版權(quán)說(shuō)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、新時(shí)代下人們對(duì)農(nóng)作物品質(zhì)的要求越來(lái)越高。籽粒粗蛋白質(zhì)與直鏈淀粉含量影響著水稻的營(yíng)養(yǎng)和食味品質(zhì),是水稻品質(zhì)的兩個(gè)重要指標(biāo)。遙感技術(shù)因其快速、無(wú)損和動(dòng)態(tài)等特點(diǎn),在農(nóng)作物品質(zhì)監(jiān)測(cè)或檢測(cè)應(yīng)用中表現(xiàn)出了強(qiáng)大的活力。國(guó)外在水稻品質(zhì)遙感監(jiān)測(cè)方面起步較早,我國(guó)近年來(lái)在這方面取得了一些進(jìn)展。本文利用高分辨率遙感數(shù)據(jù)(高分?jǐn)?shù)據(jù))研究水稻品質(zhì)指標(biāo)中的粗蛋白質(zhì)與直鏈淀粉含量的遙感監(jiān)測(cè)方法,為水稻品質(zhì)的快速、大面積監(jiān)測(cè)提供一定的理論依據(jù)。
本研究選擇德
2、清縣東苕溪東部水稻區(qū),在2013-2014年水稻成熟期開展試驗(yàn)。分別進(jìn)行室內(nèi)水稻四種形態(tài)(稻穗、稻谷、米粒、米粉)的高光譜觀測(cè)和基于國(guó)產(chǎn)高分辨率衛(wèi)星數(shù)據(jù)(環(huán)境一號(hào)和高分一號(hào))的水稻種植區(qū)和品質(zhì)空間分布監(jiān)測(cè),主要研究結(jié)果如下:
在室內(nèi)高光譜研究中,采集了四種水稻形態(tài)的高光譜數(shù)據(jù),分析了六種光譜變量與水稻品質(zhì)的重要指標(biāo)(粗蛋白質(zhì)與直鏈淀粉)的相關(guān)性并構(gòu)建了單因子模型、多元逐步回歸模型、偏最小二乘模型、支持向量機(jī)回歸估測(cè)模型。通過(guò)分
3、析四種水稻形態(tài)的光譜與水稻重要指標(biāo)的相關(guān)性發(fā)現(xiàn),稻谷光譜更適合用來(lái)對(duì)水稻品質(zhì)的兩個(gè)重要指標(biāo)進(jìn)行監(jiān)測(cè)。通過(guò)模型比較發(fā)現(xiàn),對(duì)粗蛋白質(zhì)含量的估測(cè)來(lái)說(shuō),基于原始光譜一階導(dǎo)數(shù)變換的偏最小二乘回歸模型為最優(yōu)模型;對(duì)直鏈淀粉含量的估測(cè)來(lái)說(shuō),基于440nm、680nm、550nm、990nm、1200nm處反射率值的支持向量機(jī)回歸模型為最優(yōu)模型。
基于環(huán)境一號(hào)的HJ CCD與高分一號(hào)的GF-1 WFV數(shù)據(jù)的水稻種植區(qū)和品質(zhì)空間分布監(jiān)測(cè),采用了
4、決策樹分類、目視解譯與面向?qū)ο蠓诸愊嘟Y(jié)合的分層分類方法提取水稻種植空間分布,分析14種常用的植被指數(shù)與水稻品質(zhì)指標(biāo)之間的相關(guān)性,建立了品質(zhì)指標(biāo)估測(cè)模型,并以此為基礎(chǔ)進(jìn)行了水稻種植區(qū)域的品質(zhì)指標(biāo)估測(cè)。比較2014兩種衛(wèi)星對(duì)水稻品質(zhì)指標(biāo)的監(jiān)測(cè)效果,結(jié)果顯示,在粗蛋白質(zhì)含量的估測(cè)中,利用HJ CCD數(shù)據(jù)所構(gòu)造的模型比GF-1 WFV具有更高的估測(cè)精度,這是因?yàn)榇值鞍踪|(zhì)含量范圍小,受空間分辨率影響較小,HJ CCD數(shù)據(jù)距采樣日期較近;對(duì)于含量范
5、圍較大的直鏈淀粉的估算來(lái)說(shuō),受空間分辨率影響較大,GF-1 WFV數(shù)據(jù)與直鏈淀粉含量相關(guān)性更顯著,但總體估測(cè)精度不高。為此,基于2013-2014年HJ CCD數(shù)據(jù)的RDVI指數(shù)所建立的最優(yōu)模型來(lái)獲取研究區(qū)內(nèi)的水稻粗蛋白質(zhì)含量空間分布信息。
本研究初步建立了基于高分辨率衛(wèi)星數(shù)據(jù)的水稻粗蛋白質(zhì)含量監(jiān)測(cè)模型和基于室內(nèi)稻谷高光譜數(shù)據(jù)的粗蛋白質(zhì)和直鏈淀粉含量監(jiān)測(cè)的模型,還需對(duì)其它形態(tài)(稻穗、米粒、米粉)的品質(zhì)含量估測(cè)設(shè)計(jì)科學(xué)和嚴(yán)格的實(shí)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于水質(zhì)監(jiān)測(cè)系統(tǒng)的數(shù)據(jù)處理方法.pdf
- 基于冠層反射光譜的水稻氮素營(yíng)養(yǎng)與籽粒品質(zhì)監(jiān)測(cè).pdf
- 基于光譜的煙草生長(zhǎng)與品質(zhì)監(jiān)測(cè)研究.pdf
- 燃煤品質(zhì)監(jiān)測(cè)管理系統(tǒng)的設(shè)計(jì).pdf
- 基于國(guó)產(chǎn)高分?jǐn)?shù)據(jù)的面向?qū)ο笏J識(shí)別方法研究
- 基于高光譜的小麥株型與籽粒蛋白品質(zhì)監(jiān)測(cè).pdf
- 路由品質(zhì)監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)和實(shí)施.pdf
- 國(guó)民體質(zhì)監(jiān)測(cè)數(shù)據(jù)邏輯檢驗(yàn)方法的建立.pdf
- 基于Internet的遠(yuǎn)程室內(nèi)空氣品質(zhì)監(jiān)測(cè)與評(píng)價(jià).pdf
- 基于冠層反射光譜的棉花產(chǎn)量構(gòu)成與品質(zhì)監(jiān)測(cè)研究.pdf
- 基于云平臺(tái)的高分?jǐn)?shù)據(jù)存儲(chǔ)模型及調(diào)度算法研究.pdf
- 金鐘水庫(kù)水質(zhì)監(jiān)測(cè)數(shù)據(jù)
- 利用生態(tài)因子和遙感分區(qū)對(duì)小麥品質(zhì)監(jiān)測(cè)的研究.pdf
- 基于數(shù)據(jù)挖掘的面條品質(zhì)評(píng)價(jià)方法研究.pdf
- 基于數(shù)據(jù)的非線性過(guò)程監(jiān)測(cè)方法的研究.pdf
- 基于積分?jǐn)?shù)據(jù)的函數(shù)重構(gòu)方法.pdf
- 基于RT-Thread的無(wú)線室內(nèi)空氣品質(zhì)監(jiān)測(cè)評(píng)價(jià)系統(tǒng)的設(shè)計(jì).pdf
- 基于成分?jǐn)?shù)據(jù)的缺失值填補(bǔ)方法研究.pdf
- 基于近地高光譜遙感與作物生長(zhǎng)模型的冬小麥品質(zhì)監(jiān)測(cè)預(yù)報(bào)研究.pdf
- 基于油液監(jiān)測(cè)數(shù)據(jù)綜合處理方法的研究.pdf
評(píng)論
0/150
提交評(píng)論