公共文化服务平台

搜索到5681篇“ 叶绿素含量“的相关文章

一种植物叶片叶绿素含量检测方法: 本发明公开了一种植物叶片叶绿素含量检测方法。它包括以下步骤：采集待测植物叶片样本的高光谱反射率数据，所述高光谱反射率数据包括n个波长对以及波长对中每个波长对应的光谱反射率；根据高光谱反射率数据计算出待测植物叶片样本对应的...; 朱逢乐沈跃铖赵章风彭继宇张宇谦周壮飞

基于分数阶微分的猕猴桃叶片叶绿素含量估算: 2025年; 叶片叶绿素含量是表征植被生长状态的重要生理生化参数,传统的叶绿素含量测定方法操作复杂且会破坏叶片组织结构,对植物造成不可逆的损伤。通过构建高精度叶绿素反演模型,可以实现对猕猴桃叶片叶绿素含量的实时无损监测。本研究采集了猕猴桃冠层的高光谱数据,并同步测定了叶片叶绿素相对含量(SPAD值)。通过对原始光谱进行分数阶微分变换(阶数为0~2,步长为0.2),结合竞争自适应重加权采样算法(CARS)筛选得到敏感波段。分别基于原始波段和敏感波段训练随机森林模型(RF)、支持向量机模型(SVR)和极限学习机模型(ELM)。结果表明,分数阶微分变换显著提高了光谱反射率与猕猴桃叶片叶绿素含量的相关性,CARS算法提升了模型精度。光谱反射率经过1.8阶微分处理后,采用CARS算法筛选出敏感波段,利用这些敏感波段训练随机森林模型,取得了最佳效果。训练后的随机森林模型在验证集上决定系数(R^(2))达到0.93,均方根误差(RMSE)为2.56,相对分析误差(RPD)为3.89。该研究结果可为猕猴桃叶片叶绿素含量的高精度估算提供理论依据和技术参考,对猕猴桃生长监测和精准农业管理具有重要意义。; 唐国强刘梦云蒋丹垚宋正华常庆瑞; 关键词：猕猴桃叶绿素含量

入侵植物叶绿素含量的预测方法及系统、存储介质: 本发明公开了入侵植物叶绿素含量的预测方法及系统、存储介质，通过结合多光谱遥感技术和机器学习算法，实现了对入侵植物叶绿素含量的高精度预测，首先，使用多光谱图像获取技术采集待测区域的图像数据；接着，通过计算机视觉技术对图像中...; 乔曦杨洁张航刘博夏保升钟焕达钱万强万方浩

基于荧光辐射传输模型的叶绿素含量荧光遥感估算方法研究: 2025年; 叶绿素作为植物光合作用的主体,在监测植被生长状态,评估固碳能力方面发挥着巨大的作用。遥感技术作为一种高效低成本的对地观测技术,能够通过叶片反射光谱特征实现叶绿素含量(chlorophyll content,Cab,含量为面密度)的估算。然而,叶片光谱会受到叶片含水量、叶细胞结构等影响,从而降低遥感估算Cab的精度。而日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)遥感是直接探测叶绿素激发荧光信息,其变化特征与Cab直接相关,在Cab估算中有巨大的潜力。为此,以荧光辐射传输模型(soil canopy observation,photo-chemistry and energy fluxes,SCOPE)为工具,通过敏感性分析确定Cab荧光敏感波段,并建立基于荧光光谱的Cab估算模型,最后利用实测数据验证模型的鲁棒性。研究结果表明,700、730 nm分别为叶绿素高、低敏感波段(SIF_(700)、SIF_(730)),760 nm为叶绿素高相关性波段(SIF_(760)),以此3波段建立基于荧光比值的Cab估算模型,其中,以SIF_(760)与SIF_(700)的荧光比值建模精度最优,决定系数R2为0.9981,均方根误差(root mean square error,RMSE)为0.0435μg/cm^(2)。SIF_(700)与SIF_(730)荧光比值和Cab的建模精度最低,但R2和RMSE也分别达到了0.9048和0.0886μg/cm^(2)。利用实测数据独立样本对上述3种估算方法进行验证,SIF_(760)/SIF_(730)估算结果表现最佳,RMSE为0.2108μg/cm^(2),SIF_(700)/SIF_(730)次之,RMSE为0.3454μg/cm^(2),但呈现出整体高估现象;SIF_(760)/SIF_(700)估算结果与实测数据偏差较大,RMSE为0.7435μg/cm^(2)。综上,SIF_(760)/SIF_(730)构建的比值植被指数在估算Cab过程中不仅能够保证很好的建模精度,同时又表现出极佳的鲁棒性。研究结果为利用叶绿素荧光遥感手段进行叶片生化参数估算提供技术参考。; 韩怀宇杨曦光于颖; 关键词：叶绿素含量遥感

用于不同类型植被的叶片叶绿素含量通用反演模型和方法: 本申请涉及一种用于不同类型植被的叶片叶绿素含量通用反演模型和方法，叶片叶绿素含量通用反演模型表达为关于植物叶片叶绿素含量与植被叶片反射光谱、叶绿素吸收系数在最佳光谱区间的相互关系，模拟数据集通过PROSPECT辐射传输模...; 方美红贺添柱袁霞胡相燕卢祉呈张辛佳

基于小波变换和VCPA-GA算法的人参果叶片叶绿素含量高光谱估算: 2025年; 叶片叶绿素含量(Leaf Chlorophyll Contents,LCCs)作为植物重要的生理生化参数之一,其含量的变化直接或间接影响植物的生长发育。通过使用高光谱遥感技术对人参果LCC进行快速无损监测,有利于实现精准农业的发展。文章以人参果叶片高光谱数据和对应的人参果LCC为数据集,使用离散小波变换(Discrete Wavelet Transform,DWT)算法,提取人参果叶片高光谱数据0~10层低频小波系数,将0~10层光谱数据集与对应的人参果LCC进行Pearson相关性分析,然后将变量组合集群分析(Variable Combination Population Analysis,VCPA)与遗传算法(Genetic Algorithm,GA)结合,使用VCPA-GA算法提取人参果全谱和各分解层敏感波段,通过4种机器学习模型构建人参果LCC的估测模型。结果表明,DWT能提高人参果LCC的预测性能,在4种机器学习模型中,4层BP-AdaBoost模型的预测性能最好,R^(2)达到0.919,MAPE=2.090%,RMSE=1.453,RPD=3.900,其次PSO-BPNN回归模型的预测性能也表现出较高的准确性。文章表明,人参果高光谱数据经DWTVCPA-GA算法处理后,使用4层低频小波系数重组的光谱数据构建BP-AdaBoost回归预测模型时对人参果LCC的估算性能最好。; 郭金锋张志从吾木提·艾山江周忠晔续文宇玉苏甫·艾海买江; 关键词：离散小波变换叶片叶绿素含量人参果

一种植物叶片叶绿素含量检测方法: 本发明公开了一种植物叶片叶绿素含量检测方法。它包括以下步骤：采集待测植物叶片样本的高光谱反射率数据，所述高光谱反射率数据包括n个波长对以及波长对中每个波长对应的光谱反射率；根据高光谱反射率数据计算出待测植物叶片样本对应的...; 朱逢乐沈跃铖赵章风彭继宇张宇谦周壮飞

与水稻叶片叶绿素含量高低相关的特异转座子及其应用: 本发明提供一种与水稻叶片叶绿素含量高低相关的特异转座子及其应用。本发明提供的特异转座子为MITE转座子，MITE转座子是核苷酸序列为SEQ ID NO:1的DNA片段。经实验证明，水稻OsSCE1a基因可以调控水稻的叶绿...; 张坤付永彩元旭朝姜晚霞刘凤霞孙传清

估计叶片的叶绿素含量的方法: 本发明涉及一种估计叶片(12)的叶绿素含量的方法，所述方法包括：提供设备(10)，其中，所述设备包括：移动计算设备(14)，其包括数字相机(16)；以及可移除地附接到所述移动计算设备的外围设备(18)，所述外围设备包括光...; I·阿利M·林R·杨Z·罗M·伊祖丁N·特瓦拉卡维

基于集成学习的大豆叶绿素含量估算: 2025年; 准确估算大豆叶绿素含量对于农业管理和农作物产量的监测具有重要意义。高光谱遥感技术可以提供植物光谱信息,利用多种机器学习方法,建立一套有效的叶片叶绿素估算模型。本研究旨在利用高光谱非成像数据建立一个高性能模型来估算叶绿素含量。针对单一模型存在的异质性问题,拟构造最优植被指数(VI),计算其与叶绿素含量的相关系数,利用多元线性回归(MLR)、决策树回归(DTR)、随机森林(RF)、自适应增强(AdaBoost)和堆叠(Stacking)等多种方法,构建叶绿素含量反演模型。在此基础上,以决定系数(r2)、均方根误差(RMSE)和平均绝对误差(MAE)等为评估指标,对所建立的模型进行精确评估,选择偏最小二乘回归(PLSR)模型作为基准模型。结果表明,集成学习具有很大的叶绿素含量估算潜力,比较建模算法时,集成算法在估算大豆叶绿素含量方面比使用单一机器学习算法具有更大的优势,基于Stacking-5的模型具有最高的准确性和较高的稳定性(r2=0.810,RMSE=4.679,MAE=1.901)。本研究为利用高光谱遥感技术高效、无损地估测叶绿素含量提供了参考。; 张留亚袁德宝范雨晴; 关键词：大豆植被指数叶绿素含量

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈