利用VIS/NIR反射光谱快速检测柿饼加工中水分含量

水分是柿饼的重要组成成分,也是影响柿饼制作过程的重要因素。利用可见/近红外反射光谱对柿饼制作过程中的水分含量进行检测。首先,获取柿饼在不同加工阶段的可见/近红外反射光谱(400～1 000 nm),采用烘干法测定柿饼水分含量。然后,对光谱进行Mean smoothing (MS)平滑、多元散射校正(MSC)和一阶导数(1-D)预处理。最后,对不同预处理光谱,结合样本水分含量,使用Samples set partitioning based on joint x-y distance (SPXY)方法划分校正集和验证集,基于SPA方法选择特征波长,建立多元线性回归(MLR)预测模型。结果表明,反射光谱经过MS处理后,确定的9个最优波长组合建立水分检测模型的预测结果最好:预测相关系数(Rp)为0.969 0,预测标准残差(SEP)为3.472 9%,可见/近红外反射光谱技术可以较好地预测柿饼制作过程中的的水分含量。研究可为柿饼加工过程中的品质快速检测提供一定的技术支撑。     

基于高光谱遥感的玉米叶片SPAD值估算模型研究

灌浆期玉米叶片叶绿素含量对玉米光合作用及产量形成具有重要作用。为通过高光谱特征准确、高效估测玉米叶片叶绿素含量,以SPAD值表征叶绿素相对含量,构建了基于光谱特征参数的传统回归模型、基于全谱和光谱特征参数的PLSR模型和BP神经网络模型,并进行了比较分析。结果表明：基于全谱构建的PLSR模型SPAD值拟合效果最好（R ²=0.910,RMSE=2.071）,而基于光谱特征参数所建立的PLSR模型拟合效果可达到与全谱PLSR模型相近的水平。但后者的实测值与预测值拟合效果（R ²=0.867,RMSE=2.581,RPD=2.628）优于全谱PLSR模型,且建模时间短,模型复杂程度降低。BP神经网络模型相较于两种PLSR模型预测效果略差,但优于传统回归模型。综合来看,基于光谱特征参数建立的PLSR模型估测效果最好。     

食用向日葵子仁蛋白质含量近红外光谱模型的建立

以自育的57份食用向日葵子仁为测试对象,用化学方法测定蛋白质含量,对照近红外漫反射光谱,通过偏最小二乘法建立了食用向日葵子仁蛋白质含量的近红外光谱模型。结果表明,对原始光谱数据采用“一阶倒数+多元散射校正(FD+MSC)”处理的方法建立的模型其校正或预侧效果最佳。该模型的校正决定系数和验证决定系数分别为0.95和0.93,校正标准误和预测标准误分别为0.96和1.16。用该模型对16份未参与建模的食用向日葵材料进行了预测,结果表明该模型预测能力较好。     

基于无人机高光谱融合连续投影算法估算棉花地上部生物量

【目的】地上部生物量是表征植物生命活动的重要参数。探索不同的光谱预处理方法和建模方法,实现对棉花地上部生物量快速、无损、准确的估算,对棉花长势监测和大田精准管理具有重要意义。【方法】以新陆早53号、新陆早45号为研究对象,设置不同施氮处理,于出苗后不同阶段获取棉花地上部生物量和无人机高光谱数据,通过连续投影算法(Successive projections algorithm,SPA)筛选不同预处理[一阶导数、二阶导数、Savitzky-Golay(SG平滑)、多元散射校正]后的特征波长,基于筛选出的不同波长组合使用偏最小二乘法回归(Partial least square regression,PLSR)和随机森林回归(Random forest regression,RFR)分别构建棉花地上部生物量估算模型,比较不同预处理后建立模型的精度,确定最优估算模型。【结果】(1)利用SPA算法对不同预处理后的光谱信息筛选出特征波长9～26个,可实现光谱信息降维。(2)基于SG平滑-SPA处理及PLSR方法建立的模型最佳,R~2达到了0.63,均方根误差(Root mean square error,RMSE)为0.42,验证集的R~2为0.67,RMSE为0.44。(3)一阶导数-SPA处理后,采用RFR构建的模型最佳,R~2达到0.87,RMSE为0.45,验证集R~2为0.81,RMSE为0.37。【结论】采用一阶导数预处理结合SPA筛选特征波长,经RFR构建的估算模型结果和验证效果均最佳,可用于棉花地上部生物量定量估算。     

基于高光谱的水稻土有机质含量估算研究

利用高光谱技术可实现土壤有机质含量的快速、精确反演。然而运用不同的光谱预处理算法及建模方法获取的模型预测精度及稳定性不同。为了选取最佳土壤有机质估算模型,本研究应用ASD波谱仪测定河南省潢川县水稻土的光谱数据,比较使用2种建模方法组合18种光谱预处理转换算法建立模型的反演效果。对于多元逐步回归模型和偏最小二乘模型,使用SGF3-2预处理算法均获得了最佳的预测效果,所建模型具有较小的误差和较高的精度。相比使用多元逐步回归法,使用偏最小二乘回归法可以获取更稳定的预测模型。运用偏最小二乘模型结合SGF3-2预处理算法得到了最佳的水稻土有机质含量估算模型,模型预测均方根误差RMSEv=0.036,决定系数Rv2=0.89。选择最佳的建模方法结合预处理算法,可以改进模型反演精度。本研究对比的不同方法也可以应用到类似的土壤模型选取中。     

基于特征波段选择和机器学习的小麦白粉病高光谱遥感监测

白粉病严重危害小麦生长及制约产量形成,精确监测该病害对精确防控及保障国家粮食安全具有重要意义。在小麦孕穗、开花和灌浆期使用地物高光谱仪获取小麦冠层光谱数据,利用一阶导数(FD)、二阶导数(SD)、对数变换(LOG)、倒数变换(1/R)和连续去除法(CR)对原始光谱(OR)进行光谱变换,基于CARS算法和SPA算法相结合对五种变换的光谱数据和原始光谱进行特征波段提取,进而利用偏最小二乘回归(PLSR)、岭回归(RR)和高斯过程回归(GPR)建模方法确立小麦白粉病病情指数(mDI)监测模型。结果表明,一阶导数在Pearson相关性、两波段优化组合以及机器学习方法建模中,综合表现最好,是一种处理病害光谱数据的较好预处理方法。经过光谱数据变换后,再使用CARS-SPA算法可以更有效的提取特征波段,特征波段为411、450、476、543、561、594、624、671、726、780、835和950 nm。在不同机器学习建模方法对比中,高斯过程回归(GPR)模型表现最佳,其次为岭回归(RR)和偏最小二乘法回归(PLSR)。其中,一阶导数结合GPR模型的估算精度最高,建模集和验证集的平均R~2为...     

云南山地胶园土壤有机质高光谱估算

有机质是反映橡胶园土壤养分状况的重要指标，其含量快速、高精度估算模型的建立，可以更好地指导胶园精细化生产管理。本研究从景洪市东风农场采集到225个橡胶园土壤样品，并获取土壤样品的光谱反射率和有机质含量数据，对光谱反射率进行噪声波段去除和重采样后，应用3种方法[log(1/R)、MSC、SNV]对重采样后的光谱反射率R进行光谱变换处理，然后对光谱反射率R以及3种变换形式光谱数据进行SG平滑或导数变换模式优选，得到最佳的光谱变换模式为log(1/R)结合SG平滑变换，其中，SG平滑变换模式为导数阶数0、SG滤波窗口5、多项式次数2或3。基于最佳光谱变换光谱数据与土壤有机质含量数据，选择CARS、SPA、CARS-SPA等3种方法提取特征波长，并采用MLR、PLSR和SVR3种方法构建土壤有机质高光谱估算模型。结果显示，CARS-SVR模型估算精度最高，R2、RMSE、RPD分别为0.897、3.990 g/kg、2.947。建立的云南山地胶园土壤有机质含量高光谱最优估算模型，RPD位于2.5～3.0之间，具有很好的估算能力。     

基于高光谱的水稻种子活力无损分级检测

为研究高光谱图像技术用于水稻种子活力快速无损鉴别的可行性,本试验以不同老化程度的4个水稻品种共960粒水稻种子为材料,对样品进行人工老化后进行发芽试验,统计发芽率和根长,计算简易活力指数,据此将每个品种的样品划分为不同活力梯度组,采用高光谱图像技术,通过提取水稻种子的光谱反射率,结合Savitzky-Golay (SG)平滑算法、标准正态变量(SNV)和多元散射校正(MSC)对874～1 740 nm波段内的光谱数据进行去除噪声处理,采用主成分分析法(PCA)、连续投影算法(SPA)进行特征波长选择,基于全波段光谱和基于特征波长分别建立了偏最小二乘判别分析(PLS-DA)模型.试验结果表明,经MSC预处理后,采用SPA挑选的特征波长建立的PLS-DA模型,建模集和预测集的识别正确率分别达到100％和98.75％.研究结果表明,利用高光谱图像技术对水稻种子活力进行快速无损检测是可行的.     

基于连续投影算法的小麦湿面筋近红外校正模型优化

为减少建模过程中的计算量、提高模型的稳健性及预测精度,将连续投影算法用于小麦湿面筋近红外校正模型的建立。首先采用SPXY算法选择具有代表性的校正集样本,然后对光谱数据作不同预处理,增强光谱特征;运用连续投影算法对原始光谱和预处理后的光谱进行敏感波点提取,进而分别建立多元线性回归校正模型。测试结果表明,对光谱标准正态变量变换后利用连续投影算法提取敏感波点所建多元线性回归模型预测效果最好,预测均方根误差和预测相关系数分别为1.3332和0.94319,优于同等条件下建立的偏最小二乘回归模型。     

基于无人机平台多模态数据融合的小麦产量估算研究

作物产量估测关系到人民生活质量和国家粮食安全问题,在田块尺度下及时准确估算产量,对于农事操作管理、收获、销售及种植计划制定均具有重要意义。选择地势起伏及空间差异较大的农田为研究区,利用低空无人机遥感平台搭载多光谱相机、热红外相机和RGB相机,同步获取小麦关键生育时期的无人机遥感影像,并提取光谱反射率、热红外温度和数字高程信息。首先统计不同地形特征下遥感参数和生长指标的空间变异情况,分析植被指数和温度参数与小麦产量的相关性,然后利用多元线性回归(multiple linear regression, MLR)、偏最小二乘回归(partial leastsquaresregression,PLSR)、支持向量机回归(supportvectormachineregression,SVR)和随机森林回归(random forest regression, RFR) 4种机器学习方法以单模态数据和多模态遥感信息融合2种方式进行建模,比较单模态数据和多模态数据融合的产量估测能力。结果表明,坡度是影响作物生长和产量的重要因子,3个生育期内,不同坡度等级下遥感参数差异明显,土壤含水量、植株含水量和地上...     

土壤类型信息在土壤有机碳空间预测中的应用研究

为了探讨土壤类型作为辅助信息提高潮土区土壤有机碳(SOC)空间预测精度的可行性,基于江苏省沛县212个土壤预测样点和80个验证点,比较分析了普通克里格(OK)和结合土壤类型信息的克里格(STK)2种方法对土壤有机碳的空间预测精度。结果表明,各土壤类型间的SOC含量存在较大差异,其中淤土的含量最高(16.35 g/kg),而沙土含量最低(8.58 g/kg),两合土和轻盐碱土介于两者之间;直接利用OK方法对区域SOC预测时的平滑效应较强,导致误差较大,其80个验证点的真实与预测值的散点图相关系数r为0.45,均方根误差(RMSE)为7.36 g/kg;而STK相应的相关系数r为0.75,RMSE为4.90 g/kg,较前者降低了33.5%;同时,STK预测图斑能较OK更好地反映SOC在各土壤类型间的变异特征。说明STK方法消除了土壤类型间SOC含量差异较大的影响,降低了克里格平滑效应,从而较大幅度地提高了预测精度。表明与SOC关系密切的土壤类型信息,可在潮土区作为辅助信息以提高区域SOC的空间预测精度。     

当雄退化草甸土壤有机碳分布特征及其与土壤主要养分的关系

为揭示高寒草甸土壤退化过程中有机碳及相关养分和环境的变化特点,以西藏当雄高寒草甸为研究对象,采用野外调查和室内分析法研究不同退化高寒草甸土壤（0~10 cm和10~20 cm 2个土层）有机碳分布及与土壤主要养分因子的关系。结果表明,土壤有机碳、活性有机碳及速效养分含量均表现为：正常草甸>轻度退化草甸>严重退化草甸,且0~10 cm土层中有机碳含量均高于10~20 cm土层土壤。回归分析表明,土壤有机碳与土壤碱解氮、速效磷、速效钾之间存在极显著正相关关系（P<0.01）,回归系数分别为0.9131、0.9466和0.9701。草甸的退化引起土壤主要养分物质含量的降低,将加速草地退化,不利于退化草甸的自然恢复。     

基于随机森林法的棉花叶片叶绿素含量估算

为了高效和无损地估算棉花叶片的叶绿素含量,本研究测定了棉花光谱反射率及叶绿素含量(soilandplant analyzerdevelopment,SPAD)值,对光谱数据进行包络线去除处理、立方根转换和倒数转换,以SPAD值与反射光谱之间的相关性为基础,通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段,构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression,PLSR)两个模型。结果表明,在605～690nm范围内的反射率与SPAD值相关性达0.01显著水平,均呈负相关,相关系数最高值为-0.619。与原始光谱相比,经过变换后的棉花反射率与SPAD值相关性结果相差较大,其中去除包络线光谱在550～750 nm波段范围有效提高了相关性,相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段,进而提高模型估算精度。在两种模型中,基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R~2分别为0.92、0.83,说明这两种模型的估算能力较好;两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%,表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。     

关中平原农田作物秸秆还田对土壤有机碳和作物产量的影响

结合关中平原农业生产现状,通过对不同秸秆还田模式组合下土壤有机碳、活性有机碳含量和作物产量变化趋势的研究,揭示秸秆还田效应,为研究区筛选合理的还田模式以及农田土壤培肥和农业可持续发展提供理论依据.结果表明,小麦秸秆还田后经过一季夏玉米生长,能使耕层土壤(0 ～40 cm)有机碳有所提升;高留茬还田使0～20 cm土层土...     

亚热带几种林分类型土壤有机碳变化特征及与土壤性质的关系

为了研究亚热带天然次生林不同更新方式对土壤有机碳特征影响,将江西大岗山天然次生林分别采伐更新为马褂木林、马尾松林、杉木林和马褂木-桤木混交林,在比较分析不同更新方式对土壤有机碳含量特征影响的基础上,进一步利用相关和逐步回归分析方法,研究了不同土壤性质对土壤有机碳的影响。结果表明：与次生林相比,几种更新林分在不同程度上降低了土壤有机碳含量,改变了土壤有机碳的层间分布特征。在0~40 cm的剖面内,土壤有机碳含量的降幅分别为：马褂木林＞马尾松林＞杉木林＞马褂木-桤木混交林;与其他更新对象相比,马褂木林作为更新树种会导致土壤有机碳含量的大幅降低,不利于土壤碳储量的增加。但与桤木混交后,却可以明显减少有机碳含量降幅,显示出良好的混交效果;分别建立的0~20 cm和20~40 cm土层的土壤有机碳含量和土壤性质的回归方程显示出较高的回归精度,比较标准化回归系数法处理显示,土壤全氮量、有效铁含量和碱解氮含量是导致不同层次土壤有机碳变异的主导影响因子。     

不同颗粒大小对高光谱估算土壤有机质含量的影响

研究旨在对不同颗粒大小的土样进行土壤有机质含量高光谱估算建模,以期得到土样制备时合适的土样颗粒大小,减少不必要的工作量。笔者对过10、20、60、100目筛的土样进行高光谱数据测量,并对光谱数据进行反射率(R)、反射率一阶导数(R’)和反射率倒数对数[Log(1/R)]3种光谱数据变换,然后运用偏最小二乘回归法(PLSR)、支持向量机法(SVM)和PLSR-SVM相结合的方法建立土壤有机质含量估算模型。研究结果表明：土壤颗粒大小对土壤光谱反射率有明显影响,颗粒越小,土壤光谱反射率越高;运用PLSR-SVM建立的SOM估算模型比只利用PLSR或SVM建立的模型精度高;当土壤颗粒大小＜0.25 mm时,对于SOM光谱估算模型精度的提高没有太大的帮助。该试验为进行土壤有机质含量高光谱估算制备土样提供指导。     

秸秆覆盖深松对夏玉米田土壤有机碳库的影响

为探究秸秆覆盖深松对土壤有机碳库的影响,采用4种耕作模式处理（深松覆盖、深松不盖、免耕覆盖、免耕不盖）在河南西平进行了连续3年田间试验,研究了不同处理对土壤中有机碳（SOC）、易氧化有机碳（ROC）和溶解性有机碳（DOC）含量的影响。结果表明,4种耕作模式下,SOC、ROC和DOC含量均随着土层的加深而降低;在0~5cm和5~10cm土层,秸秆覆盖处理下SOC、ROC和DOC含量高于不覆盖处理,表现为深松覆盖>免耕覆盖>深松不盖>免耕不盖;而从10~20cm土层以下,免耕处理下SOC、ROC和DOC含量急剧下降,表现为深松覆盖>深松不盖>免耕覆盖>免耕不盖。相关性分析表明,ROC、DOC含量与SOC含量之间分别存在显著和极显著的相关关系,说明土壤ROC和DOC的含量很大程度上与SOC的储量相关。     

不同类型土壤全氮含量的高光谱预测研究

为了探明土壤全氮的敏感波段,对比不同统计方法建立的预测模型的反演精度与稳定性,以红壤、石灰土、潮土和水稻土4个土类的土壤为研究对象,利用ASD Pro FR地物光谱仪,在室内条件下测定350~2500 nm波段范围的土壤高光谱数据,经分析不同光谱指标与全氮含量数据的相关性,确定全氮的敏感波段,并建立相应的反演模型。结果表明,反射系数、反射系数对倒的一阶微分、反射系数倒数的一阶微分、反射系数的一阶微分、反射系数对数的倒数、反射系数对数的一阶微分与全氮的最高相关系数分别出现在2153、1079、1853、528、1392、438 nm;所有预测模型中,以895、1079、1138、1149、2163、2183、2336、2337 nm波段反射率对倒的一阶微分建立的多元逐步回归模型为最佳模型;逐步回归与一元线性回归相比较而言,逐步回归建立的预测模型的精度和稳定性更佳。