冬小麦叶片叶绿素含量可见近红外光谱检测研究

冬小麦叶片叶绿素含量可见近红外光谱检测研究

ID:34900656

大小:4.06 MB

页数:57页

时间:2019-03-13

冬小麦叶片叶绿素含量可见近红外光谱检测研究_第1页
冬小麦叶片叶绿素含量可见近红外光谱检测研究_第2页
冬小麦叶片叶绿素含量可见近红外光谱检测研究_第3页
冬小麦叶片叶绿素含量可见近红外光谱检测研究_第4页
冬小麦叶片叶绿素含量可见近红外光谱检测研究_第5页
资源描述:

《冬小麦叶片叶绿素含量可见近红外光谱检测研究》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:TP79学校代码:10712UDC:004.62研究生学号:2013051313密级:公开®蚤灶衣林奇长大学2015届全日制硕士专业学位研究生学位论文冬小麦叶片叶绿素含量可见/近红外光谱检测研究类型农业推广硕士领域、方向农业信息化研究生高明指导教师张建锋副教授完成时间2015年5月中国陕西杨凌研究生学位论文的独创性声明本人声明:所呈叉的全日制专业学位项士论文是我个人在导师指导下独立进行的研究工作及取得的研究结果;论文中的研究数据及结果的获得完全符合学校《关于规范西北农林科技大学研究生学术道德的暂行规;,如果违反此规定,一切后果与法律责任均由本人承担。尽我

2、所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究结果,也不包含其他人和自己本人已获得西北农林科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同事对本研究所做的任何贡献均已在论文的致谢中作了明确的说明并表示了谢意。研究生签名:4p1^]时间:?必年/月>曰导师指导研究生学位论文的承诺位论文是在我指导下独立开展研究工作及取得的研究结果,属于我现岗职务工作的结果,并严格按照学校《关于规范西北农林科技大学研究生学术道德的暂行规定》而获得的研究结果。如果违反学校《关于规范西北农林科技大学研究生学术道德的暂行规定》,我愿接受

3、按学校有关规定的处罚处理并承担相应导师连带责任。关于研究生学位论文使用授权的说明本学位论文的知识产权归属西北农林科技大学。本人同意西北农林科技大学保存或向国家有关部门或机构送交论文的纸质版和电子版,允许论文被查阅和借阅;同意西北农林科技大学将本学位论文的全部或部分内容授权汇编录入《中国优秀硕士学位论文全文数据库》进行出版,并享受相关权益。本人保证,在毕业离开(或者工作调离)西北农林科技大学后,发表或者使用本学位论文及其相关的工作成果时,将以西北农林科技大学为第一署名单位,否则,愿意按《中华人民共和国著作权法》等有关规定接受处理并承担法律责任。任何收存和保管本论文

4、各种版本的其他单位和个人(包括研究生本人)未经本论文作者的导师同意,不得有对本论文进行复制、修改、发行、出租、改编等侵犯著作权的行为,否则,按违背《中华人民共和国著作权法〉〉等有关规定处理并追冗法律责任。(保密的学位论文在保密期限内,不得以任何方式发表、借阅、复印、缩印或扫描复制手段保存、汇编论文)研究生签名:'高叫时间:年;月2曰Classificationcode:TP79Universitycode:10712UDC:004.62Postgraduatenumber:2013051313Confidentialitylevel:OPENThesisforM

5、aster’sDegreeNorthwestA&FUniversityin2015CHLOROPHYLLCONTENTMEASUREMENTOFWINTERWHEATWITHVIS/NIRSPECTROSCOPY-BASEDMajor:AgriculturalExtensionResearchField:AgriculturalInformationNameofPostgraduate:GaoMingAdviser:AssociateProf.ZhangJianfengDateofSubmission:May,2015YanglingShaanxiChina冬小

6、麦叶片叶绿素含量可见/近红外光谱检测研究摘要冬小麦叶片叶绿素含量是影响冬小麦生长的重要因素,为解决化学方法测量冬小麦叶片叶绿素含量过程中的复杂性和对叶片造成损伤等问题,以及拓宽光谱检测模型的应用范围,本文以西北旱区实际生长条件下冬小麦为样本,利用高光谱仪获得冬小麦叶片的可见/近红外波段光谱图像,研究冬小麦叶片叶绿素含量的光谱分析模型。主要研究工作如下:(1)为消除样本光谱图像的噪声及选用合适的建模方法,采用导数、平滑、多元散射矫正和标准正态变量变换对光谱图像进行预处理,运用偏最小二乘法(Partialleast-squares,PLS)对样本叶片叶绿素相对值与叶

7、片反射光谱进行全波段建模,结果表明在100个样本的叶绿素含量检测中,多元散射校正预处理后的建模效果优于其他方法。在PLS和BPNN(BackPropagationNeuralNetwork,BPNN)预测模型中,PLS模型的相关系数R和均方根误差RMSE(RootMeanSquareError)分别为0.8593和2.8115,预测效果优于BPNN模型。(2)为了简化预测模型,利用连续投影算法(SuccessiveProjectionsAlgorithm,SPA)对冬小麦叶片光谱数据进行特征波段提取,确定了9个最优波段;在此基础上,利用SPA-PLS进行建模,该

8、模型的R=0.8782,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。