版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、為探索利用圖像分析技術進行冬小麥氮素營養(yǎng)狀況監(jiān)測的可行性,以濟麥22和青麥7號兩個品種為材料,設置0、60、120、180、240、300kg/hm2純氮6個施氮水平,進行了兩年的田間試驗。在每個生長季小麥返青后到抽穗前取樣測定了地上部生物量AGB、葉面積指數(shù)LAI、葉片氮積累量LNA、葉片SPAD值等指標,并同步采集了冠層圖像。比較了最大類間方差法和隨機森林算法對冠層圖像的分割精度,然后計算了冠層覆蓋度CC,提取了sRGB色彩空間的紅
2、光通道灰度值 R、綠光通道灰度值 G、藍光通道灰度值 B,通過色彩空間轉(zhuǎn)換計算CIEL*a*b*色彩空間的分量L*、a*、b*和HSI色彩空間的色相H、飽和度S、亮度 I,并計算了歸一化紅光值 r、歸一化綠光值 g、歸一化藍光值 b、差值指數(shù)GMR、比值指數(shù)GTR、過綠光指數(shù)EXG、歸一化差異指數(shù)NDI等色彩指數(shù)。分析了冠層圖像特征與氮素營養(yǎng)狀況指標的相關性,構建了氮素營養(yǎng)狀況指標的估算模型,以模型構建、模型驗證以及交叉驗證的決定系數(shù)R
3、2、均方根誤差RMSE、相對均方根誤差RRMSE評價模型的估算精度和泛化性能。最后以Shiny框架開發(fā)了小麥氮素營養(yǎng)監(jiān)測平臺。主要結(jié)果如下:
1小麥冠層圖像分割
小麥與土壤在CIEL*a*b*色彩空間的a*分量上具有明顯的差異,其密度曲線呈現(xiàn)明顯的雙峰性,在其他的單個色彩分量上則區(qū)別不明顯?;?CIEL*a*b*色彩空間a*分量的最大類間方差法和基于sRGB和CIEL*a*b*色彩空間的隨機森林兩類三種方法的分割精
4、度均超過99%,最大類間方差法的分割精度略低于隨機森林,兩個隨機森林模型之間差異較小,體現(xiàn)出隨機森林算法在圖像分割上的優(yōu)勢。
2地上部生物量的估算
冬小麥地上部生物量與冠層覆蓋度的相關性較強,兩年的相關系數(shù)均大于0.8,達到極顯著水平。以冠層覆蓋度和其他圖像特征為自變量,利用逐步回歸和人工神經(jīng)網(wǎng)絡構建的兩個估算模型中,無論是訓練集還是驗證集上,神經(jīng)網(wǎng)絡模型的決定系數(shù)更大,均方根誤差和相對均方根誤差更小,與逐步回歸模型
5、相比具有更高的估算精度。
3葉面積指數(shù)的估算
葉面積指數(shù)與冠層覆蓋度呈極顯著正相關,兩年的相關系數(shù)分別為0.905和0.910,與紅光值R和綠光值G呈極顯著負相關。以冠層覆蓋度、紅光值R、綠光值 G、藍光值 B為自變量,利用多元非線性回歸和神經(jīng)網(wǎng)絡構建的兩個模型中,神經(jīng)網(wǎng)絡具有更高的估算精度和泛化性能。
4葉片氮積累量的估算
葉片氮積累量與CC極顯著正相關,與R、G分量呈極顯著負相關;葉片氮積累量
6、與部分色彩指數(shù)間呈極顯著相關,其中與 GMR、GTR呈正相關,而與EXG呈負相關。以冠層覆蓋度外加色彩指數(shù)、色彩分量的2種非線性回歸,以及人工神經(jīng)網(wǎng)絡、支持向量回歸、隨機森林3種機器學習算法建立了冬小麥葉片氮積累量估算模型,利用除GMR或EXG外的非線性回歸模型的估算精度稍低于其他方法,而隨機森林算法的擬合精度最高,但存在明顯的過擬合現(xiàn)象。以冠層覆蓋度及色彩分量為自變量的支持向量回歸和人工神經(jīng)網(wǎng)絡方法,具有較高的擬合精度和泛化性能。
7、r> 5葉片SPAD值的估算
葉片與sRGB、CIEL*a*b*和HSI三個色彩空間分量值的相關分析表明,SPAD值與除S外的色彩分量的相關性均達極顯著水平,其中與H、b*、R的相關性較強。分別以三個色彩空間構建的集成神經(jīng)網(wǎng)絡模型的葉片SPAD值估算精度差異不大,HSI色彩空間表現(xiàn)較好。
6小麥氮素營養(yǎng)狀況監(jiān)測平臺的開發(fā)
以Shiny框架開發(fā)的小麥氮素營養(yǎng)狀況監(jiān)測平臺,可通過瀏覽器訪問,具有跨平臺、跨終端
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于高光譜遙感的冬小麥氮素營養(yǎng)指標監(jiān)測研究.pdf
- 冬小麥冠層氮素分布與品質(zhì)遙感的研究.pdf
- 基于冠層光譜的冬小麥N、P營養(yǎng)和水稻Pb污染監(jiān)測研究.pdf
- 小麥冠層和單葉氮素營養(yǎng)指標的高光譜監(jiān)測研究.pdf
- 冬小麥-雜草氮素營養(yǎng)競爭研究.pdf
- 基于成像高光譜的小麥氮素營養(yǎng)監(jiān)測研究.pdf
- 基于冠層反射光譜的夏玉米氮素營養(yǎng)與生長監(jiān)測研究.pdf
- 噴灌冬小麥冠層截留試驗研究
- 不同施肥處理對冬小麥氮素代謝和冠層光譜特征的影響.pdf
- 基于冠層反射光譜的水稻氮素營養(yǎng)與籽粒品質(zhì)監(jiān)測.pdf
- 基于光譜的小麥氮素營養(yǎng)監(jiān)測與追肥調(diào)控研究.pdf
- 基于高精度衛(wèi)星遙感技術的冬小麥氮素營養(yǎng)診斷.pdf
- 基于物候差異分析的冬小麥長勢監(jiān)測.pdf
- 基于高光譜遙感的小麥氮素營養(yǎng)及生長指標監(jiān)測研究.pdf
- 冬小麥和夏玉米氣孔阻力與冠層阻力監(jiān)測與估算方法研究.pdf
- 小麥植株氮素營養(yǎng)無損監(jiān)測與精確調(diào)控研究.pdf
- 基于NOAA衛(wèi)星的冬小麥冠層表面溫度估算及初步應用的研究.pdf
- 基于光譜角算法的小麥氮素營養(yǎng)診斷研究.pdf
- 冬小麥倒伏遙感監(jiān)測研究.pdf
- 基于環(huán)境衛(wèi)星數(shù)據(jù)的冬小麥長勢監(jiān)測研究.pdf
評論
0/150
提交評論