doi:10.19754/j.nyyjs.20220415003

Agriculture and Technology ›› 2022, Vol. 42 ›› Issue (7): 11-14.DOI: 10.19754/j.nyyjs.20220415003

• nykx • Previous Articles Next Articles

Online:2022-04-21 Published:2022-04-15

粳稻地物光谱特征波段分析

李政谭勇宋少忠刘春宇王盛楠

长春理工大学物理学院、吉林长春130022

作者简介:李政(1997-)，男，硕士。研究方向:光谱探测与分析;通讯作者谭勇(1975-)，男，博士，教授。研究方向:光谱探测与分析、光谱视频成像。
基金资助:
吉林省发改委创新能力建设项目(项目编号:2019C053);吉林省教育厅“十三五”产业培育规划项目(项目编号:JKH20200181KI

Abstract

摘要： 东北黑土地粳稻是我国优质大米的主要来源之一，常态化大面积监控其生长态势，是保障大米绿色健康和产量的生产需求，也是智慧农业发展的一种方式。本文采用地物光谱技术监测粳稻生长，基于粳稻冠层散射模型，分析叶片在可见光波段的散射现象，获得粳稻中5个最佳光谱特征波段，分别为散射峰蓝色波段475nm和绿色波段560nm、吸收峰红色波段668nm、红边效应717nm以及近红外吸收峰840nm。这些特征峰值的确定为及时发现病害和定点定量施肥等作业奠定了基础。

关键词: 地物光谱;特征波段;智慧农业

CLC Number:

S511

References

[1]王毅，马翔，温亚东，邹泉，王俊，涂家润，蔡文生，邵学广.近红外光谱与多元统计方法用于生产过程实时分析[J]光谱学与光谱分析，2013，33(05):1226-1229 [2]秦玉华，丁香乾，宫会丽.高维特征选择方法在近红外光谱分类中的应用「J].红外与激光工程，2013，42(05):1355-1359. [3]王徽蓉，李卫军，刘扬阳，陈新亮，来疆亮.基于遗传算法与线性鉴别的近红外光谱玉米品种鉴别研究[J].光谱学与光谱分析，2011，31(03):669-672. [4]王耀民，陈皓锐，陈俊英，王慧芸，邢正，张智韬.光谱指数筛选方法与统计回归算法结合的水稻估产模型对比[J].农业工程学报，2021，37(21):208-216 [5]王娇娇，宋晓宇，梅新，杨贵军，李振海，李贺丽，孟炀.基于高斯回归分析的水稻氮素敏感波段筛选及含量估算门光谱学与光谱分析，2021，41(06):1722-1729. [6]沈掌泉，王人潮，王珂.不同早稻品种的光谱特性及其与农学参数的相关性[J].浙江农业大学学报，1993(S1):32-37 [7] 沈广辉，曹瑶瑶，刘馨，徐剑宏，史建荣，LEE Yin-won.近红外高光谱成像结合特征波长筛选识别小麦赤霉病瘪粒[J].江苏农业学报，2021，37(02):509-516. [8] 束美艳，顾晓鹤，孙林，朱金山，杨贵军，王延仓.表征冬小麦倒伏强度敏感冠层结构参数筛选及光谱诊断模型[J].农业工程学报，2019，35(04):168-174. [9]LiY，Li Q，Liu Y,et al.A spatial-spectral SIFT for hyperspec-tral image matching and classification [J].Pattern Recognition Let- ters，2019，127:18-26. [10]王文正，赵保军，唐林波，冯帆.基于光谱差异均衡区间筛选的高光谱目标检测「J].北京理工大学学报，2019，39(03):320-326. [11] Xu Y，Hu K，Tian Y，et al.Classification of hyperspectral im-agery using SIFT for spectral matching[C].2008 Congress on Image and Signal Processing.IEEE，2008，2:704-708 [12]Verhoef W.Light scattering by leaf layers with application to canopy reflectance modeling:The SAIL model [J].Remote sensing of environment，1984，16(2):125-141.

[1]	. [J]. Agriculture and Technology, 2024, 44(7): 69-73.
[2]	. [J]. Agriculture and Technology, 2024, 44(7): 74-77.
[3]	. [J]. Agriculture and Technology, 2024, 44(3): 71-74.
[4]	. [J]. Agriculture and Technology, 2023, 43(17): 93-95.
[5]	. [J]. Agriculture and Technology, 2023, 43(14): 43-46.
[6]	. [J]. Agriculture and Technology, 2023, 43(5): 50-53.
[7]	. [J]. Agriculture and Technology, 2022, 42(23): 9-11.
[8]	. [J]. Agriculture and Technology, 2022, 42(19): 46-49.
[9]	. [J]. Agriculture and Technology, 2022, 42(11): 62-65.
[10]	. [J]. Agriculture and Technology, 2022, 42(11): 105-107.
[11]	. [J]. Agriculture and Technology, 2022, 42(10): 87-89.
[12]	. [J]. Agriculture and Technology, 2022, 42(7): 94-97.
[13]	. [J]. Agriculture and Technology, 2022, 42(1): 83-86.

粳稻地物光谱特征波段分析

PDF

Knowledge

Abstract

Cite this article

share this article

References

Related Articles 13

Recommended Articles

Metrics