低温胁迫下冬小麦叶绿素含量高光谱估测

近年来,拔节期冻害已成为影响北方冬麦区主要的农业气象灾害。为实现低温胁迫下冬小麦叶绿素含量的精确诊断,利用多元统计分析方法(偏最小二乘法和逐步多元线性回归)提取低温胁迫下冬小麦叶绿素含量特征波段,并构建其估测模型。结果表明,经B-coefficient和VIP证实,结合SMLR提取叶绿素含量监测的光谱特征波段为401,681,727 nm,预测模型的R~2,RMSE,RE分别为0.751,0.622,0.128,并且验证模型R~2也达到了0.707,模型精度较高,具有一定的普适性。利用PLS-SMLR提取特征波段、建模的方法是可行的,可为低温胁迫下冬小麦叶绿素含量估测提供一定的理论依据。     

基于宽波段数据定量反演土壤有机质含量的研究

定量分析了北京顺义、通州区土壤高光谱反射特征,利用资源三号、高分一号、高分二号传感器的光谱响应函数,结合高光谱数据生成相应宽波段模拟数据;将土壤光谱数据、拟合宽波段数据分别与实测土壤有机质含量开展相关性分析,提取并筛选敏感波段,利用偏最小二乘法建立基于高光谱数据的土壤有机质含量预测模型;依据宽波段模拟数据和实测土壤有机质含量的相关性,提取并筛选敏感波段,建立土壤有机质含量预测模型。结果表明,在基于土壤高光谱数据建立的土壤有机质含量预测模型中,以对数的一阶微分为最优,其R和RMSE分别为0.697和0.195,偏最小二乘法得到的反演土壤有机质含量的模型是可靠的;在基于模拟宽波段构建的土壤有机质含量估测模型中,以高分一号的拟合精度最高,R和RMSE分别为0.334和0.240;受室外不可控因素的影响,模拟宽波段数据在估测北方地区土壤有机质含量方面仍需进一步研究。     

不同氮运筹模式冬小麦LAI光谱特征波段提取

叶面积指数(LAI)是评价作物冠层结构的重要参数之一,利用光谱技术实现冬小麦LAI的快速、准确监测具有重要的意义。连续2 a进行氮素运筹试验,通过测定各生育时期的光谱反射率和LAI,并基于偏最小二乘法-逐步多元线性回归(PLS-SMLR)统计学方法,提取各氮素运筹条件下LAI特征波段。结果表明,不同氮运筹条件下LAI的特征波段存在差异;同一施氮量,低基追肥比,特征波段前移,通过提取的波段预测LAI精度较高。表明利用PLS-SMLR提取不同氮运筹条件下的冬小麦LAI特征波段是可行的。     

基于SPOT-5影像的冬小麦拔节期生物量及氮积累量监测

【目的】建立基于SPOT-5遥感信息的冬小麦拔节期地上部生物量和氮积累量的遥感监测模型,为利用SPOT-5影像进行大面积小麦生产力预测和氮素调控提供依据。【方法】分析冬小麦拔节期地上部生物量和氮积累量与同期SPOT-5光谱参数之间的定量关系,筛选出适宜的光谱参数,建立并评价冬小麦拔节期地上部生物量和氮积累量的遥感监测模型。【结果】绿光、红光和近红外波段反射率与冬小麦拔节期地上部生物量和氮积累量的相关系数均达到极显著水平。其中,近红外波段反射率对地上部生物量反应最敏感,绿光波段反射率则对地上部氮积累量反应最敏感。利用归一化植被指数（NDVI）为变量建立地上部生物量指数函数遥感监测模型表现最优,决定系数（R2）达到0.696**,均方根误差（RMSE）达到258.92 kg•hm-2。利用近红外和绿光波段反射率的比值为变量建立地上部氮积累量线性函数遥感监测模型表现最优,R2达到0.717**,RMSE达到19.24 kg•hm-2。依据上述模型,制作了研究区冬小麦拔节期地上部生物量和氮积累量遥感监测专题图。【结论】SPOT-5影像在冬小麦拔节期小麦长势监测中能够获得较高精度,具有广泛的应用前景。     

红松仁脂肪的近红外光谱定量检测

为实现红松仁脂肪无损、简便检测,利用近红外光谱分析技术对红松仁脂肪进行定量分析,用偏最小二乘法构建去壳红松仁脂肪定量分析模型,采用多种预处理方法优化模型,并且利用间隔偏最小二乘法、反向间隔偏最小二乘法、无信息变量消除法进行特征波段的筛选。结果表明,红松仁光谱经一阶导数预处理后建立的模型最佳;波段优选可以提升模型质量,其中反向间隔偏最小二乘法的筛选结果最佳,其松仁脂肪模型校正集相关系数为0.911 4,验证集相关系数为0.882 0,验证集均方根误差为0.646 8。可见,经过优化后,模型的预测性能较好,实现了去壳红松仁脂肪的快速、无损检测。     

宜良县云南松林生物量遥感估测方法研究

利用landsat5影像和通过蓄积量-生物量转换方法获得的样地生物量数据,从宜良县云南松林遥感特征、地形特征、郁闭度等方面选取自变量,采用随机森林回归和偏最小二乘法进行生物量遥感估测建模。结果表明:随机森林回归估测模型调整决定系数R2为0.881,模型估测精度为82.3%;偏最小二乘模型的调整决定系数R2为0.753,模型估测精度为78.43%。随机森林回归在模型拟合效果和检验精度上均优于偏最小二乘模型。     

红松籽中脂肪的近红外光谱快速检测研究

采用近红外光谱分析方法对红松籽脂肪进行定量分析,建立红松籽脂肪的快速检测方法,利用多种预处理方法优化模型,同时采用间隔偏最小二乘法、反向间隔偏最小二乘法、无信息变量消除法实现特征波段的选取。结果表明,红松籽样本光谱经矢量归一化预处理后建立的模型最佳;波段优选能够提高模型质量,其中反向间隔偏最小二乘法的筛选结果最优,其红松籽脂肪模型校正集相关系数为0.889 2,验证集均方根误差为0.765 1。由此可知,经过优化后,模型的预测性能较好,实现了红松籽脂肪快速、无损检测。     

基于SPA-PLSR的小麦叶片含水率敏感波段筛选方法研究

植被叶片含水率的准确快速获取对于作物长势情况诊断有重要意义.本研究对孕穗-抽穗期的冬小麦原始高光谱数据进行3种变换处理,采用连续投影法(SPA)和双波段光谱指数筛选出与含水率相关性较高的波段组合,对敏感波段组合和全波段进行建模.结果表明:经SPA筛选的敏感波段占全波段总数的2％以下,结合偏最小二乘回归(PLSR)构建的...     

次生盐渍土高光谱特征研究

基于次生盐渍土修复过程中硝酸盐含量和同步实测光谱数据,针对原始光谱数据及其不同变换后7种光谱数据集,分别以相关系数极值和间隔偏最小二乘2种方法分析其最佳敏感波段范围。在此基础上,运用偏最小二乘回归(partial least squares regression,PLSR)方法,分别基于全波段(400~1 650nm)和分析获得的最佳敏感波段建立了次生盐渍土壤NO-3含量的光谱反演模型。结果表明,采用2种方法提取的土壤最佳敏感波段,均集中在844.5和846.18nm;基于全波段与最佳敏感波段的土壤NO-3含量光谱反演模型,均以原始反射光谱经一阶微分处理的结果更为显著;其中,基于间隔偏最小二乘法提取的775~899和1 025~1 149nm为最佳敏感波段的预测模型,其决定系数R2p与标准差(root mean standard error of prediction,RMSEP)分别为0.962和0.057。该研究结果可为今后次生盐渍土中硝酸盐含量的快速无损检测提供重要的科学参考。     

用近红外光谱法检测洋槐蜂蜜中掺假麦芽糖浆

用近红外光谱法结合化学计量学的方法对洋槐蜂蜜中掺假麦芽糖浆进行检测。以5%为增量,共配制了21个样品。使用漫透射法采集光谱数据。用Unscrambler和Matlab软件做数据处理。使用多元散射校正和自标度化的方法预处理光谱数据,用协同间隔偏最小二乘法筛选波长,用偏最小二乘法建模并验证。校正相关系数达到0.995,校正标准偏差达到3.083,预测相关系数达到0.980,预测标准偏差达到5.639。     

土壤养分的近红外漫反射光谱预测模型分析

针对土壤养分近红外漫反射光谱数据分析的预测问题,分别利用主成分回归和偏最小二乘回归的方法建立土壤样品的近红外漫反射光谱全氮含量的数学模型,比较模型的预测精度。研究结果表明,采用主成分回归法建模预测结果的均方根误差RMSEP为0.040;偏最小二乘回归法建模的RMSEP为0.034,通过模型验证得到的全氮含量预测值与实际值相关性分析得到主成分回归法决定系数R~2=0.873 1,偏最小二乘回归法R~2=0.903 5,表明偏最小二乘回归法所建模型预测精度优于主成分回归法。该研究为提高近红外光谱法土壤养分检测精度提供了依据。     

冬小麦生育前期LAI 高光谱反演研究

【目的】冬小麦生育前期稀疏植被条件下叶面积指数反演对于播期、早期苗情监测有重要意义。【方法】文章利用实测冬小麦生育前期冠层高光谱数据,基于相关关系矩阵图筛选7个新的敏感植被指数、优选40个前人研究的双波段组合或多波段组合植被指数,利用单变量回归和偏最小二乘多变量回归分析47个植被指数与稀疏冬小麦叶面积指数(LAI)的相关性。【结果】植被指数PVR(650,550)、VARI(680,555,480)、RVI(1 868,1 946)与LAI相关性好,其中PVR(650,550)与LAI构建的模型拟合度最好,决定系数R~2为0.730,均方根误差RMSE为0.450。而相对单个植被指数,利用多个植被指数的偏最小二乘多元回归模型提高了LAI估算精度,R~2为0.779,RMSE为0.380。【结论】在冬小麦生育前期植被稀疏条件下,利用高光谱数据反演冬小麦LAI是可行的,可为冬小麦早期长势遥感监测提供支撑。     

基于高光谱的琯溪蜜柚叶片磷素含量估算模型研究

蜜柚叶片磷素(phosphorus,P)含量是准确诊断和定量评价生长状况的重要指标,为快速、无损、精确地估测磷素含量,需要建立蜜柚叶片磷素含量高光谱估算模型。基于蜜柚叶片高光谱数据和磷素含量实测数据,提取原始光谱及一阶微分光谱特征波段和光谱特征变量,构建单变量估算模型、偏最小二乘回归模型和BP神经网络回归模型,并确定蜜柚叶片磷素含量最佳估算模型。在350～1 050 nm波段,原始光谱和一阶微分光谱与叶片磷素含量在可见光范围内有多波段相关性显著,并出现多个极值。原始光谱敏感波长为549和718 nm,一阶微分的敏感波长为528、703和591 nm。在建立的回归模型中,选择决定系数较高的模型进行精度检验,其中BP神经网络模型的拟合R²(0.775 9)最大,偏最小二乘估算模型的拟合R²(0.749 9)次之。综合建模精度和模型检验精度,确定BP神经网络模型为蜜柚叶片磷含量的最佳估算模型,建模和验证的R²分别为0.71和0.775 9;其次为偏最小二乘估算模型,建模和验证的R²分别为0.64和0.74...     

应用Landsat8 OLI和GBRT对高山松地上生物量的估测

依据香格里拉市Landsat8 OLI提取的因子和外业调查的高山松样地地上生物量,利用梯度提升回归树(GBRT)建立了地上生物量与遥感因子的估测模型,并与随机森林、多元线性回归、偏最小二乘方法进行了对比。结果表明:纹理信息对生物量有重要影响,其中熵、相关性和Landsat8 OLI近红外波段的信息对生物量的影响最大;采用GBRT进行建模,当迭代次数大于200次时,偏差降低减缓,GBRT建模方法的精度评价指标(R2=0.96,rRMSE=8.80%,P=73.88%)均优于其他3个模型。应用Landsat数据进行森林地上生物量估测的不确定因素较多,GBRT可作为高山松及其他树种地上地上生物量遥感估测的另一新方法。     

基于多元统计分析的冬小麦干旱综合指标构建及监测研究

为了实现水分胁迫后冬小麦干旱指标综合表现的定量监测，以2017—2018、2018—2019年的冬小麦水分胁迫试验为基础，选择冬小麦叶片含水量(LWC)、叶绿素密度(ChD)、游离脯氨酸含量(Pro)以及抗氧化物酶中的超氧化物歧化(SOD)、过氧化氢酶(CAT)和过氧化物酶(POD)活性等生理参数作为研究对象，利用主成分分析方法(PCA)构建了冬小麦干旱综合指标(Comprehensive drought index,CDI)。结合相关分析法和逐步多元线性回归(CA+SMLR)、偏最小二乘法和逐步多元线性回归(PLS+SMLR)及连续投影算法(SPA)对光谱反射率进行了特征波段提取，综合利用化学计量学方法，对冬小麦生理生化及CDI指标监测展开了研究。结果表明：通过CA+SMLR提取的特征波段个数较少，并且所构建的SMLR模型表现一般；利用SPA构建的监测模型表现优于CA+SMLR和PLS+SMLR 2种方法，可以实现对冬小麦CDI指标优化目的。利用多元回归分析方法构建的模型对比，发现基于全谱建立的PLSR模型表现(R²=0.885,RMSEC=0.221,RPD=...     

便携式近红外光谱仪检测红松籽中的水分含量

为了建立红松籽水分无损、快速检测,采用便携式近红外光谱仪在波长范围900~1 700 nm对红松籽的光谱信息进行采集和分析,建立红松籽水分的近红外预测模型。利用多种预处理方法优化模型,同时采用反向间隔偏最小二乘法、无信息变量消除法实现特征波段的选取。结果表明,带壳红松籽光谱经矢量归一化预处理后构建的模型最优,松仁光谱经一阶导数预处理后构建的模型最优;波段筛选能够优化模型质量,其中反向间隔偏最小二乘法的筛选结果最优,其带壳红松籽和松仁水分模型校正集相关系数分别为0.864 1和0.907 8,验证集均方根误差分别为1.041 7和0.833 8。结果表明,经过优化后,模型的效果较好,能够实现红松籽水分无损检测,为带壳坚果的在线检测提供技术参考。     

近红外光谱快速检测葡萄酒品质

为实现葡萄酒品质及理化指标的快速检测,在选择最优波段和光谱最佳处理方法的基础上,利用近红外光谱结合偏最小二乘分析法分别建立葡萄酒样品的总糖、总酸、酒精度、总多酚、花色苷的定量模型。结果表明,模型验证的相关系数分别为0.992 7、0.994 8、0.990 2、0.969 8和0.937 5,模型验证效果较好。基于化学计量学方法和近红外光谱数据可实现葡萄酒理化指标的快速检测。     

赣南脐橙可溶性固形物近红外光谱在线无损检测

通过应用近红外漫透射光谱技术结合最小二乘支持向量机等算法,探索脐橙可溶性固形物含量在线无损检测的可行性。139个样本被分成建模集和预测集(103∶36),分别用于建立检测模型和验证检测模型的预测能力。漫透射近红外光谱,经过一阶微分、多元散射校正和移动窗口平滑组合预处理后,分别建立了偏最小二乘、偏最小二乘支持向量机模型,经比较发现,偏最小二乘支持向量机模型的预测能力更强,模型预测的均方根误差和相关系数分别为0.6423%、0.9059。通过对比发现,主成分分析和径向基函数有利于提高最小二乘支持向量机模型的预测能力。结果表明:采用近红外漫透射光谱技术结合最小二乘支持向量机算法能够很好地实现脐橙可溶性固形物含量的在线无损检测。     

基于偏最小二乘回归的玉米蛋白质含量鉴定

以10 000～4 000 cm-1波段的近红外光谱响应数据和常规生化方法检测的玉米蛋白质含量为样本数据,先对光谱响应数据进行小波去噪处理,并利用平滑技术对其降维,构建基于以光谱响应数据为输入、蛋白质含量为输出的偏最小二乘回归模型.仿真计算结果表明,利用偏最小二乘回归模型,可以较准确地预测玉米蛋白质含量,结合预测表达式回归系数和变量投影重要性指标VIP得到与蛋白质含量相关性较大的若干波段对应的光谱响应数据,模型在一定程度上揭示了蛋白质含量和光谱响应数据之间的数量关系.     

基于高光谱技术的茶鲜叶茶多酚含量的估算模型

选取长势、色泽差异较小的9个茶树品种,使用ASD Field Spec Hand Held 2光谱分析仪采集茶树冠层的光谱数据,通过对原始数据进行预处理去除噪音干扰,采用主成分分析方法得到茶树冠层特征波段520、765、821、940 nm,提取特征波段的反射率值,运用多元线性回归、一元线性回归、最小二乘法建立了光谱反射率与茶鲜叶茶多酚含量关系的估算模型。结果表明:最小二乘法模型的决定系数达到0.99;另选23个样品对模型进行验证,真实值与预测值的相关系数为0.97,相对误差为2.99%。