导读:本文包含了高光谱特征参量论文开题报告文献综述及选题提纲参考文献，主要关键词:铁尾矿,粒径因子,湿度因子,高光谱特征
高光谱特征参量论文文献综述
汪金花,曹兰杰,白洋,吴兵,郭云飞[1]（2019）在《铁尾矿粒径和湿度因子对高光谱特征参量影响》一文中研究指出利用地物光谱仪(350～2500 nm),在实验室对不同粒径、不同干燥状态的铁尾矿样本的可见光-近红外反射光谱特征进行观测,采用小波变换去除噪声并进行包络线去除将光谱数据归一化后,通过光谱特征参量分析及光谱匹配分析,研究铁尾矿可见光-近红外波段范围内的光谱反射特征及其特征识别波段。试验结果显示,铁尾矿的反射率随粒径的减小逐渐增大;0.40μm、0.55μm、2.22μm、2.30μm左右的光谱吸收特征不受样本粒径、干湿状态的影响,在其所处的吸收波段范围内,样本间的匹配分值较高,在进行光谱识别时,可作为光谱的敏感特征优先考虑。(本文来源于《矿产综合利用》期刊2019年02期）
吉一涛,舒清态,黄田,谢福明,刘延[2]（2018）在《基于光谱特征参量的高山松叶片氮素含量估测模型研究》一文中研究指出以我国西部高海拔地区特有树种高山松为研究对象,基于ASD便携式地物光谱辐射仪测定高山松叶片光谱,结合叶样氮素含量的实验室分析结果,利用相关分析法筛选与叶样氮素含量具有极显着相关性的光谱特征参量,分别采用回归曲线法和K-邻近距离(KNN)法构建高山松叶片氮素含量的参数和非参数估测模型,通过精度检验对2种方法及其构建模型进行对比分析。结果表明:在参数模型中以红边面积与蓝边面积比值(SDr/SDb)为自变量构建的二次函数模型估测效果最好,其决定系数(R2)、均方根误差(RMSE)和相对误差(RE)分别为0.627、0.12 g/100 g和4.75%;采用KNN法构建的非参数模型估测效果更好,其R2、RMSE和RE分别为0.856、0.12 g/100 g和5.43%。说明相对于传统的参数模型,KNN法构建的非参数模型在高山松氮素含量估测方面表现出更优越的估测能力。(本文来源于《西南林业大学学报(自然科学)》期刊2018年03期）
胡珍珠,潘存德,肖冰,潘鑫[3]（2016）在《基于光谱特征参量的‘温185’核桃叶片钾含量估测模型》一文中研究指出基于田间人工定量施肥试验,采用Pearson相关分析筛选与果实不同生育时期‘温185’核桃叶片钾(K)含量呈极显着相关的光谱特征参量,并以筛选出的光谱特征参量为自变量,采用回归分析构建‘温185’核桃果实不同生育时期叶片K元素含量估测模型.结果表明:‘温185’核桃果实不同生育时期均存在一到多个与叶片K含量呈极显着相关(P<0.01)的光谱特征参量;分别以光谱特征参量绿色归一化差值指数、红边黄边面积比值、绿色比值指数和蓝边面积为自变量,采用叁次函数建立的果实不同生育时期叶片K含量回归估测模型的拟合度(R2)均大于0.95,模型均方根误差小于0.8161 g·kg~(-1),相对误差绝对值小于2.7%,模型估测值与实测值一致.基于光谱特征参量采用叁次函数构建的‘温185’核桃叶片K含量估测模型具有较高的估测精度,光谱技术在核桃树体K元素营养信息探测方面有较大的应用潜力.(本文来源于《应用生态学报》期刊2016年05期）
张超,蔡焕杰,李志军[4]（2015）在《高光谱特征参量的冬小麦吸收性光合有效辐射分量估算模型》一文中研究指出精确估算吸收性光合有效辐射分量(EPAR)对于检测植被水分、能量及碳循环平衡具有重要意义。应用ASD地物光谱仪与SUNSCAN冠层分析仪对冬小麦整个生育期内冠层光谱反射和光合有效辐射进行监测,并利用冠层反射率数据构建了24个高光谱特征参量,通过分析不同光谱特征参量与冬小麦FPAR的相关关系,建立冬小麦FPAR光谱参量估算模型。结果表明:除蓝边幅值Db外其余高光谱参量均与冬小麦FPAR呈极显着相关(p<0.01)。红边面积SDr与蓝边面积SDb的比值(VI4)与FPAR的相关系数最高,达到0.836。提取相关性较高的7个光谱参量分别与冬小麦FPAR建立最优线性与非线性估算模型,通过精度检验分析,优选了冬小麦FPAR最合适的模型。对于线性模型,绿峰位置λg与FPAR的反演模型最好,其预测模型的R2,RMSE和RRMSE分别为0.679,0.111和20.82%;对于非线性模型,绿峰反射率Rg与红谷反射率Rr的归一化比值(VI2)与FPAR的反演模型最好,其预测模型的R2,RMSE和RRMSE分别为0.724,0.088和21.84%。为进一步提高模型精度,分别运用多元线性逐步回归与BP神经网络建立多个高光谱参量同时参与的模型,与单参量模型相比,BP神经网络模型的反演精度明显提高(R2=0.906,RMSE=0.08,RRMSE=16.57%)。利用高光谱特征参量测定冬小麦FAPR具有可行性,这为实时、有效、准确监测冬小麦生长过程中FPAR的动态变化提供了一种新的方法和理论依据。(本文来源于《光谱学与光谱分析》期刊2015年09期）
胡珍珠,潘存德,肖冰,潘鑫[5]（2015）在《基于光谱特征参量的核桃叶片氮素含量估测模型》一文中研究指出建立基于光谱特征参量的新温185号(Juglans regia‘Xinwen185’)核桃叶片氮素含量估测模型,旨在为快速监测新温185号核桃叶片N素营养状况提供技术途径。基于肥料效应田间试验,测定N肥不同施用量水平下新温185号核桃果实坐果期、速生生长期、脂化期和近成熟期的叶片光谱反射率和N素含量,采用Pearson相关分析方法筛选与叶片N素含量呈极显着相关的光谱特征参量,并应用回归分析方法建立叶片N素含量光谱特征参量估测模型。结果表明:与叶片N素含量呈极显着相关(P<0.01)的光谱特征参量在果实坐果期有绿峰反射率和红色比值指数,在果实速生生长期有黄边位置、红谷反射率和绿色比值指数、红色比值指数、绿色归一化差值指数、红色归一化差值指数,在果实脂化期有绿峰反射率和红色比值指数,在果实近成熟期有绿峰反射率、黄边幅值和红边面积。分别以绿峰反射率、黄边位置、红色比值指数和黄边幅值为自变量采用叁次函数建立的果实坐果期、速生生长期、脂化期和近成熟期叶片N素含量回归估测模型的拟合度R2均在0.99以上,且模型具有很好的稳定性和很高的估测精度。表明可采用叁次函数建立果实不同生育时期叶片N素含量光谱特征参量估测模型对新温185号核桃树体N素营养水平进行监测。光谱技术在核桃树体N素营养信息探测方面有较大的应用潜力。(本文来源于《农业工程学报》期刊2015年09期）
王晓星[6]（2015）在《夏玉米冠层光谱特征及其生理生态参量的高光谱估算模型》一文中研究指出农业的精准化是当今生产中突破高耗和低效、实现与环境和谐相处的根本方法,高光谱遥感可以及时获取农作物的生长状况信息。本文以夏玉米为研究对象,以大田实验为基础,借助高光谱遥感技术的理论与方法,分析玉米叶绿素、叶面积指数及叶片含水率的时空变化规律,分析生长过程中这些指标与光谱反射率间的量化关系,构建基于植被指数、高光谱特征参数、红边参数、单波段和光谱指数的高光谱估算模型,充分体现了高光谱遥感技术在监测作物夏玉米叶绿素含量、叶面积指数及叶片含水率的技术优势,在我国农业大田植被快速、省力、简捷采集生长指标信息做出了必要的技术支撑,为科研工作者提供了获取农作物生长指标的技术途径,从而推进精准农业的继续发展。研究得到了以下结论:(1)夏玉米冠层光谱反射率曲线特征基本吻合于绿色作物的光谱反射率曲线特征。大体都是在蓝光范围和红光范围内有2处的植物光谱反射率比较低,即存在两个吸收带,在绿色植物光谱范围550 nm附近(即绿光范围内)光谱反射率比较高,出现一个反射峰。绿色植物的波段到710 nm附近光谱反射率值骤然变大,到了近红外波段范围后绿色植物光谱反射率值是比较稳定的,这样在近红外波段范围内就形成一个光谱反射率高平台。夏玉米光谱反射率曲线特征在不同生育时期是存在差异的,且差异比较明显。在可见光波段,从七叶到拔节,再到吐丝,反射率逐渐减小,从吐丝到灌浆,再到蜡熟,反射率逐渐增大;在绿色植物光谱反射率近红外波段范围内,从七叶到拔节,再到吐丝,夏玉米光谱反射率值逐渐上升,夏玉米生育期从吐丝期到灌浆期,再到夏玉米的最后一个研究阶段蜡熟期,其光谱反射率值一直处于下降趋势。(2)夏玉米在不同生育阶段650~740 nm之间光谱曲线值斜边(红边)有很大差异,具体体现在夏玉米红边从七叶期到拔节期,再到吐丝期,其680~760 nm之间光谱反射率斜边(红边)位置向右边偏移,即向着波长大的方向移动,夏玉米到吐丝期后,其680~760 nm之间光谱反射率斜边(红边位置)向波长小的那边偏移;同时随着夏玉米生育期的不断推移,夏玉米红边振幅和红边面积也出现与红边位置同样的变化特征,都是先增加后降低。(3)在叶绿素含量不同的情况下,夏玉米光谱反射率曲线值和680~760 nm范围内的红边特征是会存在很大差别的,夏玉米叶绿素含量越高,可见光范围内夏玉米反射率会呈现相反的趋势,即会越来越小,而近红外波段光谱反射率呈现相同的变化趋势;同时,夏玉米冠层光谱红边振幅和红边面积也与叶绿素含量呈现一致的变化趋势,即会随着叶绿素含量的增大而增大。利用植被指数、高光谱特征参数和红边参数来反演夏玉米叶绿素含量的模型中,从模型的决定系数、均方根误差和相对误差来看,植被指数对夏玉米叶绿素的反演效果最好。(4)在叶面积指数不同的情况下,夏玉米光谱反射率曲线值和和680~760 nm范围内的红边特征是会存在很大差别的,具体解释为,LAI值越高,可见光范围内夏玉米反射率会呈现相反的趋势,而800 nm以后的光谱曲线变化呈现相同变化趋势;夏玉米冠层光谱红边振幅和红边面积也与叶面积指数呈现一致的变化趋势,即随着叶面积指数的变大而增大。利用植被指数、高光谱特征参数和红边参数来反演夏玉米叶绿素和叶面积指数的模型中,从模型的决定系数、均方根误差和相对误差来看,植被指数对夏玉米叶面积指数的反演效果最好。(5)不同叶片含水率情况下夏玉米光谱特征和红边特征也会产生明显的差异,具体可以解释为:夏玉米冠层水平光谱曲线反射率值与叶片含水率变化呈现相反的变化趋势,即夏玉米叶片含水率越低,反射率曲线值越高;拔节期和灌浆期适合采用单波段法来反演夏玉米叶片含水率,而七叶期、吐丝期和蜡熟期更适合用光谱指数来建立叶片含水率模型。(本文来源于《西北农林科技大学》期刊2015-05-01）
卢霞,王春艳,谢宏全,彭红春,李海英[7]（2015）在《浒苔水体光谱特征参量时间序列数据拟合研究》一文中研究指出开展时间序列浒苔水体光谱特征参量的拟合研究可为寻求最佳拟合方法,从而对进一步开展大尺度的高光谱高空间高时间分辨率遥感动态实时监测具有重要的参考价值。在实验室培养3种不同浓度的浒苔水体,用ASD光谱仪测定并获取浒苔水体的时间序列反射光谱,基于反射光谱定量提取光谱特征参量,构建时间序列数据;应用曲线拟合和时间序列ARMA模型开展浒苔水体光谱特征参量的时间序列拟合研究。结果表明:应用二阶或叁阶多项式和ARMA模型可较高精度地拟合浒苔水体的光谱特征参量;但时间序列ARMA模型比多项式拟合模型更能反映浒苔水体光谱特征参量的时间序列数据的分布和变动特性。该研究可为浒苔灾害动态监测业务化运行部门提供浒苔光谱数据,同时也为光谱数据的处理和分析提供一种新的方法。(本文来源于《海洋科学》期刊2015年04期）
李凤涛,鲁欣欣,王珍珍,杨锦忠[8]（2014）在《基于多光谱特征的玉米生物参量估算模型》一文中研究指出为研究多光谱遥感在玉米科学中的应用,使用多光谱相机(近红外光)获取了玉米植株冠层的图像,并同步测定相应的叶绿素值、叶面积指数和地上生物量,分析冠层归一化植被指数(NDVI)与叶绿素值、叶面积指数(LAI)和地上生物量之间的关系,以期建立最佳的估算诊断模型。结果表明:NDVI与叶绿素值存在很好的直线相关关系,NDVI-地上生物量最佳估算模型为指数形式(y=1.5171e4.8238x),决定系数R2为0.9674,NDVI-LAI最佳估算模型为指数形式(y=0.3689e3.1371x),决定系数R2为0.9619。本文为遥感技术在玉米上的应用提供一定的参考价值。(本文来源于《青岛农业大学学报(自然科学版)》期刊2014年03期）
卢霞,王春艳,张薇,李彦辉[9]（2013）在《浒苔藻体全生命周期反射光谱特征参量的时间谱趋势分析》一文中研究指出要实现浒苔灾害的大尺度遥感动态监测,掌握浒苔藻体的反射光谱是根本。选取连云港海域浒苔藻体,在实验控制条件下,从孢子期、幼苗期、成熟期至死亡期的全生命周期培养,测试其生长期中的反射光谱,提取红边位置、红边幅值等22个光谱特征参量;并采用曲线估计方法对这些光谱特征变量的时间谱演变趋势进行研究。结果表明:所有光谱特征参量的时间谱曲线模拟中,近红外平台面积时间谱模拟精度最高,判定系数可达0.918,估算标准差为0.006;17个光谱特征参量的时间谱均可用适当函数模拟其演变趋势。该研究为大尺度动态监测浒苔灾害提供重要光谱参考和算法理论依据。(本文来源于《测绘科学技术学报》期刊2013年05期）
王百合,刘代志,黄世奇,李义红[10]（2012）在《高光谱遥感中的植被光谱特征分析及参量反演模型研究进展》一文中研究指出材质的识别对揭示军事目标的伪装有重要意义,基于高光谱y遥感数据可以反演出对应每一个像元的目标物组成成份,因此针对伪装目标的特征研究植被光谱特征及参量反演模型进行伪装目标检测是可行的。论文从基于高光谱遥感图像的植被光谱特征分析和参量反演模型研究两个方面对国内外的研究进行了综述,较为详尽地阐述了研究的进展状况,最后对高光谱遥感中的植被光谱分析和参量反演模型研究的难点进行了总结。(本文来源于《国家安全地球物理丛书（八）——遥感地球物理与国家安全》期刊2012-09-01）
高光谱特征参量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以我国西部高海拔地区特有树种高山松为研究对象,基于ASD便携式地物光谱辐射仪测定高山松叶片光谱,结合叶样氮素含量的实验室分析结果,利用相关分析法筛选与叶样氮素含量具有极显着相关性的光谱特征参量,分别采用回归曲线法和K-邻近距离(KNN)法构建高山松叶片氮素含量的参数和非参数估测模型,通过精度检验对2种方法及其构建模型进行对比分析。结果表明:在参数模型中以红边面积与蓝边面积比值(SDr/SDb)为自变量构建的二次函数模型估测效果最好,其决定系数(R2)、均方根误差(RMSE)和相对误差(RE)分别为0.627、0.12 g/100 g和4.75%;采用KNN法构建的非参数模型估测效果更好,其R2、RMSE和RE分别为0.856、0.12 g/100 g和5.43%。说明相对于传统的参数模型,KNN法构建的非参数模型在高山松氮素含量估测方面表现出更优越的估测能力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
高光谱特征参量论文参考文献
[1].汪金花,曹兰杰,白洋,吴兵,郭云飞.铁尾矿粒径和湿度因子对高光谱特征参量影响[J].矿产综合利用.2019
[2].吉一涛,舒清态,黄田,谢福明,刘延.基于光谱特征参量的高山松叶片氮素含量估测模型研究[J].西南林业大学学报(自然科学).2018
[3].胡珍珠,潘存德,肖冰,潘鑫.基于光谱特征参量的‘温185’核桃叶片钾含量估测模型[J].应用生态学报.2016
[4].张超,蔡焕杰,李志军.高光谱特征参量的冬小麦吸收性光合有效辐射分量估算模型[J].光谱学与光谱分析.2015
[5].胡珍珠,潘存德,肖冰,潘鑫.基于光谱特征参量的核桃叶片氮素含量估测模型[J].农业工程学报.2015
[6].王晓星.夏玉米冠层光谱特征及其生理生态参量的高光谱估算模型[D].西北农林科技大学.2015
[7].卢霞,王春艳,谢宏全,彭红春,李海英.浒苔水体光谱特征参量时间序列数据拟合研究[J].海洋科学.2015
[8].李凤涛,鲁欣欣,王珍珍,杨锦忠.基于多光谱特征的玉米生物参量估算模型[J].青岛农业大学学报(自然科学版).2014
[9].卢霞,王春艳,张薇,李彦辉.浒苔藻体全生命周期反射光谱特征参量的时间谱趋势分析[J].测绘科学技术学报.2013
[10].王百合,刘代志,黄世奇,李义红.高光谱遥感中的植被光谱特征分析及参量反演模型研究进展[C].国家安全地球物理丛书（八）——遥感地球物理与国家安全.2012