科研产出
基于新型植被指数对冬小麦蛋白质含量的估算研究
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：小麦蛋白质含量是衡量小麦价格的一项重要指标。本文使用三年冬小麦蛋白质含量和光谱指数数据,用2008/2009和2009/2010年数据构建新的比率指数和乘积指数,并将灰色关联算法-偏最小二乘法(GRA-PLS)进行整合,尝试提高对冬小麦蛋白质含量估算的精度,用2011年/2012年数据进行验证。研究结果表明:比率指数与冬小麦蛋白质含量的相关系数要优于单一指数,单一指数和比率指数最高相关系数(r)分别为0.726和0.751,乘积指数也可改善部分单一指数的相关系数。通过GRA-PLS方法可以提高对冬小麦蛋白质含量的估算精度,单一指数、比率指数和乘积指数的决定系数(R2)分别为0.537,0.631和0.521,对应的均方根误差(RMSE)分别为0.665%,0.564%和0.574%。结果说明用新构建的比率指数和乘积指数,并使用GRA-PLS方法对冬小麦蛋白质含量估算是可行的。
关键词： 新型植被指数 蛋白质含量 灰色关联算法 偏最小二乘法
全文链接
请求原文
融合可见光-近红外与短波红外特征的新型植被指数估算冬小麦LAI
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：考虑到短波红外特征与叶面积指数(LAI)有很好的关联,将短波红外特征的典型水分指数与基于可见光-近红外特征的植被指数相融合,尝试构建新的植被指数估算作物LAI。通过PROSAIL辐射传输模型分析新植被指数对LAI饱和响应的特征;利用2009年和2008年北京地区冬小麦实测光谱数据进行LAI估算建模与验证。结果表明:所选择的10个典型可见光-近红外植被指数分别与5个水分植被指数相结合构建的新指数,都能够有效提高与LAI的相关性,特别是在融合了含有短波红外特征的sLAIDI*指数后,新指数显著提高了对LAI响应的饱和点,而对植被水分变化不敏感,LAI估算精度得到改善。研究表明:将短波红外特征引入到可见光-近红外植被指数中,构建的新植被指数对冬小麦LAI估算具有明显的优势。
关键词： LAI 高光谱遥感 植被指数 短波红外 sLAIDI*
全文链接
请求原文
基于叶片光谱分析的小麦白粉病与条锈病区分及病情反演研究
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：小麦条锈病和白粉病作为我国麦区两种重要病害,在田间常同时发生,为病害防治管理带来困难。基于实验测试获得白粉病、条锈病叶片光谱数据,探讨采用光谱分析对两种病害进行区分识别及严重度监测的可行性。通过相关分析和独立T检验,筛选出对白粉病和条锈病敏感度差异较显著的波段及光谱特征,包括665～684,718～726nm等6个波段范围,以及DEP550-770,SIWSI等11个光谱特征。基于这些波段和特征,采用FLDA构建病害判别模型;借助PLSR分析构建病情严重度反演模型。研究结果表明,筛选得到的反射率波段和光谱特征能够较好地区分两种病害,判别模型总体精度达到80%以上,准确度较高。其中,染病比率超过20%的病叶区分和识别精度可达95%。同时,分别基于两种病害敏感光谱特征构建的病情严重度反演模型能够较好地估测病情严重度,两种病害估测均方根误差均低于15%。上述叶片尺度小麦白粉病和条锈病区分和严重度反演模型为进一步研究两种病害冠层尺度的区分和监测提供基础。
关键词： 高光谱 条锈病 白粉病 费氏线性判别分析 偏最小二乘回归分析
全文链接
请求原文
不同光谱成分条件下叶用莴苣矿质元素吸收分析
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：以叶用莴苣为试验材料,应用ICP-AES等技术,研究了不同光谱成分及其组合条件下生菜对矿质元素的吸收特性。结果显示:(1)生菜常量、微量矿质元素含量比约为Ca:Mg:K:Na:P=5.5:2.5:2.3:1.5:1.0,Fe:Mn:Zn:Cu:B=25.9:5.9:2.8:1.1:1.0,且LED及荧光灯处理下的生菜各元素含量均高于自然光,差异显著;(2)生菜在红蓝组合LED光R/B=1:2.75处理下对K,P,Ca,Mg,B元素的吸收量及累积量均达最大,LED及荧光灯红光均可显著促进生菜对Fe和Cu元素的吸收;(3)矿质元素含量较高及干物质积累量较高的处理均为LED灯R/B=1:2.75和B/W=1:1。
全文链接
请求原文
基于近地面高光谱影像的冬小麦日光诱导叶绿素荧光提取与分析
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：结合FluorMOD模型模拟数据与利用光谱分辨率3.3nm、光谱采样间隔为0.71～0.74nm近地面成像高光谱系统获取的抽穗期小麦高光谱影像比较3种基于夫琅和费线暗线的提取方法(FLD,3FLD和iFLD)的精确性和稳定性。结果表明当光谱分辨率为3.3nm时,在760nm附近的O2-A波段可以有效提取日光诱导叶绿素荧光,而在687nm附近的O2-B波段不适合。当存在噪声时,FLD和3FLD的稳定性高于iFLD,FLD倾向于高估荧光值。
全文链接
请求原文
以高光谱数据有效预测苹果可溶性固形物含量
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：从高光谱数据中选取能够有效进行内部品质检测的特征波长,是利用高光谱成像技术进行水果品质定量分析的关键。本文采用遗传算法(GA)、连续投影算法(SPA)和GA-SPA算法分别从400～1 000nm的苹果高光谱图像中提取特征波长,利用偏最小二乘法(PLS)、最小二乘支撑向量机(LS-SVM)和多元线性回归(MLR)建模进行苹果可溶性固形物含量(SSC)的定量分析并进行了综合比较。160个样品中,120个用于建模,40个用于预测。比较发现SPA-MLR模型获得了最好的结果,R2p,RMSEP和RPD分别为0.950 1,0.308 7和4.476 6。结果表明:SPA能够有效地用于高光谱数据的变量选择,利用SPA-MLR可建立稳健的苹果SSC预测模型,较少的有效变量和MLR模型的易解释性表明该模型在在线检测和便携式仪器开发中具有较大的应用潜力。
关键词： 高光谱成像 苹果 可溶性固形物含量 变量选择 多元校正分析
全文链接
请求原文
基于可见-近红外光谱分析的圆白菜与杂草识别研究
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：杂草的自动识别是实现作物草害精准施药的基础。利用ASD光谱仪采集两个品种的圆白菜及稗草、狗尾草、马唐、牛筋草和小藜等五种杂草在350～2 500nm波段内的冠层光谱反射率。根据光谱曲线特征,在不同波段内对数据进行不同程度的压缩,以提高运算效率;利用不同参数设置的Savitzky-Golay(SG)卷积平滑求导和多元散射校正方法(MSC)的不同顺序组合对光谱去噪,然后结合主成分分析法(PCA)提取主成分,建立模型,最后利用簇类的独立软模式(SIMCA)分类法对各种植物进行分类,并比较分类结果。试验结果显示利用MSC与3阶5次21点SG相结合的方法对光谱数据预处理后,运用PCA提取前10个主成分作为分类模型的输入变量,取得了100%的分类正确率,能够快速无损地识别圆白菜与几种常见杂草。
全文链接
请求原文
葡萄劣变过程中挥发性物质的FTIR光谱分析
《化学学报 》 2013 SCI 北大核心 CSCD
摘要：葡萄在运输和贮藏过程中极易发生变质,对葡萄劣变进行预警可有效降低大规模腐败的风险.研究了葡萄在劣变过程中所产生挥发性物质的FTIR光谱特性.实验证明了葡萄劣变中挥发性物质的主要成分为乙酸乙酯、乙醇、二氧化碳和水汽.通过光谱定量化分析研究挥发性物质在劣变中的变化规律,发现葡萄在劣变开始发生时的气体释放速率会发生阶跃性变化.论文采用主成分分析法(PCA)对挥发性物质的红外光谱进行了分类,可以准确地区分未变质、轻度变质和重度变质的葡萄.论文的结论说明挥发性物质的FTIR光谱分析可以有效鉴别贮藏中葡萄的劣变程度.而且由于挥发性气体在葡萄劣变中的阶跃变化性质,使这种鉴别方法具有不易受葡萄数量、存放方式影响的优点.论文的研究为葡萄劣变监测设备研制提供了理论和技术基础.
关键词： 葡萄劣变 挥发性物质 傅里叶变换红外光谱 主成分分析 分类
全文链接
请求原文
主成分分析和SIMCA的甘蓝与杂草光谱识别方法研究
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：为了提高杂草识别的准确性和快速性,利用光谱反射率差异区分作物与杂草。首先利用SG卷积求导法与多元散射校正法的不同组合对原始光谱数据进行预处理,然后利用主成分分析法(PCA)对各类植物进行聚类分析,并根据主成分分析结果中各个最佳主成分对应的载荷图,提取对各类植物识别敏感的特征波长,最后以特征波长为输入变量,用簇类的独立软模式(SIMCA)分类法对各类植物进行分类识别。甘蓝与杂草的分类结果表明,在1阶3次51点SG卷积求导法加上多元散射校正法(MSC)的最佳预处理基础上,根据主成分分析中前3个主成分,提取到23个特征波长,以它们为输入变量,利用SIMCA方法进行分类时,建模集和预测集的识别率分别达到98.6%和100%。
关键词： 主成分分析 特征波长 杂草识别 多元散射校正 聚类
全文链接
请求原文
近红外光谱法定量测定小麦粉中的石灰类添加物的研究
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：小麦粉的质量安全一直备受社会各界关注。在比较生石灰、熟石灰和碳酸钙的近红外光谱特征的基础上,采集了掺入不同含量的生石灰、熟石灰和碳酸钙的小麦粉样品的近红外漫反射光谱。采用偏最小二乘算法结合交互验证算法建立了石灰和碳酸钙的近红外定量校正模型,采用外部检验集对各模型进行外部验证。结果表明,石灰、碳酸钙的模型测定系数(R2)分别为99.80%和96.98%;校正集均方根误差分别为0.19和0.34;交互验证集均方根误差分别为0.26和0.75;预测集均方根误差分别为0.63和0.44;相对预测性能RPD分别为8.57和5.24。模型具有较高的精度,可以满足小麦粉中石灰含量的现场快速检测要求。F检验结果表明,模型的校正集、外部检验集的预测值-化学值之间具有极显著的相关关系。本研究可为小麦粉快速质量安全筛查提供参考方法,对小麦粉质量监控具有重要意义。
全文链接
请求原文
