基于高光谱成像技术的油菜SPAD值空间分布预测及最佳测量叶位
采集不同氮素处理水平下的油菜植株不同叶位和叶片部位的高光谱数据、SPAD值和叶绿素含量实测值,在筛选原始高光谱数据预处理方法的基础上,比较基于偏最小二乘(partial least squares,PLS)模型和最小二乘-支持向量机(least squares support vector machine,LS-SVM)的SPAD预测模型.结果表明,基于标准正态变量校正(standard normal variate,SNV)预处理方法的LS-SVM模型(SNV-LS-SVM)为最佳高光谱-SPAD预测模型,可准确预测油菜叶片SPAD值空间分布和可视化结果.基于SPAD空间分布结果提取不同叶位和叶片部位的SPAD值,将其与对应植株和叶片位置的实测叶绿素含量进行相关性分析,结果显示,油菜SPAD值最佳测量叶位为顶四叶的顶部.
油菜、叶绿素、高光谱成像技术、SPAD值、最小二乘-支持向量机、偏最小二乘法、无损检测
37
TP39.41(计算技术、计算机技术)
国家自然科学基金项目31501222,41201364;中央高校基本科研业务费专项2017JC038,2015BQ026
2018-07-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
78-84