近红外光谱结合ANN法快速测定水稻叶片氮含量

被引：7

作者：

周萍

张广才

王佼

周崇俊

韩晓日

机构：

[1] 沈阳农业大学土地与环境学院

来源：

黑龙江农业科学 | 2011年 / 04期

基金：

教育部留学回国人员科研启动基金;

关键词：

人工神经网络; 近红外光谱; 水稻叶片; 氮素;

D O I：

暂无

中图分类号：

S511 [稻];

学科分类号：

090104 [作物信息科学与技术];

摘要：

应用近红外(NIR)光谱和误差反传人工神经网络(BP-ANN)方法建立了水稻叶片氮素含量的定量分析模型。首先对近红外光谱进行Savitzky-Golay求导处理,然后通过相关系数法选择波长范围,采用偏最小二乘回归PLS降维并输入BP-ANN建立校正模型,用验证样品对校正模型进行验证。结果表明:BP-ANN最佳模型的预测相关系数(RP)为0.974 7,预测标准误差(SEP)为4.005,预测相对标准差(RPD)为3.109。表明BP-ANN模型稳健可靠,可较好地用于水稻叶片氮素的快速测定。

引用

页码：22 / 25

页数：4

共 12 条

[1]

Near-infrared reflectance spectroscopy as a fast and non-destructive tool to predict foliar organic constituents of several woody species [J].

Petisco, C. ;

Garcia-Criado, B. ;

Mediavilla, S. ;

Vazquez de Aldana, B. R. ;

Zabalgogeazcoa, I. ;

Garcia-Ciudad, A. .

ANALYTICAL AND BIOANALYTICAL CHEMISTRY, 2006, 386 (06) :1823-1833

[2]

Comparison of commercial near infrared transmittance and reflectance instruments for analysisof whole grains and seeds.[J].P. Williams;D. Sobering.Journal of Near Infrared Spectroscopy.1993, 1

[3]

CROSS-VALIDATORY CHOICE AND ASSESSMENT OF STATISTICAL PREDICTIONS [J].