CN106644958B - 一种桃果实内部果胶含量空间分布成像的方法 - Google Patents
一种桃果实内部果胶含量空间分布成像的方法 Download PDFInfo
- Publication number
- CN106644958B CN106644958B CN201611001233.9A CN201611001233A CN106644958B CN 106644958 B CN106644958 B CN 106644958B CN 201611001233 A CN201611001233 A CN 201611001233A CN 106644958 B CN106644958 B CN 106644958B
- Authority
- CN
- China
- Prior art keywords
- slicing
- content
- fruit
- pectin content
- peach fruits
- 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.)
- Active
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
Abstract
本发明公开了一种桃果实内部果胶含量空间分布成像的方法,解决现有桃果实果胶测量方法测量效率低,且只能进行单点测量,无法获得果胶在桃果实内部的空间分布情况的问题。本方法将桃果实环绕轴线等分切割成扇形小块,分别获取各果实切块的果胶含量和光谱平均值,并建立关联模型,可以根据预测待测样本的各处果实切块每个像素点的光谱值预测其每个像素点对应的果胶含量,根据待测样本果实切块每个像素点的空间分布坐标来建立果胶在待测样本中的像素级三维分布模型,实现桃果实内部果胶含量分布的空间可视化成像。本发明同时获取原果胶、可溶性果胶、总果胶的像素级预测结果,并进行相互验证,保证预测结果的可靠性。
Description
技术领域
本发明属于光谱检测领域,涉及一种桃果实内部果胶含量空间分布成像的方法。
背景技术
桃[Prumus persica(L.)Batsch]隶属于蔷薇科(Rosaceae),李属(Prunus L.)桃亚属(Amygdalus L.),因其独特的风味和较高的营养价值,深受大众的喜爱。桃是典型的呼吸跃变型果实,呼吸跃变型果实成熟时最显著的变化特征就是果实的软化。果实的软化使得果实的口感和风味表达更佳,但其软化后易受物理损伤和病原浸染,进而影响果实品质。果胶含量是果实软化的重要理化性质。因此研究桃果实采后果胶含量对于果实运输,采后处理,延长果实储藏寿命和提高其商业价值具有重要意义。
果胶是植物细胞壁中含量最丰富的多糖成分,也是构成细胞初生壁和胞间层的主要成分。果胶的溶解是最根本和最重要的果实成熟特性。桃果实中的果胶可分为可溶性果胶和原果胶两大类,而其中,原果胶含量是影响果实品质的主要指标。桃果实的果胶含量测量通常先获取小块果实,并提取可溶性果胶和原果胶后,采用咔唑比色法测定含量。但此方法仅能获得被测小块果实的果胶含量,属于单点测量,无法获得果胶在桃果实内部的空间分布情况,无法在果实生长发育和贮藏保鲜阶段对果实内部的果胶变化机制的进一步深入研究、乃至像素级的细化研究提供支持。
发明内容
本发明的目的在于针对现有桃果实果胶测量方法测量效率低,且只能进行单点测量,无法获得果胶在桃果实内部的空间分布情况的问题,提出一种桃果实内部果胶含量空间分布成像的方法,通过获取果实内部的高光谱图像,并进行数据处理后得到桃果实内部果胶含量空间分布分布图,为桃果实品质变化的深入研究提供了数据基础。
本发明解决其技术问题所采用的方案是:一种桃果实内部果胶含量空间分布成像的方法,其特征在于,包括以下步骤:
步骤1:建立基于桃果实光谱检测果胶含量的定量线性回归方程:
步骤1.1:采集n个桃果实样本分别记为M1、M2、M3、…、Mn;
步骤1.2:对于每一个桃果实样本Mi,1<i<n,环绕果柄轴线按等间隔角度将桃果实样本切开形成m块果实切块,分别记为Mi,j,1<j<m;
步骤1.3:采集果实切块Mi,j的两个侧面的高光谱图像;
步骤1.4:采用国家标准方法测定每个果实切块Mi,j的原果胶含量,并分别作为果实切块Mi,j的原果胶含量参考值依据国家标准《NY/T 2016-2011水果及其制品中果胶含量的测定-分光光度法》。
步骤1.5:选取445nm、446nm、472nm、515nm、576nm、616nm、628nm、630nm波长为桃果实原果胶含量检测的特征波长,并获取果实切块Mi,j的各个侧面的高光谱图像所有像素点在各原果胶特征波长光谱平均值,分别记为
步骤1.6:采用多元线性回归将步骤1.5中果实切块Mi,j在原果胶特征波长光谱平均值分别与步骤1.4中的果实切块Mi,j的原果胶含量参考值进行关联拟合,采用以下线性回归方程一进行关联拟合:
建立用于桃果实光谱检测原果胶含量预测的定量线性回归方程二,为:
步骤2:获得待测桃内部果实的果胶含量分布图:
步骤2.1:选取桃果实待测样本N;
步骤2.2:对桃果实待测样本N进行切块,切块方法按照步骤1.2描述方法进行,共获得p个果实切块,分别记为Nz,1<z<p;记录下切块Nz在桃果实待测样本N中的空间坐标;
步骤2.3:采集果实切块Nz的两侧切面的高光谱图像,并分别获得图像中每个像素点在原果胶特征波长445nm、446nm、472nm、515nm、576nm、616nm、628nm和630nm处的光谱值,分别记为 其中,(α,β,γ)为每个像素点的坐标信息,α为横坐标信息,β为纵坐标信息,γ为切面标识信息;
步骤2.4:将步骤2.3中的果实切块Nz的各个切面每个像素点在原果胶特征波长处的光谱值分别代入步骤1.6中的定量线性回归方程二中,分别得到每个像素点的原果胶含量计算值并根据每个像素点在所在切面的高光谱图像中的空间坐标,分别形成果实切块Nz的两个切面的原果胶含量分布图;
步骤2.5:根据步骤2.4获得的果实切块Nz的两个切面的原果胶含量分布图,以及果实切块Nz在桃果实待测样本N中的空间坐标,采用双三次插值算法分别获得桃果实待测样本N内部原果胶含量的网格状空间立体分布图,实现桃内部果实原果胶含量空间可视化成像。
作为优选,步骤1中同时建立可溶性果胶含量预测的定量线性回归方程三和总果胶含量预测的定量线性回归方程四:
步骤1.4中,采用国家标准方法同时测定每个果实切块Mi,j的可溶性果胶含量和总果胶含量,并分别作为果实切块Mi,j的可溶性果胶含量参考值总果胶含量参考值步骤1.5中,同时选取394nm、398nm、408nm、454nm、484nm、522nm、544nm、563nm、594nm、701nm、744nm、809nm、920nm、953nm波长为桃果实可溶性果胶含量检测的特征波长,并获取果实切块Mi,j的各个侧面的高光谱图像中果实部分所有像素点在可溶性果胶特征波长光谱平均值;选取413nm、416nm、430nm、452nm、464nm、472nm、515nm、518nm、566nm、629nm、653nm波长为桃果实总果胶含量检测的特征波长,并获取果实切块Mi,j的各个侧面的高光谱图像中果实部分所有像素点在总果胶特征波长光谱平均值;
依据步骤1.6的关联拟合方式分别建立可溶性果胶含量预测的定量线性回归方程三:
总果胶含量预测的定量线性回归方程四:
步骤2中同时计算可溶性果胶含量和总果胶含量的在每个像素点的对应分布:
步骤2.3中同时获取果实切块Nz的两侧切面的高光谱图像每个像素点的可溶性果胶含量对应特征波长394nm、398nm、408nm、454nm、484nm、522nm、544nm、563nm、594nm、701nm、744nm、809nm、920nm、953nm处的光谱值,总果胶含量特征波长413nm、416nm、430nm、452nm、464nm、472nm、515nm、518nm、566nm、629nm、653nm处的光谱值;
将每个像素点可溶性果胶含量对应特征波长的光谱值代入定量线性回归方程三中,分别得到每个像素点的可溶性果胶含量计算值将每个像素点总果胶含量对应特征波长的光谱值代入定量线性回归方程四中,分别得到每个像素点的总果胶含量计算值获取桃果实待测样本N内部可溶性果胶含量、总果胶含量的网格状空间立体分布图。
作为优选,根据定义获得原果胶验算值对比和的误差值,并设定误差阈值对检测结果进行验算,验证预测结果可靠性。
作为优选,步骤1.2中,按间隔10度切割,得到m=36个果实切块。
本发明将桃果实环绕轴线等分切割成扇形小块,分别获取各果实切块的果胶含量和光谱平均值,并建立关联模型,可以根据预测待测样本的各处果实切块每个像素点的光谱值预测其每个像素点对应的果胶含量,根据待测样本果实切块每个像素点的空间分布坐标来建立果胶在待测样本中的像素级三维分布模型,实现桃果实内部果胶含量分布的空间可视化成像;本发明同时获取原果胶、可溶性果胶、总果胶的像素级预测结果,并进行相互验证,保证预测结果的可靠性。
具体实施方式
下面通过具体实施例对本发明做进一步说明。
实施例:一种桃果实内部果胶含量空间分布成像的方法,其特征在于,包括以下步骤:
步骤1:建立基于桃果实光谱检测果胶含量的定量线性回归方程:
步骤1.1:采集n个桃果实样本分别记为M1、M2、M3、…、Mn;
步骤1.2:对于每一个桃果实样本Mi,1<i<n,环绕果柄轴线每间隔10度将桃果实样本切开形成36块果实切块,分别记为Mi,j,1<j<36;
步骤1.3:采集果实切块Mi,j的两个侧面的高光谱图像;
步骤1.4:采用国家标准方法测定每个果实切块Mi j的原果胶含量,并分别作为果实切块Mi j的原果胶含量参考值
步骤1.5:选取445nm、446nm、472nm、515nm、576nm、616nm、628nm、630nm波长为桃果实原果胶含量检测的特征波长,并获取果实切块Mi,j的各个侧面的高光谱图像所有像素点在各原果胶特征波长光谱平均值,分别记为
步骤1.6:采用多元线性回归将步骤1.5中果实切块Mi,j在原果胶特征波长光谱平均值分别与步骤1.4中的果实切块Mi,j的原果胶含量参考值进行关联拟合,采用以下线性回归方程一进行关联拟合:
建立用于桃果实光谱检测原果胶含量预测的定量线性回归方程二,为:
步骤2:获得待测桃内部果实的果胶含量分布图:
步骤2.1:选取桃果实待测样本N;
步骤2.2:对桃果实待测样本N进行切块,切块方法按照步骤1.2描述方法进行,共获得p个果实切块,分别记为Nz,1<z<p;记录下切块Nz在桃果实待测样本N中的空间坐标;
步骤2.3:采集果实切块Nz的两侧切面的高光谱图像,并分别获得图像中每个像素点在原果胶特征波长445nm、446nm、472nm、515nm、576nm、616nm、628nm和630nm处的光谱值,分别记为 其中,(α,β,γ)为每个像素点的坐标信息,α为横坐标信息,β为纵坐标信息,γ为切面标识信息;
步骤2.4:将步骤2.3中的果实切块Nz的各个切面每个像素点在原果胶特征波长处的光谱值分别代入步骤1.6中的定量线性回归方程二中,分别得到每个像素点的原果胶含量计算值并根据每个像素点在所在切面的高光谱图像中的空间坐标,分别形成果实切块Nz的两个切面的原果胶含量分布图;
步骤2.5:根据步骤2.4获得的果实切块Nz的两个切面的原果胶含量分布图,以及果实切块Nz在桃果实待测样本N中的空间坐标,采用双三次插值算法分别获得桃果实待测样本N内部原果胶含量的网格状空间立体分布图,实现桃内部果实原果胶含量空间可视化成像。
本方案还在原果胶含量的网格状空间立体分布图建立的基础上,实现了可溶性果胶含量、总果胶含量的空间立体分布图的建立,过程如下:
步骤1中同时建立可溶性果胶含量预测的定量线性回归方程三和总果胶含量预测的定量线性回归方程四:
步骤1.4中,采用国家标准方法同时测定每个果实切块Mi,j的可溶性果胶含量和总果胶含量,并分别作为果实切块Mi,j的可溶性果胶含量参考值总果胶含量参考值
步骤1.5中,同时选取394nm、398nm、408nm、454nm、484nm、522nm、544nm、563nm、594nm、701nm、744nm、809nm、920nm、953nm波长为桃果实可溶性果胶含量检测的特征波长,并获取果实切块Mi,j的各个侧面的高光谱图像中果实部分所有像素点在可溶性果胶特征波长光谱平均值;选取413nm、416nm、430nm、452nm、464nm、472nm、515nm、518nm、566nm、629nm、653nm波长为桃果实总果胶含量检测的特征波长,并获取果实切块Mi,j的各个侧面的高光谱图像中果实部分所有像素点在总果胶特征波长光谱平均值;
依据步骤1.6的关联拟合方式分别建立可溶性果胶含量预测的定量线性回归方程三:
总果胶含量预测的定量线性回归方程四:
步骤2中同时计算可溶性果胶含量和总果胶含量的在每个像素点的对应分布:
步骤2.3中同时获取果实切块Nz的两侧切面的高光谱图像每个像素点的可溶性果胶含量对应特征波长394nm、398nm、408nm、454nm、484nm、522nm、544nm、563nm、594nm、701nm、744nm、809nm、920nm、953nm处的光谱值,总果胶含量特征波长413nm、416nm、430nm、452nm、464nm、472nm、515nm、518nm、566nm、629nm、653nm处的光谱值;
将每个像素点可溶性果胶含量对应特征波长的光谱值代入定量线性回归方程三中,分别得到每个像素点的可溶性果胶含量计算值将每个像素点总果胶含量对应特征波长的光谱值代入定量线性回归方程四中,分别得到每个像素点的总果胶含量计算值获取桃果实待测样本N内部可溶性果胶含量、总果胶含量的网格状空间立体分布图。
最后根据定义获得原果胶验算值对比和的误差值,并设定误差阈值对检测结果进行验算,验证预测结果可靠性。
Claims (4)
1.一种桃果实内部果胶含量空间分布成像的方法,其特征在于,包括以下步骤:
步骤1:建立基于桃果实光谱检测果胶含量的定量线性回归方程:
步骤1.1:采集n个桃果实样本分别记为M1、M2、M3、…、Mn;
步骤1.2:对于每一个桃果实样本Mi,1<i<n,环绕果柄轴线按等间隔角度将桃果实样本切开形成m块果实切块,分别记为Mi,j,1<j<m;
步骤1.3:采集果实切块Mi,j的两个侧面的高光谱图像;
步骤1.4:采用国家标准方法测定每个果实切块Mi,j的原果胶含量,并分别作为果实切块Mi,j的原果胶含量参考值
步骤1.5:选取445nm、446nm、472nm、515nm、576nm、616nm、628nm、630nm波长为桃果实原果胶含量检测的特征波长,并获取果实切块Mi,j的各个侧面的高光谱图像所有像素点在各原果胶特征波长光谱平均值,分别记为
步骤1.6:采用多元线性回归将步骤1.5中果实切块Mi,j在原果胶特征波长光谱平均值分别与
步骤1.4中的果实切块Mi,j的原果胶含量参考值进行关联拟合,采用以下线性回归方程一进行关联拟合:
建立用于桃果实光谱检测原果胶含量预测的定量线性回归方程二,为:
步骤2:获得待测桃内部果实的果胶含量分布图:
步骤2.1:选取桃果实待测样本N;
步骤2.2:对桃果实待测样本N进行切块,切块方法按照步骤1.2描述方法进行,共获得p个果实切块,分别记为Nz,1<z<p;记录下切块Nz在桃果实待测样本N中的空间坐标;
步骤2.3:采集果实切块Nz的两侧切面的高光谱图像,并分别获得图像中每个像素点在原果胶特征波长445nm、446nm、472nm、515nm、576nm、616nm、628nm和630nm处的光谱值,分别记为 其中,(α,β,γ)为每个像素点的坐标信息,α为横坐标信息,β为纵坐标信息,γ为切面标识信息;
步骤2.4:将步骤2.3中的果实切块Nz的各个切面每个像素点在原果胶特征波长处的光谱值分别代入步骤1.6中的定量线性回归方程二中,分别得到每个像素点的原果胶含量值计算值并根据每个像素点在所在切面的高光谱图像中的空间坐标,分别形成果实切块Nz的两个切面的原果胶含量分布图;
步骤2.5:根据步骤2.4获得的果实切块Nz的两个切面的原果胶含量分布图,以及果实切块Nz在桃果实待测样本N中的空间坐标,采用双三次插值算法分别获得桃果实待测样本N内部原果胶含量的网格状空间立体分布图,实现桃内部果实原果胶含量空间可视化成像。
2.根据权利要求1所述的一种桃果实内部果胶含量空间分布成像的方法,其特征在于,步骤1中同时建立可溶性果胶含量预测的定量线性回归方程三和总果胶含量预测的定量线性回归方程四:
步骤1.4中,采用国家标准方法同时测定每个果实切块Mi,j的可溶性果胶含量和总果胶含量,并分别作为果实切块Mi,j的可溶性果胶含量参考值总果胶含量参考值
步骤1.5中,同时选取394nm、398nm、408nm、454nm、484nm、522nm、544nm、563nm、594nm、701nm、744nm、809nm、920nm、953nm波长为桃果实可溶性果胶含量检测的特征波长,并获取果实切块Mi,j的各个侧面的高光谱图像中果实部分所有像素点在可溶性果胶特征波长光谱平均值;选取413nm、416nm、430nm、452nm、464nm、472nm、515nm、518nm、566nm、629nm、653nm波长为桃果实总果胶含量检测的特征波长,并获取果实切块Mi,j的各个侧面的高光谱图像中果实部分所有像素点在总果胶特征波长光谱平均值;
依据步骤1.6的关联拟合方式分别建立可溶性果胶含量预测的定量线性回归方程三:
总果胶含量预测的定量线性回归方程四:
步骤2中同时计算可溶性果胶含量和总果胶含量的在每个像素点的对应分布:
步骤2.3中同时获取果实切块Nz的两侧切面的高光谱图像每个像素点的可溶性果胶含量对应特征波长394nm、398nm、408nm、454nm、484nm、522nm、544nm、563nm、594nm、701nm、744nm、809nm、920nm、953nm处的光谱值,总果胶含量特征波长413nm、416nm、430nm、452nm、464nm、472nm、515nm、518nm、566nm、629nm、653nm处的光谱值;
将每个像素点可溶性果胶含量对应特征波长的光谱值代入定量线性回归方程三中,分别得到每个像素点的可溶性果胶含量计算值将每个像素点总果胶含量对应特征波长的光谱值代入定量线性回归方程四中,分别得到每个像素点的总果胶含量计算值获取桃果实待测样本N内部可溶性果胶含量、总果胶含量的网格状空间立体分布图。
3.根据权利要求2所述的一种桃果实内部果胶含量空间分布成像的方法,其特征在于,根据定义获得原果胶验算值对比和的误差值,并设定误差阈值对检测结果进行验算,验证预测结果可靠性。
4.根据权利要求1或2或3所述的一种桃果实内部果胶含量空间分布成像的方法,其特征在于,步骤1.2中,按间隔10度切割,得到m=36个果实切块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611001233.9A CN106644958B (zh) | 2016-11-14 | 2016-11-14 | 一种桃果实内部果胶含量空间分布成像的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611001233.9A CN106644958B (zh) | 2016-11-14 | 2016-11-14 | 一种桃果实内部果胶含量空间分布成像的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106644958A CN106644958A (zh) | 2017-05-10 |
CN106644958B true CN106644958B (zh) | 2019-04-05 |
Family
ID=58806546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611001233.9A Active CN106644958B (zh) | 2016-11-14 | 2016-11-14 | 一种桃果实内部果胶含量空间分布成像的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106644958B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108645839B (zh) * | 2018-06-19 | 2019-11-22 | 浙江大学 | 一种桃整果软化程度的细胞快速统计评价方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102252971A (zh) * | 2011-04-06 | 2011-11-23 | 食品行业生产力促进中心 | 一种芒果硬度快速检测方法 |
CN103528967A (zh) * | 2013-09-25 | 2014-01-22 | 西北农林科技大学 | 基于高光谱图像的过熟蓝靛果果实识别方法 |
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 |
CN104596982A (zh) * | 2015-01-30 | 2015-05-06 | 云南中烟工业有限责任公司 | 近红外漫反射光谱技术测定造纸法再造烟叶果胶的方法 |
CN105115910A (zh) * | 2015-08-28 | 2015-12-02 | 中国农业科学院农产品加工研究所 | 基于高光谱成像技术检测花生中蛋白质含量分布的方法 |
CN105181606A (zh) * | 2015-08-28 | 2015-12-23 | 中国农业科学院农产品加工研究所 | 基于高光谱成像技术检测花生中蔗糖含量分布的方法 |
CN105527236A (zh) * | 2015-12-31 | 2016-04-27 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定农产品主要营养成分的方法 |
CN105699302A (zh) * | 2015-12-31 | 2016-06-22 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定苹果主要营养成分的方法 |
-
2016
- 2016-11-14 CN CN201611001233.9A patent/CN106644958B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102252971A (zh) * | 2011-04-06 | 2011-11-23 | 食品行业生产力促进中心 | 一种芒果硬度快速检测方法 |
CN103528967A (zh) * | 2013-09-25 | 2014-01-22 | 西北农林科技大学 | 基于高光谱图像的过熟蓝靛果果实识别方法 |
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 |
CN104596982A (zh) * | 2015-01-30 | 2015-05-06 | 云南中烟工业有限责任公司 | 近红外漫反射光谱技术测定造纸法再造烟叶果胶的方法 |
CN105115910A (zh) * | 2015-08-28 | 2015-12-02 | 中国农业科学院农产品加工研究所 | 基于高光谱成像技术检测花生中蛋白质含量分布的方法 |
CN105181606A (zh) * | 2015-08-28 | 2015-12-23 | 中国农业科学院农产品加工研究所 | 基于高光谱成像技术检测花生中蔗糖含量分布的方法 |
CN105527236A (zh) * | 2015-12-31 | 2016-04-27 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定农产品主要营养成分的方法 |
CN105699302A (zh) * | 2015-12-31 | 2016-06-22 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定苹果主要营养成分的方法 |
Non-Patent Citations (2)
Title |
---|
"FT-NIR光谱应用于柚子皮果胶定量分析的波段优选";陈华舟 等;《科学技术与工程》;20130430;第13卷(第12期);第3232-3237页 |
"高光谱成像结合人工神经网络无损检测桃的硬度";郭文川 等;《光学精密工程》;20150630;第23卷(第6期);第1530-1537页 |
Also Published As
Publication number | Publication date |
---|---|
CN106644958A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105608293B (zh) | 融合光谱与纹理特征的森林地上生物量反演方法及系统 | |
Dutta et al. | Impervious surface growth and its inter-relationship with vegetation cover and land surface temperature in peri-urban areas of Delhi | |
Liang et al. | Multi-factor modeling of above-ground biomass in alpine grassland: A case study in the Three-River Headwaters Region, China | |
Thomas et al. | Validation of North American forest disturbance dynamics derived from Landsat time series stacks | |
Li et al. | Characterizing spatiotemporal dynamics in phenology of urban ecosystems based on Landsat data | |
Jiao et al. | The sensitivity of RADARSAT-2 polarimetric SAR data to corn and soybean leaf area index | |
Zhu et al. | Foliage clumping index over China's landmass retrieved from the MODIS BRDF parameters product | |
Sullivan et al. | Comparison of lidar-and allometry-derived canopy height models in an eastern deciduous forest | |
CN102323267A (zh) | 一种快速评价生鲜肉品新鲜度的系统及方法 | |
CN103344577B (zh) | 一种基于多光谱成像技术的畜肉新鲜度无损伤检测方法 | |
Yan et al. | Assimilating multi-source remotely sensed data into a light use efficiency model for net primary productivity estimation | |
CN107036968A (zh) | 一种土壤湿度实时监测方法 | |
CN105203464A (zh) | 基于高光谱成像技术检测花生中油酸含量分布的方法 | |
Ding et al. | Onset of drying and dormancy in relation to water dynamics of semi-arid grasslands from MODIS NDWI | |
CN109799199A (zh) | 一种叶绿素a浓度的协同反演方法 | |
CN109767409A (zh) | 基于遥感影像的滑坡变化检测方法、存储介质和电子设备 | |
Jiang et al. | Mapping interannual variability of maize cover in a large irrigation district using a vegetation index–phenological index classifier | |
CN106644958B (zh) | 一种桃果实内部果胶含量空间分布成像的方法 | |
CN103808736A (zh) | 基于被动微波混合像元分解技术的盐碱地特性探测方法 | |
Xia et al. | Comparison of the use of Landsat 8, Sentinel-2, and Gaofen-2 images for mapping soil pH in Dehui, northeastern China | |
Wei et al. | Dynamic simulation of leaf area index for the soybean canopy based on 3D reconstruction | |
Xu et al. | Method for improvement of MODIS leaf area index products based on pixel-to-pixel correlations | |
Li et al. | Modeling forest aboveground biomass by combining spectrum, textures and topographic features | |
Liu et al. | Fractional coverage rather than green chromatic coordinate is a robust indicator to track grassland phenology using smartphone photography | |
CN110110771B (zh) | 基于地表图像的盐渍土含盐量估算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |