【目的】为了快速、准确的检测烤烟叶片生理生化指标,获取烟田施肥和烤烟生长信息。【方法】通过不同施氮、钾量试验,采用ASD Field spec FR 2500光谱仪,分析不同处理烤烟叶片光谱特性,同时运用相关分析、逐步回归分析等统计方法,研究...【目的】为了快速、准确的检测烤烟叶片生理生化指标,获取烟田施肥和烤烟生长信息。【方法】通过不同施氮、钾量试验,采用ASD Field spec FR 2500光谱仪,分析不同处理烤烟叶片光谱特性,同时运用相关分析、逐步回归分析等统计方法,研究了不同营养水平下烤烟叶片高光谱遥感特征参数与烟叶生物化学成分(总氮、叶绿素、类胡萝卜素)和生理指标(鲜叶重、干叶重、含水率)之间的关系。【结果】不同氮、钾处理间叶片光谱曲线差异较大、规律明显。叶片多种高光谱参数与10种生理生化指标之间的相关性较强,通过逐步回归方程筛选出了叶片10种生理生化指标的高光谱特征变量,其中与7种生化成分关系最密切的光谱特征变量均是红边面积与蓝边面积比值SDr/SDb,建立的回归方程的的复确定系数和回归系数相伴概率显著性都达到0.05水平,同时通过检测样本的检验,估测效果较好。【结论】因此,可利用这些变量建立的估测模型对烤烟叶片中多种生理生化指标进行快速测定,同时可根据叶片高光谱特性初步监测烟田氮钾施用量和烤烟生长状况。展开更多
【目的】利用高光谱技术估测植物叶片叶绿素含量时,如何在高维的光谱数据中选择有效的高光谱参数作为估测模型的输入矢量是估测叶绿素含量精度的关键。【方法】以南方丘陵地区油茶为试验材料,收集了182份油茶叶片光谱反射率及叶绿素含...【目的】利用高光谱技术估测植物叶片叶绿素含量时,如何在高维的光谱数据中选择有效的高光谱参数作为估测模型的输入矢量是估测叶绿素含量精度的关键。【方法】以南方丘陵地区油茶为试验材料,收集了182份油茶叶片光谱反射率及叶绿素含量样本,综合分析了敏感波段、光谱指数、高光谱特征参数和全波段(400~1350 nm)4个不同高光谱参数与叶绿素含量的相关性,筛选出较优高光谱参数分别作为估测模型输入矢量,建立估测油茶叶片叶绿素含量的偏最小二乘回归(partial least square regression,PLSR)模型。【结果】表明:(1)基于全波段建立PLSR模型,其建模集与验证集的R^(2)分别为0.84和0.85,RPD值分别为2.52和2.59,估测效果最优;(2)与全波段参数相比,基于高光谱特征参数建立的PLSR模型预测结果略低,建模与验证R^(2)分别为0.81和0.80,RPD值分别为2.31和2.28,模型输入矢量的数量较全波段模型降低了98.73%,减少了模型运算量,提高了模型运算速度。【结论】利用PLSR模型对油茶叶片叶绿素含量进行估测时,全波段和高光谱特征为估算油茶叶片叶绿素含量的有效高光谱参数。研究结果对快速准确获取油茶叶片叶绿素含量的相关研究有重要的技术指导意义。展开更多
文摘【目的】为了快速、准确的检测烤烟叶片生理生化指标,获取烟田施肥和烤烟生长信息。【方法】通过不同施氮、钾量试验,采用ASD Field spec FR 2500光谱仪,分析不同处理烤烟叶片光谱特性,同时运用相关分析、逐步回归分析等统计方法,研究了不同营养水平下烤烟叶片高光谱遥感特征参数与烟叶生物化学成分(总氮、叶绿素、类胡萝卜素)和生理指标(鲜叶重、干叶重、含水率)之间的关系。【结果】不同氮、钾处理间叶片光谱曲线差异较大、规律明显。叶片多种高光谱参数与10种生理生化指标之间的相关性较强,通过逐步回归方程筛选出了叶片10种生理生化指标的高光谱特征变量,其中与7种生化成分关系最密切的光谱特征变量均是红边面积与蓝边面积比值SDr/SDb,建立的回归方程的的复确定系数和回归系数相伴概率显著性都达到0.05水平,同时通过检测样本的检验,估测效果较好。【结论】因此,可利用这些变量建立的估测模型对烤烟叶片中多种生理生化指标进行快速测定,同时可根据叶片高光谱特性初步监测烟田氮钾施用量和烤烟生长状况。
文摘【目的】利用高光谱技术估测植物叶片叶绿素含量时,如何在高维的光谱数据中选择有效的高光谱参数作为估测模型的输入矢量是估测叶绿素含量精度的关键。【方法】以南方丘陵地区油茶为试验材料,收集了182份油茶叶片光谱反射率及叶绿素含量样本,综合分析了敏感波段、光谱指数、高光谱特征参数和全波段(400~1350 nm)4个不同高光谱参数与叶绿素含量的相关性,筛选出较优高光谱参数分别作为估测模型输入矢量,建立估测油茶叶片叶绿素含量的偏最小二乘回归(partial least square regression,PLSR)模型。【结果】表明:(1)基于全波段建立PLSR模型,其建模集与验证集的R^(2)分别为0.84和0.85,RPD值分别为2.52和2.59,估测效果最优;(2)与全波段参数相比,基于高光谱特征参数建立的PLSR模型预测结果略低,建模与验证R^(2)分别为0.81和0.80,RPD值分别为2.31和2.28,模型输入矢量的数量较全波段模型降低了98.73%,减少了模型运算量,提高了模型运算速度。【结论】利用PLSR模型对油茶叶片叶绿素含量进行估测时,全波段和高光谱特征为估算油茶叶片叶绿素含量的有效高光谱参数。研究结果对快速准确获取油茶叶片叶绿素含量的相关研究有重要的技术指导意义。
