光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2011年
4期
1092-1096
,共5页
刘炜%常庆瑞%郭曼%邢东兴%员永生
劉煒%常慶瑞%郭曼%邢東興%員永生
류위%상경서%곽만%형동흥%원영생
可见/近红外光谱%冬小麦%磷素营养%小波去噪%数值积分%径向基函数神经网络
可見/近紅外光譜%鼕小麥%燐素營養%小波去譟%數值積分%徑嚮基函數神經網絡
가견/근홍외광보%동소맥%린소영양%소파거조%수치적분%경향기함수신경망락
分别于返青期、拔节期、抽穗期和灌浆期采集不同磷素处理的冬小麦叶片原始高光谱数据;之后求取其一阶导数(一阶导数光谱)并进行小波去噪处理;通过分析原始光谱和一阶导数光谱对小同磷素处理水平的响应特征,确定敏感波长范围并提取四种吸收面积;将每个叶片磷素含量值对应的四种吸收而积的归一化值,作为样本空间样本点的位置坐标(4维样本输入矢量),对应叶片磷素含量的归一化值作为该样本点的目标输出,二者同时提交给径向基函数神经网络.结果表明:(1)冬小麦叶片原始光谱对叶片磷素含量变化反应敏感的波长范围为426~435 nm和669~680 nm.(2)一阶导数光谱的敏感波长范围为481~493 nm和685~696nm.(3)训练后的径向幕函数神经网络模型能够学习和掌握样本点与目标输出之间的线性/非线性映射关系,并且具有一定的推广能力.
分彆于返青期、拔節期、抽穗期和灌漿期採集不同燐素處理的鼕小麥葉片原始高光譜數據;之後求取其一階導數(一階導數光譜)併進行小波去譟處理;通過分析原始光譜和一階導數光譜對小同燐素處理水平的響應特徵,確定敏感波長範圍併提取四種吸收麵積;將每箇葉片燐素含量值對應的四種吸收而積的歸一化值,作為樣本空間樣本點的位置坐標(4維樣本輸入矢量),對應葉片燐素含量的歸一化值作為該樣本點的目標輸齣,二者同時提交給徑嚮基函數神經網絡.結果錶明:(1)鼕小麥葉片原始光譜對葉片燐素含量變化反應敏感的波長範圍為426~435 nm和669~680 nm.(2)一階導數光譜的敏感波長範圍為481~493 nm和685~696nm.(3)訓練後的徑嚮幕函數神經網絡模型能夠學習和掌握樣本點與目標輸齣之間的線性/非線性映射關繫,併且具有一定的推廣能力.
분별우반청기、발절기、추수기화관장기채집불동린소처리적동소맥협편원시고광보수거;지후구취기일계도수(일계도수광보)병진행소파거조처리;통과분석원시광보화일계도수광보대소동린소처리수평적향응특정,학정민감파장범위병제취사충흡수면적;장매개협편린소함량치대응적사충흡수이적적귀일화치,작위양본공간양본점적위치좌표(4유양본수입시량),대응협편린소함량적귀일화치작위해양본점적목표수출,이자동시제교급경향기함수신경망락.결과표명:(1)동소맥협편원시광보대협편린소함량변화반응민감적파장범위위426~435 nm화669~680 nm.(2)일계도수광보적민감파장범위위481~493 nm화685~696nm.(3)훈련후적경향막함수신경망락모형능구학습화장악양본점여목표수출지간적선성/비선성영사관계,병차구유일정적추엄능력.