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農業(yè)中重要問(wèn)題之一。于2017年6月，應用無(wú)人機高光譜成像系統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，系統集成了慣導測量系統（IMU）和穩定云臺，可以獲得較高精度的光譜分辨率和空間分辨率的數據。同時(shí)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(xiàn)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)行像素水平的預測。結果表明，在一定施氮量以上，進(jìn)一步施肥不一定會(huì )繼續導致產(chǎn)量增加，為高光譜精準農業(yè)研究提供了一定了理論支持。1 實(shí)驗設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(gè)處理，6個(gè)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研究區域2 數據處理高光譜傳感器采用美國RESONON公司的PikaL,無(wú)人機系統采用大疆無(wú)...
發(fā)布時(shí)間:
2020
-
07
-
10
瀏覽次數：194
【背景】：高光譜成像技術(shù)可以快速且無(wú)損的測量食物品質(zhì)。該研究調查了高光譜成像在400-1000 nm波段范圍預測柑橘果實(shí)內部品質(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（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（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(gè)無(wú)不良特征（如物理破壞，病害以及污染成分）的樣品。樣品隨機分為兩組，75%為“校正集”，其余為“預測集”，用于模型的外部驗證。利用Resonon Pika XC高光譜成像系統（400-1000 nm）掃描柑橘并采集圖像。利用偏最小二乘法建立預測品質(zhì)屬性的完整模型。利用回歸系數確定最優(yōu)波段，通過(guò)多元線(xiàn)性回歸建立簡(jiǎn)化模型。預測的確定系數（R2p）以及預測的標準誤差（SEP）用來(lái)衡量模型的性能?！窘Y果】：內部品質(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(jiǎn)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）確認感興趣區域；（b）原始平均反射光譜...
發(fā)布時(shí)間:
2020
-
07
-
10
瀏覽次數：147
摘要：針對推掃式成像光譜儀獲取的狹帶影像需要經(jīng)過(guò)幾何校正才能拼接形成空間二維影像的問(wèn)題，提出了基于ENVI二次開(kāi)發(fā)的高光譜推掃圖像拼接技術(shù)?；趩螒成浣⒐庾V儀傾斜狀態(tài)下與正射狀態(tài)下圖像上的二維點(diǎn)之間的關(guān)系，校正由姿態(tài)變化引起的圖像畸變，結合GPS數據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(lái)。在ENVI二次開(kāi)發(fā)平臺上進(jìn)行技術(shù)集成，實(shí)現了Resonon推掃高光譜狹帶影像的自動(dòng)校正拼接。對河北保定郊區高光譜影像的校正拼接實(shí)驗證明，該方法與光譜儀自帶拼接軟件校正結果接近經(jīng)緯度坐標差均在1m以?xún)?，均方根誤差約為0.7389，能夠滿(mǎn)足一般高光譜遙感應用中的地理精度要求。研究目的：根據單應映射原理，建立光譜儀傾斜和正射狀態(tài)下像點(diǎn)的映射關(guān)系，利用GPS/INS組合導航數據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(kāi)發(fā)平臺上實(shí)現推掃狹帶影像的自動(dòng)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動(dòng)，借助于與飛行方向垂直的掃描線(xiàn)記錄而構成二維圖像。推掃型成像光譜儀通常采用一個(gè)垂直于運動(dòng)方向的面陣CCD來(lái)感應地面響應，在飛行平臺向前運動(dòng)中完成二維空間掃描，平行于平臺運動(dòng)方向，通過(guò)光柵和棱鏡分光完成光譜維掃描，因此，CCD上一個(gè)點(diǎn)對應一個(gè)譜段，一條線(xiàn)對應一個(gè)譜面。CCD探測器每次成像是空間一條線(xiàn)上的光譜信息。為了獲得空間二維圖像，再通過(guò)機械推掃，完成整個(gè)...
發(fā)布時(shí)間:
2020
-
07
-
09
瀏覽次數：503
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)現麥草畏可有效防除數種一年生和多年生的闊葉雜草。然而，麥草畏噴霧偏離目標漂移或蒸氣漂移會(huì )嚴重危害易感作物，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(guò)評估生理和生化變化（葉面積，葉色，植物高度，產(chǎn)量等）來(lái)確定的。但是，這些評估需要耗費大量的勞動(dòng)力。對于大尺度農田的評估，則需要更快速且經(jīng)濟高效的方法。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(gè)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(chóng)害引起的植物脅迫的檢測。同時(shí)結合許多機器學(xué)習（ML）算法，例如貝葉斯決策，最大似然分類(lèi)，K均值聚類(lèi)，隨機森林，支持向量機和人工神經(jīng)網(wǎng)絡(luò )可以檢測，監測和量化作物損害。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，產(chǎn)量和相應光譜響應的變化；（2）確定適當的光譜特征，以評估麥草畏比率對植物的影響；（3）基于高光譜成像，使用機器學(xué)習算法建立模型，評估麥草畏比率。 1 研究區域田間試驗于美國密西根州斯通維爾市農作物生產(chǎn)系統研究農場(chǎng)的美國農業(yè)部農業(yè)研究處4.5公頃的區域內進(jìn)行。試驗場(chǎng)布設如圖1所示。大豆于2014年5月7日播種。2014年3月下旬...
發(fā)布時(shí)間:
2020
-
07
-
09
瀏覽次數：142
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(dòng)化微生物學(xué)實(shí)驗室，以降低成本 (更少的人力和耗材), 提升性能 (提升靈敏度,機器算法)，并通過(guò)優(yōu)化臨床實(shí)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(lèi)視覺(jué)觀(guān)測微生物培養解讀的可能性。在顯色...
發(fā)布時(shí)間:
2020
-
07
-
09
瀏覽次數：112
本文旨在利用高光譜數據建立一個(gè)準確、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重影響大豆產(chǎn)量的世界性病害。在383-1032 nm范圍內，Resonon高光譜成像儀在240個(gè)不同的波長(cháng)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(lèi)精度為95.73%，并利用可視化顯著(zhù)圖檢驗訓練模型、敏感像素位置以及分類(lèi)的特征敏感波段，發(fā)現：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(shí)時(shí)采集健康的和收到感染的莖稈的高光譜圖像。測量?jì)x器：美國Resonon高光譜成像儀，型號：Pika XC （包含安裝支架、移動(dòng)平臺、操作軟件和2個(gè)70 w鹵素燈）。Pika XC性能：光譜通道數：240；波段范圍400-1000 nm；分辨率：2.5 nm。（a）室內高光譜成像系統（b）不同光譜波段的大豆莖稈樣品高光譜圖像 （c）大豆莖稈內外部RGB圖像病害程度比較3D-CNN模型由兩個(gè)連接的卷積分模型組成，其中，一個(gè)小的構架用于防止訓練模型過(guò)飽和。2個(gè)圖層（3*3mm空間維度，16個(gè)波段的光譜維度）作為第一個(gè)卷積分分層，4個(gè)3*3*16的圖層作為第二個(gè)卷積分層，修正線(xiàn)性輸入模型作為輸出層?！窘Y果分析】1....
發(fā)布時(shí)間:
2020
-
07
-
09
瀏覽次數：155
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制以及指導水資源受限生態(tài)系統中的生態(tài)恢復策略具有深遠的意義。盡管植樹(shù)造林是改善退化生態(tài)系統功能和服務(wù)的重要途徑，但對不同人工林類(lèi)型中優(yōu)勢種的水分利用特征的了解甚少。作者調查了黃土高原三種代表性人工林（三種落葉樹(shù)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。結果表明，混合人工林中三個(gè)主要樹(shù)種在水源貢獻比例上表現出顯著(zhù)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出顯著(zhù)差異?；旌先斯ち种兄参锶~片的δ13C顯著(zhù)高于純人工林的。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(guān)察到這種關(guān)系。結果表明人工林類(lèi)型會(huì )影響植物水分利用特征，具有對人工林類(lèi)型的物種特異性響應，以及種間競爭和種內競爭之間不同的水源競爭效應。研究區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。樣品采集作者于2016年植物生長(cháng)季節5-9月采集了植物葉片樣品用于δ13C的測定...
發(fā)布時(shí)間:
2020
-
05
-
29
瀏覽次數：188
摘要：采礦后地區受到大規模和嚴重的干擾，會(huì )對周?chē)鷳B(tài)系統產(chǎn)生重要的影響。原本的生態(tài)系統被破壞，而植樹(shù)造林可以恢復這些生態(tài)系統。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)的標測和分類(lèi)帶來(lái)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(dòng)。該研究提供了從捷克共和國褐煤開(kāi)采場(chǎng)提取的棄土基質(zhì)發(fā)射率的光譜庫。通過(guò)干燥和篩分將提取的樣品均質(zhì)化。每個(gè)樣品的光譜發(fā)射率通過(guò)光譜平滑算法來(lái)確定，該算法適用于傅立葉變換紅外（FTIR）光譜儀測得的數據。同時(shí)測量了每個(gè)樣品的化學(xué)參數（pH、電導率、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的形式提供了獲取位置的有價(jià)值的信息，呈現的數據本質(zhì)上是唯一的，可以在長(cháng)波紅外電磁頻波中為許多遙感活動(dòng)提供服務(wù)。1總結露天采礦過(guò)程中，煤層上方大量的基質(zhì)被清除并重新堆放，覆蓋了廣闊的區域，這些從幾百米深處挖出的材料被稱(chēng)為棄土基質(zhì)。其物理和化學(xué)特性會(huì )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(gè)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(huì )影響采礦后地區植被發(fā)展的成功和速度。因此，在土地...
發(fā)布時(shí)間:
2020
-
05
-
28
瀏覽次數：82
植被冠層的光合特性是基于地球系統模型進(jìn)程的重要參數，可用于理解全球碳循環(huán)。然而這些地球系統模型缺乏光合特性連續的時(shí)空信息，導致了很大的不確定性，無(wú)法解釋碳的源和匯以及大氣層與陸地生物圈的交換。此外，光合速率的準確表征對于重設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(lái)，但尚未以高通量方式實(shí)現，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(wèn)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(dòng)平臺上的高光譜成像相機是否能解決這些問(wèn)題，重點(diǎn)研究三種主要方法-基于偏最小二乘法回歸（PLSR）的反射光譜，光譜指數以及數值模型反演，以從11個(gè)煙草品種冠層高光譜反射率估算光合特性。結果表明，基于PLSR建立的反射光譜和光譜指數模型預測Vcmax和Jmax的R2為~0.8，高于數值反演的預測結果（R2為~0.6）。與反射光譜的PLSR相比，光譜指數的PLSR預測Vcmax（R2 = 0.84 ± 0.02, RMSE = 33.8 ± 2.2 μmol m?2 s?1）的結果更好，預測Jmax（R2 = 0.80 ± 0.03, RMSE = 22.6 ± 1.6 μmol m?2 s?1）的結果相似。...
發(fā)布時(shí)間:
2020
-
05
-
28
瀏覽次數：239
摘要：本研究旨在理解不同缺水脅迫下10個(gè)水稻基本型的表現。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范圍內的高光譜數據。通過(guò)光譜指數，多元技術(shù)和神經(jīng)網(wǎng)絡(luò )技術(shù)確定最佳波段，并建立預測模型。建立了新的水敏感光譜指數，并就RWC評估了現有的水帶光譜指數。這些基于指數的模型可以有效地預測RWC，R2值為0.73至0.94。在350-2500 nm范圍內的所有可能組合中，使用比率光譜指數（RSI）和歸一化光譜指數（NDSI）繪制等高線(xiàn)，并量化與RWC的相關(guān)性以確定最佳指數。光譜反射率數據（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(xiàn)性回歸（MLR）和人工神經(jīng)網(wǎng)絡(luò )（ANN），支持向量機回歸（SVR）和隨機森林（RF）模型來(lái)計算植物RWC。在這些多元模型中，PLSR-MLR被認為是預測RWC的最佳模型，校正和驗證的R2分別為0.98和0.97，預測的均方根誤差（RMSEP）為5.06。結果表明，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，則結果會(huì )得到顯著(zhù)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(mǎn)意的結果。因此，使用PLSR選擇的最佳波段作為獨立x變量開(kāi)發(fā)了模型，發(fā)現PLSR-ANN模型比單獨的ANN模型...
發(fā)布時(shí)間:
2020
-
05
-
25
瀏覽次數：195