公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于GIS和地统计学的低丘红壤地区三种土壤性质空间变异性研究被引量：17: 2008年; 以浙江省金华市为例,采用地统计学和GIS相结合的方法,对低丘红壤地区土壤有机质、有效N、有效K3种主要性质的空间变异特性进行研究。研究表明,通过平方根转换后,三者都呈很好的正态分布。有机质的变异函数曲线的理论模型较好地符合球状模型,有效N和有效K则符合指数模型。三者都属于中等空间相关性,同时受到结构性因素和随机性因素的共同影响。通过分析3种土壤性质的各向异性,发现不同的土壤性质有不同的空间分布,同一土壤性质在不同的方向上也有不同的空间变异性。; 祝锦霞许红卫王珂陈祝炉; 关键词：地统计学 GIS 低丘红壤

傅立叶变换中红外光谱估测水稻叶片氮素含量的研究被引量：6: 2009年; 通过不同氮素水平的水稻田间试验,在分析测定了水稻叶片叶绿素、氮素等农学参数后,采用傅立叶中红外光谱仪测定了水稻孕穗期叶片干样的透射光谱,利用协同偏最小二乘算法（siPLS）分析选取了傅立叶变换红外光谱估测水稻氮素含量的敏感波段及其组合。结果表明,其最优主成分数是9个,最佳估测建模的波段组合分别为1350.891～586.57,1587.531～822.40和3709.413～943.72 cm^-1;建立的水稻氮素预测模型的精度较高,交互验证均方根误差（RMSECV）和预测均方根误差（RMSEP）分别为0.1538和0.1933,预测值与化学分析获得的叶片总氮浓度之间的交互相关系数和独立检验相关系数分别为0.9393和0.6649,高于中红外光谱指数NFS和NFSA的预测精度。说明利用傅立叶红外光谱作为水稻氮含量的诊断技术是可能的,值得进一步验证和完善。; 林芬芳陈祝炉邓劲松王珂; 关键词：水稻氮

基于傅里叶变换红外光谱和siPLS-GA-PLS的水稻叶片氮素含量预测研究被引量：11: 2009年; 傅里叶变换中红外光谱谱区宽,搜索空间大,需要采用高效率和高质量的算法进行波长选择.敏感波段及其组合的选择是简化分析模型和提高模型预测精度的关键技术之一.本研究以水稻孕穗期叶片干样的中红外光谱透射率和叶片氮素含量为数据源,通过协同偏最小二乘算法（siPLS）从宽谱区中初选出波段范围1583.3-992.2cm^-1,再采用迭代遗传算法（GA）从中选出了84个水稻叶片氮素含量预测的敏感波段.研究结果显示以此敏感波段建立的偏最小二乘回归模型的预测均方根误差（RMSEP）和水稻叶片总氮含量的测量值与预测值之间的相关系数分别为0.1186和0.9120,该预测结果明显优于协同偏最小二乘法（siPLS）和光谱指数NFSA的预测结果,说明傅里叶变换红外光谱技术结合siPLS-GA-PLS算法能够实现水稻叶片氮素含量的预测.; 林芬芳陈祝炉王珂邓劲松许红卫; 关键词：水稻氮傅里叶变换红外光谱

基于无人机和地面数字影像的水稻氮素营养诊断研究被引量：25: 2010年; 选用扫描仪和无人机平台获取水稻叶片和冠层的数字图像,运用数字图像处理技术研究不同氮素营养水平水稻叶片和冠层的综合特征信息,从而应用于水稻的氮素营养诊断。结果表明:1)通过叶片叶绿素a含量和扫描叶片颜色参量之间的相关性分析,得到可用于诊断水稻氮素营养水平的叶片颜色特征参量B、b、b/(r+g)、b/r、b/g。通过叶片的颜色、形状综合特征信息与YIQ电视信号彩色坐标系统的参量建立氮素营养的识别模型,4个不同氮素水平的正确识别率分别为:N0(0 kg N.hm-2)74.9%,N1(60 kgN.hm-2)52%,N2(90 kg N.hm-2)84.7%,N3(120 kg N.hm-2)75%;2)无人机获取的田间冠层图像识别水稻氮素营养水平的综合特征参量是G、B、b、g、b/(r+g)、b/r、b/g、H、S、DGCI,选择相同的CB参量建立冠层氮素营养的识别模型,4个不同氮素水平的正确识别率为:N0(0 kg N.hm-2)91.6%,N1(60 kgN.hm-2)70.83%,N2(90 kg N.hm-2)86.7%,N3(120 kg N.hm-2)95%。初步研究表明基于综合特征的氮素诊断模型区分效果比较好,利用叶片扫描图像和无人机识别与诊断田间水稻氮素是可行的。; 祝锦霞陈祝炉石媛媛王珂邓劲松; 关键词：氮素诊断数字影像水稻

基于水稻扫描叶片图像特征的氮素营养诊断研究被引量：33: 2009年; 选用扫描仪获取水稻叶片的数字图像,运用数字图像处理技术研究不同氮素水平水稻的叶色、纹理和形态特征,尝试建立基于叶色、纹理和形态特征的综合水稻氮素营养诊断模型。研究表明:(1)通过水稻叶绿素a含量和叶片颜色特征之间的相关性分析,得到有效颜色特征参量B,b,b/(r+g),b/r,b/g,同时分析叶绿素a含量随叶位的空间分布特征,选择较为稳定的第三完全展开叶作为指示叶或诊断叶;(2)通过与高光谱遥感数据的相关性分析,从机理上说明基于机器视觉的水稻氮素营养诊断是有理论依据的,是可行的;(3)提取水稻叶片颜色、形态综合特征信息,与YIQ电视信号彩色坐标系统的CB值建立水稻氮营养水平的识别模型,得到4个氮素水平的正确识别率为:N0:74.9%;N1:52%;N2:84.7%;N3:75%。初步研究结果表明基于扫描图像特征的田间水稻氮素水平诊断方法是有优势和前景的,有可能建立一种新的实时、快速、准确的田间水稻氮素营养诊断的方法。; 祝锦霞邓劲松石媛媛陈祝炉韩凝王珂; 关键词：主成分分析

全选清除导出

共1页<1>

陈祝炉