高效的N肥使用產(chǎn)出需要平衡最小的環(huán)境污染和最大的產(chǎn)量，N素使用效率是目前精準(zhǔn)農(nóng)業(yè)中重要問題之一。于2017年6月，應(yīng)用無人機(jī)高光譜成像系統(tǒng)對八種不同氮處理的冬小麥進(jìn)行了高光譜圖像采集。高光譜成像儀采用美國RESONON公司的Pika-L，波段范圍400-1000nm，系統(tǒng)集成了慣導(dǎo)測量系統(tǒng)（IMU）和穩(wěn)定云臺，可以獲得較高精度的光譜分辨率和空間分辨率的數(shù)據(jù)。同時在地面采集并獲得冬小麥的葉綠素含量（CHL）、葉面積(LAI),利用偏最小二乘法進(jìn)行反演估算，(RLAI 2= 0.79, RMSELAI [m2m2] = 0.18, R2CHL = 0.77, RMSECHL [_g cm-2] = 7.02)，并采用多元線性回歸模型進(jìn)行了產(chǎn)量估測（R2產(chǎn)量＝0.88，RMSEfield[dt ha-1]=4.18）。利用該模型，可以對高光譜圖像進(jìn)行像素水平的預(yù)測。結(jié)果表明，在一定施氮量以上，進(jìn)一步施肥不一定會繼續(xù)導(dǎo)致產(chǎn)量增加，為高光譜精準(zhǔn)農(nóng)業(yè)研究提供了一定了理論支持。1 實驗設(shè)計試驗田位于德國西北部的奧斯納布呂克大學(xué)，包括8個處理，6個施氮水平。氮肥水平選擇在0到150 kg ha-1，如圖所示，不同顏色代表了不同的處理。圖1研究區(qū)域2 數(shù)據(jù)處理高光譜傳感器采用美國RESONON公司的PikaL,無人機(jī)系統(tǒng)采用大疆無...
發(fā)布時間:
2020
-
07
-
10
瀏覽次數(shù)：232
【背景】：高光譜成像技術(shù)可以快速且無損的測量食物品質(zhì)。該研究調(diào)查了高光譜成像在400-1000 nm波段范圍預(yù)測柑橘果實內(nèi)部品質(zhì)屬性例如總可溶性固形物（TSS），pH，可滴定酸度（TA）和成熟度指數(shù)（TSS/TA）；以及外部品質(zhì)屬性，例如顏色成分（L*，a*， b*）和顏色指數(shù)（CI）的可行性?！痉椒ā浚簭膩嗰R遜州（秘魯）收集柑橘樣品（甜橙，瓦倫西亞品種），共80個無不良特征（如物理破壞，病害以及污染成分）的樣品。樣品隨機(jī)分為兩組，75%為“校正集”，其余為“預(yù)測集”，用于模型的外部驗證。利用Resonon Pika XC高光譜成像系統(tǒng)（400-1000 nm）掃描柑橘并采集圖像。利用偏最小二乘法建立預(yù)測品質(zhì)屬性的完整模型。利用回歸系數(shù)確定最優(yōu)波段，通過多元線性回歸建立簡化模型。預(yù)測的確定系數(shù)（R2p）以及預(yù)測的標(biāo)準(zhǔn)誤差（SEP）用來衡量模型的性能?！窘Y(jié)果】：內(nèi)部品質(zhì)屬性的完整模型性能較低（R2p ，SEP 50%）。外部品質(zhì)屬性的完整模型性能較高（L*：R2p = 0.898，SEP = 19%；a*：R2p = 0.952，SEP = 13%；b*：R2p = 0.922，SEP = 20%；CI：R2p = 0.972，SEP = 12%）。簡化模型與外部品質(zhì)屬性性能相似。柑橘圖像和光譜處理的主要步驟：（a）確認(rèn)感興趣區(qū)域；（b）原始平均反射光譜...
發(fā)布時間:
2020
-
07
-
10
瀏覽次數(shù)：159
摘要：針對推掃式成像光譜儀獲取的狹帶影像需要經(jīng)過幾何校正才能拼接形成空間二維影像的問題，提出了基于ENVI二次開發(fā)的高光譜推掃圖像拼接技術(shù)。基于單應(yīng)映射建立光譜儀傾斜狀態(tài)下與正射狀態(tài)下圖像上的二維點之間的關(guān)系，校正由姿態(tài)變化引起的圖像畸變，結(jié)合GPS數(shù)據(jù)修正因飛行速度變化引起的狹帶重疊將校正后的狹帶影像拼接起來。在ENVI二次開發(fā)平臺上進(jìn)行技術(shù)集成，實現(xiàn)了Resonon推掃高光譜狹帶影像的自動校正拼接。對河北保定郊區(qū)高光譜影像的校正拼接實驗證明，該方法與光譜儀自帶拼接軟件校正結(jié)果接近經(jīng)緯度坐標(biāo)差均在1m以內(nèi)，均方根誤差約為0.7389，能夠滿足一般高光譜遙感應(yīng)用中的地理精度要求。研究目的：根據(jù)單應(yīng)映射原理，建立光譜儀傾斜和正射狀態(tài)下像點的映射關(guān)系，利用GPS/INS組合導(dǎo)航數(shù)據(jù)校正狹帶影像中的畸變，拼接成一幅完整的影像，并在ENVI二次開發(fā)平臺上實現(xiàn)推掃狹帶影像的自動校正和拼接。推掃成像畸變原因：推掃式成像是利用飛行平臺的向前運(yùn)動，借助于與飛行方向垂直的掃描線記錄而構(gòu)成二維圖像。推掃型成像光譜儀通常采用一個垂直于運(yùn)動方向的面陣CCD來感應(yīng)地面響應(yīng)，在飛行平臺向前運(yùn)動中完成二維空間掃描，平行于平臺運(yùn)動方向，通過光柵和棱鏡分光完成光譜維掃描，因此，CCD上一個點對應(yīng)一個譜段，一條線對應(yīng)一個譜面。CCD探測器每次成像是空間一條線上的光譜信息。為了獲得空間二維圖像，再通過機(jī)械推掃，完成整個...
發(fā)布時間:
2020
-
07
-
09
瀏覽次數(shù)：542
在大豆的種植中，對雜草的管理有利于作物產(chǎn)量最大化。研究發(fā)現(xiàn)麥草畏可有效防除數(shù)種一年生和多年生的闊葉雜草。然而，麥草畏噴霧偏離目標(biāo)漂移或蒸氣漂移會嚴(yán)重危害易感作物，包括麥草畏不耐受性作物。因此評估麥草畏漂移對農(nóng)作物的損害對于有效控制雜草具有重要的意義。目前，作物損害主要是通過評估生理和生化變化（葉面積，葉色，植物高度，產(chǎn)量等）來確定的。但是，這些評估需要耗費大量的勞動力。對于大尺度農(nóng)田的評估，則需要更快速且經(jīng)濟(jì)高效的方法。高光譜成像（HSI）可以快速掃描植物樣品且能獲得圖像中每個像素的完整反射光譜，已用于植物生理和生化特性的鑒定以及有毒金屬，鹽和病蟲害引起的植物脅迫的檢測。同時結(jié)合許多機(jī)器學(xué)習(xí)（ML）算法，例如貝葉斯決策，最大似然分類，K均值聚類，隨機(jī)森林，支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)可以檢測，監(jiān)測和量化作物損害。在這篇文章中，科學(xué)家們利用Resonon Pika Ⅱ VNIR高光譜成像系統(tǒng)進(jìn)行了相關(guān)的研究，旨在：（1）了解不同麥草畏噴霧比率下生理參數(shù)，產(chǎn)量和相應(yīng)光譜響應(yīng)的變化；（2）確定適當(dāng)?shù)墓庾V特征，以評估麥草畏比率對植物的影響；（3）基于高光譜成像，使用機(jī)器學(xué)習(xí)算法建立模型，評估麥草畏比率。 1 研究區(qū)域田間試驗于美國密西根州斯通維爾市農(nóng)作物生產(chǎn)系統(tǒng)研究農(nóng)場的美國農(nóng)業(yè)部農(nóng)業(yè)研究處4.5公頃的區(qū)域內(nèi)進(jìn)行。試驗場布設(shè)如圖1所示。大豆于2014年5月7日播種。2014年3月下旬...
發(fā)布時間:
2020
-
07
-
09
瀏覽次數(shù)：166
Hyperspectral imaging for presumptive identification of bacterial colonies on solid chromogenic culture mediaauthor：Mathilde Guillemota,Rony Midahuena, Delphine Archenyb,Corine Fulchironb,Regis Montvernaya,Guillaume Perrina, Denis F. Leroux*a aTechnology Research Department, Innovation Unit,bioMérieux SA, Marcy l’Etoile, France； bR&D Microbiology,bioMérieux SA, La Balme les Grottes,FranceBioMérieux致力于研究自動化微生物學(xué)實驗室，以降低成本 (更少的人力和耗材), 提升性能 (提升靈敏度,機(jī)器算法)，并通過優(yōu)化臨床實驗室工作流，獲得可追溯性。在這項研究中， 我們評估了采用高光譜成像技術(shù)（HIS）代替人類視覺觀測微生物培養(yǎng)解讀的可能性。在顯色...
發(fā)布時間:
2020
-
07
-
09
瀏覽次數(shù)：120
本文旨在利用高光譜數(shù)據(jù)建立一個準(zhǔn)確、可解釋的植物病害識別模型。由真菌引起的大豆炭腐病是一種嚴(yán)重影響大豆產(chǎn)量的世界性病害。在383-1032 nm范圍內(nèi)，Resonon高光譜成像儀在240個不同的波長處捕獲高光譜圖像。針對大豆炭腐病，科學(xué)家建立了3D卷積分網(wǎng)絡(luò)模型，模型分類精度為95.73%，并利用可視化顯著圖檢驗訓(xùn)練模型、敏感像素位置以及分類的特征敏感波段，發(fā)現(xiàn)：敏感特征波段為733 nm，這和常用的鑒別植物健康程度的特征波段范圍（700-1000nm）是一致的?！驹囼灧椒ā扛腥咎扛〉拇蠖梗悍謩e在第3、6、9、12和15天采集健康的和受感染的大豆莖稈樣品，在測量病害程度之前，實時采集健康的和收到感染的莖稈的高光譜圖像。測量儀器：美國Resonon高光譜成像儀，型號：Pika XC （包含安裝支架、移動平臺、操作軟件和2個70 w鹵素?zé)簦?。Pika XC性能：光譜通道數(shù)：240；波段范圍400-1000 nm；分辨率：2.5 nm。（a）室內(nèi)高光譜成像系統(tǒng)（b）不同光譜波段的大豆莖稈樣品高光譜圖像 （c）大豆莖稈內(nèi)外部RGB圖像病害程度比較3D-CNN模型由兩個連接的卷積分模型組成，其中，一個小的構(gòu)架用于防止訓(xùn)練模型過飽和。2個圖層（3*3mm空間維度，16個波段的光譜維度）作為第一個卷積分分層，4個3*3*16的圖層作為第二個卷積分層，修正線性輸入模型作為輸出層?！窘Y(jié)果分析】1....
發(fā)布時間:
2020
-
07
-
09
瀏覽次數(shù)：213
摘要：了解再生物種的水分利用特征對于理解土壤與植物之間的相互作用機(jī)制以及指導(dǎo)水資源受限生態(tài)系統(tǒng)中的生態(tài)恢復(fù)策略具有深遠(yuǎn)的意義。盡管植樹造林是改善退化生態(tài)系統(tǒng)功能和服務(wù)的重要途徑，但對不同人工林類型中優(yōu)勢種的水分利用特征的了解甚少。作者調(diào)查了黃土高原三種代表性人工林（三種落葉樹種刺槐、山杏和臭椿組成的混合人工林，純刺槐人工林，純山杏人工林）的植物水分利用特征。作者測量了每種人工林中優(yōu)勢種葉片的δ13C以及木質(zhì)部和土壤（400 cm）水分的δ2H和δ18O。結(jié)果表明，混合人工林中三個主要樹種在水源貢獻(xiàn)比例上表現(xiàn)出顯著的差異（P＜0.05），表明植物具有水源隔離作用。與純山杏人工林相比，混合人工林中的山杏利用更大比例的淺層土壤水，相應(yīng)地減少了對深層土壤水的消耗。然而，在不同人工林中，刺槐水分吸收比例未表現(xiàn)出顯著差異?；旌先斯ち种兄参锶~片的δ13C顯著高于純?nèi)斯ち值?。不同人工林中，刺槐葉片的δ13C與SWC呈正相關(guān)關(guān)系，而山杏中未觀察到這種關(guān)系。結(jié)果表明人工林類型會影響植物水分利用特征，具有對人工林類型的物種特異性響應(yīng)，以及種間競爭和種內(nèi)競爭之間不同的水源競爭效應(yīng)。研究區(qū)域該研究是在陜西省羊圈溝流域進(jìn)行的（36°42′45″ N，109°31′45″）。該流域是黃土高原中部的黃土丘陵溝壑區(qū)。樣品采集作者于2016年植物生長季節(jié)5-9月采集了植物葉片樣品用于δ13C的測定...
發(fā)布時間:
2020
-
05
-
29
瀏覽次數(shù)：222
摘要：采礦后地區(qū)受到大規(guī)模和嚴(yán)重的干擾，會對周圍生態(tài)系統(tǒng)產(chǎn)生重要的影響。原本的生態(tài)系統(tǒng)被破壞，而植樹造林可以恢復(fù)這些生態(tài)系統(tǒng)。但其成功和速度取決于所挖出棄土基質(zhì)的特性。熱紅外遙感為棄土基質(zhì)的標(biāo)測和分類帶來了優(yōu)勢，從而確定了其特性。棄土基質(zhì)庫包含光譜發(fā)射率（Designs and Prototypes Model 102便攜式FTIR光譜儀）和化學(xué)性質(zhì)，可以促進(jìn)遙感活動。該研究提供了從捷克共和國褐煤開采場提取的棄土基質(zhì)發(fā)射率的光譜庫。通過干燥和篩分將提取的樣品均質(zhì)化。每個樣品的光譜發(fā)射率通過光譜平滑算法來確定，該算法適用于傅立葉變換紅外（FTIR）光譜儀測得的數(shù)據(jù)。同時測量了每個樣品的化學(xué)參數(shù)（pH、電導(dǎo)率、Na、K、Al、Fe、灼燒損失和多酚含量）和毒性。本文中光譜基因庫以地理坐標(biāo)的形式提供了獲取位置的有價值的信息，呈現(xiàn)的數(shù)據(jù)本質(zhì)上是唯一的，可以在長波紅外電磁頻波中為許多遙感活動提供服務(wù)。1總結(jié)露天采礦過程中，煤層上方大量的基質(zhì)被清除并重新堆放，覆蓋了廣闊的區(qū)域，這些從幾百米深處挖出的材料被稱為棄土基質(zhì)。其物理和化學(xué)特性會發(fā)生變化，異質(zhì)性很大程度上受地質(zhì)及采礦和堆放方法的影響，由于這個原因，基質(zhì)與最近的土壤有很大的不同。它們有極端的pH值，高濃度的重金屬、多酚（即煤分解產(chǎn)物）和鹽含量。這些性質(zhì)會影響采礦后地區(qū)植被發(fā)展的成功和速度。因此，在土地...
發(fā)布時間:
2020
-
05
-
28
瀏覽次數(shù)：90
植被冠層的光合特性是基于地球系統(tǒng)模型進(jìn)程的重要參數(shù)，可用于理解全球碳循環(huán)。然而這些地球系統(tǒng)模型缺乏光合特性連續(xù)的時空信息，導(dǎo)致了很大的不確定性，無法解釋碳的源和匯以及大氣層與陸地生物圈的交換。此外，光合速率的準(zhǔn)確表征對于重設(shè)光合作用途徑以提高作物產(chǎn)量至關(guān)重要。選擇新品種需要在給定環(huán)境中將基因型與表型聯(lián)系起來，但尚未以高通量方式實現(xiàn)，這成為植物育種的主要瓶頸之一。為此，作為全球糧食安全問題解決方案的一部分，迫切需要光合特性高通量表征技術(shù)的進(jìn)步，這對于深刻理解全球環(huán)境變化至關(guān)重要?；诖?，作者研究了安裝在移動平臺上的高光譜成像相機(jī)是否能解決這些問題，重點研究三種主要方法-基于偏最小二乘法回歸（PLSR）的反射光譜，光譜指數(shù)以及數(shù)值模型反演，以從11個煙草品種冠層高光譜反射率估算光合特性。結(jié)果表明，基于PLSR建立的反射光譜和光譜指數(shù)模型預(yù)測Vcmax和Jmax的R2為~0.8，高于數(shù)值反演的預(yù)測結(jié)果（R2為~0.6）。與反射光譜的PLSR相比，光譜指數(shù)的PLSR預(yù)測Vcmax（R2 = 0.84 ± 0.02, RMSE = 33.8 ± 2.2 μmol m?2 s?1）的結(jié)果更好，預(yù)測Jmax（R2 = 0.80 ± 0.03, RMSE = 22.6 ± 1.6 μmol m?2 s?1）的結(jié)果相似。...
發(fā)布時間:
2020
-
05
-
28
瀏覽次數(shù)：249
摘要：本研究旨在理解不同缺水脅迫下10個水稻基本型的表現(xiàn)。記錄了不同脅迫水平下植物的相對含水量（RWC）以及在350-2500 nm范圍內(nèi)的高光譜數(shù)據(jù)。通過光譜指數(shù)，多元技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)確定最佳波段，并建立預(yù)測模型。建立了新的水敏感光譜指數(shù)，并就RWC評估了現(xiàn)有的水帶光譜指數(shù)。這些基于指數(shù)的模型可以有效地預(yù)測RWC，R2值為0.73至0.94。在350-2500 nm范圍內(nèi)的所有可能組合中，使用比率光譜指數(shù)（RSI）和歸一化光譜指數(shù)（NDSI）繪制等高線，并量化與RWC的相關(guān)性以確定最佳指數(shù)。光譜反射率數(shù)據(jù)（ASD Field Spec3 spectroradiometer測量）還用于建立偏最小二乘回歸（PLSR），然后進(jìn)行多元線性回歸（MLR）和人工神經(jīng)網(wǎng)絡(luò)（ANN），支持向量機(jī)回歸（SVR）和隨機(jī)森林（RF）模型來計算植物RWC。在這些多元模型中，PLSR-MLR被認(rèn)為是預(yù)測RWC的最佳模型，校正和驗證的R2分別為0.98和0.97，預(yù)測的均方根誤差（RMSEP）為5.06。結(jié)果表明，PLSR是鑒定作物缺水脅迫的可靠技術(shù)。盡管PLSR是可靠的技術(shù)，但如果將PLSR提取的最佳波段饋入MLR，則結(jié)果會得到顯著改善。使用所有光譜反射帶建立了ANN模型。建立的模型未取得令人滿意的結(jié)果。因此，使用PLSR選擇的最佳波段作為獨立x變量開發(fā)了模型，發(fā)現(xiàn)PLSR-ANN模型比單獨的ANN模型...
發(fā)布時間:
2020
-
05
-
25
瀏覽次數(shù)：232