版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、油菜是我國重要的油料作物,油菜種植時(shí)氮肥施用量影響油菜籽的產(chǎn)量以及含油量,利用低空光譜成像遙感技術(shù),及時(shí)有效地檢測(cè)油菜冠層的氮含量水平,制定精細(xì)的養(yǎng)分管理方案,有利于提高油菜的產(chǎn)量與質(zhì)量。本研究選用一種甘藍(lán)型油菜——浙雙758作為研究對(duì)象,以SPAD值作為氮素評(píng)判指標(biāo),利用無人機(jī)模擬平臺(tái)搭載多光譜相機(jī)進(jìn)行低空遙感,并基于多光譜圖像的植被指數(shù)和紋理特征分別建立油菜冠層SPAD值低空遙感解析模型;通過設(shè)置不同的圖像采集時(shí)間、采集時(shí)相機(jī)高度及
2、運(yùn)動(dòng)速度等三個(gè)變量,探究不同采集因素對(duì)SPAD值解析模型的影響。本研究還利用可見近紅外高光譜成像技術(shù)檢測(cè)油菜冠層SPAD值,在優(yōu)選光譜預(yù)處理及特征波段選取方法后,分別基于全波段、特征波段光譜反射率以及特征波段圖像紋理特征,采用不同化學(xué)計(jì)量學(xué)建模方法建立油菜冠層SPAD值解析模型。主要研究結(jié)論如下:
(1)基于多光譜圖像優(yōu)選植被指數(shù)建立油菜冠層SPAD值預(yù)測(cè)模型時(shí),植被指數(shù)NIR/G和(NIR-G)/(NIR+G)與冠層SPAD
3、值有較好的相關(guān)性,整體上線性函數(shù)模型優(yōu)于二次函數(shù)和指數(shù)函數(shù)模型;基于多光譜圖像紋理特征建立油菜冠層SPAD值預(yù)測(cè)模型時(shí),PLS模型優(yōu)于MLR模型;基于紋理特征建模易受成像質(zhì)量的影響,不同條件下基于優(yōu)選植被指數(shù)的模型預(yù)測(cè)性能穩(wěn)定性優(yōu)于基于紋理特征的模型。
(2)多光譜圖像采集時(shí)間、采集高度、采集速度對(duì)基于植被指數(shù)、紋理特征的SPAD值預(yù)測(cè)模型性能均有不同程度的影響;基于植被指數(shù)建模時(shí),圖像采集時(shí)間延后、采集高度增加能顯著提高模型
4、預(yù)測(cè)性能,采集速度降低模型預(yù)測(cè)性能略高;基于紋理特征建模時(shí),圖像采集時(shí)間延后、采集高度增加、采集速度降低均能顯著提高模型預(yù)測(cè)性能;基于植被指數(shù)、紋理特征的SPAD值預(yù)測(cè)模型均在第3次圖像采集高度為1.9m、速度為0.1m/s時(shí),模型預(yù)測(cè)集相關(guān)系數(shù)Rp達(dá)到最優(yōu),分別為0.7354和0.7800。
(3)基于可見近紅外高光譜圖像光譜特征建立油菜冠層SPAD預(yù)測(cè)模型時(shí),優(yōu)選卷積平滑和連續(xù)投影算法為光譜預(yù)處理和特征波段選擇方法;基于全
5、波段的SPAD值PLS預(yù)測(cè)模型預(yù)測(cè)集相關(guān)系數(shù)Rp在第3次圖像采集時(shí)達(dá)到最優(yōu),為0.8287;不同時(shí)間基于特征波段光譜反射率建立PLS、MLR、BPNN、SVM、ELM等5種油菜冠層SPAD值預(yù)測(cè)模型時(shí),ELM模型適應(yīng)性略優(yōu),模型預(yù)測(cè)集相關(guān)系數(shù)Rp在第3次圖像采集時(shí)達(dá)到最優(yōu),為0.8466;基于特征波段圖像紋理特征建立油菜冠層SPAD預(yù)測(cè)模型時(shí),PLS模型優(yōu)于MLR模型,在第2次圖像采集時(shí)達(dá)到最優(yōu),為0.7341;圖像采集時(shí)間對(duì)建模效果有
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多光譜與成像技術(shù)對(duì)油菜冠層SPAD值及蟲害的研究.pdf
- 基于低空遙感成像技術(shù)的油菜菌核病檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的油菜信息獲取研究.pdf
- 基于光譜和多光譜成像技術(shù)的油菜生命信息快速無損檢測(cè)機(jī)理和方法研究.pdf
- 基于光譜成像技術(shù)的植物葉部病害檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的血跡形態(tài)特征檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的羊肉嫩度檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的油菜除草劑脅迫診斷及生理信息檢測(cè)研究.pdf
- 基于光譜成像技術(shù)的豬肉品質(zhì)檢測(cè)研究.pdf
- 基于多光譜成像技術(shù)的餅干品質(zhì)安全檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的銅品質(zhì)檢測(cè)方法研究.pdf
- 基于高光譜成像技術(shù)的干貝水分含量快速檢測(cè)研究.pdf
- 基于高光譜成像的目標(biāo)檢測(cè)算法研究.pdf
- 基于高光譜成像技術(shù)的蘋果品質(zhì)無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的肉品品質(zhì)無損檢測(cè)方法研究.pdf
- 基于多光譜成像技術(shù)的香腸多元品質(zhì)無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的花生仁質(zhì)量無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的靈武長棗品質(zhì)無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的對(duì)蝦品質(zhì)信息快速檢測(cè)方法研究.pdf
- 計(jì)算光譜成像技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論