排序方式: 共有4条查询结果,搜索用时 109 毫秒
1
1.
为快速准确地获取烟草叶片镉含量,本研究模拟了4个镉污染水平,用美国ASD光谱仪获取每个污染水平的烟草叶片光谱反射率,并测定不同时期烟草叶片的镉含量,筛选出与镉含量相关性最好的敏感波段,并建立光谱参数,将光谱参数作为输入因子建立烟草叶片镉含量的BP神经网络模型。结果表明:随着镉含量增加,在可见光和近红外范围(400~910 nm)内反射率先降低后增加,在930~1 000 nm波段范围内,叶片反射率与烟叶中镉含量呈正相关,在1 000~2 500 nm波段范围内反射率先增加后降低。经筛选,比值植被指数(RVI)和归一化植被指数(NDVI)的光谱指数分别为RVI (520,710)和NDVI (530,710); BP神经网络模型的决定系数(R2)为0.681,均方根误差(RMSE)为8.001,并对模型进行检验,R2为0.801,RMSE为4.430。研究表明,BP神经网络模型对烟草叶片镉含量具有良好的预测效果。 相似文献
2.
基于不同时长和程度的干旱胁迫试验,采用ASD光谱仪,研究了不同干旱胁迫处理下不同基因型烤烟叶片水分含量与光谱特征的变化规律,分析不同烤烟叶片水分指标FMC(叶片相对含水量)、LEWT(叶片等效水厚度)与光谱特征参数间的相关关系,构建烤烟叶片水分指标的高光谱特征参数模型。结果表明:不同程度干旱胁迫下烤烟叶片含水量和光谱反射率均随干旱程度的加重而降低,在不同干旱时长下,FMC的变化并不明显,而LEWT对其较为敏感,说明不同干旱胁迫处理间EWT的差异要比FMC显著,不同基因型烤烟品种表现一致,表明LEWT比FMC更适合反映旺长期烤烟叶片水分状况。利用光谱参数建立FMC和LEWT的一元及多元线性模型和BP神经网络模型中,均以BP神经模型网络模型效果最好,其模型R2(决定系数)分别为0.8650、0.9464,RMSE(均方根误差)分别达到0.0049、0.0047,表明模型的精度和稳定性均较好。 相似文献
3.
烤烟叶片氯密度高光谱预测模型的建立 总被引:1,自引:0,他引:1
连续2 a设置烤烟3个品种处理和3个地点处理,提取10个植被指数[修正三角形植被指数(Modified triangular vegetation index,MTVI)、归一化植被指数1(Normalized difference vegetation index 1,NDVI1)、归一化植被指数2(Normalized difference vegetation index 2,NDVI2)、新型植被指数(New vegetation index,NVI)、比值植被指数1(Ratio vegetation index 1,RVI1)、比值植被指数2(Ratio vegetation index 2,RVI2)、比值植被指数3(Ratio vegetation index 3,RVI3)、水分指数(Water index,WI)、归一化色素叶绿素植被指数(Normalized chlorophyll pigment vegetation index,NCPI)、简单比值水分指数(Simple ratio water index,SRWI)],用一元线性回归模型、多元线性回归模型、BP神经网络模型分别对烤烟叶片氯密度进行估算,比较其对烤烟叶片氯密度的预测效果。结果表明,NDVI2、NVI、RVI2、RVI3、NCPI、SRWI 6个植被指数与烤烟叶片氯密度均极显著相关,相关系数均0.680。一元线性回归模型、多元线性回归模型、BP神经网络模型的决定系数分别为0.617、0.617、0.868,其均方根误差分别为1.573、1.577、0.828。BP神经网络的预测效果比一元线性回归模型、多元线性回归模型预测效果好。 相似文献
4.
1