公共文化服务平台

搜索到2586篇“ 叶片叶绿素含量“的相关文章

一种红枣叶片叶绿素含量的无损检测方法: 本发明公开一种红枣叶片叶绿素含量的无损检测方法，包括如下步骤：步骤(1)、采集高光谱数据、叶片图像数据和叶绿素相对含量数据；步骤(2)、对步骤(1)采集的高光谱数据和图像数据进行预处理；步骤(3)、进行敏感特征提取，提取...; 李旭邬竞明白铁成吕喜风朱彩蝶

基于多输出序数回归模型的叶片叶绿素含量智能检测方法: 本发明公开了基于多输出序数回归模型的叶片叶绿素含量智能检测方法，包括：采集植物绿色叶片的样本图像集，通过U‑Net模型对样本图像集进行标注，提取叶片主体区域，构建标准数据集；基于标准数据集训练Swin Transform...; 李修华苏晗颖卢显杰刘奕伯

连续小波结合随机森林算法估算互花米草叶片叶绿素含量: 2024年; 叶绿素含量是检测植物生理状态的关键指标,精准估算互花米草叶绿素含量对于表征其组分含量性状与量化其生理状态具有重要的意义。以独流减河湿地互花米草实测高光谱反射率和叶绿素含量为数据源,采用连续投影算法(sequential projection algorithm,SPA)对原始光谱及其数学变换和连续小波变换光谱进行特征提取,基于随机森林回归(random forest regression,RFR)算法建立互花米草叶片叶绿素含量的高光谱估算模型。结果表明:(1)连续小波分解低尺度下互花米草光谱时间分辨率更精确且频率更高,对应的小波函数较窄,可以更好区分光谱间差异,突出特征光谱信息。(2)除倒数(1/R)和对数的一阶微分[(logR)′]外,光谱数学变换与连续小波分解方法可有效反应光谱细节特征,且小波分解效果总体上优于数学变换,小波分解L10尺度与一阶微分(R′)分别与叶绿素含量的相关性达到0.78和0.77。(3)一阶微分(R′)、倒数的一阶微分[(1/R)′]、对数(logR)变换和连续小波分解可提升光谱对互花米草叶片叶绿素含量的估算能力,其中基于一阶微分R′(R^(2)=0.776,RMSE=0.510,RPD=1.893)和连续小波分解下L2、L3与L4多尺度相结合构建的模型(R^(2)=0.871,RMSE=0.305,RPD=3.846)分别为两种处理下的最优模型。研究表明高光谱技术可以作为互花米草叶片叶绿素含量的无损检测手段,连续小波分解后多尺度结合建立的高光谱估算模型可更加准确估算互花米草叶片叶绿素含量。; 管铖刘明月满卫东张永彬张清文方铧李想高汇锋; 关键词：互花米草叶绿素含量

热胁迫对5个品种观赏桃叶片叶绿素含量和叶绿素荧光的影响: 2024年; 研究不同胁迫时长下温度对5个品种观赏桃叶片叶绿素含量和叶绿素荧光的影响,并比较观赏桃的耐热性。测定经过不同处理后观赏桃叶片叶绿素含量和叶绿素荧光参数变化,利用主成分分析法和模糊综合评价法比较不同品种观赏桃的耐热性。结果表明,随着热胁迫时间的延长、温度的逐渐升高,5个品种观赏桃叶片叶绿素含量降低,Fo值上升,Fm和Fv/Fm值下降;ABS/RC、TR_(o)/RC、DI_(o)/RC、ET_(o)/RC均增加;φP_(o)、φ_(o)和φE_(o)先逐渐升高再快速下降,在叶片失活前φDo达到最大值,失活后快速下降并趋近于0。温度在43℃以下时,处理时长对叶片结构和功能无明显影响;温度在43℃左右及以上时,无论短时的高温还是长时间的高温,均导致叶片细胞膜系统的结构、光系统Ⅱ反应中心及其电子传递链的结构受到不可逆的损伤。说明观赏桃的叶绿素含量和叶绿素荧光参数的变化主要与胁迫温度有关。不同品种观赏桃耐高温的能力存在差异,‘迎春桃’的耐热性最强,‘满天红桃’耐热性最弱。; 王金鑫宋佳宝许北华史宝胜; 关键词：观赏桃热胁迫叶绿素叶绿素荧光耐热性

基于GA-PLS-SPA的辣椒叶片叶绿素含量高光谱估测: 2024年; 叶绿素对辣椒的长势评估和营养状况管理具有重要的意义,针对高光谱存在数据量大和冗余度高的问题,探究不同特征选择算法相结合进行高光谱叶绿素含量估测的可行性。以贵州省遵义市栽培辣椒为研究对象,采集盛果期辣椒冠层高光谱数据,通过卷积平滑(SG)、一阶微分(FD)、二阶微分(SD)和多元散射校正(MSC)处理原始光谱数据,比较不同预处理方法下的贝叶斯优化随机森林(BO-RF)估测效果,以MSC预处理后的数据为基础,运用遗传偏最小二乘算法结合连续投影算法(GA-PLS-SPA)进行最优特征波段选取,最后以GA-PLS、SPA和GA-PLS-SPA分别选取的特征波段作为输入变量,建立BO-RF、RF和BP神经网络模型来验证GA-PLS-SPA的普适性和广泛性。结果表明,MSC相比其他预处理方法对叶绿素含量的反演效果最好;相同估测模型条件下,基于GA-PLS-SPA建立的估测模型精度最高,选取特征波段数量最少,为7个,GA-PLS-SPA-BO-RF是估测叶绿素含量的最佳模型,训练集的R^(2)、RMSE和RPD分别为0.896、2.791和3.124,测试集的R^(2)、RMSE和RPD分别为0.913、2.965和3.414;相同算法建模条件下,BO-RF的精度明显高于RF和BP神经网络。MSC处理后的光谱能极大程度提取出辣椒叶片的叶绿素信息,GA-PLS-SPA能有效实现特征波段选取,降低模型复杂度,BO-RF具有良好的叶绿素含量反演能力。; 彭俊杰汪泓王宇肖玖军李可相邢丹; 关键词：辣椒叶绿素连续投影算法

一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法: 本发明提出一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，包括以下步骤：提取小麦冠层反射光谱特征波段的反射率，利用两个特征波段模拟土壤组分的光谱信号，剔除土壤组分得到小麦组分光谱信号，计算植被指...; 曹卫星李栋程涛姚霞朱艳

不同覆膜栽培方式下胡麻叶片叶绿素含量、失水速率及产量: 2024年; [目的]干旱是制约宁南山区胡麻生长和生产的非生物胁迫因子之一。探索适宜宁南旱作农田覆膜栽培胡麻的有效栽培方式,可为解决胡麻栽培过程中的干旱问题及发展胡麻覆膜栽培提供实践和理论依据。[方法]于2021-2023年,以胡麻品种‘宁亚21号’为供试材料,在大田试验条件下,设平膜穴播(FHS)、垄膜沟播(RFS)和露地条播(CK)共3个处理,分析不同覆膜栽培方式对胡麻叶绿素含量、离体叶片失水速率及产量的影响。[结果]连续3年通过3种覆膜栽培的试验结果表明,在不同覆膜栽培条件下,同一年间胡麻叶片叶绿素含量均表现为FHS>RFS>CK,不同年份间不同覆膜栽培条件下的叶绿素含量不同;与CK相比,RFS和FHS的株高、鲜重和干重均高于CK;2021年和2023年的离体叶片失水速率表现为CK>RFS>FHS,而2022年的离体叶片失水速率表现为CK>FHS>RFS;产量均表现为FHS>RFS>CK,2021年FHS的增产幅度最大,其有效分枝数、有效结果数和单株产量均高于其它处理;有效结果数和单株产量均表现为FHS>RFS>CK。与CK相比,FHS和RFS均提高了胡麻叶片的叶绿素含量、产量、有效分枝数和有效结果数,降低了离体叶片的失水速率,且FHS优于RFS,在2021年FHS增产达到了185.7 kg·hm^(-2),且增产效果显著。相关性分析表明,离体叶片失水速率与叶绿素含量呈显著负相关,与产量呈极显著负相关;叶绿素含量与产量呈显著正相关。[结论]FHS不仅提高了胡麻叶片的叶绿素含量、产量、有效分枝数和有效结果数,还可以降低离体叶片的失水速率,增强胡麻的抗旱性,因此FHS种植方式是适合宁南旱作农田胡麻生产的有效栽培措施。; 杨治伟曹秀霞张炜剡宽将钱爱萍; 关键词：覆膜方式胡麻

基于高光谱的淮南地区典型农作物叶片叶绿素含量反演研究: 刘欣蓓

基于双分支卷积网络的玉米叶片叶绿素含量高光谱和多光谱协同反演: 2024年; 针对智慧农业中叶绿素的精准预测问题,本文提出了基于双分支网络的玉米叶片叶绿素含量高光谱与多光谱协同反演的方法。使用欠完备自编码器进行数据降维,捕捉数据中最为显著的特征,使降维后的数据可以代替原始数据进行训练,从而加快训练效率,使用双分支卷积网络将多光谱数据用于填充高光谱数据信息,充分利用高光谱数据的空间细节信息,再结合1DCNN建立玉米叶片叶绿素含量预测模型。结果表明,与传统降维算法相比较,欠完备自编码器处理后预测结果最佳,决定系数R2为0.988,均方根误差(RMSE)为0.273,表明使用欠完备自编码器进行降维可以有效提高数据反演精度;与单一的高光谱数据反演模型和多光谱数据反演模型相比,双分支卷积网络预测模型均取得较优的预测结果,R2在0.932以上,RMSE均在1.765以下,表明基于双分支卷积网络的高光谱与多光谱图像协同反演模型可以有效地利用数据的特征;对于其他数据结合本文提及的双分支卷积网络模型进行反演,其R2均在0.905以上,RMSE均在2.149以下,表明该预测模型具有一定的普适性。; 王亚洲肖志云; 关键词：玉米叶片叶绿素含量

基于机器学习的马铃薯叶片叶绿素含量估算被引量：1: 2024年; 为了提高马铃薯叶绿素含量估算模型的精度,使用无人机平台搭载多光谱相机,获取对照处理和干旱处理下马铃薯关键生育期的遥感影像,选取13种植被指数作为叶绿素含量反演模型的输入变量,使用多元线性回归(MLR)、支持向量回归(SVR)、随机森林回归(RFR)、决策树回归(DTR)构建马铃薯叶绿素含量估算模型。首先分析了植被指数与叶绿素含量之间的相关性,结果表明,在对照处理块茎形成期,CIre、GNDVI、NDVIre、NDWI、GRVI、LCI与叶绿素含量之间的相关系数绝对值在0.5以上,且存在显著(p<0.05)或极显著(p<0.01)相关性;在马铃薯其他生育时期,13种植被指数与叶绿素含量之间的相关系数绝对值均在0.5以上,且存在极显著(p<0.001)相关性。然后对MLR、SVR、RFR和DTR等模型的精度进行比较,结果表明:SVR模型在对照处理块茎形成期、块茎膨大期和淀粉积累期的预测效果均是最佳,R 2和RMSE在块茎形成期为0.89和2.11,块茎膨大期为0.59和4.03,淀粉积累期为0.80和3.18;RFR模型在干旱处理块茎形成期、块茎膨大期和淀粉积累期的预测效果均是最佳,R 2和RMSE在块茎形成期为0.90和1.57,在块茎膨大期为0.87和2.16,在淀粉积累期为0.63和3.01。该研究为马铃薯叶绿素含量监测提供一种新的方法,后期可根据不同试验处理选择相应的估算模型。; 李成举刘寅笃秦天元王一好范又方姚攀锋孙超毕真真白江平; 关键词：马铃薯叶绿素含量多光谱支持向量回归

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈