导读:本文包含了红边参数论文开题报告文献综述及选题提纲参考文献，主要关键词:油菜,红边特征,SPAD值,相关分析
红边参数论文文献综述
张锐,廖桂平,王访,刘凡[1]（2019）在《基于冠层高光谱的油菜角果期红边参数及叶片SPAD值反演模型》一文中研究指出以湖南省为研究区,探索不同栽培因子条件下油菜的高光谱特征,建立基于高光谱特征的叶绿素预测模型,并将其应用于田间生产实践,以期为油菜营养诊断、高产栽培和生产管理的信息化提供一定的理论依据和技术支撑。使用便携式地物光谱仪和SPAD-502叶绿素仪分别对油菜冠层反射光谱和SPAD值进行实测,分析不同栽培因子条件下角果期的油菜冠层光谱特征,并得到其相应的红边参数(包括红边位置、红边振幅与红边面积),最后运用多种方法对红边参数与角果期的油菜SPAD值进行相关性分析,以期建立SPAD值的最佳反演模型。结果表明,在红光波段(680～760 nm),油菜角果期的冠层反射光谱趋于稳定,冠层的叁峰两谷现象比较明显,而且在整个角果期,红边位置都稳定在760 nm这个点,不随栽培因子的改变而改变。但是栽培因子对红边振幅和红边面积有着明显影响,因此可用红边参数来预测油菜的SPAD值。经过5种不同的建模比较分析可以得出,基于支持向量机(SVM)的预测模型最好,R~2为0.912 6,均方误差为0.326 6。(本文来源于《江苏农业科学》期刊2019年20期）
葛元梅,陈翔宇,洪帅,马露露,吕新[2]（2019）在《基于红边参数不同品种的估算模型》一文中研究指出【目的】利用红边参数的动态变化规律建立不同品种滴灌棉花叶面积指数估测模型。【方法】以棉花品种新陆早50号、新陆早58号和鲁棉研24号(杂交棉)为材料,分析LAI和红边位置的动态变化,构建滴灌棉花叶片红边参数-LAI估算模型。【结果】LAI增长最快时期均出现在40～70 d,不同品种滴灌棉花的LAI增长速率有明显的差异,表现为:鲁棉研24号>新陆早50号>新陆早58号;不同品种棉花均在病虫害发生期出现蓝移现象,在棉花正常生长下,出现红移现象。红边参数与LAI均达到极显着相关,构建3个估算模型中,鲁棉研24号精度最高(R~2=0.816 8,RMSE=0.77)。【结论】建立的估算模型均可对LAI进行有效估测。(本文来源于《新疆农业科学》期刊2019年06期）
郭建茂,王星宇,李淑婷,谢晓燕,刘荣花[3]（2019）在《基于冠层光谱红边参数和植被指数的冬小麦水分胁迫监测》一文中研究指出基于冬小麦不同水分胁迫试验,采用便携式光谱仪测定冬小麦抽穗期、开花期和灌浆期受不同水分胁迫处理的冠层光谱反射率,分析不同水分处理下冬小麦冠层光谱特性,并对植被指数、红边参数与冠层叶片含水率和土壤含水率进行相关性分析,构建各生育期叶片含水率和土壤含水率的最佳监测模型,实现对冠层叶片含水率以及土壤含水率的监测评估。结果显示,在整个生育期,冬小麦的冠层光谱反射率在可见光范围呈现绿峰红谷,尤其在旺盛生长时期,随着水分胁迫程度加深,绿峰红谷逐渐变得不明显,红谷抬升幅度增大;相反,在近红外波段范围内水分胁迫主要使得反射率表现为明显下降;冬小麦红边参数随生长进程呈蓝移现象,灌浆期受胁迫程度越重的红边参数越低;植被指数(EVI、NDVI、SAVI、WI)在开花期之后具有不同程度的下降趋势,至灌浆期有大幅度减小,且随受胁迫程度加深植被指数下降幅度增大;植被指数和红边位置、红边面积在灌浆期与叶片含水率和土壤含水率有显着相关,其中植被水分指数WI、归一化植被指数NDVI和红边位置λ_(red)相关性较佳,其建立的叶片含水率和土壤含水率估算模型效果较好,决定系数r~2均大于0.84,平均相对误差(MRE)≤0.207。综合分析认为,冠层反射光谱特征和植被指数与冬小麦冠层叶片含水率和土壤含水率相关性良好,可利用高光谱遥感参数对冬小麦的水分状况进行快速、准确监测。(本文来源于《江苏农业科学》期刊2019年10期）
罗丹,常庆瑞,齐雁冰[4]（2019）在《基于红边参数和人工神经网络的苹果叶片叶绿素含量估算》一文中研究指出【目的】应用人工神经网络来解决苹果叶片叶绿素含量与高光谱数据之间的非线性关系,建立估测苹果叶片叶绿素含量的最佳模型,为苹果叶片叶绿素含量的快速无损监测提供参考。【方法】以位于陕西扶风杏林镇的树龄为4～5年的15棵苹果树为研究对象,2015年分别于果树花期(4月27日)、幼果期(5月30日)、果实膨大期(7月6日)、果实着色期(8月5日)、果实成熟期(9月11日)采集叶片样本,利用SVC HR-1024i型高光谱仪和SPAD-502叶绿素仪同步获取苹果叶片光谱值和对应的叶绿素含量,对原始光谱和一阶导数光谱与叶绿素含量之间的关系进行分析,从一阶导数光谱中提取苹果叶片光谱的5个红边参数,从5个红边参数中筛选出相关性好的红边参数,使用传统单变量回归算法、反向传播(back propagation,BP)神经网络和径向基函数(radial basis function,RBF)神经网络,建立叶绿素含量估测模型,用决定系数(R2)、均方根误差(RMSE)和相对误差(RE)来验证模型的准确性。【结果】与原始光谱相比,一阶导数光谱与苹果叶片叶绿素含量的相关性更高。5个红边参数中,红边位置、峰度系数、偏度系数与叶绿素含量的相关系数均较高,且均达极显着水平。建立的传统单变量回归模型中,基于红边位置、峰度系数和偏度系数的R2均大于0.7,其中基于偏度系数建立的多项式模型模拟精度最高,验证结果R2为0.872,RMSE为4.631,RE为8.81%。选取红边位置、峰度系数和偏度系数为人工神经网络的输入变量,分别优化BP神经网络的隐含层节点数和网络类型以及RBF神经网络的扩展系数(SPREAD值)来提高预测精度,结果发现,建立隐含层节点数为4的双隐含层BP神经网络最优模型R2为0.891,RMSE为3.844,RE为7.55%;当SPREAD值为0.6时,建立的RBF神经网络最优模型的R2为0.955,RMSE和RE分别为2.517和3.69%。【结论】估算苹果叶片叶绿素含量时,人工神经网络模型比传统单变量模型精度高,其中RBF神经网络模型学习速度快、精度高,拟合结果更加可靠。(本文来源于《西北农林科技大学学报(自然科学版)》期刊2019年01期）
刘凡[5]（2017）在《油菜红边参数与SPAD值估算模型研究》一文中研究指出本研究以油菜作为研究对象,使用美国ASD FieldSpec○R3Hi-Res波谱仪在油菜不同生育时期获得冠层光谱反射率,使用一阶导数的方法计算出不同时期油菜的红边参数。采用matlab数据分析与仿真软件和数据分析SPSS软件包,通过数学建模与数学分析方法分析了不同密肥条件下油菜高光谱红边特征和红边振幅、红边面积等红边参数与SPAD值相关性分析,通过显着性检验,得到红边面积和红边振幅等红边参数与SPAD值线性相关达到1%极显着水平。建立了不同时期油菜红边参数与SPAD值的一元模型和多项式模型,从而构建以红边参数为自变量的冠层特征信息的反演模型,为油菜培育上利用光谱遥感技术大范围,无损害、极具时效性地监控与测量油菜的生长状况提供了主要的技术支撑。本文的主要工作和研究结果:1、油菜冠层光谱红边基本特征:(1)在油菜成长初期,由于油菜叶片面积较小,进行冠层光谱采集时,受土壤等因素的影响较大,冠层光谱的叁峰现象并没完全形成,但随着油菜的生长,油菜叶片面积逐渐扩大,土壤等因素对冠层光谱所产生的干扰减小,因此“叁峰”现象开始出现。当油菜进入抽薹期光谱的红边区域一阶导数光谱在680nm~750nm之间形成特有的“叁峰”现象,叁峰位置分别出现在690、719、和724nm附近,特别到了花期,油菜这一现象更加明显。(2)从苗期开始随着生育期推移,红边位置向长波方向移动,直到达到760nm,红边位置开始稳定,形成独特的“红边平台”现象。(3)在相同物候期不同栽培因子条件对光谱红边特征影响较小,相比较,苗期油菜不同栽培因子条件对光谱红边特征影响较大。“_(○R)50公斤/亩+2万株/亩”、“32.5公斤/亩+1万株/亩”、“32.5公斤/亩+2万株每亩”等处理与光谱红边特征有很大关联。(4)油菜红边面积和红边振幅会随生育期的推移而出现红移现象,从苗期到花期红边面积和红边振幅增大。2、以红边振幅、红边面积为单一自变量,以油菜SPAD值为因变量,通过线性回归、稳健分析模型、多项式回归、随机森林和支持向量回归建模方法,构建油菜不同时期红边参数与SPAD值估算模型,并且检测了五种数学模型的相关精度。通过观察相关系数,油菜苗期随机森林模型估测结果比较好,抽薹期线性回归方程较稳定,泛发性好,花期随机森林模型估测效果较好。3、建立了油菜叁个时期的线性回归方程和多项式回归方程,SPAD值的红边参数估算模型是SPAD=-63.593Sred2+87.954 Sred+23.592,拟合结果通过了极显着检验,可以应用该模型来估测油菜SPAD值。(本文来源于《湖南农业大学》期刊2017-06-01）
杨可明,史钢强,刘飞,孙阳阳,魏华锋[6]（2015）在《监测玉米叶片中Cu~(2+)胁迫的光谱红边参数研究》一文中研究指出为了研究农作物重金属Cu2+污染的高光谱遥感监测技术,设置了3种Cu2+胁迫程度(0μg/g、250μg/g、500μg/g)的玉米盆栽试验,实测了不同成熟度玉米叶片在3种Cu2+胁迫下的高光谱反射率、叶绿素含量和Cu2+含量,也对不同成熟度玉米叶片中叶绿素和Cu2+含量与土壤中Cu2+含量的关系进行了分析。同时为了实现基于高光谱遥感信息区分Cu2+胁迫程度及预测Cu2+含量,提出了红边一阶微分偏移面积(FMAR)和红边一阶微分面积偏移率(FMRR)的红边参数,并与常规的红边位置(REP)、红边最大值(MR)、红边一阶微分包围面积(FAR)等红边参数进行了区分与预测能力比较,实测数据与红边参数光谱分析结果表明,玉米叶片中的叶绿素含量随着成熟度的增加而升高,随着土壤中Cu2+含量的升高而降低;红边位置在Cu2+胁迫时的蓝移没有老叶片到新叶片蓝移明显;FMAR和FMRR在区分Cu2+胁迫程度及预测Cu2+含量方面比REP、MR和FAR效果好。(本文来源于《河南农业科学》期刊2015年08期）
姚付启,蔡焕杰,李亚龙,罗文兵[7]（2015）在《基于红边参数的冬小麦SPAD高光谱遥感监测》一文中研究指出在2010年度与2011年度冬小麦生长季,通过大田小区实验,实测了冬小麦冠层的高光谱反射率与叶绿素含量(SPAD)。分析了冬小麦红边特征对不同SPAD的响应及不同生育期冬小麦红边特征与SPAD的相关性,建立了基于红边位置、红边峰度的不同生育期冬小麦SPAD估算模型。结果表明:SPAD越高,冬小麦的红边振幅、红边面积增大,红边位置"红移";叶绿素含量越低,规律则相反。传统红边参数红边位置及新红边参数红边峰度与SPAD在不同生育期均具有较好的相关性。相比以红边位置为自变量的冬小麦SPAD估算模型,基于红边峰度的估算模型可以提高冬小麦SPAD的估算精度。(本文来源于《中国农村水利水电》期刊2015年03期）
武永峰,胡新,吕国华,任德超,蒋卫国[8]（2014）在《晚霜冻影响下冬小麦冠层红边参数比较》一文中研究指出冬小麦受晚霜冻影响的外部症状短期内不明显的特点,为红边光谱的应用提供了契机。利用田间移动式霜箱和低温室系统分别开展不同温度梯度的霜冻试验,基于冻后第1天测定的冬小麦冠层光谱数据,使用最大一阶导数(FD)、四点线性插值(FPI)、多项式拟合(POLY)、倒高斯拟合(IG)和线性外推(LE)等方法分别提取红边参数。通过相关分析、线性回归建模以及波动分析,从早期性、敏感性和稳定性方面对红边参数检测冬小麦晚霜冻的能力进行定量研究。结果表明,LE方法提取的红边位置(REP)与霜冻温度的相关性为极显着(显着性水平达到0.01),二者相关系数高于其他方法;REP随霜冻温度的降低而呈蓝移现象,温度越低,蓝移趋势越明显。FD方法提取的最小振幅(Drmin)和红边振幅与最小振幅比值(Dr/Drmin)对霜冻敏感性的表现最佳,其次是FD和IG方法提取的红边振幅与红边面积比值(Dr/SDr),敏感性最差的是LE方法提取的REP。总的来看,FD方法提取的Drmin和Dr/Drmin检测冬小麦晚霜冻的综合能力最强。以上结论可为基于冠层红边特征的冬小麦晚霜冻害早期诊断研究提供依据。(本文来源于《光谱学与光谱分析》期刊2014年08期）
程晓娟,李振海,王延仓,宋森楠,冯海宽[9]（2014）在《不同氮肥条件下冬小麦冠层高光谱特征及红边参数变化》一文中研究指出为快速、准确、无损地监测小麦长势和营养状况,对不同氮素处理下4个小麦品种的冠层高光谱信息进行分析,并进行了红边参数与农学组分的相关分析。结果表明,在同一氮肥条件下,同一品种小麦在不同生育期的冠层高光谱反射率差异明显,且在近红外波段的差异大于可见光波段。随着氮肥施用的增加,近红外反射率有明显升高的趋势,而可见光处反射率降低并呈单峰曲线,且随着施氮量的增加反射光谱的红边和绿峰分别发生红移、蓝移。在冬小麦红边参数中,红谷位置、最小振幅及绿峰位置与农学组分之间呈负相关,而其余各红边参数与农学组分之间呈极显着正相关;建立了基于红边振幅的各个组分之间的回归统计模型,且模型较为稳定。(本文来源于《湖北农业科学》期刊2014年05期）
靳彦华,熊黑钢,张芳,王莉峰[10]（2014）在《基于红边参数的水浇地与旱地春小麦各生育期叶绿素最佳估测模型比较研究》一文中研究指出通过分析水浇地与不同类型旱地春小麦红边参数变化规律,利用与春小麦叶绿素含量相关性最好的红边位置,分别建立水浇地与旱地春小麦叶绿素含量最佳估测模型。结果表明:春小麦的红边位置表现出水浇地>阴坡旱地>半阴/阳坡旱地>阳坡旱地的特点。起身期到扬花期,各地类春小麦红边位置均偏向长波方向,扬花至乳熟期,又偏向短波。水浇地与阴坡旱地春小麦的红边在起身期和乳熟期存在"单峰"现象,而在其他各期均为"双峰";半阴/阳坡旱地在抽穗和扬花期"双峰"明显,在起身、拔节和乳熟期表现出"单峰"现象;阳坡地在各生育期均为"单峰"现象。整个生育期,水浇地春小麦的红边面积最大,阳坡地的最小。起身期至乳熟期,水浇地与旱地春小麦叶绿素含量线性模型的拟合R2和检验R2均大于0.81,RMSE均小于1.70,说明可以利用红边位置预测各地春小麦叶绿素含量。(本文来源于《中国生态农业学报》期刊2014年01期）
红边参数论文开题报告
（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：
【目的】利用红边参数的动态变化规律建立不同品种滴灌棉花叶面积指数估测模型。【方法】以棉花品种新陆早50号、新陆早58号和鲁棉研24号(杂交棉)为材料,分析LAI和红边位置的动态变化,构建滴灌棉花叶片红边参数-LAI估算模型。【结果】LAI增长最快时期均出现在40～70 d,不同品种滴灌棉花的LAI增长速率有明显的差异,表现为:鲁棉研24号>新陆早50号>新陆早58号;不同品种棉花均在病虫害发生期出现蓝移现象,在棉花正常生长下,出现红移现象。红边参数与LAI均达到极显着相关,构建3个估算模型中,鲁棉研24号精度最高(R~2=0.816 8,RMSE=0.77)。【结论】建立的估算模型均可对LAI进行有效估测。
（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。
红边参数论文参考文献
[1].张锐,廖桂平,王访,刘凡.基于冠层高光谱的油菜角果期红边参数及叶片SPAD值反演模型[J].江苏农业科学.2019
[2].葛元梅,陈翔宇,洪帅,马露露,吕新.基于红边参数不同品种的估算模型[J].新疆农业科学.2019
[3].郭建茂,王星宇,李淑婷,谢晓燕,刘荣花.基于冠层光谱红边参数和植被指数的冬小麦水分胁迫监测[J].江苏农业科学.2019
[4].罗丹,常庆瑞,齐雁冰.基于红边参数和人工神经网络的苹果叶片叶绿素含量估算[J].西北农林科技大学学报(自然科学版).2019
[5].刘凡.油菜红边参数与SPAD值估算模型研究[D].湖南农业大学.2017
[6].杨可明,史钢强,刘飞,孙阳阳,魏华锋.监测玉米叶片中Cu~(2+)胁迫的光谱红边参数研究[J].河南农业科学.2015
[7].姚付启,蔡焕杰,李亚龙,罗文兵.基于红边参数的冬小麦SPAD高光谱遥感监测[J].中国农村水利水电.2015
[8].武永峰,胡新,吕国华,任德超,蒋卫国.晚霜冻影响下冬小麦冠层红边参数比较[J].光谱学与光谱分析.2014
[9].程晓娟,李振海,王延仓,宋森楠,冯海宽.不同氮肥条件下冬小麦冠层高光谱特征及红边参数变化[J].湖北农业科学.2014
[10].靳彦华,熊黑钢,张芳,王莉峰.基于红边参数的水浇地与旱地春小麦各生育期叶绿素最佳估测模型比较研究[J].中国生态农业学报.2014