光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2009年
9期
2467-2470
,共4页
林芬芳%丁晓东%付志鹏%邓劲松%沈掌泉
林芬芳%丁曉東%付誌鵬%鄧勁鬆%瀋掌泉
림분방%정효동%부지붕%산경송%침장천
互信息%人工神经网络%水稻%磷素营养%光谱
互信息%人工神經網絡%水稻%燐素營養%光譜
호신식%인공신경망락%수도%린소영양%광보
当前,磷素营养诊断的化学分析方法既费力又费时,使诊断结果难以及时应用到田间生产,而高光谱遥感技术是一种非破坏性、快速和有潜力的作物营养诊断技术.但是,由于光谱分析技术的限制,作物磷营养与光谱特性之间的关系研究进展一直较为缓慢.文章通过室内实验获取了不同磷营养水平水稻典型生育期冠层光谱反射率及其对应的磷、叶绿素含量等农学参数,并对农学参数做了LSD多重比较.利用互信息(MI)理论分析了水稻磷素含量的敏感波段,结果表明水稻拔节期叶片磷素估测的敏感波段分别为536,630,1 040,551和656 nm,与其相对应的互信息值分别为1.057 5,1.103 9.1.135 3,1.141 7和1.149 4;比较了以此敏感波段为自变量构建的BP人工神经网络模型和多元线性回归模型,结果显示BP人工神经网络模型更优,其交叉验证均方根误差(RMSE-train)和相关系数(R2)分别为0.038 8和0.988 2,而预测均方根误差(RIMSE-test)和相关系数(R2)分别为0.050 5和0.989 2.说明利用互信息-神经网络模型(MI-ANN)和高光谱遥感估测田间水稻磷含量是可能的.
噹前,燐素營養診斷的化學分析方法既費力又費時,使診斷結果難以及時應用到田間生產,而高光譜遙感技術是一種非破壞性、快速和有潛力的作物營養診斷技術.但是,由于光譜分析技術的限製,作物燐營養與光譜特性之間的關繫研究進展一直較為緩慢.文章通過室內實驗穫取瞭不同燐營養水平水稻典型生育期冠層光譜反射率及其對應的燐、葉綠素含量等農學參數,併對農學參數做瞭LSD多重比較.利用互信息(MI)理論分析瞭水稻燐素含量的敏感波段,結果錶明水稻拔節期葉片燐素估測的敏感波段分彆為536,630,1 040,551和656 nm,與其相對應的互信息值分彆為1.057 5,1.103 9.1.135 3,1.141 7和1.149 4;比較瞭以此敏感波段為自變量構建的BP人工神經網絡模型和多元線性迴歸模型,結果顯示BP人工神經網絡模型更優,其交扠驗證均方根誤差(RMSE-train)和相關繫數(R2)分彆為0.038 8和0.988 2,而預測均方根誤差(RIMSE-test)和相關繫數(R2)分彆為0.050 5和0.989 2.說明利用互信息-神經網絡模型(MI-ANN)和高光譜遙感估測田間水稻燐含量是可能的.
당전,린소영양진단적화학분석방법기비력우비시,사진단결과난이급시응용도전간생산,이고광보요감기술시일충비파배성、쾌속화유잠력적작물영양진단기술.단시,유우광보분석기술적한제,작물린영양여광보특성지간적관계연구진전일직교위완만.문장통과실내실험획취료불동린영양수평수도전형생육기관층광보반사솔급기대응적린、협록소함량등농학삼수,병대농학삼수주료LSD다중비교.이용호신식(MI)이론분석료수도린소함량적민감파단,결과표명수도발절기협편린소고측적민감파단분별위536,630,1 040,551화656 nm,여기상대응적호신식치분별위1.057 5,1.103 9.1.135 3,1.141 7화1.149 4;비교료이차민감파단위자변량구건적BP인공신경망락모형화다원선성회귀모형,결과현시BP인공신경망락모형경우,기교차험증균방근오차(RMSE-train)화상관계수(R2)분별위0.038 8화0.988 2,이예측균방근오차(RIMSE-test)화상관계수(R2)분별위0.050 5화0.989 2.설명이용호신식-신경망락모형(MI-ANN)화고광보요감고측전간수도린함량시가능적.