甜柚叶绿素含量高光谱无损检测模型

目的 为监测甜柚Citrus maxima果树生长健康状况及预测甜柚产量,以赣州南康地区一片甜柚果园为研究对象,建立甜柚叶片叶绿素含量检测模型。方法 使用Field Spec4便携式地物光谱仪和SPAD-502叶绿素仪测定甜柚叶片光谱及SPAD值,分别采用单变量回归、逐步回归及偏最小二乘法(PLS)构建其叶绿素含量高光谱无损检测模型并进行精度检验。结果 原始光谱在553 nm处、一阶光谱在692和752 nm处的反射率与叶绿素含量相关性最高,这3个波段为甜柚叶片光谱反射率敏感波段;当主成分个数为4时,PLS具有最高的精度,且基于PLS技术所建立的模型较单变量、逐步回归模型精度更好,模型拟合度较高,其决定系数(r²)最高,为0.869,均方根误差(RMSE)和相对误差(RE)最小,分别为3.013和6.82%。对原始光谱、一阶导数光谱及PLS拟合的估测模型进行对比分析显示,PLS模型无论是从建模样本精度还是模型预测能力方面均优于前2种传统模型。结论 PLS模型适合于利用高光谱数据进行叶绿素含量的估测,可作为甜柚叶绿素含量的最佳无损检测模型。     

基于样品复配的奶牛场粪水近红外光谱氮磷速测模型构建

为提高样品代表性,构建近红外光谱的理想校正模型,实现对奶牛场粪水氮磷含量的速测,本研究基于粪水运移过程代表性暴露位点的原始样品,按照不同比例进行样品复配,填补现场不易采集到的"黑箱"位点样品,运用偏最小二乘法构建了基于最优光谱预处理方法的原样模型、复配模型和融合模型。结果表明:相比原始样品,原样+复配样品总氮、总磷的变异系数分别降低了0.103、0.107,提升了浓度分布均匀性,丰富了粪水光谱信息。相比原样模型,融合模型总氮和总磷的决定系数(R²_pred)分别提升了0.049和0.061,相对分析误差(RPD)分别提升了1.547和0.176。相比复配模型,融合模型总氮和总磷的R²_pred分别提升了0.026和0.022,RPD分别提升了0.470和0.052。验证结果表明,总氮和总磷模型的R²_pred分别为0.903和0.878、RPD分别为2.916和2.508。研究表明,样品复配的方法可有效提高校正集样品的代表性,提升模型预测性能,为还田前粪水养分的快速定量提供技术支撑。     

杉木人工林胸径生长神经网络建模研究

【目的】探索神经网络技术对杉木人工林胸径生长的模拟和预测能力,以寻求最优模型。【方法】以江西大岗山杉木人工林为研究对象,依据林木生长理论,用林龄(A)、立地指数(SI)和初植密度(N)3个因子构建平均胸径生长BP模型;通过定量和定性分析相结合的方法对模型选优,并将最佳模型与拓展的Richards模型比较;最后将优化模型应用于未参与建模的样地。【结果】最佳BP模型为Levenberg-Marquardt算法3∶5∶1结构模型（LM351）,R²=0.984,MSE=0.196;拓展的Richards模型R²=0.964,MSE=0.433。LM351模型经校正后,适合预测福建邵武杉木人工林胸径生长规律（R²=0.995)。【结论】LM351神经网络模型在精度上优于传统Richards模型,适于林龄6～28年、立地指数12～17 m、初植密度1 667～9 967株/hm2的杉木林分平均胸径的模拟和预测。     

基于近红外光谱技术检测全蛋粉掺假

为提高全蛋粉掺假检测的准确度和检测效果,应用近红外光谱技术对全蛋粉掺假进行定性判别并对掺假含量进行定量分析。分别采用标准正态变换、多元散射校正、卷积平滑、归一化、一阶导数、二阶导数等6种不同预处理方法,对原始光谱数据进行预处理,采用竞争性自适应重加权算法（CARS）、连续投影算法（SPA）及CARS-SPA结合算法对光谱数据进行特征波长筛选,建立集成学习（ensemble learning,EL）模型对掺假蛋粉进行定性判别,建立偏最小二乘模型（PLSR）对掺假含量进行定量分析。结果显示：在对掺假蛋粉进行定性判别方面,一阶导数为最佳预处理方法,CARS算法特征筛选效果最佳,EL模型对掺假蛋粉样本总体判别准确率达到98.18%,对各类掺假蛋粉样品的判别准确率在97.78%以上。在对蛋粉掺假含量进行定量分析方面,多元散射校正为最佳预处理方法,CARS算法特征筛选效果更佳,对一组分掺假、二组分掺假、三组分掺假和所有掺假样本的PLSR浓度预测模型的预测集相关系数（R_p）分别为0.958 5、0.931 2、0.945 6和0.955 8,均方根误差（RMSEP）分别为4.689 1、5.813 4、4.604 1和3.802 9。研究结果表明,近红外光谱技术可用于蛋粉掺假检测,为监管机构检测蛋粉掺假提供参考。     

基于NIR定量模型快速预测发酵麸皮中还原糖和可溶性蛋白成分的含量

为建立一种能快速预测发酵麦麸还原性糖和可溶性蛋白含量的定量分析模型,本研究以发酵麦麸为样本,采用3,5-二硝基水杨酸比色法（3,5-dinitrosalicylic acid, DNS）和BCA蛋白浓度测定法分别测定样品的还原性糖和可溶性蛋白含量;利用近红外光谱技术（Near infrared spectrum instrument, NIR）结合偏最小二乘法（Partial least squares regression, PLS）,比较预处理方法、最佳波长及主成分因子的决定系数R²,建立发酵麦麸还原性糖和可溶性蛋白含量的NIR快速检测定量模型。结果表明：1）发酵麦麸还原性糖定量模型的预处理方法使用一阶导数 （First derivative, FD）+二阶导数 （Second derivative, SD）+标准正态变换 （Standard normal variate, SNV）,光谱范围为908~1 670 nm ,主因子数为7时,模型效果最优,其决定系数Rc²为0.904 8,校正均方根误差（Square error corrected, SEC）为1.576 1,相对分析误差（Relative percentage difference, RPD）为3.240 8;外部验证集决定系数Rp²为0.954 9且还原糖活性成分的验证集样本的测定值与NIR光谱预测值的P值为0.959 5>0.05。2）发酵麦麸可溶性蛋白定量模型的预处理方法使用一阶导数 （First derivative, FD）+二阶导数 （Second derivative, SD）+标准正态变换 （Standard normal variate, SNV）,光谱范围为908~1 670 nm ,主因子数为10时,模型效果最优,其决定系数Rc²为0.938 2,校正均方根误差（Square error corrected, SEC）为2.003,相对分析误差（Relative percentage difference, RPD）为4.021 9;外部验证集决定系数Rp²为0.994 4,且可溶性蛋白活性成分的验证集样本测定值与NIR光谱预测值的P值为0.901 9>0.05。综上,建立的NIR光谱定量模型稳定性和准确性较好,且预测准确度良好,可用于快速预测发酵麦麸样品的还原性糖和可溶性蛋白含量。     

白粉病胁迫下小麦叶片光谱响应与智能分类识别

目的 开展基于高光谱技术的白粉病胁迫下田间小麦光谱的响应研究,实现小麦白粉病感染等级的快速确定。方法 采用光纤光谱仪配合积分球和叶片夹采集大田活体小麦叶片可见-近红外光谱;通过光谱数据拟合得到的SF-SPAD (Spectrum fitting SPAD)值来反映叶绿素含量,对叶片感染白粉病进行初步判定;使用PROSPECT模型进行光谱敏感度分析确定敏感波段;结合主成分分析(Principal component analysis, PCA)降维和支持向量机(Support vector machine,SVM)建模,实现对光谱数据的二分类;根据二分类模型判断的病点百分比对小麦病虫害感染程度进行分级。结果 SF-SPAD值随自下而上的叶序的增大而逐渐上升;SF-SPAD值≤0.90的全是病点,≥1.05的全是好点。光谱敏感度分析确定了敏感波段为可见光波段440~500和540~780 nm,降低了数据维度。确定了感染等级(R)与病点百分比(%)的关系为R₁：0~30%、R₂：30%~50%、R₃：50%~70%、R₄：70%~100%。本研究所建模型适用的检测株数最少为20株。结论 结合SF-SPAD值和光谱PCA-SVM二分类建立的监测模型可以准确、快速地判定小麦白粉病感染与否及感染等级,同时可以降低采样数量、减少地面检测工作量、提高检测效率,是一项实用性强、简单、易推广的智能化监测技术。     

基于高光谱的水浇地与旱地春小麦拔节期叶绿素含量估测模型对比研究

测定拔节期水浇地与旱地春小麦冠层光谱、叶绿素含量、覆盖度、苗高和叶宽,采用回归分析方法建立春小麦叶绿素含量高光谱估测模型,并对模型精度进行检验。结果表明: 阳坡和双面坡地春小麦拔节期叶绿素含量与原始光谱反射率在可见光和近红外波段均呈正相关,水浇地和阴坡地在723 nm以前相关系数为负,723 nm以后为正。各地类春小麦叶绿素含量与各高光谱变量的相关性均较好,均达到了极显著水平(P<0.01)。无论在可见光还是近红外波段,水浇地春小麦叶绿素含量均与倒数之对数lg(1/R)的相关性最好,相关系数最大值可达0.98;阴坡地则与一阶微分的相关性最好,最大为0.94;而与阳坡和双面坡地相关性最好的高光谱指数为归一化植被指数。在 各个波段,倒数之对数模型lg(1/R)、一阶微分模型(p′)和归一化植被指数模型(N)分别是估测水浇地、阴坡地、阳坡和双面坡地春小麦叶绿素含量的最佳模型。虽然各模型R²均超过0.90,精确度均大于0.91,但阴坡地、阳坡和双面坡地的模型精确度和准确度略低于水浇地。以上模型的建立可为今后估测水浇地与旱地春小麦的健康状况提供参考。     

能源高粱茎、叶中能源转化相关化学成分的近红外光谱模型构建与优化

为建立能源高粱茎、叶中能源转化相关化学成分的近红外光谱快速定量分析模型,并探索模型优化方法,选取27份甜高粱和28份生物质高粱材料,采用化学分析方法测定茎、叶样品中可溶性糖、纤维素、半纤维素、木质素和灰分含量,分析2类能源高粱在成分含量上的差异以及茎、叶各成分含量间的相关性。同时,利用偏最小二乘法(PLS)对能源高粱茎、叶的近红外光谱建立能源转化相关化学成分分析模型,通过光谱一阶导和光谱点“竞争性自适应权重(CARS)”筛选等方法对模型进行优化。结果表明,甜高粱与生物质高粱在茎中可溶性糖、纤维素、半纤维素、木质素和叶可溶性糖含量等指标差异极显著(P<0.01)。在近红外光谱模型建立过程中,“一阶导-CARS”双优化处理使模型交叉验证决定系数(R²_CV)达到0.82~0.99,茎中可溶性糖、纤维素、半纤维素和木质素模型以及叶中可溶性糖、纤维素和灰分模型的交叉验证相对分析误差(RPD_CV)和预测相对分析误差(RPD_V)均>3.0,显著提升了模型预测性能。     

荒漠胡杨叶片含水率的高光谱反演

该研究对新疆艾比湖流域进行实地野外调查,并选取典型荒漠植被胡杨,在室外测定胡杨叶片光谱反射率,将光谱数据经处理后分析光谱反射率与叶片含水率的相关性,运用逐步多元线性回归法,建立胡杨叶片含水率高光谱估算模型,并由均方根误差（RMSE）、决定系数(R) 和残留预测偏差（RPD）来检验模型的预测能力和稳定性。结果表明：逐步多元线性回归法建立的模型适合于艾比湖流域胡杨叶片的含水率高光谱估算。反射率一阶微分光谱是检验胡杨叶片含水率较好的指标,检验R高达0.92、RMSE为0.013、RPD为3.13。     

三峡库区兰陵溪流域森林土壤有机碳、有机质与容重间的回归模型

【目的】建立三峡库区兰陵溪流域森林土壤有机碳、有机质与容重之间的回归模型,完善土壤属性数据库。【方法】利用该流域森林土壤调查数据库,确立土壤有机质(SOM)与有机碳(SOC)间的转换系数,构建土壤容重(BD)与SOM(SOC)含量之间的回归模型,并使用决定系数(R²)、Nash-Sutcliffe效率系数(E)、百分误差(P_e) 等统计参量进行检验。【结果】Van Bemmelen转换系数(0.58) 不适合该研究区(R²＝0.62,E＝0.51、P_e＝-31.16%),SOC-SOD转换系数应该为0.455(R²＝0.85,E＝0.86、P_e＝-3.0%),不同深度SOC-SOD转换系数并不相同,随土壤深度的增加迅速降低;其他地区构建的BD-SOM(SOC)回归模型不能直接应用于该区域,BD-SOM模型参数优化后可应用于该区域;BD-SOC模型参数优化后,对数多项式模型可以用于该区域。【结论】BD-SOM回归模型模拟值优于BD-SOC模型,建议使用BD-SOM回归模型进行土壤数据库完善。其中效率最高、误差最小的模型为Federer有机密度模型(R²=0.75,E =0.81,P_e =5.4%),可以在该地区推广应用。     

干旱胁迫下腐植酸肥料对燕麦光响应曲线的影响

为探究燕麦光合作用对干旱胁迫下喷施腐植酸的响应机制,采用盆栽方式在正常供水(75%田间持水量)、中度干旱胁迫(60%田间持水量)和重度干旱胁迫(45%田间持水量)3个水分条件下喷施腐植酸(HA)和等量清水(CK)处理,用(CIRAS-3)光合测定系统测定并拟合燕麦叶片的光响应过程。结果表明:1)在直角双曲线模型、非直角双曲线模型、指数模型和直角双曲线修正模型中,只有直角双曲线修正模型拟合得到的各项特征参数比较精确。2)喷施HA可以有效缓解重度干旱胁迫造成的光抑制现象。3)重度干旱胁迫下喷施HA相比于CK,燕麦叶片的最大净光合速率(P_nmax)、暗呼吸速率(R_d)和表观量子效率(Φ)显著提升,光饱和点(LSP)与光补偿点(LCP)降低。随着光合有效辐射(PAR)的增加,叶片蒸腾速率(T_r)和气孔导度(G_s)的提升速率加快,胞间CO₂浓度(C_i)的下降速率减缓。4)喷施HA显著增加重度干旱胁迫下的燕麦产量,籽粒产量和生物产量均与光饱和点(LSP)和光补偿点(LCP)呈极显著负相关,与最大净光合速率(P_nmax)和暗呼吸速率(R_d)呈极显著正相关。综上所述,重度干旱胁迫下,燕麦叶片光合机构受到损伤,喷施HA缓解燕麦叶片光合机构受害程度。     

兴安落叶松天然林蒸腾特征及其影响因素研究

【目的】了解兴安落叶松(Larix gmelinii)林分日蒸腾变化及其对环境因子的响应,进一步阐明环境条件调控林分蒸腾的机理。【方法】以兴安落叶松林为研究对象,在2018年生长季6—8月份对样地内林木根据胸径大小划分为3个径级,每个径级选取一株样树,利用热探针技术测定其树干液流密度,经尺度扩展得到林分蒸腾量,同步观测太阳净辐射量（R_n）、空气温度(T_a)、相对湿度（RH）、土壤含水量(SWC)、光合有效辐射量（PAR）等环境因子,利用Pearson相关分析、主成分分析、多元回归拟合等方法分析林分蒸腾对环境因子的响应,基于脱耦联系数（Ω）与林分日内蒸腾变化曲线确定太阳净辐射量（R_n）和水汽压亏缺（VPD）主导林分蒸腾的时段。【结果】（1）6—8月兴安落叶松林分日蒸腾量为0.41～1.44 mm,各月日蒸腾量均值为7月（0.85 mm）＞8月（0.65 mm）＞6月（0.64 mm）。（2）Pearson相关分析发现,影响林分日蒸腾量的环境因子主要为R_n、T_a、SWC,相关系数绝对值大小分别为SWC（0.657）＞T_a（0.383）＞R_n（0.318）。（3）通过主成分分析将影响兴安落叶松林分蒸腾的环境因子综合为植物生长因子(WS、SWC、PAR)、水分变化因子(R_n、RH、SWC)、日蒸腾量驱动因子(T_a、R_n),日蒸腾量驱动因子中T_a和R_n对林分日蒸腾量的贡献率大小表现为R_n（61.36%）＞T_a（38.64%）。（4）基于脱耦联系数与林分蒸腾量日内变化曲线得到R_n主导林分蒸腾的时间段为05：30—13：00,VPD主导林分蒸腾的时间段为13：00至翌日02：50。【结论】影响兴安落叶松林分日蒸腾量的环境因子主要为R_n和T_a,在日内尺度上影响林分蒸腾的环境因子是R_n和VPD,且二者主导的时段不同。     

基于APSIM的旱地小麦叶面积指数模拟模型构建

为了解旱地小麦叶片生长规律,建立基于APSIM的小麦叶面积潜在生长率模型和叶面积水、氮协同生长率模型,并在田间试验修订参数的基础上,连接到APSIM平台,模拟小麦叶面积指数动态变化过程,采用相关性分析方法定量分析小麦叶面积指数的变化规律。结果表明：基于APSIM的小麦叶面积潜在生长率模型和叶面积水、氮协同生长率模型对旱地小麦生长指标LAI的模拟有较高精度。小麦全生育期内叶面积指数模拟值与实测值呈显著正相关,相关系数(R)为0.996,归一化均方根误差(NRMSE)范围在3.08%～9.38%,模型有效性指数(M_E)为0.594～0.956,均大于0.5。     

温度对吉富罗非鱼呼吸的影响

在10-30℃条件下,测定呼吸室内吉富罗非鱼(Oreochromis niloticus,GIFT)呼吸频率、水体溶解氧、pH、游离二氧化碳以及氨氮的变化。结果表明,吉富罗非鱼耗氧率(Y_cr)和排氨率(R_an)随着温度(t)的升高而增大,线性回归方程分别为Y_cr=0.0038t²-0.0023t+0.0312(R²=0.9549),及R_an=0.0009t²-0.0027t+0.0037(R²=0.9475);氨熵(Q_a)为0.065-0.099(<0.33),蛋白质供能比为5%~30%,表明吉富罗非鱼主要由脂肪和碳水化合物供能。当温度在15~30℃时,随着温度的降低,二氧化碳排放率从0.0684mg/(g·h)下降至0.0114mg/(g·h)。出水pH明显低于进水pH,且进出水口pH的降低幅度随温度升高而增大。试验期间,10~30℃的呼吸商(Q_r)为0.55±0.10(<1),吉富罗非鱼主要进行有氧呼吸。     

基于土壤优化光谱参数估测太湖地区土壤全氮含量

为明确太湖地区土壤全氮的高光谱特征,构建定量分析模型,以江苏省无锡市滨湖区为研究区域,选取地理位置跨度大、土壤质地相似的93个样品,进行土壤风干样品全氮含量测定和光谱数据采集,对光谱反射率进行一阶微分,运用相关系数峰谷值法筛选敏感波长,将敏感波长两两结合进行土壤调节光谱指数（MSASI）运算。将两两结合后敏感波段分别采用多元线性回归分析、人工神经网络分析和偏最小二乘法构建土壤全氮含量的定量高光谱分析模型。结果表明,研究区内土壤全氮含量与光谱反射率呈正相关,敏感波段包括420~444 nm和480~537 nm。基于土壤调节光谱指数的多元线性回归分析对敏感波段诊断的效果最佳（R²=0.98、RMSE=0.04）,其精度高、可靠性强,是筛选出的最佳土壤全氮含量估测模型。偏最小二乘法模型（R²=0.70、RMSE=0.13）次之,而人工神经网络模型（R²=0.69、RMSE=0.15）精度最低。该研究结果为太湖地区土壤全氮水平的高光谱快速估测提供了方法借鉴,可为土壤养分精准管理提供技术参考。     

火炬松针叶儿茶素含量近红外预测模型的建立

【目的】建立火炬松针叶儿茶素含量近红外预测模型,为选育高生物活性成分火炬松良种奠定基础。【方法】以102个火炬松单株的针叶为试验材料,利用液相色谱 质谱联用技术（LC-MS）测定其儿茶素含量。使用近红外成分分析仪采集样品的近红外光谱信息,对采集的光谱信息采用不同的方式（一阶导数（FD）、标准正态变量转换法(SNV)、平滑算法、乘积分散校正法（MSC）和标准化预处理以及FD+SNV、MSC+FD）进行预处理,结合偏最小二乘法建立回归模型,比较不同预处理方法建立的回归模型参数,选择最佳光谱预处理方法,建立火炬松针叶儿茶素含量近红外预测模型,并对模型的预测准确性进行验证。【结果】FD+SNV为最佳的近红外光谱信息预处理方法;建立了火炬松针叶儿茶素含量的近红外预测模型,该模型的主成分数为14,校正集相关系数（R_C）为0.969 6,校正集均方根误差（RMSE_C）为1.308 4,交互验证集相关系数（R_V）为0.817 1,交互验证集均方根误差（RMSE_V）为3.105 2。经过外部验证,验证集火炬松针叶样品的儿茶素含量实测值与预测值有显著相关性（R=0.880 7）。【结论】建立了火炬松针叶儿茶素含量近红外预测模型,该模型可以准确、高效地预测火炬松针叶的儿茶素含量。     

协同冠层SIF和PRI光谱指数的构建及其在小麦条锈病监测中的应用

【目的】利用反射率光谱在作物生物物理方面的优势和日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)、光化学反射率指数(photochemical reflectance index,PRI)在光合生理方面的优势,构建协同冠层SIF和PRI光谱指数(synergistic spectral index of SIF and PRI,SISP),旨在提高作物病害遥感探测精度。【方法】基于3FLD(three bands fraunhofer line discrimination)算法,估测小麦条锈病在不同病情严重度下的单波段SIF强度,利用对作物冠层几何结构敏感的归一化植被指数(normalized difference vegetation index,NDVI)和重归一化植被指数(re-normalized vegetation index,RDVI)对SIF和PRI进行处理,再利用处理后的SIF和PRI数据构建SISP指数,通过建立传统的光谱指数和SIF、PRI及其组合对小麦条锈病的遥感监测模型,以病情指数(disease index,DI)实测值与预测值之间的决定系数(R²)、均方根误差(RMSE)和相对分析误差(RPD)评价模型精度,进而与SISP指数建立的模型进行比较,分析SISP指数对作物病害遥感监测的有效性。【结果】（1）综合利用SIF和PRI数据能够提高对小麦条锈病的遥感探测精度,3组验证样本数据集中,以PRI和SIF的简单组合PRI+SIF为自变量构建的小麦条锈病监测模型,预测DI值与实测DI值间的R²比单一PRI和SIF至少提高14.0%和1.7%,RMSE至少降低7.1%和3.7%。（2）利用反射率光谱指数NDVI和RDVI处理后的SIF和PRI构建的SISP指数,对小麦条锈病DI的预测精度优于直接利用PRI和SIF组合的各种指数,验证样本数据集中预测DI值与实测DI值间的R²至少提高3.7%,RMSE至少降低9%。（3）以SISP和反射率光谱指数为自变量构建的小麦条锈病多元线性回归(multiple linear regression,MLR)和径向基神经网络(radial basis function neural network,RBFN)模型的精度,高于仅利用反射率光谱指数构建的模型精度,其预测DI值与实测DI值间的R²分别较反射率光谱指数提高13.42%和5.72%,RMSE分别减少29.93%和19.24%,RPD分别提高44.53%和29.80%。【结论】利用NDVI和RDVI处理后的SIF和PRI构建SISP指数,能够减弱作物群体生物量对冠层SIF和PRI信号的影响,提高小麦条锈病的遥感监测精度。     

融合无人机多光谱和纹理特征的马铃薯LAI估算

目的 研究融合无人机遥感影像多光谱信息和纹理特征估算马铃薯Solanum tuberosum叶面积指数(Leaf area index,LAI)方法,提高马铃薯LAI反演精度。方法 利用大疆P4M无人机采集2021年2－4月南方冬种马铃薯幼苗期、现蕾期、块茎膨大期多光谱影像,用LAI-2000冠层分析仪实测LAI数据。提取影像光谱、纹理等信息,分析植被指数、纹理特征与LAI的相关性,基于R²_adj的全子集分析优选特征变量。采用主成分分析,融合光谱和纹理特征,用PCA-MLR(Principal component analysis-multiple linear regression)模型估算马铃薯LAI。结果 从幼苗期到块茎膨大期,PCA-MLR估算模型优于T-MLR(Texture multiple linear regression)和VI-MLR(Vegetation index multiple linear regression)模型,R²分别为0.73、0.59和0.66。结论 本研究提出一种估算马铃薯LAI的PCA-MLR方法,为马铃薯的长势监测和田间管理提供数据支持。     

基于近红外光谱法的水稻秸秆可溶性糖快速检测

采集并制备不同地域、不同品种的水稻秸秆样本288个,根据浓度梯度法,按照31的比例划分校正集与验证集。采用蒽酮硫酸比色法测定试验样本中可溶性糖含量,并采集在近红外全波段(10 000~4 000cm-1)范围内样本的近红外光谱信息。采用多元散射校正(MSC)、标准正态变量变换(SNV)、导数、S-G平滑及其组合方法对光谱进行预处理,分别运用逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)化学计量学算法,建立基于近红外光谱的逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)定量分析模型。通过比较分析,对光谱进行一阶导数预处理,建立的PLS模型效果最优,校正集实测值与预测值之间的决定系数R2C达到0.880 6,交互验证决定系数(R2CV)和验证集决定系数(R2V)分别为0.771 1、0.857 8,均方根差RMSEC、RMSECV、RMSEP分别为0.318%、0.440%、0.404%,校正集相对分析误差(RPDC)和验证集相对分析误差(RPDV)均大于2.5。结果表明,采用近红外光谱法建立的PLS模型基本可以实现水稻秸秆中可溶性糖含量的快速检测。     

基于无人机遥感的果园冠层氮素估算及空间分析

为快速准确地获取植株冠层氮素含量及空间分布特征，对大尺度的果园进行精准动态的管理，以宽行窄株小冠模式、宽行窄株篱壁模式和传统栽培模式3种栽培模式的120棵柑橘树为研究对象，通过测定冠层氮素含量并提取无人机遥感影像多光谱数据中的纹理指数和植被指数，运用随机森林算法（RF）建立基于植被指数、纹理指数以及融合植被指数和纹理指数的柑橘冠层氮素反演模型，并比较融合植被指数和纹理指数的支持向量机（SVM）、BP神经网络算法（BP）和RF的模型反演精度。结果显示：在随机森林算法中，融合植被指数和纹理指数比单独的植被指数或纹理指数更能准确预测柑橘冠层氮素含量；植被指数训练集R²为0.710，测试集R²为0.430；纹理指数训练集R²为0.761，测试集R²为0.349；融合植被指数和纹理指数训练集R²为0.775，测试集R²为0.533。融合植被指数和纹理指数在SVM算法训练集R²为0.511，测试集R²为0.371；BP神经网络训练集R²为0.651，测试集R²为0.204。用融合植被指数和纹理指数的RF模型对3种栽培模式的柑橘园进行氮素反演，得到宽行窄株小冠模式的柑橘冠层平均氮素含量最高，其次为宽行窄株篱壁模式，传统栽培模式最低，氮素含量均值分别为31.33、30.20和27.82 mg/g。结合无人机遥感与融合植被指数和纹理指数的随机森林算法能够有效预测柑橘冠层氮素含量，可为大尺度柑橘果园定量施肥提供参考。