冬小麦品质的三维高光谱预报模型研究

《冬小麦品质的三维高光谱预报模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：0657。3密级：y938274单位代秘：10019学号：S030969’专峨差莲夭等硕士学位论文冬小麦品质的三维高光谱预报模型研究StudyonThree-wayHyper-spectrumModelsforQualityPredictionofWinterWheat研究生．_王援一———指导教师：．张塞选擞攫合{乍指导教耀：一蒸凝莲⋯裁煎整申请学位f3类级别：壁璺亟±——专业名称：生物趁堡研究方向：垒羧篮基建撞筮扳所在学院：焦塞生虫怠王萎燮毽二00六年六月中嚣农业大学颈圭学证论文摘婪Ill摘要本谍莲来源予西家高技

2、术吾并究发展计翔(863计翔)子课题《稻麦品质与生毽特征光谱的研究与成用》。研究的意义是探讨在使用商光谱数据预报冬小麦品质数据中，三维数据模型的可行性。零滚题豹主爱磺究工作包括以下三部分斌骏：(一)冬小麦宙产鼙的三维商巍谱预报模型。试验采用经过二维插德处理且中心他礞处理躲冬小裁冠层反射高光谱的三维数据分别建立平行因：f(PARAFAC)模型，Tucker3模犁和多维偏最小二乘(NPLS)模型回归亩产辍，并对模型的预测效果进行分析乖u比较。结果发现，Tucks3模型的颈测效果傀予葜德2个模型，决定系数必受O，87，平均桷对误差

3、为5,66％，其原霹可缝怒Tucker3模型允许兰个维上拥有不丽的主成分，从而可以提高摸搿的预测性能。间时，三个模獭的决定系数均在0．75以上，说明三维数据模型适合．r商光谱估产的研究，对实际的估产工作有一定的指导意义。(二)冬小麦籽粒褪蛋自质禽薰豹三维高光谱定鼙分辑模型；仍采羯上述上述兰维高光谱数据建立三维数据模溅，而对籽粒租蛋自质含量进行迮鬣分析。缔粟褒明除PARAFAC模型的预测效果较差外，其他两个模型的预测值与实际值之间的决定系数均柱0．7以上，平均相对误差分别是5，99％和6．36％，说明这两个模型的预测效果较好，

4、有一定的实际意义，可以做避一步豹试验，强撬裹预测的准确发。(兰)预处理方法在三维高光谱定景分析模型中的作用。试验采用7种方法分别对经过二维插值的高光谱数据进行预处理，并建立NPLS模毅回归亩产量，所提取的主成分数均为6个。结果发现，7j静预处理方法中，使用栝准他方法颈处理酌光谱建立的援型，其预测效栗最佳。另外，使凳{旨覆乎滢曲线鹩方法预处理的党谱建立的模戮魄使用罄在瀵滁基线偏穆的一瞬导数法颈处理的光谱建立模型，其预测效果鬻更好；因此，所采用的预处理方法必须有助予减弱光谱数据中的噪声。关键谣：三维数据攒型，商光谱，冬小麦，品质

5、分轿中国农业大学硕士学位论文AbstractThissubjectisderivedfromResearchandAplicationofPhysicallyCharacteristicSpectrumandQualityofRiceandWheat,asub—sobjeerinNationalHighTechResarchandDevelopmentPlan(863Plan)．Thesignificanceofthestudyisexploringtheflexibilityofthree-waydatamodelinpr

6、edictingthequalityofwinterwheatusinghyper-spectrum．Inthissubject，themainworkwascomprisedofthefollowingthreeexperiments：1)TheProductPredictionModelsUsingThree—WayHyper-Spectrum．ThePARAFAC(ParallelFactoOmodel，theTucker3modelandtheNPLS(MultiwayPartialLeastSquares)mode

7、lswerecreatedusingthree—wayhyper-specl=rumwithtreatmentoftwo-dimensionaldatainterpolationandpreprocessofcentering．ThepredictionresultsofthethreemodelswerethenanalyzedandcomparedtofindthattheperformanceoftheTucker3modelwasbeRerthattheresttwowithR-squareofO．87andMRE(

8、meal]relativeerror)of5,66％。ThereasonmaybethatTucker3modelallowsdifferentcountsofprinciptecomponentsSOthatthepredictionperformanceisimproved．Meanw