CN106092911A - 一种枣树冠层磷含量的检测方法 - Google Patents
一种枣树冠层磷含量的检测方法 Download PDFInfo
- Publication number
- CN106092911A CN106092911A CN201610361781.6A CN201610361781A CN106092911A CN 106092911 A CN106092911 A CN 106092911A CN 201610361781 A CN201610361781 A CN 201610361781A CN 106092911 A CN106092911 A CN 106092911A
- Authority
- CN
- China
- Prior art keywords
- jujube tree
- phosphorus content
- tree canopy
- canopy
- detection method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种枣树冠层磷含量的检测方法,包括以下步骤:选择晴朗、无云或少量云层、风力小于3级的天气采集枣树冠层的高光谱信息。对高光谱数据进行多元散射校正后,采用小波降噪与平滑处理。提取待测定磷含量枣树冠层的404、407、411、419、430、553、670、708、939、1124、1398、1399nm波长的光谱反射率值;将各光谱反射率值代入检测模型,计算得到枣树冠层的磷含量。本发明具有无污染、操作简便、快速精确的特点,适合推广应用。
Description
技术领域
本发明属于植物培育工程技术领域,涉及一种磷含量的检测方法,具体地说,涉及一种枣树冠层磷含量的检测方法。
背景技术
磷素是枣树生长必不可少的营养元素,快速获取磷素信息是监测枣树生长发育及品质保证的前提。现有技术总的枣树冠层磷含量的检测方法需要配制化学试剂,测定过程中化学尾液排放对环境的污染和对人体的伤害,而且存在操作步骤繁琐,检测时间长的缺陷。目前现有技术中急需一种无污染、操作简便、快速精确的枣树冠层磷含量的检测方法。
发明内容
为了克服现有技术中存在的缺陷,本发明提出了一种无污染、操作简便、快速精确的枣树冠层磷含量的检测方法,该方法实现了枣树冠层磷含量的快速准确检测,不需要配制任何化学试剂,避免了测定过程中化学尾液排放对环境的污染和对人体的伤害,同时也大大简化了操作步骤,缩短了检测时间,能满足农业生产中大面积枣园短时间内要求获取冠层磷含量数据的需求,为枣树田间管理中磷肥的精准施用提供了快速获取施肥量依据的手段。
其技术方案如下:
一种枣树冠层磷含量的检测方法,包括以下步骤:
(1)选择晴朗、无云或少量云层、风力小于3级的天气采集所需测定磷含量枣树冠层的高光谱信息。
(2)对高光谱数据进行多元散射校正后,采用小波降噪,再进行平滑处理。
(3)提取待测定磷含量枣树冠层的404、407、411、419、430、553、670、708、939、1124、1398、1399nm波长的光谱反射率值。
(4)将各波长的反射率值代入枣树冠层磷含量检测模型:
y=0.45574+290.0587x1+223.0146x2-682.1694x3+125.4643x4+10.47768x5+19.90236x6+10.29105x7-8.337125x8+1.14775x10-1.151481x11+7.188416x11-5.803976x12
其中,y为枣树冠层磷含量,单位为mg/g,x1、x2、x3、x4、x5、x6、x7、x8、x10、x11、x11、x12分别为枣树冠层在404、407、411、419、430、553、670、708、939、1124、1398、1399nm波段的反射率值。
优选地,步骤(1)中所述的枣树冠层的高光谱信息采集,采集时探头必需垂直向下,且需对准冠层中心,探头距冠层1米高度。
优选地,步骤(1)中所述的枣树冠层的高光谱信息采集,其采集时间为北京时间11:00-15:00。
优选地,步骤(2)中所述平滑处理方法为Savitzky-Golay Smoothing,平滑窗口为7。
优选地,步骤(4)中所述的404、407、411、419、430、553、670、708、939、1124、1398、1399nm波长的光谱反射率值,为同一冠层所测的10次重复的反射率平均后并经过多元散射校正、小波降噪和平滑处理后的值。
本发明的有益效果为:
本发明实现了枣树冠层磷含量的快速准确检测,不需要配制任何化学试剂,避免了测定过程中化学尾液排放对环境的污染和对人体的伤害,同时也大大简化了操作步骤,缩短了检测时间,能满足农业生产中大面积枣园短时间内要求获取冠层磷含量数据的需求,为枣树田间管理中磷肥的精准施用提供了快速获取施肥量依据的手段。该方法具有无污染、操作简便、快速精确的特点,适合推广应用。
附图说明
图1为枣树冠层磷含量检测值与真实值的拟合程度。
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案作进一步详细地说明。
一种枣树冠层磷含量的检测方法,包括以下步骤:
(1)测定待检测磷含量的枣树冠层的高光谱信息,选择晴朗无云或少云且风力小于3级的天气进行,本实例的具体测定时间为2015年8月21日,高光谱信息采集时间为北京时间13:00-15:00,高光谱信息采集仪器为美国ASD公司生产的FieldSpec 4便携式地物光谱仪,高光谱信息采集时探头垂直向下,距离冠层1米高度,每个冠层采集10条光谱曲线,10条曲线的平均值为该冠层的最终反射率值。本实例共采集了54个枣树冠层的高光谱信息。
(2)对采集的54条光谱曲线进行多元散射校正后、小波降噪与平滑处理。
(3)提取每条曲线404、407、411、419、430、553、670、708、939、1124、1398、1399nm波长的光谱反射率值。
(4)将每条曲线404、407、411、419、430、553、670、708、939、1124、1398、1399nm波长的光谱反射率值代入枣树冠层磷含量检测模型:
y=0.45574+290.0587x1+223.0146x2-682.1694x3+125.4643x4+10.47768x5+19.90236x6+10.29105x7-8.337125x8+1.14775x10-1.151481x11+7.188416x11-5.803976x12
其中,y为枣树冠层磷含量,单位为mg/g,x1、x2、x3、x4、x5、x6、x7、x8、x10、x11、x11、x12分别为枣树冠层在404、407、411、419、430、553、670、708、939、1124、1398、1399nm波段的反射率值。
(5)表1是利用室内化学测定法获取的枣树冠层磷含量的真实值与利用上述枣树冠层磷含量检测模型得到的检测值的统计数据,由表1可以看出,真实值与检测值二者的平均值、最大值、最小值比较相近;图1是枣树冠层磷含量检测值与真实值的拟合程度。其中真实值的测定方法为国标法H2O2-H2SO4消煮,钼锑抗比色法。真实值与检测值之间的决定系数(R2)达到0.55,均方根误差(RMSE)仅有0.078%,平均相对误差(MRE)只有26.92%,标准差与均方根误差比(RPD)达到1.51。综上,说明模型具有一定精度的预测能力。该结果表明,本发明的方法可以快速、较高精度的检测枣树冠层磷含量。
表1枣树冠层磷含量真实值与检测值统计
以上所述,仅为本发明较佳的具体实施方式,本发明的保护范围不限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。
Claims (5)
1.一种枣树冠层磷含量的检测方法,其特征在于,包括以下步骤:
(1)选择晴朗、无云或少量云层、风力小于3级的天气采集所需测定磷含量枣树冠层的高光谱信息;
(2)对高光谱数据进行多元散射校正后,采用小波降噪,再进行平滑处理;
(3)提取待测定磷含量枣树冠层的404、407、411、419、430、553、670、708、939、1124、1398、1399nm波长的光谱反射率值;
(4)将各波长的反射率值代入枣树冠层磷含量检测模型:
y=0.45574+290.0587x1+223.0146x2-682.1694x3+125.4643x4+10.47768x5+19.90236x6+10.29105x7-8.337125x8+1.14775x10-1.151481x11+7.188416x11-5.803976x12
其中,y为枣树冠层磷含量,单位为mg/g,x1、x2、x3、x4、x5、x6、x7、x8、x10、x11、x11、x12分别为枣树冠层在404、407、411、419、430、553、670、708、939、1124、1398、1399nm波段的反射率值。
2.根据权利要求1所述的枣树冠层磷含量的检测方法,其特征在于,步骤(1)中所述的枣树冠层的高光谱信息采集,采集时探头必需垂直向下,且需对准冠层中心,探头距冠层1米高度。
3.根据权利要求1所述的枣树冠层磷含量的检测方法,其特征在于,步骤(1)中所述的枣树冠层的高光谱信息采集,其采集时间为北京时间11:00-15:00。
4.根据权利要求1所述的枣树冠层磷含量的检测方法,其特征在于,步骤(2)中所述平滑处理方法为Savitzky-Golay Smoothing,平滑窗口为7。
5.根据权利要求1所述的枣树冠层磷含量的检测方法,其特征在于,步骤(4)中所述的404、407、411、419、430、553、670、708、939、1124、1398、1399nm波长的光谱反射率值,为同一冠层所测的10次重复的反射率平均后并经过多元散射校正、小波降噪和平滑处理后的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610361781.6A CN106092911A (zh) | 2016-05-23 | 2016-05-23 | 一种枣树冠层磷含量的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610361781.6A CN106092911A (zh) | 2016-05-23 | 2016-05-23 | 一种枣树冠层磷含量的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106092911A true CN106092911A (zh) | 2016-11-09 |
Family
ID=57229353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610361781.6A Pending CN106092911A (zh) | 2016-05-23 | 2016-05-23 | 一种枣树冠层磷含量的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106092911A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109142238A (zh) * | 2018-09-28 | 2019-01-04 | 新疆农业大学 | 一种棉花磷素营养快速诊断方法 |
CN110455722A (zh) * | 2019-08-20 | 2019-11-15 | 中国热带农业科学院橡胶研究所 | 橡胶树叶片磷含量高光谱反演方法和系统 |
CN113063754A (zh) * | 2021-04-21 | 2021-07-02 | 中国热带农业科学院橡胶研究所 | 一种基于加权环境变量聚类的叶片磷含量检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101625314A (zh) * | 2009-07-29 | 2010-01-13 | 北京航空航天大学 | 一种高等植物生化参数非接触监测装置 |
CN103630499A (zh) * | 2013-11-12 | 2014-03-12 | 浙江大学 | 一种基于高光谱成像技术的鱼蛋白质含量分布检测方法 |
CN103674838A (zh) * | 2013-11-12 | 2014-03-26 | 浙江大学 | 一种基于高光谱成像技术的鱼脂肪含量分布检测方法 |
-
2016
- 2016-05-23 CN CN201610361781.6A patent/CN106092911A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101625314A (zh) * | 2009-07-29 | 2010-01-13 | 北京航空航天大学 | 一种高等植物生化参数非接触监测装置 |
CN103630499A (zh) * | 2013-11-12 | 2014-03-12 | 浙江大学 | 一种基于高光谱成像技术的鱼蛋白质含量分布检测方法 |
CN103674838A (zh) * | 2013-11-12 | 2014-03-26 | 浙江大学 | 一种基于高光谱成像技术的鱼脂肪含量分布检测方法 |
Non-Patent Citations (2)
Title |
---|
刘冰峰等: "玉米叶片全磷含量高光谱遥感监测诊断模型研究", 《农业机械学报》 * |
邓小蕾: "果园信息获取现代传感方法及装置研究", 《中国博士学位论文全文数据库 农业科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109142238A (zh) * | 2018-09-28 | 2019-01-04 | 新疆农业大学 | 一种棉花磷素营养快速诊断方法 |
CN110455722A (zh) * | 2019-08-20 | 2019-11-15 | 中国热带农业科学院橡胶研究所 | 橡胶树叶片磷含量高光谱反演方法和系统 |
CN113063754A (zh) * | 2021-04-21 | 2021-07-02 | 中国热带农业科学院橡胶研究所 | 一种基于加权环境变量聚类的叶片磷含量检测方法 |
CN113063754B (zh) * | 2021-04-21 | 2022-09-13 | 中国热带农业科学院橡胶研究所 | 一种基于加权环境变量聚类的叶片磷含量检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104778451B (zh) | 一种考虑草地高度因子的草地生物量遥感反演方法 | |
CN102435564B (zh) | 一种基于三波段光谱指数估测植物氮含量的方法 | |
CN105823736A (zh) | 一种枣树冠层类胡萝卜素含量的检测方法 | |
CN105954207A (zh) | 一种枣树冠层叶绿素b含量的检测方法 | |
CN103954567A (zh) | 基于连续统去除法的土壤盐分测定方法 | |
CN104596957A (zh) | 基于可见光近红外光谱技术的土壤铜含量估算方法 | |
CN107423850B (zh) | 基于时间序列lai曲线积分面积的区域玉米成熟期预测方法 | |
CN110567892A (zh) | 一种基于临界氮浓度的夏玉米氮素高光谱预测方法 | |
CN103293111A (zh) | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 | |
CN103185695A (zh) | 一种基于光谱的烤烟成熟度田间快速判断方法 | |
CN106525731A (zh) | 基于遥感与农学知识的冠层叶氮垂直分布探测方法及装置 | |
CN106501255B (zh) | 一种枣树冠层总叶绿素含量的卫星遥感监测方法 | |
CN106501816A (zh) | 一种枣树冠层氮含量的卫星遥感监测方法 | |
CN106092911A (zh) | 一种枣树冠层磷含量的检测方法 | |
CN106504240B (zh) | 一种枣树冠层叶绿素a含量的卫星遥感监测方法 | |
CN103913425B (zh) | 基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测方法及其预测模型的构建方法 | |
CN110910266A (zh) | 一种基于遥感的灌区农业灌溉用水总量估算方法 | |
CN106092910A (zh) | 一种枣树冠层氮含量的检测方法 | |
CN106501454B (zh) | 一种枣树冠层叶绿素b含量的卫星遥感监测方法 | |
CN106092909A (zh) | 一种枣树冠层叶绿素含量的检测方法 | |
CN106092912A (zh) | 一种枣树冠层水分含量的检测方法 | |
CN103575680A (zh) | 一种评估有机肥质量指标的光谱学方法 | |
CN106092969A (zh) | 一种枣树冠层叶绿素a含量的检测方法 | |
CN106338495A (zh) | 一种盐渍化土壤有机碳含量的检测方法 | |
CN106248632A (zh) | 一种盐渍化土壤无机碳含量的检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161109 |
|
RJ01 | Rejection of invention patent application after publication |