首页 | 官方网站   微博 | 高级检索  
     

基于光谱学原理与小波包分解技术预测苹果树叶片氮素含量
引用本文:张 瑶,郑立华,李民赞,邓小蕾.基于光谱学原理与小波包分解技术预测苹果树叶片氮素含量[J].农业工程学报,2013,29(25):101-108.
作者姓名:张 瑶  郑立华  李民赞  邓小蕾
作者单位:中国农业大学“现代精细农业系统集成研究”教育部重点实验室,北京 100083;中国农业大学“现代精细农业系统集成研究”教育部重点实验室,北京 100083;中国农业大学“现代精细农业系统集成研究”教育部重点实验室,北京 100083;中国农业大学“现代精细农业系统集成研究”教育部重点实验室,北京 100083
基金项目:国家自然科学基金项目(31071330)和863计划(2011AA100703,2011AA100704)联合资助
摘    要:为探索不同生理物候期苹果树叶片氮素含量的快速检测方法。分别在果树坐果期、生理落果期和果实成熟期,使用光谱仪测量了果树叶片在可见光和近红外区域的反射光谱,同时在实验室测定了果树叶片的全氮含量。研究首先将实验所得的光谱反射率与氮素含量以果树为单位进行聚类,利用小波包分析技术对每棵果树的光谱信息进行分解,提取出的低频信号和去除高频噪音后的信号分别组成了低频全光谱和去噪全光谱。针对这两个全光谱均实施了主成分分析,利用提取主成分分别建立了果树不同生长阶段的氮素含量多元线性回归模型。对比基于归一化植被指数(NDVI)建立的氮素含量估测模型发现,利用全光谱信息建立的氮素含量预测模型精度更高;在坐果期和果实成熟期,使用去噪全光谱提取的主成分建立的氮素预测模型最优;而在生理落果期,使用低频全光谱提取的主成分建立的模型最优。结果表明,利用小波包分析技术能够有效地提高苹果果树叶片氮素含量的光谱预测能力。

关 键 词:氮素,主成分分析,光谱仪,苹果叶片,小波包分解,  NDVI,多元线性回归
收稿时间:2012/9/27 0:00:00
修稿时间:2013/1/15 0:00:00

Predicting apple tree leaf nitrogen content based on hyperspectral and wavelet packet analysis
Zhang Yao,Zheng Lihu,Li Minzan and Deng Xiaolei.Predicting apple tree leaf nitrogen content based on hyperspectral and wavelet packet analysis[J].Transactions of the Chinese Society of Agricultural Engineering,2013,29(25):101-108.
Authors:Zhang Yao  Zheng Lihu  Li Minzan and Deng Xiaolei
Abstract:
Keywords:nitrogen  principal component analysis  spectrum analyzers  apple tree leaves  wavelet packet decomposition  NDVI  multiple linear regression
点击此处可从《农业工程学报》浏览原始摘要信息
点击此处可从《农业工程学报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号