鎘污染水稻高光譜診斷分析與建模

鎘污染水稻高光譜診斷分析與建模

ID:44671211

大?。?54.69 KB

頁數(shù):4頁

時間:2019-10-24

鎘污染水稻高光譜診斷分析與建模_第1頁
鎘污染水稻高光譜診斷分析與建模_第2頁
鎘污染水稻高光譜診斷分析與建模_第3頁
鎘污染水稻高光譜診斷分析與建模_第4頁
資源描述:

《鎘污染水稻高光譜診斷分析與建?!酚蓵T上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、小波分解(圖2為其中一塊樣地的多尺度小波分析處理結(jié)果).得到一到九層的細節(jié)系數(shù).分別記為dl.d2,d3-d9.實驗表明:dl?d4尺度下小波系數(shù)的極值點較多.小波系數(shù)模值較大,光誥奇異性較強,dl,d2,d3尺度的極值點出現(xiàn)在1000nm附近,d4尺度的極值點出現(xiàn)在1000和1150nm附近.根據(jù)植物光譜曲線待征町知.這歧模極大值是由于水吸收導(dǎo)致的噪聲,因此,dl?d4尺度由于噪聲的影響不適合于進行鎘污染檢測;根據(jù)模極大值理論0&)?隨著尺度的增大,噪聲模值將越來越小.突變信息模值將越*超大,<15尺度下1000和1150nm處的噪聲其模值越來越小.而700nm處突變信息的模值越來越大,奇異

2、性最強的點位于670和700nm附近.正好位于“紅邊”區(qū)域.而此處為葉綠索強烈吸收波段,由表1和表2可知.在影響葉綠素的因素中只有鎘含址超標而其他因素均無異常,可見700nm處的模極大值不是噪聲所致而是鎘污染脅迫這一突變信息所致,因此,d5尺度對于檢測水稻鎘污染脅迫信息敏感;在d6?d9尺度下,小波系數(shù)極值點的數(shù)E越來越少,曲線越來越光滑,光譜奇異性越來越弱.極值點箱確定位能力下降,因此,36?d9對于水稻光譜奇異性檢測也不適合.綜上所述:利用Daubechies小波系的“db5”函數(shù)在d5尺度下進行水稻鎘污染脅迫弱信息診斷效果圮佳,經(jīng)計算.亦尺度下所有樣本數(shù)據(jù)的模極大值中心均位于700nm附

3、近.奇異范閘為550?810nm,奇異幅度為0.04(如圖2中d5所示).可見,利用小波變換的模極大值和信號的奇異性之間的關(guān)系,對水稻鎘污染光譜信號進行小波分析能在保留植物光譜重要掙征的前提下,有效地衰減噪聲,提高了水稻鎘污染光譜奇異佶號檢測的靈敏度和精確度.0-Wavelengtt^am隔22.2小波能■系數(shù)與水稻鎘含■的回歸分析為了進一步確定光譜小波M異性分析結(jié)果與水稻鎘污染脅迫的定懾關(guān)系.利用式(2)對樣本數(shù)據(jù)進行小波能雖系數(shù)提取,這里把各個小波能1:系數(shù)依次定義為FmF:.???鳳。,并以水稻鎘含量(刀為因變量,以小波能旨系數(shù)(工)為自變量進行回!H分析,其中回歸方程是以2008年水稻

4、葉片的鎘含斌數(shù)據(jù)(N=100)為基礎(chǔ)建立的.各個生長期水稻葉片鎘含址的差異均達到顯著水平(a-0.01),各小波能址系數(shù)與鎘含雖的線性回歸方程、擬決定系數(shù)(疋)和均方根誤差(RMSE)如表3所示,可以看出:回歸決定系數(shù)值大小順序與小波能笊系數(shù)的排列次序不一致,各個小波能呈系數(shù)對鎘含故的反演水平?jīng)]有固定的次序,F(xiàn)..Fa.Fs的回歸決定系數(shù)R2較島.其中£的決左系數(shù)R2最大,高達0.958,另外,從決定系數(shù)的變化趨勢來看,前5個小波系數(shù)比后5個小波系數(shù)的Wm定系數(shù)高.Fi?Fs小波系數(shù)包含光譜的整體信息,幾?用。小波系數(shù)主要是一些細節(jié)信息,其中可能包含有噪聲,因此與鎘的相關(guān)性大大降低;為了驗證上

5、述模型在不同生長年份條件F的可靠性和適用性,采用2009年不同生長期的60個樣本數(shù)據(jù)對模型進行了檢驗?結(jié)果表明,預(yù)測值與實測值的冋歸決定系數(shù)卍比建模樣本稍低.表明基于光譜小波能啟系數(shù)建立的水稻葉片鎘含宣估算模型對不同年份具有較強的穩(wěn)定性,此模型町用來進行鎘含魚預(yù)測分析與反演,從而達到監(jiān)測水稻錨污染脅迫狀況的口的.3結(jié)語水稻鎘污染生化特征高光譜響應(yīng)機理十分復(fù)雜,小波奇異性分析技術(shù)為錨污染脅迫制信號的有效提取提供了技術(shù)條件,通過對光譜數(shù)據(jù)進行小波奇異性分析、小渡能秋系數(shù)提取及回歸分析,得岀以下結(jié)論.(1)原始光誼倚號經(jīng)Daubechies小波系“db5”西數(shù)的第5層小波分解系數(shù)能有效地探測水稻錨污

6、染脅迫的光譜舁常,Table3RegressionmodelsbasedondifferentlevelsofwaveletenergycoefficientsagainstCdcontentandtheirvalidation小波能捷系數(shù)估算模庵5=100)??镇炞C5=60)回*」公式R2RMSER2RMSE第一層小波系數(shù)F】廠一0?107卄0?4540.9080.1310.8990.139第二層小波系數(shù)眄尸一O.5OLr+O?4260.8110.1560.8030.163第二層小波系數(shù)F,y=-0.323工+0?2710.9580.1220.9470.132第四層小波系數(shù)幾,工一1?688

7、工+0?3700.7950.1730.7860.182第斤層小波系數(shù)叭嚴一7.725x+0.7250.9020.1390.8940.146第六層小波系數(shù)幾y=~13.103x+0.3490.6870.2190.6790.226第七層小波系數(shù)F?y=-45.681x4-0.2320.7070.1990.6950.208第八層小波系數(shù)F.86?565?r+0?2030.4450.2670.4370.2

當前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。