基于高光谱的苹果花磷素含量监测模型
基
于高
光
谱
的
苹果
花
磷
素
含量
监
测
模
型
3
1
1
3
3
2
1
1
3
朱
西
存
赵
庚
星
董
芳
王
凌
雷
彤
战
兵
(
1
山东农
业
大学资
源
与环境
学
院
,
山
东泰安
2
7
10
18;
2
济
南大学
城
市发展
学
院
,
济南
2
50
0
0
2;
3
栖霞市
国
土资源
局
,
山东
栖
霞
2
65
3
0
0
)
摘
要
在室内
条
件下
,
利用
A
S
D
F
i
e
l
d
S
p
e
c
3
地
物
光
谱
仪
,
测
定了
盛
花
期苹
果
花的
高
光谱
反
射率
,
在分
析
苹果花原
始
光谱
反射
率及其
一
阶导
数
特征的
基
础
上
,
分
析
了
高光
谱
反射
率
与
磷
素
含
量
间的相关
关
系
,
确
定其敏感
波
段
,
构
建了特征
光
谱
参
数
,
并建
立
了苹
果
花磷素
含
量的
监
测模
型
.
结
果
表明
:
苹果花磷
素
含
量
与
3
5
0
3
7
0
n
m
、
6
7
0
1
3
8
5
n
m
、
1
6
2
0
1
76
0
n
m
波
段的
原
始光
谱
反射率以
及
波段
50
0
52
0
n
m
光
谱
反射
率
的一阶
导
数呈
极
显著正
相
关
,
与波
段
6
7
0
7
3
0
n
m
一阶导数
呈
极显著负
相
关
;
光
谱参数
DV
I
(
936
,
6
7
6
)
、
DV
I
(
9
77
,
6
7
6
)
、
N
DV
I
(
9
3
6
,
6
7
6
)
、
N
D
V
I
(
9
7
7
,
6
7
6
)
与苹果
花
磷素含量
的
相关性
较
好
,
其
相关
系
数均达
到
0
1
7
7
以
上
,
由
此
建立
了
以
4
种
光谱参数
为
自变量
的
磷
素含
量
监测
模
型
,
其
中
,
以
N
DV
I
(
93
6
,
6
7
6
)
为自变
量构
建
的
监
测模
型
具有最大
的
决定系数
(
R
2
=
0
1
9
3
8
5
)
、
最小
的
均方根
误
差
(
R
M
S
E
=
0
1
6
8
8
3
)
和
最
小的
相
对误差
(
R
E
=
7
1
6
%
)
,
预测
精
度达到
9
2
1
4
%
,
为
最
佳监测模
型
.
关键词
苹果花
高光谱
磷
素含量
监
测模型
文章
编
号
1
0
0
1
-
9
33
2
(
2
0
0
9
)
1
0
-
24
2
4
-
0
7
中
图分类号
S
6
61
1
1;
T
P
7
9
文献标识码
A
M
o
n
i
t
o
r
i
n
g
m
o
d
e
ls
f
or
ph
o
s
ph
o
r
u
s
c
o
n
te
n
t
o
f
a
p
p
l
e
f
l
o
w
e
r
s
b
a
s
e
d
o
n
h
y
p
e
r
s
p
e
c
t
r
u
m
1
Z
H
U
X
i
2
c
u
n
1
,
Z
H
A
O
G
e
n
g
2
x
i
n
g
1
,
DO
N
G
F
a
n
g
2
,
W
A
N
G
L
i
n
g
1
,
L
E
I
T
o
n
g
1
,
Z
H
A
N
B
i
n
g
3
(
1
C
o
l
l
e
g
e
o
f
R
e
2
S
h
a
n
d
o
n
g
A
g
r
i
c
u
l
t
u
r
a
l
U
n
i
v
e
r
s
i
t
y
,
T
a
i
’
a
n
2
7
10
18
,
S
h
a
n
d
o
n
g
,
C
h
i
n
a
;
s
o
u
r
ce
s
a
n
d
E
n
v
i
r
o
n
m
e
n
t
,
2
3
C
o
l
l
e
g
e
o
f
C
i
t
y
D
e
v
e
l
o
p
m
e
n
t
,
J
i
n
a
n
U
n
i
v
e
r
s
i
t
y
,
J
i
’
n
a
n
2
5
00
02
,
C
h
i
n
a
;
Q
i
x
i
a
B
u
r
e
a
u
o
f
L
a
n
d
a
n
d
R
es
o
u
r
c
e
,
Q
i
x
i
a
2
6
5
3
00
,
S
h
a
n
d
o
n
g,
C
h
i
n
a
)
.
2
C
h
i
n
.
J
.
A
p
p
l
.
E
c
o
l
.
,
2
0
0
9
,
2
0
(
1
0
)
:
2
4
2
4
-
2
4
3
0
.
A
b
s
t
r
a
c
t
:
B
y
u
s
i
n
g
A
S
D
F
i
e
l
d
S
p
e
c
3
f
i
e
l
d
s
p
e
c
t
r
o
m
e
t
e
r
,
t
h
e
h
y
p
e
r
s
p
e
c
t
r
a
l
r
e
f
l
e
c
t
a
n
c
e
o
f
a
p
p
l
e
f
l
o
w
e
r
s
a
t
f
u
l
l
2
b
l
o
o
m
i
n
g
s
t
a
g
e
w
a
s
m
e
a
s
u
r
e
d
u
nd
e
r
l
a
b
o
r
a
t
o
r
y
c
o
n
d
i
t
i
o
n
s
,
a
n
d
t
h
e
c
o
r
r
e
l
a
t
i
o
n
s
o
f
t
h
e
h
y
p
e
r
s
p
e
c
t
r
a
l
r
ef
l
e
c
t
a
n
c
e
w
i
t
h
t
h
e
p
h
o
s
p
h
o
r
u
s
c
o
n
t
e
n
t
o
f
a
p
p
l
e
f
l
o
w
e
r
s
w
e
r
e
a
n
a
l
y
z
e
d
b
a
s
e
d
o
n
t
h
e
o
r
i
g
i
n
a
l
s
p
e
c
t
r
u
m
a
n
d
t
h
e
f
i
r
s
t
d
e
r
i
v
a
t
i
v
e
s
p
e
c
t
r
a
l
c
h
a
r
a
c
t
e
r
ist
i
c
s
o
f
t
h
e
f
l
o
w
e
r
s
.
T
h
e
s
e
n
s
i
t
i
v
e
w
a
v
e
2
b
a
n
d
s
w
e
r
e
d
e
t
e
r
m
i
n
e
d
,
t
h
e
c
h
a
r
a
c
t
e
r
ist
i
c
s
p
e
c
t
r
a
l
p
a
r
a
m
e
t
e
r
s
w
e
r
e
c
o
n
st
r
u
c
t
e
d
,
a
n
d
t
h
e
m
o
n
i
t
o
r
i
n
g
m
o
d
e
ls
f
o
r
t
h
e
p
h
o
s
p
h
o
r
u
s
c
o
n
t
e
n
t
o
f
a
p
p
l
e
f
l
o
w
e
r
s
w
e
r
e
e
s
t
a
b
li
s
h
e
d
a
c
c
o
r
d
i
n
g
l
y
.
C
o
r
r
e
l
a
t
i
o
n
a
n
a
l
y
2
sis
s
h
o
w
e
d
t
h
a
t
t
h
e
p
h
o
s
p
h
o
r
u
s
c
o
n
t
e
n
t
o
f
a
p
p
l
e
f
l
o
w
e
r
s
w
a
s
s
i
g
n
i
f
i
c
a
n
t
l
y
p
o
sit
i
v
e
l
y
c
o
r
r
e
l
a
t
e
d
w
i
t
h
t
h
e
o
r
i
g
i
n
a
l
s
p
e
c
t
r
a
l
r
e
f
l
e
c
t
a
n
c
e
a
t
3
5
0
-
3
7
0
n
m
,
6
7
0
-
1
3
8
5
n
m
,
a
n
d
1
6
2
0
-
1
7
6
0
n
m
,
a
n
d
t
h
e
f
i
r
st
d
e
r
i
v
a
t
i
v
e
r
e
f
l
e
c
t
a
n
c
e
a
t
5
0
0
-
5
2
0
n
m
,
a
n
d
s
i
g
n
i
f
i
c
a
n
t
l
y
n
e
g
a
t
i
v
e
l
y
c
o
r
r
e
l
a
t
e
d
w
i
t
h
t
h
e
f
i
r
st
d
e
r
i
v
a
t
i
v
e
r
ef
l
e
c
t
a
n
c
e
a
t
6
7
0
-
7
3
0
n
m
.
T
h
e
s
p
e
c
t
r
a
l
p
a
r
a
m
e
t
e
r
s
DV
I
(
9
36
,
6
7
6
)
,
DV
I
(
9
77
,
6
7
6
)
,
N
DV
I
(
9
3
6
,
6
7
6
)
a
n
d
N
DV
I
(
9
7
7
,
67
6
)
h
a
d
c
l
o
s
e
c
o
r
r
e
l
a
t
i
o
n
s
w
i
t
h
t
h
e
p
h
o
s
p
h
o
r
u
s
c
o
n
t
e
n
t
o
f
a
p
p
l
e
f
l
o
w
2
e
r
s
,
t
h
e
c
o
r
r
e
l
a
t
i
o
n
c
o
e
f
f
i
c
i
e
n
ts
b
e
i
n
g
a
ll
>
0
1
7
7
.
B
y
u
s
i
n
g
t
h
e
s
e
s
p
e
c
t
r
a
l
p
a
r
a
m
e
t
e
r
s
a
s
i
n
d
e
p
e
n
d
2
e
n
t
v
a
r
i
a
b
l
e
s
,
f
o
u
r
m
o
n
i
t
o
r
i
n
g
m
od
e
ls
f
o
r
t
h
e
p
h
o
s
p
h
o
r
u
s
c
o
n
t
e
n
t
o
f
a
p
p
l
e
f
l
o
w
e
r
s
w
e
r
e
e
s
t
a
b
li
s
h
e
d
,
a
m
on
g
w
h
i
c
h
,
t
h
e
mod
e
l
w
i
t
h
N
DV
I
(
9
3
6
,
6
7
6
)
a
s
t
h
e
v
a
r
i
a
b
l
e
w
a
s
v
a
l
i
d
a
t
e
d
a
s
t
h
e
b
e
st
m
o
n
i
t
o
r
i
n
g
m
o
d
e
l
,
its
d
e
t
e
r
m
i
n
a
t
i
o
n
c
o
e
f
f
i
c
i
e
n
t
w
a
s
t
h
e
h
i
g
h
e
st
(
R
2
=
0
1
9
3
8
5
)
,
r
o
o
t
m
e
a
n
s
q
u
a
r
e
e
r
r
o
r
a
n
d
r
e
l
2
a
t
i
v
e
e
r
r
o
r
w
e
r
e
t
h
e
s
m
a
l
l
e
st
(
R
M
S
E
=
0
.
68
8
3
,
a
n
d
R
E
=
7
1
6
%
)
,
a
n
d
p
r
e
d
i
c
t
i
o
n
a
c
c
u
r
a
c
y
r
e
ac
h
e
d
9
2
1
4
%
.
K
e
y
w
o
r
d
s
:
a
p
p
l
e
f
l
o
w
e
r
;
h
y
p
e
r
s
p
e
c
t
r
u
m
;
p
h
o
s
p
h
o
r
u
s
c
o
n
t
e
n
t
;
m
o
n
i
t
o
r
i
n
g
m
o
d
e
l
.
3
国
家
“
8
63
”
计
划
项目
(
2
00
8A
A
1
0
Z
20
3
)
、
国
家
级
“
星火
计
划
”
重
点
项目
(
2
00
7
E
A
7
4
000
2
)
和
国
家
“
十
一
五
”
科
技
支
撑
计
划
项
目
(
2
0
0
6
B
A
D
1
0
A
1
0
)
资
助
.
33
通
讯
作
者
.
E
2
m
a
i
l
:
z
h
a
o
g
x
@
s
d
a
u
.
e
d
u
.
c
n
2
00
9
2
0
3
2
1
6
收稿
,
2
0
0
9
2
0
7
2
2
7
接
受
.
相关知识
基于遥感技术的烟草花叶病监测研究
氮磷钾肥对红富士苹果产量、品质和叶片矿质元素含量的影响
基于无人机高光谱遥感的荒漠草原覆盖度提取方法研究
基于高光谱卫星影像的生长期互花米草指数构建
资源一号02D卫星高光谱数据黄河三角洲湿地景观分类
基于冠层高光谱信息的苹果树花量估测
冬小麦花期生理形态指标与卫星遥感光谱特征的相关性分析
棉花全生长周期机载高光谱正射影像数据集构建
海岸带地理环境遥感监测综述
遥感监测与气象数据结合可让病虫害...
网址: 基于高光谱的苹果花磷素含量监测模型 https://m.huajiangbk.com/newsview117053.html
| 上一篇: 茉莉花病虫害及综合防治 |
下一篇: 深度学习——植物、农作物图像数据 |
