CN107340244A - 一种大棚芹菜的季节性最优光谱检测方法 - Google Patents
一种大棚芹菜的季节性最优光谱检测方法 Download PDFInfo
- Publication number
- CN107340244A CN107340244A CN201710065058.8A CN201710065058A CN107340244A CN 107340244 A CN107340244 A CN 107340244A CN 201710065058 A CN201710065058 A CN 201710065058A CN 107340244 A CN107340244 A CN 107340244A
- Authority
- CN
- China
- Prior art keywords
- celery
- season
- spectral
- period
- detection
- 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.)
- Granted
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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
Abstract
本发明公开了一种大棚芹菜的季节性最优光谱检测方法,步骤包括:选择检测区、规划检测区、确定检测时间、记录初始值、进行观测实验、数据处理、选取数据、数据分析和具体数据对比方法;相同参数对比,分析季节植被覆盖指数参数变化,植物斜率区分度变化,利用植物的季节植被覆盖指斜率、绿波段最大光谱吸收深度的季节变幅、红波段最大光谱吸收深度的季节变幅,将每个季节的不同生长期的芹菜光谱记录,对比不同季节相同生长期,以及不同生长期相同季节的芹菜生长情况,从而可以确定植物的最佳吸收光谱,从而可以确定植物的最佳吸收光谱。
Description
技术领域
本发明涉及植物生长技术领域,更具体地说,尤其涉及一种大棚芹菜的季节性最优光谱检测方法。
背景技术
自然界中植物种类众多,有五十万种以上,不同的植物对光的需求也不尽相同。在植被栽培中,为了降低成本,提高植物光照光源的通用性,需要一种新的方法来确定不同植物的光照光源光谱。通过植物的吸收光谱来确定植物光照光源光谱是一条切实可行的路线,现有技术中其目的为了制造有机物,而不是为了找到匹配植物生长用光源的光谱结构。因此研究一种光谱的检测方法显得尤为重要。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种大棚芹菜的季节性最优光谱检测方法。
为了实现上述目的,本发明采用了如下技术方案:
一种大棚芹菜的季节性最优光谱检测方法,包括如下步骤:
S1、选择检测区:选择3个没有其他植物,地质相同的大棚,3个大棚中分别为萌芽期芹菜,发展期芹菜,以及成熟期青菜;
S2、规划检测区:用隔离带将每个大棚等分成8-10个区域,每个区域之间相互不干扰;
S3、确定检测时间:检测时间从春分开始,每隔一个月检测一次,一共12次检测时间,记录芹菜在四个季节从萌芽期到成熟期过程的光谱特征;
S4、记录初始值:记录每个大棚中不同生长期芹菜的初始高度;
S5、进行观测实验:使用便携式光谱仪,时间选择在北京时间10:00-13:00,晴朗无云天气进行,垂直向下测量,同时对测量的位置进行了标记,以保证每次观测高度和角度的一致性,探头视场角度为25°-35°,将探头放置在样点垂直上方0.9m-1.1m处;
S6、数据处理:对数据进行平滑处理,以去除光谱噪声,保存光谱反射的趋势特性,对光谱曲线做包络线处理,以突出光谱的吸收特征;
S7、选取数据:光谱吸收深度选取2个光谱吸收谷中最大值,反映植物色素的光谱吸收特征;
S6、数据分析:芹菜从萌芽到成熟一般为三个月左右,也就是每个季度芹菜成熟一次,将每个季节的不同生长期的芹菜光谱记录,对比不同季节相同生长期,以及不同生长期相同季节的芹菜生长情况,就可以得出芹菜生长的最优光谱;
S7、具体数据对比方法:对比每个季节中,萌芽期到发展期,芹菜最高区域的光谱值,对比每个季节中,发展期到成熟期,芹菜最高区域的光谱值,这两个值就是芹菜在每个季节中的最优光谱值。
优选的,所述S5中的便携式光谱仪为SVC-HR768野外便携式光谱仪,波段范围在350-2500nm,光谱分辨率为1-4nm,共768个波段。
本发明的技术效果和优点:通过对不同季节种芹菜的生长过程的光谱分析,相同参数对比,分析季节季节性对芹菜生长指数的影响和变化,利用植物的季节植被覆盖指斜率、绿波段最大光谱吸收深度的季节变幅、红波段最大光谱吸收深度的季节变幅,将每个季节的不同生长期的芹菜光谱记录,对比不同季节相同生长期,以及不同生长期相同季节的芹菜生长情况,从而可以确定植物的最佳吸收光谱。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
一种大棚芹菜的季节性最优光谱检测方法,包括如下步骤:
S1、选择检测区:选择3个没有其他植物,地质相同的大棚,3个大棚中分别为萌芽期芹菜,发展期芹菜,以及成熟期青菜;
S2、规划检测区:用隔离带将每个大棚等分成8个区域,每个区域之间相互不干扰;
S3、确定检测时间:检测时间从春分开始,每隔一个月检测一次,一共12次检测时间,记录芹菜在四个季节从萌芽期到成熟期过程的光谱特征;
S4、记录初始值:记录每个大棚中不同生长期芹菜的初始高度;
S5、进行观测实验:使用便携式光谱仪,时间选择在北京时间10:00-11:00,晴朗无云天气进行,垂直向下测量,同时对测量的位置进行了标记,以保证每次观测高度和角度的一致性,探头视场角度为25°,将探头放置在样点垂直上方0.9m处;所述S5中的便携式光谱仪为SVC-HR768野外便携式光谱仪,波段范围在2500nm,光谱分辨率为4nm,共768个波段;
S6、数据处理:对数据进行平滑处理,以去除光谱噪声,保存光谱反射的趋势特性,对光谱曲线做包络线处理,以突出光谱的吸收特征;
S7、选取数据:光谱吸收深度选取2个光谱吸收谷中最大值,反映植物色素的光谱吸收特征;
S6、数据分析:芹菜从萌芽到成熟一般为三个月左右,也就是每个季度芹菜成熟一次,将每个季节的不同生长期的芹菜光谱记录,对比不同季节相同生长期,以及不同生长期相同季节的芹菜生长情况,就可以得出芹菜生长的最优光谱;
S7、具体数据对比方法:对比每个季节中,萌芽期到发展期,芹菜最高区域的光谱值,对比每个季节中,发展期到成熟期,芹菜最高区域的光谱值,这两个值就是芹菜在每个季节中的最优光谱值。
实施例2
一种大棚芹菜的季节性最优光谱检测方法,包括如下步骤:
1、一种大棚芹菜的季节性最优光谱检测方法,其特征在于:包括如下步骤:
S1、选择检测区:选择3个没有其他植物,地质相同的大棚,3个大棚中分别为萌芽期芹菜,发展期芹菜,以及成熟期青菜;
S2、规划检测区:用隔离带将每个大棚等分成9个区域,每个区域之间相互不干扰;
S3、确定检测时间:检测时间从春分开始,每隔一个月检测一次,一共12次检测时间,记录芹菜在四个季节从萌芽期到成熟期过程的光谱特征;
S4、记录初始值:记录每个大棚中不同生长期芹菜的初始高度;
S5、进行观测实验:使用便携式光谱仪,时间选择在北京时间11:00-12:00,晴朗无云天气进行,垂直向下测量,同时对测量的位置进行了标记,以保证每次观测高度和角度的一致性,探头视场角度为30°,将探头放置在样点垂直上方1.0m处;所述S5中的便携式光谱仪为SVC-HR768野外便携式光谱仪,波段范围在2400nm,光谱分辨率为3nm,共768个波段;
S6、数据处理:对数据进行平滑处理,以去除光谱噪声,保存光谱反射的趋势特性,对光谱曲线做包络线处理,以突出光谱的吸收特征;
S7、选取数据:光谱吸收深度选取2个光谱吸收谷中最大值,反映植物色素的光谱吸收特征;
S6、数据分析:芹菜从萌芽到成熟一般为三个月左右,也就是每个季度芹菜成熟一次,将每个季节的不同生长期的芹菜光谱记录,对比不同季节相同生长期,以及不同生长期相同季节的芹菜生长情况,就可以得出芹菜生长的最优光谱;
S7、具体数据对比方法:对比每个季节中,萌芽期到发展期,芹菜最高区域的光谱值,对比每个季节中,发展期到成熟期,芹菜最高区域的光谱值,这两个值就是芹菜在每个季节中的最优光谱值。
实施例3
一种大棚芹菜的季节性最优光谱检测方法,包括如下步骤:
1、一种大棚芹菜的季节性最优光谱检测方法,其特征在于:包括如下步骤:
S1、选择检测区:选择3个没有其他植物,地质相同的大棚,3个大棚中分别为萌芽期芹菜,发展期芹菜,以及成熟期青菜;
S2、规划检测区:用隔离带将每个大棚等分成10个区域,每个区域之间相互不干扰;
S3、确定检测时间:检测时间从春分开始,每隔一个月检测一次,一共12次检测时间,记录芹菜在四个季节从萌芽期到成熟期过程的光谱特征;
S4、记录初始值:记录每个大棚中不同生长期芹菜的初始高度;
S5、进行观测实验:使用便携式光谱仪,时间选择在北京时间12:00-13:00,晴朗无云天气进行,垂直向下测量,同时对测量的位置进行了标记,以保证每次观测高度和角度的一致性,探头视场角度为35°,将探头放置在样点垂直上方1.1m处;所述S5中的便携式光谱仪为SVC-HR768野外便携式光谱仪,波段范围在350nm,光谱分辨率为1nm,共768个波段;
S6、数据处理:对数据进行平滑处理,以去除光谱噪声,保存光谱反射的趋势特性,对光谱曲线做包络线处理,以突出光谱的吸收特征;
S7、选取数据:光谱吸收深度选取2个光谱吸收谷中最大值,反映植物色素的光谱吸收特征;
S6、数据分析:芹菜从萌芽到成熟一般为三个月左右,也就是每个季度芹菜成熟一次,将每个季节的不同生长期的芹菜光谱记录,对比不同季节相同生长期,以及不同生长期相同季节的芹菜生长情况,就可以得出芹菜生长的最优光谱;
S7、具体数据对比方法:对比每个季节中,萌芽期到发展期,芹菜最高区域的光谱值,对比每个季节中,发展期到成熟期,芹菜最高区域的光谱值,这两个值就是芹菜在每个季节中的最优光谱值。
综上所述:本发明提供的一种大棚芹菜的季节性最优光谱检测方法,与传统光谱识别方法相比,通过对不同季节种芹菜的生长过程的光谱分析,相同参数对比,分析季节季节性对芹菜生长指数的影响和变化,利用植物的季节植被覆盖指斜率、绿波段最大光谱吸收深度的季节变幅、红波段最大光谱吸收深度的季节变幅,将每个季节的不同生长期的芹菜光谱记录,对比不同季节相同生长期,以及不同生长期相同季节的芹菜生长情况,从而可以确定植物的最佳吸收光谱。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (2)
1.一种大棚芹菜的季节性最优光谱检测方法,其特征在于:包括如下步骤:
S1、选择检测区:选择3个没有其他植物,地质相同的大棚,3个大棚中分别为萌芽期芹菜,发展期芹菜,以及成熟期青菜;
S2、规划检测区:用隔离带将每个大棚等分成8-10个区域,每个区域之间相互不干扰;
S3、确定检测时间:检测时间从春分开始,每隔一个月检测一次,一共12次检测时间,记录芹菜在四个季节从萌芽期到成熟期过程的光谱特征;
S4、记录初始值:记录每个大棚中不同生长期芹菜的初始高度;
S5、进行观测实验:使用便携式光谱仪,时间选择在北京时间10:00-13:00,晴朗无云天气进行,垂直向下测量,同时对测量的位置进行了标记,以保证每次观测高度和角度的一致性,探头视场角度为25°-35°,将探头放置在样点垂直上方0.9m-1.1m处;
S6、数据处理:对数据进行平滑处理,以去除光谱噪声,保存光谱反射的趋势特性,对光谱曲线做包络线处理,以突出光谱的吸收特征;
S7、选取数据:光谱吸收深度选取2个光谱吸收谷中最大值,反映植物色素的光谱吸收特征;
S6、数据分析:芹菜从萌芽到成熟一般为三个月左右,也就是每个季度芹菜成熟一次,将每个季节的不同生长期的芹菜光谱记录,对比不同季节相同生长期,以及不同生长期相同季节的芹菜生长情况,就可以得出芹菜生长的最优光谱;
S7、具体数据对比方法:对比每个季节中,萌芽期到发展期,芹菜最高区域的光谱值,对比每个季节中,发展期到成熟期,芹菜最高区域的光谱值,这两个值就是芹菜在每个季节中的最优光谱值。
2.根据权利要求1所述的一种大棚芹菜的季节性最优光谱检测方法,其特征在于:所述S5中的便携式光谱仪为SVC-HR768野外便携式光谱仪,波段范围在350-2500nm,光谱分辨率为1-4nm,共768个波段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710065058.8A CN107340244B (zh) | 2017-02-06 | 2017-02-06 | 一种大棚芹菜的季节性最优光谱检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710065058.8A CN107340244B (zh) | 2017-02-06 | 2017-02-06 | 一种大棚芹菜的季节性最优光谱检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107340244A true CN107340244A (zh) | 2017-11-10 |
CN107340244B CN107340244B (zh) | 2019-08-30 |
Family
ID=60222699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710065058.8A Expired - Fee Related CN107340244B (zh) | 2017-02-06 | 2017-02-06 | 一种大棚芹菜的季节性最优光谱检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107340244B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007042A (zh) * | 2019-12-24 | 2020-04-14 | 中央民族大学 | 一种基于遥感数据异质性的群落多样性估测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001069191A1 (en) * | 2000-03-13 | 2001-09-20 | Autoline, Inc. | Apparatus and method for measuring and correlating characteristics of fruit with visible/near infra-red spectrum |
CN1837787A (zh) * | 2006-04-19 | 2006-09-27 | 南京大学 | 一种无损伤精准测定棉花生物物理参数的方法 |
JP2008161157A (ja) * | 2006-12-29 | 2008-07-17 | Pasuko:Kk | 作物の生育状況分析方法、作物の生育状況分析装置及び作物の生育状況分析プログラム |
CN101331840A (zh) * | 2008-05-20 | 2008-12-31 | 广西科学院 | 利用光源促进植物生长的方法及其光源产品 |
CN101403689A (zh) * | 2008-11-20 | 2009-04-08 | 北京航空航天大学 | 一种植物叶片生理指标无损检测方法 |
US20090152494A1 (en) * | 2007-12-12 | 2009-06-18 | Soshchin Naum | Three-band phosphor for multi-layer agricultural plastic film |
CN102084793A (zh) * | 2009-12-07 | 2011-06-08 | 季军 | 一种促进或控制植物生长的led灯光谱配比方法 |
CN103439265A (zh) * | 2013-08-15 | 2013-12-11 | 湖南农业大学 | 一种茶树精细化栽培生育性状实时监测方法 |
CN103674852A (zh) * | 2013-08-22 | 2014-03-26 | 南京大学 | 一种多角度观测植被冠层阴阳叶光化学反射指数的方法 |
US20140343863A1 (en) * | 2013-05-17 | 2014-11-20 | Kyoto University | Method for evaluating vitality of plant, and measurement system and evaluation system |
-
2017
- 2017-02-06 CN CN201710065058.8A patent/CN107340244B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001069191A1 (en) * | 2000-03-13 | 2001-09-20 | Autoline, Inc. | Apparatus and method for measuring and correlating characteristics of fruit with visible/near infra-red spectrum |
CN1837787A (zh) * | 2006-04-19 | 2006-09-27 | 南京大学 | 一种无损伤精准测定棉花生物物理参数的方法 |
JP2008161157A (ja) * | 2006-12-29 | 2008-07-17 | Pasuko:Kk | 作物の生育状況分析方法、作物の生育状況分析装置及び作物の生育状況分析プログラム |
US20090152494A1 (en) * | 2007-12-12 | 2009-06-18 | Soshchin Naum | Three-band phosphor for multi-layer agricultural plastic film |
CN101331840A (zh) * | 2008-05-20 | 2008-12-31 | 广西科学院 | 利用光源促进植物生长的方法及其光源产品 |
CN101403689A (zh) * | 2008-11-20 | 2009-04-08 | 北京航空航天大学 | 一种植物叶片生理指标无损检测方法 |
CN102084793A (zh) * | 2009-12-07 | 2011-06-08 | 季军 | 一种促进或控制植物生长的led灯光谱配比方法 |
US20140343863A1 (en) * | 2013-05-17 | 2014-11-20 | Kyoto University | Method for evaluating vitality of plant, and measurement system and evaluation system |
CN103439265A (zh) * | 2013-08-15 | 2013-12-11 | 湖南农业大学 | 一种茶树精细化栽培生育性状实时监测方法 |
CN103674852A (zh) * | 2013-08-22 | 2014-03-26 | 南京大学 | 一种多角度观测植被冠层阴阳叶光化学反射指数的方法 |
Non-Patent Citations (2)
Title |
---|
DONATO CASTRONUOVO ET AL.: "Light spectrum affects growth and gas exchange of common dandelion and purple coneflower seedlings", 《INTERNATIONAL JOURNAL OF PLANT BIOLOGY》 * |
高波等: "3种不同LED光质配比对芹菜生长和品质的影响", 《西北农业学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007042A (zh) * | 2019-12-24 | 2020-04-14 | 中央民族大学 | 一种基于遥感数据异质性的群落多样性估测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107340244B (zh) | 2019-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109187441B (zh) | 基于冠层光谱信息的夏玉米含氮量监测模型的构建方法 | |
Duchesne et al. | Basal area growth of sugar maple in relation to acid deposition, stand health, and soil nutrients | |
Singh et al. | Assessment of growth, leaf N concentration and chlorophyll content of sweet sorghum using canopy reflectance | |
WO2009012342A3 (en) | Apparatus and methods of defining spectral regions of interest for signal analysis | |
Kong et al. | Response of growth, yield, and quality of pea shoots to supplemental light-emitting diode lighting during winter greenhouse production | |
Chu et al. | Comparison of different hyperspectral vegetation indices for estimating canopy leaf nitrogen accumulation in rice | |
Singh et al. | Instability in rice production in Gujarat: A decomposition analysis | |
Casale et al. | Combining information from headspace mass spectrometry and visible spectroscopy in the classification of the Ligurian olive oils | |
Diago et al. | Calibration of non‐invasive fluorescence‐based sensors for the manual and on‐the‐go assessment of grapevine vegetative status in the field | |
Amenta et al. | Traceability of ‘Limone di Siracusa PGI’by a multidisciplinary analytical and chemometric approach | |
CN107340244B (zh) | 一种大棚芹菜的季节性最优光谱检测方法 | |
Zhao et al. | Long‐term enhanced winter soil frost alters growing season CO 2 fluxes through its impact on vegetation development in a boreal peatland | |
Zhang et al. | Deriving a light use efficiency estimation algorithm using in situ hyperspectral and eddy covariance measurements for a maize canopy in Northeast China | |
Hsieh et al. | Characteristics of soil CO 2 efflux under an invasive species, Moso bamboo, in forests of central Taiwan | |
Longobardi et al. | Characterization of the geographical and varietal origin of wheat and bread by means of nuclear magnetic resonance (NMR), isotope ratio mass spectrometry (IRMS) methods and chemometrics: a review | |
Smith et al. | Measurement of the concentration of nutrients in grapevine petioles by attenuated total reflectance F ourier transform infrared spectroscopy and chemometrics | |
Dalal et al. | Relationship of trunk cross-sectional area with growth, yield, quality and leaf nutrient status in Kinnow mandarin | |
Bayav et al. | Peach production and foreign trade of Turkey: current situation, forecasting and analysis of competitiveness | |
Metiva et al. | Topdress strategies and remote sensing for nitrogen management in processing carrots | |
CN104568783B (zh) | 一种土壤中砷含量的实时测量装置及方法 | |
Sivakumar et al. | Relating leaf nutrient status to fruit quality attributes in Litchi cv.‘Mauritius’ | |
Jovanic et al. | Effect of a permanent magnetic field on the optical and physiological properties on green plant leaves | |
CN104914053A (zh) | 构建树木冠层光合性状预测模型及检测光合性状 | |
Minhas et al. | Response of potato to elevated CO2 under short days: Growth, physiological parameters and tuber yield | |
Lincoln et al. | Toward standardized leaf sampling for foliar nutrient analysis in breadfruit |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190830 Termination date: 20220206 |
|
CF01 | Termination of patent right due to non-payment of annual fee |