基于高光谱的苹果树冠层磷素状况估测模型研究

利用高光谱技术估测了苹果树冠层的磷素含量。先用ASD Field Spec3型地物光谱仪测定了春梢停止生长期苹果树冠层的高光谱反射率,并对光谱数据进行了多种变换处理。然后对其与磷素含量进行了相关分析,找出了与磷素相关性较显著的光谱参量,并通过逐步回归分析建立了磷素估测模型。结果表明,近红外波段是苹果树冠层磷素的敏感波段;808 nm、921 nm、1195 nm、1272 nm及其组合的归一化红外光谱指数与苹果树冠层磷素高度相关。在构建的估测模型中,以808 nm、921 nm、1195nm、1272 nm及其组合的归一化红外光谱指数为自变量构建的高光谱估测模型的估测效果最佳。该研究实现了苹果树冠层磷素含量的快速估测,同时也为苹果的实时营养诊断提供了理论依据。     

基于光谱变换定量估算苹果叶片的等效水厚度

运用高光谱技术快速无损地估算了苹果叶片的等效水厚度(Equivalent Water Thickness, EWT),为苹果树的长势及干旱预警提供参考。以山东省烟台栖霞市红富士苹果树叶片为试验材料,在测定苹果叶片的光谱反射率和计算叶片EWT的基础上,分析了苹果叶片的EWT、原始光谱的反射率及其13种变换光谱反射率之间的相关性。筛选敏感波长后,建立了苹果叶片EWT的支持向量机定量的估算模型。13种光谱变换中,一阶导数(the First Derivative, FDR)、平方根的一阶导数(the First Derivative of the Square Root, FD(SqrtR))及倒数的对数的一阶导数(the First Derivative of the Logarithm of the Reciprocal, FD[Lg(1/R)])三种变换的相关性较好。确定了估测苹果叶片EWT的敏感波长。基于支持向量机回归分析方法,建立了定量估算叶片EWT的模型,验证集的决定系数R2达到了0.8147,相对分析误差(Relative Percent Deviation, RPD)达到了2.2671。结果表明,该模型具有较高的估测能力,支持向量机回归方法比较适于估算苹果叶片的EWT。该方法为利用高光谱技术定量估算苹果的生长状况提供了技术支撑。     

基于高光谱红边参数的不同物候期苹果叶片的SPAD值估测

用FieldSpec 3地物光谱仪和SPAD-502叶绿素计测定了不同物候期红富士苹果叶片的高光谱反射率和SPAD值.研究结果表明,不同物候期苹果叶片的反射光谱波形曲线的变化规律基本相似.从苹果花期开始,叶片SPAD值逐渐增加,至秋梢停止生长期达到最高峰,之后开始下降.苹果叶片的高光谱红边位置λr、红边斜率Dr、红边面...     

基于光谱分析技术的苹果花钾素含量估测研究

采用光谱分析技术手段,探索估测苹果花钾素含量的方法。首先测定盛花期红富士苹果鲜花的原始光谱反射率（Ri）以及花钾素含量（KC）,并对钾素含量与Ri及其8种光谱变换形式数据（Ri/、Ri//、1/Ri、(1/Ri))/、lg(1/Ri)、(lg(1/Ri))/、lgRi、(lgRi)/）进行相关分析,找出与钾素含量相关性较强的光谱变换形式;其次,采用逐步回归分析方法,对钾素含量和与其相关性较强的光谱变换形式数据进行分析,筛选敏感特征波长;利用敏感特征波长,建立苹果花钾素含量估测模型,经过对模型的优化和检测,确定最佳估测模型。结果表明：苹果花钾素含量与其光谱反射率的一阶微分Ri/相关性最好,其次为1/Ri、lg(1/Ri)、lgRi;其相关系数绝对值较大的峰(谷)区极值分别出现在669 nm、952 nm、1164 nm、1442 nm,351 nm、352 nm、362 nm、366 nm,351 nm、366 nm,351 nm、366 nm附近;通过逐步回归分析,筛选出的敏感特征波长分别为669 nm、1442 nm,352nm,351nm,351nm;建立的回归模型均具有较好的线性趋势,但以一阶微分为自变量的估测模型相关系数最大,为0.6113。经检测样本对估测模型检验,其拟合方程的决定系数(R2)为0.6955,均方根误差（RMSE）为2.7,相对误差（RE）为4.9%,表明模型对苹果花钾素含量的估测具有较好的准确度,为最佳估测模型。利用光谱技术手段对苹果花钾素含量的估测精度较高,具有一定的稳定性和适用性,为快速估测苹果花营养元素含量及苹果的实时营养诊断提供了理论依据和参考价值。