使用高光谱仪ASD Field Spec在波长范围400～1000 nm内采集有机质含量不同的土壤反射光谱数据并作对数变换处理;之后在不同尺度的微分窗口下求取其一阶导数(一阶导数光谱)并进行小波阈值去噪;从一阶导数光谱中提取特征参数表征有机质含...使用高光谱仪ASD Field Spec在波长范围400～1000 nm内采集有机质含量不同的土壤反射光谱数据并作对数变换处理;之后在不同尺度的微分窗口下求取其一阶导数(一阶导数光谱)并进行小波阈值去噪;从一阶导数光谱中提取特征参数表征有机质含量变化.结果表明,微分窗口尺度w=1～5时,土壤一阶导数光谱中含有大量噪声,对一阶导数光谱曲线形态和有机质吸收特征的识别造成严重干扰;微分窗口尺度w=6～15时,土壤一阶导数光谱中的噪声得到一定程度的去除,但仍无法准确判别有机质的吸收特征;微分窗口尺度w=16～30时,土壤一阶导数光谱中的噪声被有效去除,其中当w=19时,从一阶导数光谱中提取的特征参数MD1s 9与土壤有机质含量的相关系数为-0.803.MD1s 9能够较为准确地指示有机质含量变化,而且运算简单,易于实现,为在精准农业中采用可见/近红外反射光谱分析技术快速检测土壤有机质提供了新的途径.展开更多
使用高光谱仪ASD Field Spec于吐丝期采集不同氮素处理的夏玉米叶片光谱,并进行对数变换处理;通过对"绿峰"(450～680nm)和"近红外反射平台"(760～1000nm)谱段光谱数据进行多尺度小波分解,获取第二层离散近似小波系...使用高光谱仪ASD Field Spec于吐丝期采集不同氮素处理的夏玉米叶片光谱,并进行对数变换处理;通过对"绿峰"(450～680nm)和"近红外反射平台"(760～1000nm)谱段光谱数据进行多尺度小波分解,获取第二层离散近似小波系数向量;采用主成分分析,从第二层离散近似小波系数向量中提取特征作为输入参数,建立对叶片氮素含量的广义回归神经网络估算模型.结果表明:对数变换显著地增强了"绿峰"和"近红外反射平台"谱段夏玉米叶片光谱对不同氮素处理的响应差异;从第二层离散近似小波系数向量中提取的小波主成分能够反映夏玉米叶片光谱在不同氮素处理下的整体变化趋势;以小波主成分作为输入参数的广义回归神经网络能够较为准确地预测夏玉米叶片氮素含量,并且具有一定的推广能力.展开更多
文摘使用高光谱仪ASD Field Spec于吐丝期采集不同氮素处理的夏玉米叶片光谱,并进行对数变换处理;通过对"绿峰"(450～680nm)和"近红外反射平台"(760～1000nm)谱段光谱数据进行多尺度小波分解,获取第二层离散近似小波系数向量;采用主成分分析,从第二层离散近似小波系数向量中提取特征作为输入参数,建立对叶片氮素含量的广义回归神经网络估算模型.结果表明:对数变换显著地增强了"绿峰"和"近红外反射平台"谱段夏玉米叶片光谱对不同氮素处理的响应差异;从第二层离散近似小波系数向量中提取的小波主成分能够反映夏玉米叶片光谱在不同氮素处理下的整体变化趋势;以小波主成分作为输入参数的广义回归神经网络能够较为准确地预测夏玉米叶片氮素含量,并且具有一定的推广能力.
