2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩87頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著基于植被光譜特性的高光譜遙感技術(shù)迅速發(fā)展,使得區(qū)域范圍內(nèi)實(shí)時(shí)快速監(jiān)測(cè)作物氮素含量成為農(nóng)業(yè)遙感領(lǐng)域的重要研究內(nèi)容。本研究以不同生育期、不同氮素水平下的楊凌示范區(qū)冬小麥為研究對(duì)象,在2015-2016年進(jìn)行冬小麥小區(qū)試驗(yàn)。采集冬小麥主要生育期的冠層和葉片光譜,測(cè)定相應(yīng)的葉片氮含量,分析基于冠層和葉片兩種尺度的光譜及一階導(dǎo)數(shù)光譜變化規(guī)律,探索高光譜參數(shù)與葉片氮含量的定量關(guān)系,利用多種方法構(gòu)建冬小麥葉片氮含量估算模型。并借助低空無人機(jī)獲得高

2、光譜影像對(duì)冬小麥葉片氮含量進(jìn)行空間反演。研究旨在為實(shí)時(shí)無損監(jiān)測(cè)冬小麥氮素營養(yǎng)狀況和施肥管理提供依據(jù)。主要結(jié)論如下:
  (1)分析不同施氮水平、不同生育期冬小麥反射光譜以及一階導(dǎo)數(shù)光譜變化規(guī)律。結(jié)果表明,冬小麥在冠層和葉片兩種尺度下存在相同的光譜變化特征。原始光譜隨氮素水平提高在可見光區(qū)域反射率降低而在近紅外區(qū)域反射率增強(qiáng);隨生育期推進(jìn),光譜反射率在可見光區(qū)域先降低后升高,在近紅外區(qū)域先升高后降低,抽穗期“綠峰”峰值最低,而在近紅

3、外反射平臺(tái)達(dá)到最高。紅邊位置隨施氮量升高在各個(gè)生育期都向長波方向移動(dòng),紅邊振幅和紅邊面積隨之升高;在不同生育期,紅邊均在抽穗期之前發(fā)生“紅移”,而在抽穗期之后發(fā)生“藍(lán)移”,紅邊振幅和紅邊面積也呈先增大后減小的趨勢(shì)。
  (2)分析全波段反射率與葉片氮含量的相關(guān)性,得出冠層和葉片的原始光譜和一階導(dǎo)數(shù)光譜對(duì)葉片氮含量反應(yīng)敏感的波段基本一致,原始光譜和一階導(dǎo)數(shù)光譜分別在695nm附近和687nm處與葉片氮含量呈最大負(fù)相關(guān),基于這些敏感波

4、段建立葉片氮含量估算模型。分別從冠層和葉片一階導(dǎo)數(shù)光譜中提取“三邊”參數(shù)與葉片氮含量做相關(guān)分析,選擇相關(guān)性高的參數(shù)建立估算模型。對(duì)于冠層光譜,選擇紅邊位置、峰度系數(shù)和偏度系數(shù)對(duì)葉片氮含量進(jìn)行估算,最佳模型為基于偏度系數(shù)建立的多項(xiàng)式模型;基于葉片的紅邊位置、峰度系數(shù)、偏度系數(shù)、黃邊面積和藍(lán)邊振幅建立葉片氮含量估算模型,其精度高于基于冠層光譜參數(shù)建立的模型,表現(xiàn)最好的也是基于偏度系數(shù)建立的多項(xiàng)式模型,但兩者模型存在差異,精度相對(duì)基于敏感波段

5、建立的模型精度有所提高。
  (3)選取歸一化植被指數(shù)、比值植被指數(shù)、差值植被指數(shù)、土壤調(diào)節(jié)植被指數(shù)四種光譜指數(shù),在350~2500nm全光譜范圍內(nèi),將冠層和葉片原始光譜和一階導(dǎo)數(shù)光譜分別進(jìn)行兩兩交叉組合生成光譜指數(shù)與葉片氮含量進(jìn)行相關(guān)分析、模型構(gòu)建和精度檢驗(yàn),篩選出預(yù)測(cè)葉片氮含量的最佳光譜指數(shù)。通過一階導(dǎo)數(shù)光譜求得的光譜指數(shù)與LNC建立的模型精度略高于原始光譜;基于冠層尺度上的SASI(D741,D525)L=0.001建模結(jié)果

6、精度最高且驗(yàn)證結(jié)果準(zhǔn)確性和穩(wěn)定性最好;基于葉片尺度上的RSI(D962,D725)表現(xiàn)最好,是估測(cè)葉片氮含量的最佳光譜指數(shù)模型?;诠趯雍腿~片不同尺度構(gòu)成的光譜指數(shù)模型不能通用。基于光譜指數(shù)建立的葉片氮含量估算模型精度高于基于特征波段建立的模型。
  (4)將甄選出的精度較高的高光譜參數(shù)建立BP和RBF人工神經(jīng)網(wǎng)絡(luò)模型,并適當(dāng)調(diào)節(jié)網(wǎng)絡(luò)參數(shù),對(duì)模型進(jìn)行優(yōu)化,得到冬小麥葉片氮含量人工神經(jīng)網(wǎng)絡(luò)估算模型。基于人工神經(jīng)網(wǎng)絡(luò)建立的模型較傳統(tǒng)單

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(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)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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

評(píng)論

0/150

提交評(píng)論