手机彩票

  • <tr id='mx7MO1'><strong id='mx7MO1'></strong><small id='mx7MO1'></small><button id='mx7MO1'></button><li id='mx7MO1'><noscript id='mx7MO1'><big id='mx7MO1'></big><dt id='mx7MO1'></dt></noscript></li></tr><ol id='mx7MO1'><option id='mx7MO1'><table id='mx7MO1'><blockquote id='mx7MO1'><tbody id='mx7MO1'></tbody></blockquote></table></option></ol><u id='mx7MO1'></u><kbd id='mx7MO1'><kbd id='mx7MO1'></kbd></kbd>

    <code id='mx7MO1'><strong id='mx7MO1'></strong></code>

    <fieldset id='mx7MO1'></fieldset>
          <span id='mx7MO1'></span>

              <ins id='mx7MO1'></ins>
              <acronym id='mx7MO1'><em id='mx7MO1'></em><td id='mx7MO1'><div id='mx7MO1'></div></td></acronym><address id='mx7MO1'><big id='mx7MO1'><big id='mx7MO1'></big><legend id='mx7MO1'></legend></big></address>

              <i id='mx7MO1'><div id='mx7MO1'><ins id='mx7MO1'></ins></div></i>
              <i id='mx7MO1'></i>
            1. <dl id='mx7MO1'></dl>
              1. <blockquote id='mx7MO1'><q id='mx7MO1'><noscript id='mx7MO1'></noscript><dt id='mx7MO1'></dt></q></blockquote><noframes id='mx7MO1'><i id='mx7MO1'></i>
                教育装备采购网
                第六届图▲书馆论坛580*60

                应用PROSPECT模型提取叶片生化∞性状

                教育装备采购网 2022-01-20 15:23 围观1267次

                PROSDM:PROSPECT模型与光谱导数和相似性度量相结合从双向反射率中提取叶片生∴化性状的适用性

                应用PROSPECT模型⌒提取叶片生化性状

                应用PROSPECT模型提取叶片生化性状

                  叶片生化性状为理解植物光合功能、动态生长、养分循环和初级∏生产提供了有价值的信息。叶片叶绿素含量(Cab)、类胡萝卜素含量(Cxc)、含水量(Cw)和干物质含量(Cm)是四个重要的叶片生化性状,与植物光合作用、氮素、胁迫和衰老等健康和生长状态密切相关。能够◆对这些叶片生化性状进行高通量测量的方法对于表征植物生理状态和关键功能过程至关重要。PROSPECT模型是目前更常用的叶片辐射传输模型之一,可从叶片定向半球反射因子(DHRF)光谱来提☆取叶片生化性状,然而,在应用于叶片双向反∮射因子(BRF)光谱提取叶片生化性○状方面尚待探索。叶片表面反射率和各向异性性状的存在可能是限制PROSPECT从叶片BRF光谱评估叶片生化性状的主要问题。

                  基于此,在本研究中,研究者们提出了一个方法,整合了PROSPECT模型、光谱导数和相似性度量(SDM),称为PROSDM,去除了叶片BRF和DHRF光谱的差异,并从叶片BRF光谱提取了叶片生〓化性状。具体目标是:(1)通过PROSPECT反演调查叶片BRF和DHRF光谱差异随波长的变化以及对Cab、Cxc、Cw和Cm提取的影响,(2)开发PROSDM消除BRF和DHRF光谱差异,从叶片BRF光谱与PROSPECT和PROCOSINE以及PROCWT的比较来提取Cab、Cxc、Cw和Cm以及(3)评估PROSPECT、光谱子域、光谱噪音和模型参数范围对PROSDM性能◥的影响。

                  为了获得各种叶片生化性状和反射率,作者收集了具有不同生长阶段、营养状况和种植区域的植物物种的10个数据集,包括1个测量数据集和9个公开获取数据集。从油菜(Brassica napus L.)、水稻(Oryza sativa L.)和柑橘(Citrus aurantium L.)随机采集2279个植物叶片,利用ASD FieldSpec 4测量叶片反射率Ψ,获得数据集#1。从EcoSIS光谱库中获得具有各种叶片光谱和生化性状的9个公开的数据集。其中,7个数据集的BRF光谱由ASD地物光谱仪(Analytical Spectral Devices, Inc., Boulder, CO, USA)搭配ASD叶片夹测量。

                应用PROSPECT模型提取叶片生化性状

                表1 数据集描述。Dataset#1是本研究中▓测得的〒,Dataset#2-#10是在线https://ecosis.org获取的。BRF和DHRF光谱的光谱区域是400-2500 nm。

                  【结果】

                应用PROSPECT模型提取叶片生化性状

                平均BRF和DHRF光谱差异(a)以及这些差异对平均BRF光谱的贡献(b)。油菜(红线)在Dataset#1中获得,其他植物物种在Dataset#5中获得。

                应用PROSPECT模型提取叶片生化性状

                通过考虑非波∩长依赖性f(a,d)和波长依赖性f(b,c,e,f)两种情况,利用一阶(a-c)和二阶(d-f)导数的叶片BRF(绿线)和DHRF(橙线)光谱之间的∏差异。

                应用PROSPECT模型提取叶片生化性状

                利用PROSPECT反演(a–d),PROCOSINE反演(e–h),PROCWT-S4( i–l)和基于全光谱域PROSPECT-PRO 的PROSDM(m–p)的所有数据集(Dataset#1-#10)中Cab (a,e,i,m) ,Cxc (b,f,j,n), Cw (c,g,k,o) 和Cm (d,h,l,p)测量值和估算值比较。

                  【结论】

                  本研究中,作者提出了PROSDM这种新方法用来从叶片BRF光谱来提取叶片生化性状。结果发现光谱导数可以消除BRF和DHRF光谱的非波长依赖性差异。当BRF和DHRF光谱的差异随波长变化时,光谱导数仅能去除部分差异,而曼哈顿距离(MD)补偿了︻光谱导数的限制,进一步减少了差异。结果,PROSDM从叶片BRF光谱准确提取了不同植物物种的Cab、Cxc、Cw和Cm。与标准的PROSPECT反演需要利用带有积分球的光谱仪测量叶片DHRF光谱不同,PROSDM扩展了PROSPECT到叶片BRF光谱的应用,以提取叶片生化性状。它可利用不同手持式光谱仪和叶片夹原位提取叶片生化性状。

                  在全光谱域,PROSDM-SED实现了Cab和Cxc的更优提取,RMSE分别为7.64 μg/cm2 and 2.77 μg/cm2,PROSDM-FMD产生了Cw(RMSE = 0.0041 g/cm2)和Cm(RMSE = 0.0024 g/cm2)的更▲好估计。与PROSPECT相比,PROSDM提取的Cab、Cxc、Cw和Cm RMSE分别降低了20.33%,29.34%,25.45%和44.19%。结果表明,PROSPECT和PROCOSINE以及PROCWT的Cab、Cxc、Cw和Cm提取精度受到光谱饱和度、PROSPECT反演、光谱子域以及模型参数范围的影响很大。适当的光谱子域和模型参数范围可以改善不同反演方法的提取结果。这需要从实地测量和报告的研究中了解叶片生化和结构性状的▃先验信息。与这些反演方法相比,所提出的PROSDM在减轻Cab、Cxc、Cw和Cm提取的负面影响上具有很大潜力。对于不同的PROSPECT版本,建议利用PROSPECT-PRO从叶片BRF光谱提取叶片生化性状。

                  未来研究需要基于叶片BRDF模型测量叶片BRF光谱的光谱和方向变化,将BRDF模型与所提出的PROSDM耦合可以改善对BRF和DHRF光谱变化々的表征。此外,由于植物物种BRF和DHRF光谱的差异变化,在不同的数据集中PROSDM不能获得一致性提取结果。预计更多的工作将集中在理解不同视角和照明角度下植物叶片光学特性的变化。期望PROSDM可以」应用在不同的尺度上,提高其在遥感、生态和环境研究中的适用性。

                  点击如☉下链接,下载原文:

                  http://www.li-ca.com/szlld_1296.html

                点击进入北京理加联合科技有限公司展台查看更多 来源:教育装备采购网 作者:理加联合 责任编辑:王道 我要投稿
                普教会专题840*100

                相关阅读

                • ASD地物光◥谱仪维护服务感恩回馈活动

                  ASD地物▆光谱仪维护服务感恩回馈活动
                  教育装备采购网04-11
                  为更好地服务广大ASD用户、支持各位科研人员的科研事业,理加公司决定本年度(2022年)为所有的ASD用户提供免费的性能检查服务,以便让您能及时准△确地...
                • 高光谱+RTM 模型+特征选择+迁移学习

                  高光谱+RTM 模型+特征选择+迁移学习
                  教育装备采购网11-23
                  近日,国际顶级遥感期刊RemoteSensingofEnvironment刊发了中¤国农业大学张瑶副教授题为《Transfer-learning-basedapproachforleafchlorophyllcontentes...
                • 理加联合参加第二十届中国生态学大会

                  理加联合参加第二十届中国生态学大会
                  教育装备采购网11-10
                  2021年10月25日-27日,第二十届中国生态学大会在上海成功举办,会议由中国生态学学会主办,上海师范大学承办,上海市生态学学会协办。学会副理事长任海...
                • 理加联合参加第七届全国稳定同位素会议

                  理加联合参加第七届全国稳定同位素会议
                  教育装备采购网11-05
                  2021年10月15日至18日,由中国生态学学会稳定同位素生态专业委◢员会、东北师范大学◆和吉林省科学技术协会主办,由植被生态科学教育部重点实验室、长白山...
                • 碳中和背景下生态系统交★流会圆满成功!

                  碳中和背景下生态系统交流会圆满成功!
                  教育装备采购网09-24
                  2021年9月7日,碳中和背景下生态系统多要素观测技术学术交流会在线上成功举办。来自北京大学、中国林科院、中国科学院、中国农业大学、中央民族大学、...
                • 估算叶片光合能力

                  估算叶片光合能力
                  教育装备采购网12-07
                  【摘要】最近研究发现,在→混合落叶阔叶林中,相比于叶片氮含量,叶绿素含量可以更好地指示叶片的光合能力。叶片光合能力与叶绿素含量之间关系々的一个关...
                • 高光谱成像仪与地物光谱仪作物实验对比

                  高光谱成像仪与地物光谱仪作物实验对比
                  教育装备采购网02-07
                  高光谱相机是在连续光谱测量的基础上,同步进行可视化成像,具有图谱合一的独特优势。既可以观测到作物不同胁迫症状的空间特征,又可获取受胁迫作物的...
                • 安洲科技参与空天院东营黄河口地区联合观测实验

                  安洲科技参与空天院东营黄河口地区联合观测实验
                  教育装备采购网11-28
                  2019年11月下旬,应中国科学院空天信息创新研究院邀请,北京安洲科技工作人员赴山东东营黄河口地区,参与并顺利完成了对该地区多种典型地物高光谱观测...

                版权与免责声明:

                ① 凡本网注明"来源:教育装备采购网"的所有作品,版权均属于教育装备采购网,未经本网授权不得转载、摘编或利用其它方式使用。已获本网授权的作品,应在授权范围内使用,并注明"来源:教育装备采购网"。违者本网㊣ 将追究相关法律责任。

                ② 本网凡注明"来源:XXX(非本网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负ω版权等法律责任。

                ③ 如涉及作品内容、版权等问题,请在作品发表之日起两周内与本网联系,否则视为放弃相关权利。

                2022云展会300*245