基于3S技術(shù)的蘋果園信息提取與管理系統(tǒng)開發(fā).pdf

1、水果產(chǎn)業(yè)是我國種植業(yè)中位列糧食、蔬菜之后的第三大產(chǎn)業(yè)，而蘋果是我國乃至世界的第一大水果。隨著農(nóng)業(yè)信息化的發(fā)展，“數(shù)字果園”和“果園信息化”應(yīng)運(yùn)而生，充分利用現(xiàn)代測繪技術(shù)、計(jì)算機(jī)與網(wǎng)絡(luò)技術(shù)，開展蘋果園信息化研究是我國蘋果產(chǎn)業(yè)化發(fā)展的必然趨勢。本文以泰安市周邊蘋果園為研究區(qū)，對蘋果園信息化技術(shù)進(jìn)行了研究。主要研究內(nèi)容和成果如下。
　　(1)蘋果園土壤含水量高光譜預(yù)測模型研究。首先對原始土壤光譜進(jìn)行5種變換，利用單因素相關(guān)分析方法，計(jì)算

2、土壤含水量指標(biāo)與光譜反射率變換后的相關(guān)系數(shù)并繪制相關(guān)系數(shù)曲線，依據(jù)極大相關(guān)性原則選擇最佳波段作為光譜反演指標(biāo)，構(gòu)建模式識別特征向量，通過不斷調(diào)整模型內(nèi)部參數(shù)，得到最佳的估測模型。結(jié)果表明，最佳模式分類為7類，檢驗(yàn)樣本識別正確率達(dá)到94.4％，所建立的估測模型有效，并進(jìn)一步得出高光譜對土壤質(zhì)量含水量的分辨率約為4.3％。
　　(2)蘋果園土壤有機(jī)質(zhì)含量高光譜預(yù)測模型研究。基于偏最小二乘(Partial LeastSquare，PLS

3、)和投影尋蹤回歸算法(Projection Pursuit Regression，PPR)，提出了偏最小二乘-投影尋蹤回歸組合模型(PLS-PPR)。首先對濕土和烘干土光譜進(jìn)行一階微分變換，然后以烘干土光譜為目標(biāo)光譜，分別運(yùn)用PLS、PPR和PLS-PPR方法對濕土光譜進(jìn)行校正，最后基于校正前后濕土光譜，運(yùn)用逐步回歸分析方法(StepwiseRegression Analysis，SRA)構(gòu)建土壤有機(jī)質(zhì)含量的預(yù)測模型。結(jié)果表明，基于PL

4、S-PPR方法的校正光譜所建立的預(yù)測模型精度最高，相較于校正前模型的驗(yàn)證決定系數(shù)R2提高了0.3778，模型的剩余標(biāo)準(zhǔn)差SE降低了0.2279，說明PLS-PPR方法能夠有效的消弱水分對有機(jī)質(zhì)含量估測精度的影響，所構(gòu)建的預(yù)測模型有效。
　　(3)蘋果園信息管理與服務(wù)系統(tǒng)研發(fā)?；贕IS的COM組件技術(shù)，GPS空間信息快速獲取技術(shù)，以Visual Basic6.0為開發(fā)平臺，SQL Server2000和Arc Catalog9.3