基于图像处理的茶树含氮量诊断方法初步研究

为快速获取茶树的氮营养素水平,基于图像处理技术研究茶树氮营养素诊断方法.采摘不同施氮地块同一生长部位的茶树叶片,在白色背景、自然光下用数码相机对叶片拍照,用化学法测得叶片含氮量.利用Open CV计算机视觉库编写图像处理程序,从原始图像中分割出叶片图像,提取叶片的R,G,B均值,并计算归一化的NRI,NGI,NBI及H,S,I均值,另选取R/G,B/G,B/R,R/(R+G-B),G/(R+G-B),B/(R+G-B)构成15个颜色特征参数,使用SPSS软件对颜色特征参数和含氮量进行回归分析,在误差分析基础上建立茶树氮营养素估算模型.将该模型运用于验证样本,得到含氮量估算值与实测值的平均相对误差为9. 28%,RMSE为0. 265.结果表明,该模型可用于茶树氮营养素水平的快速诊断.     

数字图像技术在苦菜叶绿素含量测量中的应用

为探究色彩参数与苦菜长势的关系,选取苦菜叶片图像色彩参数指标R、G、B、R/(R+G+B)、G/(R+G+B)、B/(R+G+B)、R/G、R/B、G/B共9个指标与叶绿素含量进行相关性分析。结果表明:除G指标和R/B指标与叶绿素含量的相关性未达到显著性相关外,其余7个色彩参数指标与叶绿素含量均达到极显著性相关,其中G/(R+G+B)、B/(R+G+B)和G/B这三个指标与叶绿素含量的相关系数分别为:-0.829,0.831,-0.834,均达到0.8以上。选取相关性较优的7个色彩参数指标与叶绿素含量进行回归分析,发现苦菜叶片图像色彩参数B/(R+G+B)指标的线性模型(y=Ax+B)和G/B指标的模型(y=Alnx+B)拟合效果优于本研究构建的其他指标和模型,决定系数分别为0.6962和0.7185。本研究结果可为苦菜长势快速监测提供参考。     

基于连续统去除法的湿地松叶绿素含量高光谱估算模型

采用ASD野外光谱辐射仪在BRDF测试系统环境下对野外采集的湿地松叶片样本进行光谱测量,以获得湿地松的叶片光谱反射率,并利用UV2450-紫外可见分光光度计对湿地松叶片进行叶绿素含量测定.采用连续统去除法对光谱数据进行处理分析,计算波段深度(BD)、波深中心归一化(BNC)、波段面积归一化(BNA)、波段深度归一化指数(NBDI)和反射率差异比率(DRR(λi))等光谱特征参数,通过对湿地松叶片叶绿素含量与光谱特征参数的相关性分析,得到NBDI748,BNC749,BNA617,BNA748四个特征参量,与湿地松叶绿素含量建立估算模型并对模型进行精度检验.结果表明以BNA617为变量建立的光谱参量模型能够较好的估算湿地松叶绿素含量.     

台湾相思树叶片叶绿素含量的高光谱参量模型研究

在BRDF测试系统环境下利用ASD便携式野外光谱仪采集台湾相思树叶片光谱,并用UV2450-紫外可见分光光度计对观测叶片进行叶绿素含量测定.采用原始光谱、导数光谱技术及连续统去除法对光谱数据进行分析,得到估算台湾相思树叶绿素含量的光谱特征参数(DV575、BNA726、BNC726).结合实测叶绿素含量数据,构建台湾相思树叶片叶绿素含量的光谱参量模型.结果表明DV575与BNC726两参量构建模型估测精度较高,其中用一阶导数光谱变量估测精度最高,均达到83%以上.     

基于无人机图像的小麦灌浆期叶片氮含量估算

氮含量是小麦的重要营养指标之一。传统方法监测不同生长时期的小麦叶片氮含量的过程繁杂且具有破坏性,针对该问题提出了利用无人机遥感图像快速预测小麦氮含量的方法。利用小麦灌浆时期获取的无人机图像,基于改进的加权平均算法进行拼接和融合。该方法可有效消除拼接痕迹和差异,从而有效提取小麦特征,包括RGB特征、HIS特征和植被指数(VIs),利用这些特征及它们的组合构建支持向量回归模型。实验结果表明,基于HIS特征+VIs组合的模型预测精度最高,其验证集决定系数(R2)为0. 774,均方根误差(RMSE)为0. 363 7。该结果说明基于无人机监测小麦灌浆期的营养可行,这也为小麦田间管理提供了技术支撑。     

基于高光谱的法国梧桐和毛白杨叶片叶绿素含量反演模型研究

利用ASD便携式野外光谱仪和SPAD-502叶绿素计,实测了落叶阔叶树法国梧桐(Platanus orientalis L)和毛白杨(Populus tomentosa Carr)叶片的高光谱反射率与叶片绿度,并对原始光谱反射率及一阶导数光谱与叶片绿度进行了相关分析;采用导数光谱数据敏感波段建立了叶绿素含量估算模型,法国梧桐和毛白杨模型的确定性系数R2分别为0.7791和0.6858;采用相关系数较大的波段作为BP和RBF人工神经网络模型的输入变量,分别进行了叶绿素含量的估算,结果表明,BP和RBF神经网络模型预测效果均良好,在预测精度上,RBF略优于BP神经网络模型.     

利用光化学植被指数估算叶片的光能利用率

选取了喜阴植物和喜阳植物各两种,在低温、低辐照(温度为4℃,外界辐照强度为500μmol/(m2·s)左右)环境下考察光化学植被指数能否是叶片的光能利用率的一个指数,并研究喜阴植物和喜阳植物对这一关系的影响.实验结果表明:在相对低温低辐照条件下,光化学植被指数依然能很好地反映叶片的光能利用率(R2=0.595 1,1%显著水平),并且通常情况下对喜阳植物的(R2=0.5565)要比对喜阴植物的好(R2=0.5045).分析表明:主要是叶片叶绿素、叶黄素含量及其转化造成了叶片光化学植被指数和光能利用率二者响应的不同.因此,在以后的研究中,尤其是对星载数据的遥感应用,基于光谱指数的光能利用率估算应该考虑到植被自身的特性,不断改善光能利用率的估算精度.     

基于便携式漫反射叶绿素仪测定葡萄叶绿素含量方法的探究

以葡萄叶为材料,使用新研发的便携式漫反射叶绿素仪快速测定叶片中的叶绿素迅捷指数(XJI).将所得的结果与传统的丙酮-乙醇混合法测得的叶片中的叶绿素含量进行对比,结果表明XJI与传统方法测定的叶绿素含量有极好的线性关系:y=0.017 6x+9.558 9(R2=0.903 0),而且叶绿素含量与叶片全氮含量也呈现显著正相关的关系:y=2.720 4x+249.69(R2=0.903 4).因此,便携式漫反射叶绿素仪能够正确快速测定植株的叶绿素含量,反映植株的全氮营养水平,对简化植物叶片叶绿素的测定方法,提高工作效率具有重要的科学意义.     

基于光谱指数的玉米叶绿素含量估算

叶绿素含量是评价植物生长状况的重要参数.为建立不同生育期玉米(Zea Mays L.)叶绿素含量估算模型,考虑土壤、大气的影响以及卫星遥感影像的适用性.以夏玉米为研究对象,建立拔节期、灌浆期、乳熟期和完熟期玉米叶绿素含量估算模型,采用决定系数(R 2)、均方根误差(RMSE)作为模型的评价和检验指标,基于Planet ...     

数字图像技术在草原植被生长状况监测中的应用

本研究利用尼康D560单反数码相机获取草原植被冠层的图像信息，用Photoshop默认的RGB(red-green-blue,红-绿-蓝)色彩模式提取图像色彩参数，将提取的红光(rad)值、绿光(green)值，蓝光(blue)值与植被平均高度、植被覆盖率、单位面积株数3个反映植被生长状况的指标进行分析，构建植被生长状况与图像色彩参数模型，利用决定系数(R²)、均方根误差(root mean squared error, RMSE)、相对误差(relative error, RE,%)进行模型精度评价。结果表明：植被覆盖率与图像色彩参数的决定系数较平均高度和单位面积株数高，与R值、G值及B值3个色彩参数的决定系数分别为0.837 9、0.899 4、0.869 9,均高于0.8的水平。构建植被覆盖率与色彩参数G值和R值回归模型，模型分别为y=0.310 5x+40.943和y=-0.008x²+1.409 8x+9.462 6,这两个预测模型的解释比例达到89.94%和92.18%,预测精度较理想。对这两个模型进行验证，二次方程预测的植被覆盖...