基于红边参数和人工神经网络的苹果叶片叶绿素含量估算

【目的】应用人工神经网络来解决苹果叶片叶绿素含量与高光谱数据之间的非线性关系,建立估测苹果叶片叶绿素含量的最佳模型,为苹果叶片叶绿素含量的快速无损监测提供参考。【方法】以位于陕西扶风杏林镇的树龄为4-5年的15棵苹果树为研究对象,2015年分别于果树花期（4月27日）、幼果期（5月30日）、果实膨大期（7月6日）、果实着色期（8月5日）、果实成熟期（9月11日）采集叶片样本,利用SVC HR-1024i型高光谱仪和SPAD-502叶绿素仪同步获取苹果叶片光谱值和对应的叶绿素含量,对原始光谱和一阶导数光谱与叶绿素含量之间的关系进行分析,从一阶导数光谱中提取苹果叶片光谱的5个红边参数,从5个红边参数中筛选出相关性好的红边参数,使用传统单变量回归算法、反向传播（back propagation,BP）神经网络和径向基函数（radial basis function,RBF）神经网络,建立叶绿素含量估测模型,用决定系数（R2）、均方根误差（RMSE）和相对误差（RE）来验证模型的准确性。【结果】与原始光谱相比,一阶导数光谱与苹果叶片叶绿素含量的相关性更高。5个红边参数中,红边位置、峰度系数、偏度系数与叶绿素含量的相关系数均较高,且均达极显著水平。建立的传统单变量回归模型中,基于红边位置、峰度系数和偏度系数的R2均大于0.7,其中基于偏度系数建立的多项式模型模拟精度最高,验证结果R2为0.872,RMSE为4.631,RE为8.81%。选取红边位置、峰度系数和偏度系数为人工神经网络的输入变量,分别优化BP神经网络的隐含层节点数和网络类型以及RBF神经网络的扩展系数（SPREAD值）来提高预测精度,结果发现,建立隐含层节点数为4的双隐含层BP神经网络最优模型R2为0.891,RMSE为3.844,RE为7.55%;当SPREAD值为0.6时,建立的RBF神经网络最优模型的R2为0.955,RMSE和RE分别为2.517和3.69%。【结论】估算苹果叶片叶绿素含量时,人工神经网络模型比传统单变量模型精度高,其中RBF神经网络模型学习速度快、精度高,拟合结果更加可靠。     

基于EFAST方法的苹果叶片叶绿素含量估算

为了快速、准确地估算叶绿素含量,使用2012年和2013年在山东省肥城市潮泉镇获取的整个生育期苹果叶片叶绿素含量和配套的光谱数据,利用PROSPECT模型和EFAST方法探讨了对叶绿素含量敏感的波段,然后采用经验统计方法实现了单波段高光谱对苹果叶片叶绿素含量的监测。结果表明:以571 nm和697 nm波段光谱参数为自变量所建立的估测模型拟合精度较高,其决定系数(R2)分别为0.71和0.69,均方根误差(RMSE)分别为1.14、1.17 mg/dm~2,相对误差(RE)分别为-1.07%和-1.01%。以PROSPECT模型和EFAST方法整合筛选的敏感波段建立的估算模型监测叶绿素含量效果较好,为利用高光谱技术监测苹果长势提供了理论依据。     

不同倍性苹果叶片叶绿素荧光参数分析

对不同倍性苹果嘎拉（二倍体）、4-9（四倍体）、富士（二倍体）、天星（四倍体）叶片的叶绿素荧光参数进行了测定分析。结果表明：四倍体苹果叶片的荧光参数（Fv,Fv/Fm,Fv/F0,Fm/F0）显著高于二倍体,因此四倍体苹果叶片相对于二倍体苹果叶片而言,具有更强的光系统活性、光能转化效率和电子传递效率,能将所吸收的光能更有效地转化为化学能。     

基于红边参数的棉花冠层叶片氮积累量之估算研究

测试了棉花2个品种4水平种植密度的4个关键生育时期冠层反射光谱,应用微分技术处理棉花冠层反射光谱,提取了红边(680～750nm)波段范围的最大一阶微分值(Dr)和红边面积(SDr)参数。分析了棉花冠层红边参数在不同生育期的变化特征和棉花吐絮期的两种生长类型的冠层红边状况,表明红边位置可以指示它们的氮素状况。以新陆早8号的SDr为自变量与对应的LNA为因变量进行相关分析,SDr与冠层LNA达1%极显著相关(R=0.9186**,n=32),利用其构建的模型方程估算新陆早6号的LNA,实测LNA和估测LNA的估计标准差为0.8909g/m2,估算精度为88.1%(R=0.9277**,n=32),说明采用高光谱提取的红边参数信息是无损实时、快捷评价棉花氮素状况的有效方法。     

基于红边参数不同品种的估算模型

【目的】利用红边参数的动态变化规律建立不同品种滴灌棉花叶面积指数估测模型。【方法】以棉花品种新陆早50号、新陆早58号和鲁棉研24号(杂交棉)为材料,分析LAI和红边位置的动态变化,构建滴灌棉花叶片红边参数-LAI估算模型。【结果】LAI增长最快时期均出现在40~70 d,不同品种滴灌棉花的LAI增长速率有明显的差异,表现为:鲁棉研24号>新陆早50号>新陆早58号;不同品种棉花均在病虫害发生期出现蓝移现象,在棉花正常生长下,出现红移现象。红边参数与LAI均达到极显著相关,构建3个估算模型中,鲁棉研24号精度最高(R²=0.816 8 ,RMSE=0.77)。【结论】建立的估算模型均可对LAI进行有效估测。     

苹果叶片叶绿素含量和淀粉滞留量对光合作用的影响

苹果叶片叶绿素含量和淀粉滞留量对光合作用的影响胡桂娟，刘嘉芬，刘寄明（山东省果树研究所泰安２７１０００）叶片的光合作用是决定果树生物产量和经济产量的首要因素。有关果树光合研究已有不少报道。本文针对不同时期玫瑰红苹果叶片叶绿素含量和淀粉滞留量与淀粉积累...     

苹果实生苗叶片叶绿素含量遗传趋势

为探讨苹果实生苗叶片叶绿素含量的遗传规律，以7个苹果品种及其杂交组合的F₁代为试材，对5个F₁代及亲本叶片叶绿素SPAD值进行分析。结果表明，不同品种的叶片叶绿素含量差异较大，苹果叶片叶绿素含量是受多基因控制的数量性状，F₁代叶绿素含量与亲本比较有降低的趋势，后代分离不广泛，其遗传主要表现为基因的加性效应，并存在较小的非加性效应。在5个组合中，只有摩里士×藤牧组合具有正向的杂种优势。叶绿素含量杂种优势因作物类型、品种和测定时期不同而结果各异。杂种能否表现优势，亲本的选择和选配十分重要。     

苹果冠层叶绿素含量高光谱估算模型

【目的】 研究一种快速、简便、无损的苹果冠层叶绿素含量估测模型。探索苹果品种岩富10号冠层的高光谱特征和叶绿素含量的估测方法,为该地区岩富10号苹果营养的快速诊断奠定基础,为红富士苹果精准化管理和-7光谱尺度研究提供参考依据。【方法】以红富士苹果(Malus domestica Borkh. cv. Red Fuji)主栽品种岩富10号叶绿素含量以及冠层高光谱反射率为数据源,分析叶绿素含量与冠层原始光谱(R)、微分光谱(R')之间的相关关系,利用敏感波段建立新的对应关系,构建岩富10号叶绿素含量的多种回归估测模型,并对不同模型进行了精度评价。【结果】微分光谱用于岩富10号叶绿素含量的估测精度要显著高于原始光谱反射率;利用敏感波段组合新定义的衍生变量拟合程度更优;在多种回归方式中,三次多项式模型的拟合程度最好,最优模型为357 nm等7个波段组合定义的新植被指数所建立的三次多项式模型,其精度为0.839。【结论】应用光谱技术对南疆塔里木盆地阿克苏地区岩富10号叶绿素含量进行定量反演是可行的。     

利用遥感红边参数估算夏玉米农学参数的可行性分析

分析夏玉米农学参数、红边参数以及两者之间的相关性,结果表明:可利用红边位置(REP)来反演叶片绿度值(SPAD),利用归一化的吸收深度(ND672)、吸收特征面积(Area672)和红边宽度(Lwidth)来分别反演叶绿素a、叶绿素b、叶绿素a+b以及叶绿素a/b含量;利用一阶微分光谱最大值(FD_Max)和Area672来反演类胡萝卜素含量和类胡萝卜素含量/叶绿素a含量.从而,构建了以红边参数为自变量的农学参数的反演模型,为生产上利用遥感技术大区域,无破坏、实时快速地监测夏玉米的生长状况以及进行营养诊断提供了重要的技术依据.     

苹果叶片高光谱特性与叶绿素含量和SPAD值的关系

以礼富一号和嘎啦苹果为材料,分别测量了叶片的光谱反射率、SPAD值和叶绿素含量,分析了叶片的SPAD值和叶绿素含量与微分光谱之间的相关性。结果表明,苹果叶片的叶绿素含量与SPAD值呈线性相关,品种间的SPAD值和光谱反射率都存在差异。苹果叶片叶绿素含量的敏感波段位于694 nm。基于敏感波段的微分数值,建立了一阶微分光谱值与苹果叶片SPAD值和叶绿素含量的回归模型,确定系数分别达到0.781 8和0.589 9,为利用高光谱遥感技术反映苹果生长状况的叶绿素信息提供了依据。     

基于遗传神经网络的苹果综合分级系统

充分利用计算机视觉和人工神经网络技术 ,建立了一个苹果综合外观品质检测与分级系统 ,实现了对苹果的正确分级 ,正确识别率可达 90 .8%。还借助于遗传算法对 BP网络进行设计 ,提高了其学习速度。     

基于人工神经网络的林分直径分布预测

以马尾松人工林为研究对象,用人工神经网络建模技术构建了林分直径分布预测模型。经训练和优选,得到的理想模型结构为3∶6∶6∶1,训练误差指标为0.000281,总体拟合准确度为98%。模型对82块训练标准地的累积频率拟合准确度最大为100%,最小为95%,平均为98%;频率拟合准确度最大为96%,最小为75%,平均为87%。模型对18块检验标准地的累积频率预测准确度最大为99%,最小为97%,平均为98%;频率预测准确度最大为96%,最小为76%,平均为88%。所建模型具有很好的拟合效果和很强的预测能力,可用于10～30年生马尾松人工林。研究结果证明,人工神经网络技术可以作为有效的林分直径分布预测技术。     

人工神经网络在农业中的应用研究

本文回顾了人工神经网络技术在国内外农业领域中的应用情况,对其在农业中的应用前景进行展望。     

基于神经网络的宏观农业生产预测模型的研究

为探索宏观农业生产系统预测的新方法，构建了基于人工神经网络的预测模型，利用1994-2003年的气象、经济、生产、投入、技术、价格各方面的数据对我国粮食生产进行了拟合分析，并预测了2004年粮食总产，预测的结果为46125．46万t。结果表明，与灰色系统相比，本文建立的模型具有90％以上的拟合精度，模型具有容错能力、联想能力和学习能力．可以用来尝试解决农业生产系统预测问题。     

基于智能手机和人工神经网络反演小微水体水质参数研究

通过智能手机反演进行环境监测越来越受到关注，目前研究主要利用可见光反射率进行光学活性参数反演。本文基于水质现场监测数据，同步应用智能手机拍照，通过偏振镜、手机望远镜、不同规格滤波片、24色标准色卡，获取水体图像信息，结合逐步回归与人工神经网络方法，开展了长三角地区典型小微水体水质光学参数叶绿素和浊度以及非光学参数可溶性有机碳（dissolved organic carbon，DOC）反演监测。结果表明，研究区水体总体DOC浓度值变异范围在2.73-16.90 mg/L，浊度变异范围在6.53-91.10 NTU，叶绿素a浓度值变异范围在0.36-245.47 μg/L。通过逐步回归方法提取了水体DOC浓度的五个图像特征参数为R1＇、B/G2＇、R2"、R4"、B/G6＇，浊度图像特征参数为B/R3＇、G5"、R6"，叶绿素a的图像特征为B/G1＇、R2"、B/G4＇。结合人工神经网络模型反演水体水质参数，DOC浓度纳什系数NSE为0.62，浊度NSE为0.65，叶绿素NSE为0.67，具有较高的反演精度。本研究构建了基于智能手机反演水质光学参数的方法，并探讨了非光学参数反演的可行性，为后续开发APP应用程序和反演水质参数提供了基础和依据。     

基于粒子群组合神经网络的原岩应力预测研究

【目的】建立原岩应力准确预测方法,为岩石力学研究及地下岩土开挖工程设计与施工提供参考。【方法】充分利用区域实测原岩应力数据资料,选取岩石埋藏深度、岩石类别等参数作为原岩应力的评判指标,在分析基于群体智能（GI）的粒子群优化算法（PSO）和BP神经网络算法特点的基础上,提出一种新的组合训练方法,建立了PSO-BP组合人工神经网络模型,并对原岩应力进行实际算例预测。【结果】PSO-BP组合人工神经网络模型整体工作性能优良,研究区域原岩应力场最大主应力、最小主应力、垂直应力的网络输出与目标输出相关程度较高,相关系数分别为0.994 0,0.997 0,0.992 0,该组合模型基本可以预测研究区域原岩应力场的分布规律。【结论】应用建立的PSO-BP组合人工神经网络模型可以进行原岩应力的准确预测,对岩体初始应力研究和地下工程设计具有一定的指导意义。     

棉花冠层叶片叶绿素含量与高光谱参数的相关性

【目的】研究棉花冠层叶片叶绿素含量与高光谱参数的相关性,建立叶绿素含量估算模型。【方法】2014年,以鲁棉研28号为研究对象,测定不同施氮水平和生育期棉花冠层叶片叶绿素含量及350~2 500nm光谱反射率,以棉花冠层高光谱反射率与冠层叶片叶绿素含量为数据源,在分析叶绿素含量与原始高光谱反射率(R)、一阶导数光谱反射率(DR)、光谱提取变量和植被指数相关性的基础上,采用一元线性与多元逐步回归的方法构建了叶绿素含量估算模型,并对从中筛选的6种棉花冠层叶片叶绿素含量估算模型进行精度对比。【结果】1)棉花冠层叶片叶绿素含量在反射光谱766nm处相关系数达到最大值,相关系数r=0.836;对于一阶导数光谱,叶绿素含量的敏感波段发生在753nm处,r=0.878;2)以9种光谱提取变量与8种植被指数为自变量,建立叶绿素含量的估算模型,筛选出的特征变量为红边面积(SDr)、绿峰与红谷的归一化值((Rg-Rr)/(Rg+Rr))、绿峰幅值(Rg),仅采用8种常用植被指数建立估算模型,筛选出的变量为比值植被指数(RVI);3)所建立的6种模型中以基于一阶导数光谱反射率建立的多元逐步回归估算模型精度最高,均方根误差(RMSE)为1.075,相对误差(RE)为2.22%,相关系数(r)为0.952。【结论】采用原始光谱、一阶导数光谱、光谱提取变量及植被指数均可对棉花叶绿素含量进行监测,其中基于一阶导数光谱的多元逐步回归模型对叶绿素含量的估算效果最优。     

人工神经网络对果蝇鸣声的分类识别

为了利用昆虫鸣声对昆虫进行种间或种下分类,对实验室环境下同种2个不同品系黑腹果蝇的飞行翅振鸣声进行了采集、分析,提取鸣声信号特征参数,并利用人工神经网络对采集的果蝇鸣声信号进行分类识别。结果表明,2个品系果蝇鸣声的基频均为236.86 Hz,有多个谐频,频率范围为0~4000 Hz,重叠较大;所建立的人工神经网络对种内不同品系果蝇鸣声的正确识别率均在75%以上,识别效果很好。研究结果为果蝇种下分类提供了新的方法和依据。     

基于神经网络和遗传算法的红景天苷缓释微囊制备过程建模与优化

建立了红景天苷缓释微囊的人工神经网络模型及其遗传算法优化技术。结果表明,结构为5-12-3的神经网络模型能较为精确地拟合测试的样本数据,其最大相对误差不超过4%;遗传算法优化的红景天苷缓释微囊制作最佳工艺参数为:海藻酸钠与红景天苷的质量比为2,海藻酸钠浓度为30g/L,壳聚糖浓度为5g/L,氯化钙浓度为10g/L,壳聚糖溶液pH值为6.35,该工艺参数下的最大适应度较单因素及二次旋转组合试验中的最大适应度高14%,且最佳工艺参数下载药量、包埋率和决定系数的预测值和试验值基本相符。说明用神经网络模型描述微囊制作参数与性能之间的关系,用遗传算法优化微囊制作工艺参数,能设计出性能最佳的微囊制作工艺参数。