-
公开(公告)号：CN106485345A
公开(公告)日：2017-03-08
申请号：CN201610805056.3
申请日：2016-09-06
Applicant: 西北农林科技大学
Abstract: 本发明的实施例公开了一种棉花全生育期冠层SPAD值遥感估算及估算模型构建方法。以渭北旱塬区种植的棉花为试验材料，测量全生育期棉花冠层SPAD值与冠层反射率光谱，将原始高光谱反射率、一阶微分光谱反射率、不同波段组合的遥感光谱参数分别与SPAD值做相关性分析，建立五种重要光谱参数的SPAD预测模型，同时采用PLSR建立全光谱SPAD的估算模型，并进行检验，最后筛选出精度最高的模型。基于重要光谱变量建立的全光谱的PLSR模型利用高光谱技术对棉花SPAD值进行监测，预测效果显著，可为全生育期棉花长势遥感监测提供依据，对指导棉花种植与生产具有积极指导作用。
-
公开(公告)号：CN107271382A
公开(公告)日：2017-10-20
申请号：CN201710408545.X
申请日：2017-06-02
Applicant: 西北农林科技大学
IPC: G01N21/31 , G01N21/3563 , G01N21/359
CPC classification number: G01N21/31 , G01N21/3563 , G01N21/359 , G01N2021/1797
Abstract: 本发明公开了一种不同生育期油菜叶片SPAD值遥感估算方法，以西北地区经济作物油菜为研究对象，测定了油菜各生育期叶片光谱反射率及SPAD值，通过分析10种光谱指数与油菜叶片SPAD值的相关性，基于光谱指数构建油菜叶片SPAD随机森林回归估算模型，并对所建模型进行验证，结合传统的一元线性回归模型和多元逐步回归模型与其进行比较。本发明的建模和验证R2分别达到0.91和0.74以上，验证RMSE在1.571-5.004之间，RE在2.66％-13.22％之间，是油菜叶片SPAD的最优估算模型。
-
公开(公告)号：CN106198420A
公开(公告)日：2016-12-07
申请号：CN201610648485.4
申请日：2016-08-09
Applicant: 西北农林科技大学
IPC: G01N21/31
CPC classification number: G01N21/3103 , G01N21/314
Abstract: 本发明公开了一种基于高光谱特征参数的叶片氮含量估算方法，基于光谱吸收特征参数的叶片氮含量估算模型为550～750nm波段的吸收峰总面积建立的叶片氮含量指数估算模型，估算模型为LNC＝0.0025e0.0404TA，R2＝0.803。本发明利用550～750nm波段的吸收峰总面积建立叶片氮含量的指数估算模型，精度和稳定性较高。
-
公开(公告)号：CN107271372A
公开(公告)日：2017-10-20
申请号：CN201710408574.6
申请日：2017-06-02
Applicant: 西北农林科技大学
CPC classification number: G01N21/25 , G01J3/2823 , G01J2003/2826
Abstract: 本发明公开了一种苹果叶片叶绿素遥感估测方法，利用SVC HR-1024i型高光谱仪和SPAD-502叶绿素计同步获取苹果叶片高光谱反射率和对应的叶绿素相对含量，对原始光谱反射率和一阶导数光谱进行相关分析，提取苹果叶片光谱的红边参数，使用传统单变量回归算法、BP神经网络和径向基函数网络，并对人工神经网络进行优化处理，建立叶绿素含量反演模型。工网络模型相比传统单变量模型反演精度明显提高，而径向基函数网络学习速度快、精度高，拟合结果更加可靠，是一种值得推广的叶绿素含量反演模型。
-
公开(公告)号：CN107064069A
公开(公告)日：2017-08-18
申请号：CN201710177335.4
申请日：2017-03-23
Applicant: 西北农林科技大学
IPC: G01N21/55
CPC classification number: G01N21/55
Abstract: 本发明公开了一种猕猴桃树叶片叶绿素含量高光谱估算方法，属于农业技术领域，利用高光谱技术实现猕猴桃叶片SPAD值的估测。在研究区利用SVC HR‑1024I型便携式野外光谱辐射仪和SPAD‑502型叶绿素仪测定了猕猴桃不同生育期的叶片光谱反射率及其相对应的叶绿素相对含量值。通过分析其光谱反射率、一阶微分光谱和SPAD的相关关系，构建了不同生育期基于红边位置、红边幅值、红边偏度和红边峰度的SPAD单因素回归模型和多元逐步回归分析模型。为给西北地区猕猴桃长势监测提供科学依据。
-
Patent Agency Ranking
公开(公告)号：CN106469240A
公开(公告)日：2017-03-01
申请号：CN201610805993.9
申请日：2016-09-06
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种基于光谱指数的油菜叶片SPAD估测模型的构建方法，包括步骤：分别于试验区中油菜的不同生育期进行田间采样；将所述试验区划分为M个小区，每个小区选择N个样点；每个样点选择X片具有代表性的，生长健康的叶片作为采集样本，每片叶片测量Y个SPAD值，取其平均值作为该叶片的SPAD值，每个样点记录X个SPAD值，最后取该样点所有记录值的平均值作为该样点的SPAD值，其中M，N，X和Y为自然数；测定所述叶片的光谱反射率，得到不同波段组合的光谱指数；对所述SPAD值和光谱指数进行相关性分析，选择与SPAD值相关性好的光谱指数进行线性拟合和非线性拟合，以进行反演建模。本发明还公开了利用上述模型估测油菜叶片SPAD的方法。
-
公开(公告)号：CN106290197A
公开(公告)日：2017-01-04
申请号：CN201610805002.7
申请日：2016-09-06
Applicant: 西北农林科技大学
IPC: G01N21/31
Abstract: 本发明的实施例公开了一种水稻叶片全氮含量高光谱估测模型构建方法，包括下列步骤：选择多个试验小区，在每个试验小区选择多个样点；选择水稻关键生育期进行冠层光谱测量；每个样点记录多个采样光谱，取平均值作为该样点的光谱测量值；通过机载成像光谱仪获得试验小区的高光谱影像；在每个样本点采集不同部位的多个功能叶片测得水稻叶片全氮含量；采用光谱指数或偏最小二乘回归方法构建水稻叶片全氮含量高光谱估测模型。本发明的实施例还公开了一种水稻叶片全氮含量高光谱估测方法，利用根据上述方法构建的模型来估测水稻叶片全氮含量。本发明可为区域尺度水稻氮素含量的空间反演及精准农业的高效实施提供科学和技术依据。
-
公开(公告)号：CN107024439A
公开(公告)日：2017-08-08
申请号：CN201710177162.6
申请日：2017-03-23
Applicant: 西北农林科技大学
CPC classification number: G01N21/31 , G01N21/55 , G01N2021/3188
Abstract: 本发明公开了一种水稻不同生育期叶绿素含量高光谱估测方法，属于农业技术领域，包括以下步骤：冠层光谱测定；叶绿素含量测定；数据处理。该方法针对西北地区水稻拔节期、抽穗期、乳熟期及蜡熟期，通过分析各生育期冠层光谱反射率与叶绿素含量的相关性，建立了基于敏感波段和NDVI的水稻叶绿素含量反演模型，并对模型反演精度进行比较，分析水稻不同生育期内冠层光谱反射率与叶绿素含量的相关性，为利用高光谱遥感技术无损、快速、高效的估测水稻冠层叶绿素含量研究提供理论依据。
-
公开(公告)号：CN106442338A
公开(公告)日：2017-02-22
申请号：CN201610804917.6
申请日：2016-09-06
Applicant: 西北农林科技大学
IPC: G01N21/25
CPC classification number: G01N21/25
Abstract: 本发明公开了一种基于SVR算法的苹果叶片叶绿素含量高光谱反演方法，为实现苹果叶片叶绿素含量的高光谱反演，分析了多种光谱参数与实测SPAD值的相关性，并将归一化光谱参数值及SPAD值进行多项式回归及支持向量回归。其中以归一化植被指数为变量的SVR反演模型在建模及模型检验中决定系数分别为0.7410、0.8914，均方根误差分别为0.1332、0.1256，具有较高的精度及良好的预测能力。与多项式回归相比，SVR具有更好的反演效果，可以作为叶绿素高光谱反演的优选算法。
-
公开(公告)号：CN106323466A
公开(公告)日：2017-01-11
申请号：CN201610648166.3
申请日：2016-08-09
Applicant: 西北农林科技大学
IPC: G01J3/28
CPC classification number: G01J3/2823 , G01J2003/2826
Abstract: 本发明公开了一种连续小波变换分析的叶片氮含量高光谱估算方法，基于PLS和RF的叶片氮含量估算模型F值分别为294.94和8009.23，均通过了0.01水平的显著性检验，PLS预测模型的决定系数为0.78，所有的小波特征参数与叶片氮含量的关系更适合用非线性的指数模型来拟合，当采用偏最小二乘法进行叶片氮含量的线性回归时，对LNC
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
