基于多维度光谱特征波长提取大豆冠层SPAD值估算模型

被引：12

作者：

王璐 ^{[1
]}

李伟凯 ^{[2
]}

关海鸥 ^{[1
]}

于崧 ^{[3
]}

侯玉龙 ^{[3
]}

机构：

[1] 黑龙江八一农垦大学电气与信息学院

[2] 东北农业大学电气与信息学院

[3] 黑龙江八一农垦大学农学院

来源：

江苏大学学报(自然科学版) | 2020年 / 41卷 / 03期

关键词：

大豆冠层; SPAD值; 光谱分析; 波长提取; 多维度特征; 估算模型;

D O I：

暂无

中图分类号：

S565.1 [大豆]; O657.33 [红外光谱分析法];

学科分类号：

0901 ; 070302 ; 081704 ;

摘要：

应用多种光谱特征波长段提取技术,研究了全生育期大豆冠层的近红外光谱曲线特性,提出了基于多维度光谱特征波长提取的大豆冠层叶绿素相对含量(SPAD值)估算模型.在大豆冠层原始近红外光谱曲线中,优选多元散射校正预处理和偏最小二乘回归法建模.经多元散射校正预处理后,应用竞争性自适应重加权采样算法(CARS)、主成分分析法(PCA)和连续投影算法(SPA),提取大豆冠层的光谱特征波长数量分别为22,51和12个.以此特征波长为基础,利用偏最小二乘回归法和多元线性回归法(MLR),分别建立大豆冠层SPAD值估算模型.结果表明CARS-MLR模型试验效果较好,该模型校正样本和预测样本SPAD值的均方根误差分别为5.67和5.94,平均值约为5.81.

引用

页码：334 / 338+372 +372

页数：6

共 10 条

[1]

赣南脐橙叶片生化参数及病害光谱检测方法.[D].周衍华.华东交通大学.2015, 11

[2]

冬小麦叶片叶绿素含量可见/近红外光谱检测研究.[D].高明.西北农林科技大学.2015, 01

[3]

基于可见/近红外光谱的苹果表皮叶绿素及类胡萝卜素检测与成熟度评价.[D].任配培.山东理工大学.2014, 01

[4] 基于水稻冠层高光谱的叶片SPAD值估算模型研究 [J].

孙小香 ;

王芳东 ;

郭熙 ;

赵小敏 ;

谢文 .

江西农业大学学报, 2018, 40 (03) :444-453

[5] 基于近红外光谱与SIMCA和PLS-DA的水稻品种鉴别 [J].

曲歌 ;

陈争光 ;

王雪 .

作物杂志, 2018, (02) :166-170

[6] 我国近红外光谱分析技术的发展 [J].

金丹 ;

张大奎 ;

王守凯 ;

陈兴 ;

李懿轩 ;

许浩然 .

广东化工, 2018, 45 (03) :118-119

[7] 杨树叶片叶绿素含量高光谱估算模型研究 [J].

程志庆 ;

张劲松 ;

孟平 ;

李岩泉 ;

王鹤松 ;

李春友 .

农业机械学报, 2015, 46 (08) :264-271

[8]

基于高光谱成像技术的油菜叶片SPAD值检测.[J].丁希斌;刘飞;张初;何勇;.光谱学与光谱分析.2015, 02

[9] 柑橘叶片叶绿素含量高光谱无损检测模型 [J].

岳学军 ;

全东平 ;

洪添胜 ;

王健 ;

瞿祥明 ;

甘海明 .

农业工程学报, 2015, 31 (01) :294-302

[10]

Weighted SPXY method for calibration set selection for composition analysis based on near-infrared spectroscopy.[J].Han Tian;Linna Zhang;Ming Li;Yue Wang;Dinggao Sheng;Jun Liu;Chengmin Wang.Infrared Physics and Technology.2018,

← 1 →