无人机多光谱遥感反演冬小麦植株含水率

为了建立一种高效监测冬小麦植株含水率的无损方法,用于反映作物水分状况、指导精准灌溉。以北京大兴的冬小麦为研究对象,利用无人机搭载多光谱相机采集冬小麦5个波段的光谱信息,构造了光谱反射率模型和光谱植被指数模型,筛选了典型地区冬小麦植株含水率解译模型。结果表明:冬小麦植株含水率与反射光谱在0.05水平上显著相关,优选的两种模型的预测精度较高,相对误差均小于10%,决定系数均大于0.75;从模型复杂程度和物理含义考虑,估算植株含水率的最优模型为基于逐步回归法的光谱指数模型,该模型的率定及验证的决定系数为0.78和0.83,均方根误差为6.79%和5.47%,相对误差为9.73%和6.91%。该研究为采用无人机多光谱遥感技术实现对作物水分的快速高效监测提供了有效方法。     

基于可见/近红外光谱的柑橘糖度在线检测分选系统的设计与试验

在6GF–4型林果无损检测与分选成套设备中,设计了基于可见/近红外光谱的柑橘糖度在线检测分选系统,系统主要包括传输装置、光谱采集装置、控制系统以及分选装置。系统在柑橘果实运动状态中采集其光谱信息,并通过所建立的果实糖度模型进行同步计算,根据所得糖度值对柑橘果实实现在线分选。在光谱采集装置中设计了双透镜式光路,可改变投射于柑橘果实上的光斑大小,通过研究比较试验参数积分时间和光斑尺寸大小,得出系统的最佳采集参数为积分时间100 ms,光斑尺寸设置为小,样本移动速率为5个/s。建立的SPXY–CARS–PLSR柑橘糖度在线检测模型校准集和预测集的决定系数分别为0.938和0.836,校准集和预测集的均方根误差分别为0.273°Brix和0.418°Brix。使用未参与建模的25个柑橘果实样本进行外部验证集的在线检测和分选,结果在1°Brix的误差范围内,检测糖度的准确率为92%;当样本分为4个等级时,系统分选正确率为92%;当样本分为3个等级时,系统分选正确率可达100%。     

牛肉近红外光谱的地域及饲养期特征分析

 【目的】探讨利用近红外光谱分析技术区分不同地域来源和饲养期牛肉的可行性,为牛肉产地溯源和产地确证等监管措施提供分析方法和理论依据。【方法】利用近红外光谱仪测定在内蒙古太仆寺旗、陕西杨凌区、河南南阳市实施的人为迁徙饲养模型试验中的18头肉牛肌肉样品的光谱,结合饲料和饲养方式,比较地域和饲养期样品之间的光谱特征差异,并利用主成分分析比较样品的空间分布。【结果】牛肉样品近红外光谱特征与地域、饲料种类和饲养方式等因子密切相关;同一地域不同饲养期和同一饲养期不同地域牛肉的近红外光谱特征均有显著差异;利用主成分分析能将不同地域来源和饲养期样品区分开。【结论】地域和饲养期对牛肉近红外光谱均有显著影响,进行牛肉产地溯源和产地确证时必须考虑地域和饲养期等因子;近红外光谱分析技术用于区分不同地域来源和饲养期的牛肉是可行的。     

关于光谱反射率和小麦叶面指数之间关系的研究

根据理论分析作出了小麦叶片7种角度分布情况下的光谱植被指数和吸收的光合辐射曲线以及叶面指数和吸收的光合辐射曲线。由实测的小麦光谱反射率数据计算出光谱植被指数,再使用这二套理论曲线可求出小麦的叶面指数。还作出了叶片7种角度分布下,小麦叶面指数计算值和测量值之间的线性回归方程,得出小麦叶片倾角为70°的分布和使用 ND 光谱指数具有最好的结果。     

轮台白杏果实不同生育期叶片光谱特性及对氮磷钾的敏感性

[目的]通过分析果实不同生育期叶片光谱反射率对N、P、K的响应,探寻采用叶片光谱指数诊断N、P、K的敏感期,为轮台白杏简便快捷的非破坏性营养诊断提供最佳时间窗.[方法]基于“3414”肥料效应田间试验,利用Unispec - SC光谱仪测定轮台白杏在不同N、P、K施肥水平下果实膨大期、着色期、成熟期、收后期叶片光谱反射率.[结果]轮台白杏果实不同生育期叶片光谱反射率变异依赖于波长,变异最小的波段位于可见光范围,且光谱反射率呈现膨大期＞成熟期＞收后期＞着色期.在不同N、P、K施肥水平下,轮台白杏果实不同生育期叶片光谱指数(ND705)之间均存在显著差异(P＜0.05)或极显著差异(P＜0.01).[结论]果实着色期是轮台白杏N素叶片光谱营养诊断的敏感期,果实膨大期是P、K素叶片光谱营养诊断的敏感期.     

北京典型耕作土壤养分的近红外光谱分析

为研究土壤养分含量分布信息,以从北京郊区一块试验田采集的72个土壤样品为试验材料,应用傅里叶变换近红外光谱技术分析了土样的全氮、全钾、有机质养分含量和pH值。采用偏最小二乘法(PLS)对光谱数据与土壤养分实测值进行回归分析,建立预测模型,以模型决定系数(R2)、校正标准差(RMSECV)、预测标准差(RMSEP)和相对分析误差(RPD)作为模型精度的评价指标。结果表明,利用该模型与光谱数据对土壤全氮、全钾、有机质养分含量和pH值进行预测,结果与实测数据具有较好的一致性,最高决定系数R2达到0.9544。偏最小二乘回归方法建立的养分预测模型能准确地对北京地区褐土土质全氮、有机质、全钾和pH值4种养分进行预测。     

基于无人机多光谱遥感的冬小麦叶片含水量反演

为了快速监测小麦叶片水分含量,以敏感波段组和植被指数组2种变量分别作为输入变量,以地面同步观测的冬小麦叶片含水量作为输出变量,分别采用偏最小二乘(partial least squares, PLS)、极限学习机(extreme learning machine, ELM)和粒子群算法(particle swarm optimization, PSO)优化极限学习机,建立冬小麦叶片含水量预测模型,并对其反演效果进行比较。结果表明,光谱反射率和植被指数与叶片含水量之间存在较为密切的相关性,依此确定的敏感光谱波段为红光、蓝光和近红外波段,敏感植被指数为绿度指数、过红指数、归一化绿红差值指数、三角形植被指数和过绿指数。从2种变量的建模效果看,基于植被指数组构建的模型的精度和稳定性均优于敏感波段组,其中基于植被指数组的PSO-ELM模型在6个叶片水分含量反演模型中表现最佳,其r²和RMSE分别为0.98和0.26%。利用最优模型反演得到研究区冬小麦叶片含水量的分布范围为45%～75%,平均为64.57%,反演结果与地面实测较相符,说明基于无人机光谱数据通过建立以植被指数为...     

基于近红外光谱法无损检测芦柑表面多种农药残留研究

以表面喷施不同浓度梯度的乙酰甲胺磷和毒死蜱混合农药的芦柑为研究对象。把两种农药以1:1比例混合,然后用自来水配置成1:100、1:300、1:500三种浓度农药溶液,分别喷施在192个芦柑表面上。采集近红外光谱数据后,应用NY/T761―2008方法 ,通过SP―6890气象色谱仪检测芦柑表面两种农药的残留量。对所得数据分别采用多元散射校正(MSC)和标准正态变量变换(SNV)两种光谱预处理方法 ,并结合联合区间偏最小二乘法(SiPLS)建立农药残留预测模型。结果表明:采用MSC的光谱预处理方法时建立的乙酰甲胺磷预测模型较优,其预测集相关系数R为0.8199;而采用SNV的光谱预处理时建立的SiPLS毒死蜱预测模型较优,其预测集相关系数为0.8434。可见,应用近红外光谱技术定量检测芦柑表面多种农药残留是可行的。     

基于近红外光谱的五味子提取过程在线检测方法研究

目的 利用近红外(NIR)光谱法,建立定量模型,实现五味子提取过程中关键指标的快速检测。方法 在线采集五味子提取液的近红外光谱,以高效液相色谱法和差重法获取参照,采用最小二乘回归法(PLSR)分别建立五味子醇甲、果糖、葡萄糖和可溶性固形物的定量模型。结果 定量模型的校正集相关系数R、校正均方根误差RMSEC、预测均方根误差RMSEP分别为：五味子醇甲0.99792、1.41、8.76,果糖0.99246、0.0919、0.333,葡萄糖0.99371、0.0954、0.448,可溶性固形物0.98723、3.07、11.2。结论 该方法快速、便捷,结果准确,适用于五味子提取过程的快速检测。     

基于红外光声光谱的农作物秸秆导热系数定量分析

选用我国华北地区具有代表性的小麦、玉米、水稻秸秆样品,对比研究了偏最小二乘(PLSR)和高斯核支持向量机(RBF-SVR)分别构建单一和混合种类秸秆全波段定量分析模型的效果,探讨了红外光声光谱耦合化学计量学方法构建我国主要粮食作物秸秆导热系数定量分析模型的可行性。研究发现,小麦秸秆和水稻秸秆导热系数RBF-SVR非线性模型,以及玉米秸秆、混合种类秸秆的PLSR线性模型效果较优。进一步应用蚁群算法与上述最优建模方法相结合,构建了更加优化的小麦秸秆、玉米秸秆、水稻秸秆和混合秸秆导热系数模型,验证决定系数(R_p~2)分别为0.77、0.83、0.96和0.79,验证均方差(RMSEP)分别为0.007 8、0.015、0.005 9、0.014 W/(m·K),验证相对分析误差(RPD)分别为2.81、2.41、7.39和2.15。研究结果表明,红外光声光谱技术结合先进适用的化学计量学方法可实现我国主要粮食作物秸秆导热系数的快速定量分析,但混合秸秆模型预测精度仍需进一步提升。