[D]. 郝力壮.兰州大学 2019
[4]基于UAV和机器学习方法的甘南地区高寒草地地上生物量遥感估测研究[D]. 孟宝平.兰州大学 2018
[5]基于GEP算法和高光谱数据的植物主要理化参数估算研究[D]. 杨乐婵.南京大学 2017
[6]大豆磷脂酶D对大豆结瘤过程和种子油脂代谢的影响[D]. 张高阳.华中农业大学 2017
[7]牧区“水-土-草-畜”平衡调控模式与方法研究[D]. 鹿海员.中国水利水电科学研究院 2017
[8]三江源地区高寒草地生物量和草畜平衡的时空变化动态及其影响因素研究[D]. 杨淑霞.兰州大学 2017
硕士论文
[1]内蒙古草原畜牧业可持续发展研究[D]. 张皓.西北农林科技大学 2019
[2]近红外光谱分类的深度森林方法及应用研究[D]. 杜师帅.北京邮电大学 2019
[3]高山美利奴种公羊放牧营养监测及其能量与蛋白质营养需要研究[D]. 张树淼.兰州大学 2019
[4]青藏高原草地生长季地表反照率时空变化及其驱动力分析[D]. 陈超男.河南大学 2019
[5]基于高分一号卫星影像的冬小麦种植面积提取方法研究[D]. 韩林果.河南大学 2019
[6]青海省生态保护红线划定研究与管控[D]. 温豪.西安科技大学 2019
[7]乌拉盖草原牧草营养价值评定及不同饲喂水平对肉牛生产性能的影响[D]. 程财.内蒙古农业大学 2019
[8]蒙古马奶常规营养成分检测与NIR快速检测模型建立[D]. 黄亚东.内蒙古农业大学 2019
[9]青藏高原高寒草地生态承载力研究[D]. 杨祎.河北师范大学 2019
[10]基于高光谱和高分一号卫星影像的冬小麦叶绿素遥感反演[D]. 王婷婷.西北农林科技大学 2019
本文编号：3204072
【文章来源】：青海大学青海省 211工程院校
【文章页数】：90 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
缩略词表
第一章 引言
1.1 研究背景
1.2 国内外研究现状
1.2.1 产草量遥感反演研究现状
1.2.2 近红外光谱技术研究现状
1.2.3 神经网络模型研究现状
1.3 研究内容、目的和技术路线
1.3.1 研究内容、方法
1.3.2 研究目的与意义
1.3.3 技术路线图
第二章 建立NIRS养分定量分析模型
2.1 材料与方法
2.1.1 研究区概况
2.1.2 野外数据采集
2.1.3 光谱数据采集
2.1.4 养分数据测定
2.2 建立NIRS养分定量模型
2.2.1 筛选样本
2.2.2 光谱预处理
2.2.3 定标方程构建
2.2.4 模型验证指标
2.3 结果与分析
2.3.1 冷季最佳定标模型
2.3.2 暖季最佳定标模型
2.4 本章小结
第三章 建立BP-ANN产草量模型
3.1 材料与方法
3.1.1 研究区概况
3.1.2 草地类型数据
3.1.3 高分影像提取
3.1.4 植被指数计算
3.2 BP-ANN模型构建
3.2.1 获取样本
3.2.2 数据预处理
3.2.3 建立神经网络
3.2.4 训练神经网络
3.2.5 仿真计算
3.2.6 精度评价
3.3 结果与分析
3.3.1 最佳模型参数
3.3.2 模型精度分析
3.4 本章小结
第四章 特定牧户草场中模型应用
4.1 材料与方法
4.1.1 研究区概况
4.1.2 野外数据采集
4.1.3 BP-ANN产草量测定
4.1.4 NIRS养分测定
4.1.5 草畜平衡评价
4.2 结果与分析
4.2.1 产草量月际变化
4.2.2 草场营养月际变化
4.2.3 草畜平衡状况
4.3 本章小结
第五章 总结
5.1 总结
5.2 创新点与拟解决问题
5.2.1 创新点
5.2.2 拟解决问题
5.3 需要进一步研究的问题
参考文献
致谢
攻读硕士学位期间科研成果简介
【参考文献】：
期刊论文
[1]饲料中粗脂肪和粗纤维含量的近红外光谱快速分析[J]. 郝勇,吴文辉,商庆园. 光谱学与光谱分析. 2020(01)
[2]Landsat8光谱衍生数据分类体系下的牧草生物量反演[J]. 张爱武,张帅,郭超凡,刘路路,胡少兴,柴沙驼. 光谱学与光谱分析. 2020(01)
[3]喀斯特石漠化地区草地承载力研究进展与展望[J]. 郭涛,熊康宁,刘肇军,池永宽,宋淑珍. 中国饲料. 2020(01)
[4]神经网络规则优化建模与应用[J]. 陈丽芳,冯力静,刘保相. 计算机工程与科学. 2019(12)
[5]基于生态建设的青海省土地资源评价研究[J]. 史青,彭红. 中国水土保持. 2019(12)
[6]近红外光谱法测定羊草干草的9项品质指标[J]. 常春,侯向阳,武自念,吴洪新,任卫波,尹强,张继泽,孔令琪,贾玉山. 中国草地学报. 2019(05)
[7]合作市山地草甸草场植被盖度、产草量及养分含量动态研究[J]. 俞联平,李昀,李新媛,陈兴荣,俞慧云,才让吉,王学良,吴昌顺,杜笑村,王银花. 中国草食动物科学. 2019(05)
[8]基于近红外漫反射光谱的规模化奶牛场粪水氮磷定量分析及模型构建[J]. 赵润,牟美睿,王鹏,孙迪,刘海学,张克强,杨仁杰. 农业环境科学学报. 2019(08)
[9]中国草原管理政策探讨[J]. 王洪波,韩爱惠. 林业资源管理. 2019(03)
[10]苜蓿干草常规营养成分含量近红外预测模型的建立[J]. 何云,张亮,武小姣,郑爱荣,刘薇,贺永惠,牛岩,王跃先,张晓霞. 动物营养学报. 2019(10)
博士论文
[1]内蒙古草地生产力时空分析及产草量遥感估算和预测[D]. 刘海新.山东科技大学 2019
[2]化学计量学方法在复杂体系谱学数据分析中的应用[D]. 汪婉萍.中国科学技术大学 2019
[3]牦牛暖季补饲对改善肉品质的作用及机理研究[D]. 郝力壮.兰州大学 2019
[4]基于UAV和机器学习方法的甘南地区高寒草地地上生物量遥感估测研究[D]. 孟宝平.兰州大学 2018
[5]基于GEP算法和高光谱数据的植物主要理化参数估算研究[D]. 杨乐婵.南京大学 2017
[6]大豆磷脂酶D对大豆结瘤过程和种子油脂代谢的影响[D]. 张高阳.华中农业大学 2017
[7]牧区“水-土-草-畜”平衡调控模式与方法研究[D]. 鹿海员.中国水利水电科学研究院 2017
[8]三江源地区高寒草地生物量和草畜平衡的时空变化动态及其影响因素研究[D]. 杨淑霞.兰州大学 2017
硕士论文
[1]内蒙古草原畜牧业可持续发展研究[D]. 张皓.西北农林科技大学 2019
[2]近红外光谱分类的深度森林方法及应用研究[D]. 杜师帅.北京邮电大学 2019
[3]高山美利奴种公羊放牧营养监测及其能量与蛋白质营养需要研究[D]. 张树淼.兰州大学 2019
[4]青藏高原草地生长季地表反照率时空变化及其驱动力分析[D]. 陈超男.河南大学 2019
[5]基于高分一号卫星影像的冬小麦种植面积提取方法研究[D]. 韩林果.河南大学 2019
[6]青海省生态保护红线划定研究与管控[D]. 温豪.西安科技大学 2019
[7]乌拉盖草原牧草营养价值评定及不同饲喂水平对肉牛生产性能的影响[D]. 程财.内蒙古农业大学 2019
[8]蒙古马奶常规营养成分检测与NIR快速检测模型建立[D]. 黄亚东.内蒙古农业大学 2019
[9]青藏高原高寒草地生态承载力研究[D]. 杨祎.河北师范大学 2019
[10]基于高光谱和高分一号卫星影像的冬小麦叶绿素遥感反演[D]. 王婷婷.西北农林科技大学 2019
本文编号：3204072
本文链接：https://www.wllwen.com/yixuelunwen/dongwuyixue/3204072.html
