导读:本文包含了微分光谱论文开题报告文献综述及选题提纲参考文献，主要关键词:雅氏落叶松尺蠖,落叶松失叶率,微分光谱连续小波系数,Findpeaks函数
微分光谱论文文献综述
黄晓君,颉耀文,包玉海,包刚,青松[1]（2019）在《微分光谱连续小波系数估测雅氏落叶松尺蠖危害下的落叶松失叶率》一文中研究指出害虫引起的林木失叶会严重威胁森林健康。森林虫害遥感监测与评价中快速、准确获取失叶信息十分重要。基于此,针对雅氏落叶松尺蠖引起的落叶松失叶灾象,在蒙古国开展受害林木光谱测量和失叶率估测试验。首先通过光谱实测数据的处理,得到微分光谱反射率(DSR,对光谱反射率求一阶导数)和微分光谱连续小波系数(DSR-CWC,利用Biorthogonal, Coiflets, Daubechies和Symlets等4种小波系的36个母小波基函数对DSR进行连续小波变换),分析DSR和DSR-CWC对失叶率的敏感性,进而借助MATLAB的Findpeaks(Fp)函数自动寻找DSR和DSR-CWC的敏感波段并确定其对应的敏感特征,然后利用连续投影算法(SPA)对敏感特征进行降维处理,最后利用敏感特征建立偏最小二乘回归(PLSR)和支持向量机回归(SVMR)失叶率估测模型,并与逐步多元线性回归(SMLR)模型进行比较。研究结果表明:①DSR-CWC与DSR相比,对失叶率变化的敏感性更显着且敏感波段亦较多,其敏感波段主要分布于叁个吸收谷(440～515, 630～760和1 420～1 470 nm)和叁个反射峰(516～620, 761～1 000和1 548～1 610 nm)范围内。说明DSR-CWC能够增强光谱反射和吸收特征。②Fp与SPA结合模式(Fp-SPA)不仅能够快速、客观选择敏感特征,而且对特征有效降维,是一种光谱敏感特征选择的有效方法。③4种小波系的最优母小波基分别为bior2.4, coif2, db1和sym6,其中db1的失叶率估测性能最稳定,精度最高。④对DSR进行连续小波变换能够提高失叶率估测精度,在DSR-CWC中db1-PLSR模型(R■=0.934 0, RMSE_M=0.089 0)提高的最为显着,比DSR-PLSR的R■提高了0.047 5并且比DSR-PLSR的RMSE_M降低了0.024 9。⑤利用DSR-CWC建立的PLSR和SVMR模型估测精度类似,其精度优于SMLR模型。可见, DSR-CWC比DSR失叶率估测更有潜力,可为森林虫害遥感监测中提供重要参考。(本文来源于《光谱学与光谱分析》期刊2019年09期）
周宜,李晓,贺利,王洋洋,刘北城[2]（2019）在《基于冠层透射微分光谱的小麦植株含水量监测研究》一文中研究指出为实现基于可见光透射微分光谱的小麦植株含水量监测,通过叁年田间试验,测定自拔节期以后小麦关键生育时期冠层透射光谱和植株含水量,确立了透射光谱微分参数与植株含水量间定量关系。结果表明,与小麦冠层原始透光率相比,一阶微分光谱能够很好地减轻生育时期的影响。将不同生育时期数据综合,不同波段的透射率与植株含水量相关性均较差,而微分光谱在439、735、823及950 nm处与植株含水量相关性较好(|r|> 0.57),以735 nm处相关性最高。基于蓝光、黄光和红光波段筛选了21个光谱特征参数,其中红边振幅(Dr)、红蓝振幅归一化指数(Dr-Db)/(Dr+Db)、红边面积(SDr)、右峰面积(RSDR)、双峰面积比(RIDA)及双峰面积归一化指数(NDDA)6个光谱特征参数与植株含水量间相关性较好(r>0.70)。在以上优选的光谱参数中,红边双峰面积比值(RIDA)及归一化指数(NDDA)与植株含水量的回归关系表现最好,拟合精度r~2大于0.69,均方根误差RMSE低于4.87,模型具有很好的稳定性,可以实时精确估测小麦植株含水量。这表明利用冠层透射微分光谱可对小麦植株含水量进行精确监测,对指导作物精确灌溉管理具有较大的应用潜力。(本文来源于《麦类作物学报》期刊2019年09期）
亚森江·喀哈尔,杨胜天,尼格拉·塔什甫拉提,张飞[3]（2019）在《基于分数阶微分优化光谱指数的土壤电导率高光谱估算》一文中研究指出土壤电导率与含盐量具有高度相关性,精准的土壤电导率监测有助于了解区域土壤的盐渍化程度,对区域盐渍化防治与调控,农业可持续发展以及生态文明建设具有重要意义。为寻求预测土壤电导率的最佳高光谱参数,实现土壤盐分信息的高效监测,本研究对土壤样品进行室内高光谱和电导率测定,利用两波段优化算法对简化光谱指数(nitrogen planar domain index, NPDI)进行波段优化,筛选不同高光谱数据(原始高光谱反射率及其对应的5种数学变换)运算下的最敏感高光谱参数,从而建立土壤电导率高光谱估算模型。结果表明:1)NPDIs与土壤电导率之间的相关性显着,在原数据及其平方根、倒数、对数倒数、1.6阶微分变换形式下,优化光谱指数对土壤电导率的敏感程度更强,相关系数绝对值均超过0.80,且基于1.6阶微分变换的(R_(2020nm)+R_(1893 nm))/R_(1893 nm)波段组合相关系数绝对值最高,达到0.888。2)基于1.6阶微分波段优化的预测模型效果最佳,预测精度为R■=0.84,RMSE_(Pre)=2.07mS/cm,RPD=2.94,AIC=158.11。因此,对高光谱数据的适当数学变换有利于优化光谱指数更好地估算土壤电导率,进一步实现土壤盐渍化高精度动态监测。(本文来源于《生态学报》期刊2019年19期）
田安红,熊黑钢,赵俊叁,付承彪[4]（2019）在《分数阶微分对盐渍土野外光谱预处理精度提升的机理分析》一文中研究指出目前分数阶微分在野外实测光谱中的应用和光谱反演盐渍土盐分的最优波段机理解释尚未见到。针对传统整数阶微分造成位于分数阶次的光谱信息丢失和模型精度降低的问题。以新疆阜康市盐渍土盐分和野外光谱为数据源,对原始光谱及常见4种变换进行0～2阶(阶数间隔取0.1)的共21阶分数阶微分处理,以探讨盐渍土光谱预处理精度提升的机理。结果表明:(1)分数阶微分因阶数连续能精确显示出求导中的光谱变换细节,提升光谱谱峰间的分辨率;且因阶数增加逐渐改变谱峰的峰形轮廓和去峰形化操作,导致盐渍土分数阶微分曲线逐渐向曲线斜率的变化率靠近,即详细刻画出了0阶到一阶微分和斜率与曲率间的细微差异。(2)五种光谱变换的分数阶微分值与含盐量的相关系数,通过0.01显着性水平检验,且大于整数阶(1阶、 2阶)的相关系数最大绝对值的,主要集中在1.3, 1.4, 1.5阶。其中, 1.4阶1/lgR和1.3阶1/R的相关系数提升百分比最大,分别为12.78%和13.03%。(3)不论何种光谱变换,各分数阶微分值与含盐量最大相关系数对应的波段均出现在598 nm(1/R)和618 nm■和lgR),且均在1.3或1.4阶。(4)研究区Na~+占阳离子总量的65.74%,与总盐的相关性达0.738,钠原子的主要谱线是589.3 nm是造成各种光谱变换与土壤含盐量相关性最佳的波段位于598和618 nm最主要的原因。(本文来源于《光谱学与光谱分析》期刊2019年08期）
王含宇,杨名宇,王浩,孟令通,王檬檬[5]（2019）在《融合微分重排与匹配的高光谱快速目标检测》一文中研究指出为滤除大量冗余背景信息,提升目标检测速度,解决目标光谱获取困难等问题,提出一种融合光谱微分重排与光谱角匹配的高光谱快速目标检测算法。首先,对已知背景光谱信息微分重排,筛选出背景特征较少的谱段集;然后,计算相应谱段下,高光谱图像各像素点的光谱微分值与背景光谱微分值的差值,并对所得各谱段微分差值加权求和阈值化,粗提取出目标位置;最后,计算提取出的目标位置光谱与先验背景光谱角匹配的反余弦值,实现目标背景差异精细判别。通过自行拍摄的草地上黄、绿伪装网及AVIRIS获取的San Diego机场飞机高光谱图像进行实验,与RX、CEM、OSP、ACE、SAM等算法比较。实验结果表明,所提算法在保证检测精度的同时,具有较低的虚警率和较好的时效性:ROC曲线下面积AUC均高于0.98,虚警率分别为3%和1.6%,处理时间仅为0.36s和0.077s。(本文来源于《液晶与显示》期刊2019年08期）
茹克亚·萨吾提,阿不都艾尼·阿不里,尼加提·卡斯木,李虎,吾木提·艾山江[6]（2019）在《基于分数阶微分的春小麦叶绿素含量高光谱估算》一文中研究指出为提高农作物叶片叶绿素含量高光谱估算的准确度,以阜康农作物试验地为研究靶区,测定了165个采样点的春小麦叶片叶绿素含量和叶片光谱反射率,运用分数阶微分算法进行光谱预处理,最后运用偏最小二乘法(PLSR)建立叶绿素含量估算模型。结果表明,对数学变换■、lg~R、1/lg~R、1/R)的光谱及原始光谱(R)的数据进行0～2阶分数阶微分预处理时,通过0.01水平显着性检验的波段数量明显增加,且光谱数据经4种数学变换后均在1.2阶微分与小麦叶绿素含量有较高的相关性。1.2阶微分处理后,对叶绿素含量的敏感波段数量表现为■。利用对数变换和1.2阶微分计算的植被指数(NDVI、DVI、RVI、MSR_(705)、MSR_(670,800)、CI)建立的PLSR模型的估算精度最优,其预测的相对误差、决定系数和平方根差分别为2.17、0.87和0.243mg·g~(-1),可作为小麦叶片叶绿素含量的最佳估算模型,也说明对光谱数据进行数学转换和分数阶微分处理可显着提高春小麦叶绿素含量的估算精度。(本文来源于《麦类作物学报》期刊2019年06期）
吾木提·艾山江,买买提·沙吾提,马春玥[7]（2019）在《基于分数阶微分和连续投影算法-反向传播神经网络的小麦叶片含水量高光谱估算》一文中研究指出为了探索分数阶微分在高光谱估算小麦叶片含水量上的可行性,在农田尺度上,利用春小麦野外光谱数据与实测叶片含水量数据,以0.2阶为步长,计算光谱0～2阶微分,并分析其与小麦叶片含水量的相关性,再利用连续投影算法(SPA)从通过0.01水平显着性检验的波段中筛选出估算叶片含水量的最佳波段组合,并建立估算春小麦叶片含水量的反射传播(BP)神经网络模型。结果表明:分数阶微分可以细化小麦叶片含水量与光谱数据相关性的变化趋势;分数阶微分处理后,相关系数通过0.01水平显着性检验的波段数量呈现先增后减的趋势,在不同的波段范围内,分数阶微分的最佳阶数也有所不同;SPA筛选出的敏感波段基本上集中在红光、近红外波段范围内,1.2阶微分后水分敏感波段数最多,达到13个;所建立的模型中,基于1.8阶微分建立的6-4-1结构的BP神经网络模型为最佳模型,其建模组均方根误差为0.701,决定系数为0.751,验证组的均方根误差为0.227,决定系数为0.917,相对分析误差为3.253,说明了分数阶微分后的模型稳定性和预测能力较整数阶微分得到明显的提升,可为高光谱定量反演春小麦叶片含水量提供参考。(本文来源于《激光与光电子学进展》期刊2019年15期）
刘佳,王利民,杨福刚,杨玲波[8]（2019）在《基于高光谱微分指数监测春玉米大斑病的研究》一文中研究指出利用人工接种病菌的方式诱发不同等级春玉米大斑病,在不同生育期测定正常种植区春玉米和不同染病种植区春玉米冠层的高光谱数据。为了有效监测和控制春玉米大斑病的影响,本研究以抽雄期的春玉米冠层高光谱数据为基础,提出了一个新的遥感监测指数,该指数为绿边核心区内一阶微分总和与红边核心区内一阶微分总和的乘积。最后,该监测指数与病害程度的相关性分析结果表明:本研究提出的监测指数与病害程度具有显着地线性相关性,相关系数r2=0.9711,优于常用监测指数与病情之间的相关性,能识别出健康与病害作物,且还可实现作物不同病害严重程度的划分。可见,高光谱遥感方式可进行作物病害监测,对提高粮食产量和保障粮食安全亦具有重要的参考价值。(本文来源于《中国农学通报》期刊2019年06期）
李雪萍,张飞,王小平[9]（2019）在《微分算法的艾比湖湿地自然保护区土壤有机质多光谱建模》一文中研究指出针对以往利用高光谱数据来来反演土壤有机质(SOM)的可行性与可靠性,结合微分处理对光谱数据信息提取的高效性,提出了直接对多光谱遥感影像进行微分处理就可得出SOM建模研究,旨在为今后SOM速测提供参考。采用Landsat 8_OLI多光谱遥感影像数据,对多光谱遥感影像进行辐射定标、几何校正、大气校正、镶嵌和裁剪,运用IDL软件对影像进行一阶微分处理和二阶微分处理,发现一阶微分图像能够更好地表达地物的真实情况,更好地区别水体与土壤。原始遥感影像包含大量的信息其中还包括噪声,通过微分处理后的遥感影像剔出了原始影像中反射率值突兀变化的部分。在研究区采用五点法采集土壤样品。室内实验用重铬酸钾氧化-容量法测得SOM数据。多光谱数据结合地面实测SOM数据,分析SOM与多光谱数据反射率的关系,发现一阶微分处理后的遥感数据与SOM含量的相关性存在敏感波段,说明一阶微分处理可以将原始遥感图像数据在多光谱范围内的一些隐含的土壤有机质信息释放出来。选取相关性高的数据建立基于原始遥感数据、一阶微分数据、二阶微分数据的单波段多光谱线性模型和多波段多光谱线性模型,选取最优模型来估算和反演土壤有机质含量。结论如下:(1)通过对原始影像进行微分处理发现,微分处理后的影像变化明显,一阶微分处理的影像噪声降低,更加突出了影像中土壤有机质隐藏的信息。二阶微分处理的影像抑制了土壤有机质信息。(2)原始遥感影像各波段数据对土壤有机质含量的相关性较低,一阶微分处理后的遥感影像数据反映出土壤有机质敏感波段即部分波段数据相关性明显高于原始数据,二阶微分处理后的遥感影像各波段数据对土壤有机质含量的相关性较弱。(3)多波段建模效果要优于单波段建模;一阶微分多波段模型预测精度最优,其模型的决定系数和模型拟合的决定系数分别为0.898和0.854,该模型对估算研究区内的SOM含量效果较好;综合比较了单波段模型和多波段模型的拟合精度,发现无论在单波段模型还是多波段模型一阶微分处理后的模型都具有更好的预测能力。(4)基于一阶微分多波段模型对研究区SOM进行反演,反演结果与实际情况相符合,对干旱区SOM含量制图提供了切实可行的方法和参考。(本文来源于《光谱学与光谱分析》期刊2019年02期）
徐念旭,田庆久,申怀飞,徐凯健[10]（2018）在《基于微分变换的高光谱马尾松和杉木识别》一文中研究指出高光谱遥感能分辨出地物间微小反射光谱差异信息,可用于解决林种遥感分类光谱识别的难题。利用Hyperion高光谱遥感影像,结合地面实测林种样地,对安徽省黄山市五城镇林区的马尾松和杉木进行识别。通过对Hyperion影像进行一阶、二阶微分变换,优化组合487～559 nm和681～742 nm光谱范围中反射差异明显的波段,再结合支持向量机(support vector machine,SVM)模型进行林种间分类识别。基于Hyperion影像像元反射率及其一阶和二阶微分光谱的分类识别总体精度分别达到76. 50%,81. 42%和88. 52%,对应Kappa系数分别为0. 528 4,0. 625 7和0. 769 1。结果表明,基于二阶微分变换的高光谱数据,通过SVM模型,可有效提高马尾松和杉木的识别精度,为高光谱遥感针叶林种分类识别提供了一种技术途径。(本文来源于《国土资源遥感》期刊2018年04期）
微分光谱论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为实现基于可见光透射微分光谱的小麦植株含水量监测,通过叁年田间试验,测定自拔节期以后小麦关键生育时期冠层透射光谱和植株含水量,确立了透射光谱微分参数与植株含水量间定量关系。结果表明,与小麦冠层原始透光率相比,一阶微分光谱能够很好地减轻生育时期的影响。将不同生育时期数据综合,不同波段的透射率与植株含水量相关性均较差,而微分光谱在439、735、823及950 nm处与植株含水量相关性较好(|r|> 0.57),以735 nm处相关性最高。基于蓝光、黄光和红光波段筛选了21个光谱特征参数,其中红边振幅(Dr)、红蓝振幅归一化指数(Dr-Db)/(Dr+Db)、红边面积(SDr)、右峰面积(RSDR)、双峰面积比(RIDA)及双峰面积归一化指数(NDDA)6个光谱特征参数与植株含水量间相关性较好(r>0.70)。在以上优选的光谱参数中,红边双峰面积比值(RIDA)及归一化指数(NDDA)与植株含水量的回归关系表现最好,拟合精度r~2大于0.69,均方根误差RMSE低于4.87,模型具有很好的稳定性,可以实时精确估测小麦植株含水量。这表明利用冠层透射微分光谱可对小麦植株含水量进行精确监测,对指导作物精确灌溉管理具有较大的应用潜力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
微分光谱论文参考文献
[1].黄晓君,颉耀文,包玉海,包刚,青松.微分光谱连续小波系数估测雅氏落叶松尺蠖危害下的落叶松失叶率[J].光谱学与光谱分析.2019
[2].周宜,李晓,贺利,王洋洋,刘北城.基于冠层透射微分光谱的小麦植株含水量监测研究[J].麦类作物学报.2019
[3].亚森江·喀哈尔,杨胜天,尼格拉·塔什甫拉提,张飞.基于分数阶微分优化光谱指数的土壤电导率高光谱估算[J].生态学报.2019
[4].田安红,熊黑钢,赵俊叁,付承彪.分数阶微分对盐渍土野外光谱预处理精度提升的机理分析[J].光谱学与光谱分析.2019
[5].王含宇,杨名宇,王浩,孟令通,王檬檬.融合微分重排与匹配的高光谱快速目标检测[J].液晶与显示.2019
[6].茹克亚·萨吾提,阿不都艾尼·阿不里,尼加提·卡斯木,李虎,吾木提·艾山江.基于分数阶微分的春小麦叶绿素含量高光谱估算[J].麦类作物学报.2019
[7].吾木提·艾山江,买买提·沙吾提,马春玥.基于分数阶微分和连续投影算法-反向传播神经网络的小麦叶片含水量高光谱估算[J].激光与光电子学进展.2019
[8].刘佳,王利民,杨福刚,杨玲波.基于高光谱微分指数监测春玉米大斑病的研究[J].中国农学通报.2019
[9].李雪萍,张飞,王小平.微分算法的艾比湖湿地自然保护区土壤有机质多光谱建模[J].光谱学与光谱分析.2019
[10].徐念旭,田庆久,申怀飞,徐凯健.基于微分变换的高光谱马尾松和杉木识别[J].国土资源遥感.2018
标签：雅氏落叶松尺蠖; 落叶松失叶率; 微分光谱连续小波系数; Findpeaks函数;