排序方式: 共有13条查询结果,搜索用时 0 毫秒
1.
基于田间原位土壤含水量估测的可见/近红外光谱建模方法 总被引:1,自引:0,他引:1
为实时、准确地获取原位土壤含水量信息,利用可见/近红外光谱技术,分别使用全局偏最小二乘(PLS)建模、局部PLS建模方法,对田间原位土壤含水量进行快速估测。结果表明:全局PLS模型中,其建模集的决定系数(R~2)、交叉验证均方根误差(RMSECV)分别为0.943和1.750%,检验集的决定系数(R~2)、预测均方根误差(RMSEP)分别为0.956和1.260%。局部PLS模型中,分别比较了选取定标子集的2种方法(欧氏距离法和马氏距离法),采用欧氏距离法和马氏距离法选取定标子集进行建模的R~2值分别为0.974和0.979,RMSEP值分别为0.976%和0.943%。因此,将可见/近红外光谱技术应用到田间原位含水量测量是可行的,其中,使用局部建模方法的效果优于全局建模。 相似文献
2.
光谱判断田间鲜烟叶成熟度的影响因子研究 总被引:2,自引:0,他引:2
利用便携式地物波谱仪Field Spec 3测量烤烟成熟期烟叶的反射光谱,针对采收成熟度M2、M3,分析比较同一时间不同测量位点、及同一位点不同测量时间的反射光谱差异。结果表明:反射光谱的差异在不同测量位点主要体现在350~780 nm可见光波段和780~1300 nm近红外波段,在不同测量时间主要体现在780~1300 nm近红外波段。因此,利用光谱仪判断鲜烟叶成熟度,受测量位点的影响较大,而受测量时间的影响较小,但若测量烟叶生理生化组分、厚度和水分等内在指标,时间及天气状况是必须考虑的重要因素。 相似文献
3.
摘要 (目的)在模拟玉米三维结构的过程中,需要描述和表征其各器官的变化。叶片是其重要的器官之一,而叶片造型的主要任务是叶片中脉曲线的设计。(方法)本文采用对中脉分段的方法,根据各分段曲率参数计算出每段变形之后的端点,递推得到若干可用于描述叶脉特征的点列。为了获得玉米植株叶片中脉的三维形态,作者采用三维数字化仪测量了36株玉米群体中脉的空间坐标。(结果)基于测定的三维坐标数据提取了各叶片中脉分段的曲率参数值,并对曲率值按叶位进行了统计分析,得出用于描述完整植株的五类叶型和各种叶型的位置分布规律。并采用VC++与OpenGL库相结合的可视化技术,实现了玉米群体的三维真实感重构,并将该方法模拟出的叶面积与实际测量的叶面积进行了验证,得到R2为0.9975。(结论)采用叶片分段并且逐段计算叶脉弯曲的方法,在对玉米的三维结构的构建中获得了较好的效果,将为与形态结构相关的研究提供基础数据。 相似文献
4.
5.
为在保留植物器官形态重要特征的前提下,适度精简原始三角网格数据,以满足计算机三维建模及应用的需要。通过改进Isler等"基于三角形折叠的网格简化方法",提出了能够有效解决简化过程中出现网格交叉、大钝角三角形和狭长三角形现象的算法,构建精简叶曲面网格的新方法,并使用三维激光扫描仪采集得到的烟草叶片结构数据对该方法进行评价。结果显示当冠层简化比例为90.3%时,渲染效率提高86.1%,并且简化后叶片仍然逼近原始结构。结果表明:使用该算法不但能显著减少叶曲面三角形网格的数目,而且能很好地保留叶曲面形态特征。该算法可应用于不同形态类型叶片的简化,包括褶皱度很大的叶片。该研究可为植物冠层可视化与植物冠层光环境模拟等方面提供有力的支持。 相似文献
6.
7.
摘要 (目的)在模拟玉米三维结构的过程中,需要描述和表征其各器官的变化。叶片是其重要的器官之一,而叶片造型的主要任务是叶片中脉曲线的设计。(方法)本文采用对中脉分段的方法,根据各分段曲率参数计算出每段变形之后的端点,递推得到若干可用于描述叶脉特征的点列。为了获得玉米植株叶片中脉的三维形态,作者采用三维数字化仪测量了36株玉米群体中脉的空间坐标。(结果)基于测定的三维坐标数据提取了各叶片中脉分段的曲率参数值,并对曲率值按叶位进行了统计分析,得出用于描述完整植株的五类叶型和各种叶型的位置分布规律。并采用VC++与OpenGL库相结合的可视化技术,实现了玉米群体的三维真实感重构,并将该方法模拟出的叶面积与实际测量的叶面积进行了验证,得到R2为0.9975。(结论)采用叶片分段并且逐段计算叶脉弯曲的方法,在对玉米的三维结构的构建中获得了较好的效果,将为与形态结构相关的研究提供基础数据。 相似文献
8.
研究用斜率/截距(Slope/Bias)校正法来实现傅里叶变换近红外光谱仪上两种漫反射样品池间数学模型的转移。结果表明:普通漫反射样品池与积分球样品池上的模型可以相互转移,且两种样品池上不同粒度样品的数学模型也可以转移。 相似文献
9.
PLS回归法建立适应温度变化的近红外光谱定量分析模型 总被引:7,自引:0,他引:7
研究了近红外光谱定量分析模型对于样品温度的适应性。以42个不同品种的大豆为实验材料,用2台光谱仪分别独立测定了样品在5种温度下的近红外光谱。对于2台光谱仪测定的光谱,均依据光谱信息选择部分光谱,采用PLS回归法对大豆样品的粗蛋白质和粗脂肪含量分别建立了近红外光谱定量分析模型。并以剩余样品对模型进行预测检验。4个模型的预测结果均表明:超过94%的检验样品的预测相对误差小于5%.说明了预测样品处于5~40℃时,模型都有较好的预测效果。 相似文献
10.