水培番茄施氮量近红外光谱预测模型的研究

来源 :光谱学与光谱分析 | 被引量 : 0次 | 上传用户:greenboy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
通过小波变换去除了可见光区(350~560 nm)的噪声,提取出了叶酸的特征波段366 nm和与叶绿素有关的特征波段380,414,437,554 nm。在560~2 500 nm的波长范围内,去除噪声后的最大误差低于1.47%;在特征峰谷处的最大误差不超过0.11%。用BP神经网络建立了番茄施氮量预测模型。研究表明,在用植物探头获取番茄叶片光谱数据并去噪的条件下,用554,673,1 440,1 940 nm处的吸光度值作为BP神经网络的输入变量建立的番茄施氮量的预测模型有很高的预测精度,有极大的潜力能
其他文献
以4,4’-二环己基甲烷二异氰酸酯(H12MDI)和正丁醇为原料合成了4,4’-二环己基甲烷二氨基甲酸丁酯(H12MDU),得到两种固体产物(A和B);分别利用熔点测定、红外光谱、元素分析、核磁共
从分析苹果树盛果期冠层高光谱入手,结合同一时间的数码照片,在Erdas,ViewSpec Pro,DPS和LIBSVM等软件的支持下,采用相关分析、线性回归、逐步回归、基于BP人工神经网络分析
大气是影响遥感定量分析与应用的重要因素。该文利用暗像元大气校正算法,在IDL平台下,从Hyperion传感器的可见光-近红外波段逐通道提取大气光学厚度信息,并利用该数据实现对Hyperion数据大气校正的目的。研究结果表明,大气光学厚度随着通道中心波长的增加而减小,即与中心波长成负相关。光学厚度与中心波长的最佳经验模型为线性模型,模型的回归系数为0.912 3。通过分析校正前后的水体光谱曲线可知,