2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領(lǐng)

文檔簡介

1、氮素是果樹生長發(fā)育的一種大量必需元素,直接參與蛋白質(zhì)、葉綠素和酶等化合物的組成,影響著果樹生長、果實增產(chǎn)和品質(zhì)的提高。實時、準確地獲取果樹的氮素營養(yǎng)信息,既有利于果樹的合理施肥從而達到增產(chǎn)與提高果實品質(zhì)的目的,又能有效緩解過量施氮引起的地表水和地下水的污染問題。本研究以柑橘植株為研究對象,采集了柑橘鮮葉的高光譜圖像,使用杜馬斯燃燒法快速定氮儀測定了葉片含氮量,對光譜預(yù)處理方法和特征波段進行了篩選,利用化學計量學方法建立了良好的柑橘葉片含

2、氮量預(yù)測模型,并提取了柑橘葉片的紋理特征用以建模,最后在傳統(tǒng)植被指數(shù)的基礎(chǔ)上提出了新的可靠的雙波段型植被指數(shù)。主要研究結(jié)論如下:
  (1)在Savitzky-Golay(SG)平滑、變量標準化算法(SNV)和多元散射校正(MSC)等11種預(yù)處理方法中,篩選出SG平滑、去趨勢算法(Detrending)和SG平滑-Detrending這3種最優(yōu)預(yù)處理方法?;谶@3種預(yù)處理過的光譜,采用連續(xù)投影法(SPA)挑選出各自的特征波長作為偏

3、最小二乘法(PLS)、多元線性回歸(MLR)和反向傳播人工神經(jīng)網(wǎng)絡(luò)(BPNN)模型的輸入所獲得的9個預(yù)測模型中,SG平滑-Detrending-SPA-BPNN(Rp:0.8513,RMSEP:0.1881)和Detrending-SPA-BPNN(Rp:0.8609,RMSEP:0.1595)這兩個模型獲得的含氮量預(yù)測效果均比較理想。
  (2)基于高光譜圖像篩選出的三種預(yù)處理方法的BPNN模型預(yù)測效果明顯優(yōu)于PLS和MLR模型

4、,表明BPNN等非線性回歸校正方法可能比PLS和MLR等線性回歸方法更適用于柑橘葉片氮素水平預(yù)測模型的建立。
  (3)基于灰度直方圖的BPNN測氮模型的較好的預(yù)測效果(Rp:0.8058,RMSEP:0.1847)說明基于灰度直方圖的紋理特征變量具有一定的柑橘葉片估氮潛力?;诨叶裙采仃嚭突诨叶戎狈綀D+灰度共生矩陣的MLR模型的建模集相關(guān)系數(shù)很好(Rc>0.9),預(yù)測集相關(guān)系數(shù)卻很差(Rp<0.2),說明基于葉片紋理特征變量

5、的測氮模型有待進一步的優(yōu)化。
  (4)新衍生出的雙波段型植被指數(shù)(Rλ1-Rλ2)/(Rλ1+Rλ2),(Rλ12-Rλ22)/(Rλ12+Rλ22),(Rλ1-Rλ2)/Rλ2和Rλ1/Rλ2在特征波段組合λ1=856nm和λ2=814nm處其值與葉片含氮量均達到最大相關(guān)性(R>0.8)。
  (5)基于(R856-R814)/(R856+R814),(R8562-R8142)/(R8562+R8142),(R856-R

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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論