绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 3 条结果
摘要:为了快速、无损地获得苹果叶片叶绿素含量与其表面颜色特征之间的关系,为诊断苹果树生理状况提供科学依据.以新梢旺长期的红富士苹果树为研究对象,应用数码相机采集叶片图像,利用图像处理技术,采集叶片图像的红(R)、绿(G)和蓝(B)值,通过运算组合构造颜色特征参数,建立基于苹果叶片颜色特征参数的叶绿素含量估算模型,并对其精度进行评价和验证.结果表明,叶绿素含量敏感的颜色参数分别为B、B/R、B/G、G/ (R+G+B)、B/ (R+G+B)、(R-B)/(R+B)、(G-B)/(G+B)、(R-B)/(R+G+B)和(G-B)/(R+G+B)值;基于以上9个敏感颜色参数分别建立单变量回归模型和支持向量机回归模型(SVM),估测叶片Chl.a、Chl.b、Chl.(a+b)和SPAD值,其中单变量回归模型决定系数(R2)均在0.6左右;SVM回归模型的决定系数(R2)分别为0.8754、0.8374、0.8671和0.8129,均方根误差(RMSE)分别为0.0194、0.0350、0.0497和0.9281,相对误差(RE)分别为0.8059%、1.7540%、1.1224%和1.1894%,尤以对Chl.a的估测效果最佳,SVM的估测精度高于单变量回归模型.模型验证取自1/4同样本数据,验证结果表明基于SVM的Chl.a稳定性更佳,R2=0.8275,RMSE=0.0293,RE=1.8529%.应用数码相机并基于RGB颜色模型可快速估测苹果叶片叶绿素含量,可对果园水肥的精确管理提供技术支持.
[硕士论文] 程立真
土地资源管理 山东农业大学 2017(学位年度)
摘要:叶绿素(Chlorophyll)和磷素(Phosphorus)是苹果树生长发育的重要营养元素,是作物健康生长和影响产量的物质基础。传统的叶绿素和磷素测定方法,多为实验室化验分析法,结果虽较为准确,但存在费时、费力的缺点。近年来发展起来的高光谱遥感和图像分析等无损检测技术,因其具有方便快捷的优点,能够实现无损、快速和准确地估测植物营养状况,对提高苹果树的信息化管理具有重要的技术指导与实践意义。
  本研究以山东烟台栖霞和临沂蒙阴苹果园为研究区,以红富士苹果叶片为研究对象,分别于2014年和2015年5月(新梢旺长期)前后进行样本采集和试验数据测定。利用ASD FieldSpec4地物光谱仪和数码相机分别获取苹果叶片的光谱反射值和图像,在实验室里利用化学分析方法测定叶片叶绿素含量和磷素含量。通过数据分析,得到了苹果叶片磷素含量的原始光谱反射率的响应规律和相关关系,又对原始光谱反射率进行一阶微分变换,得到了一阶微分形式的响应规律和相关关系;构建并筛选了磷素含量的高光谱特征参量,建立了磷素含量的估测模型。在进行图像分割与颜色值的获取基础上,分析了苹果叶片叶绿素含量与RGB颜色参数的相关关系,筛选出了影响叶绿素含量的核心颜色参数,建立了叶绿素含量的估测模型。主要结果有:
  (1)得到了苹果叶片磷素含量的高光谱敏感波段。经过相关分析,苹果叶片磷素含量与350~2500 nm波段的高光谱反射率的呈显著负相关特性,其中,蓝光(521~568 nm)、红光(697~736 nm)、近红外(1347~1878 nm和2022~2400 nm)波段是磷素含量的敏感波段,其中在R1720处取得最高的相关系数r=-0.6485。
  (2)筛选出了不同叶绿素含量的苹果叶片核心颜色参数。经过苹果叶片图像直方图分析,构建并筛选了叶片叶绿素含量与RGB颜色系统的核心颜色参数,分别为B值、B/R、B/G、G/(R+G+B)、B/(R+G+B)、(R-B)/(R+B)、(G-B)/(G+B)、(R-B)/(R+G+B)、(G-B)/(R+G+B)。
  (3)建立了苹果叶片磷素含量的估测模型。经比较分析,苹果叶片磷素含量的最佳估测模型为基于主要植被指数的变量组合(DVI(556,712),DVI(677,1728),RVI(542,1094),RVI(705,937),DVI(FDR567,FDR1980)NDVI(937,549),和DVI(FDR523,FDR1883))建立的随机森林模型,其估测模型的决定系数R2=0.9236,均方根误差RMSE=0.0158,相对误差为RE=6.9150%。
  (4)建立了苹果叶片不同叶绿素含量估测模型。基于敏感颜色参数 B值、B/R、B/G、G/(R+G+B)、B/(R+G+B)、(R-B)/(R+B)、(G-B)/(G+B)、(R-B)/(R+G+B)、(G-B)/(R+G+B)建立的叶绿素含量的支持向量机模型(SVM),对Chl.a、Chl.b、Chl.(a+b)和 SPAD估测的决定系数R2分别为0.8754、0.8374、0.8671和0.8129,均方根误差RMSE分别为0.0194、0.0350、0.0497和0.9281,相对误差RE分别为0.8059%、1.7540%、1.122%和1.1894%,模型评估指标均通过了P=0.01极显著性检验水平,尤其是对Chl.a的估测效果最佳。
摘要:[目的]针对传统化学方法测定苹果叶片磷素含量的不足,使用高光谱技术快速、准确和无损地估测苹果叶片磷素含量.[方法]以烟台栖霞市25个果园100株新梢旺长期苹果树叶片高光谱反射率和叶片磷素(phosphorus,P)含量为数据源,在分析其磷素含量与原始光谱反射率、原始光谱反射率的一阶微分、植被指数和高光谱特征参量相关性的基础上,筛选敏感波长,建立了基于高光谱数据的磷素含量随机森林模型.[结果]新梢旺长期苹果叶片磷素含量在绿光波段(507~590 nm)、红光波段(694~743 nm)和近红外短波波段(1 324~1 364 nm)呈显著负相关;基于植被指数RVI(542,1 094)、RVI(705,937)、DVI(556,712)、DVI(677,1 728)、NDVI(737,549)、DVI (FDR567,FDR1980)和DVI(FDR523,FDR1883)建立的随机森林回归模型有较好的估测效果,决定系数R2=0.923 6,均方根误差RMSE=0.015 8,相对误差RE=6.915%.[结论]光谱植被指数比较适合苹果磷素营养状况估测.
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部