申请/专利权人：广西壮族自治区中国科学院广西植物研究所

申请日：2021-08-27

公开（公告）日：2024-06-11

公开（公告）号：CN113686821B

主分类号：G01N21/55

分类号：G01N21/55;G06N20/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2021.12.10#实质审查的生效;2021.11.23#公开

摘要：本发明公开了一种喀斯特植物叶片TN含量无损监测方法，属于生态遥感技术领域，所述方法包括，采集植物叶片的光谱反射率数据和测定对应植物叶片的TN含量数据，运用分数阶微分技术对光谱反射率数据进行预处理，将预处理的数据与植物叶片的TN含量数据进行皮尔逊相关性检验，将光谱与叶片TN含量之间相关性不显著的光谱波段剔除，建立人工智能模型，然后将植物叶片的TN含量数据输入人工智能模型中进行精度验证和稳定性验证；将对植物叶片光谱进行测量得到光谱反射率数据输入到人工智能模型中反推出相应植物叶片的TN含量数据。本发明相比于实验室化学提取植物叶片TN的方法，本方法不仅速度快而且对叶片本身无伤害。

主权项：1.一种喀斯特植物叶片TN含量无损监测方法，其特征在于：所述方法包括如下步骤：步骤1：采集数据，采集植物叶片的光谱反射率数据和测定对应植物叶片的全氮含量数据；步骤2：运用分数阶微分技术对植物叶片光谱反射率数据进行预处理，步骤3：将预处理的数据与植物叶片的全氮含量数据进行皮尔逊相关性检验，将光谱与叶片全氮含量之间相关性不显著的光谱波段剔除；步骤4：建立人工智能模型，然后将植物叶片的全氮含量数据输入人工智能模型中进行精度验证和稳定性验证，若建立的模型精度较预设值高，且运行稳定，则建模完成，若精度不能满足要求，则增加建模样本，重复步骤1至步骤4，直至模型稳定；步骤5：将对植物叶片光谱进行测量得到的光谱反射率数据输入到人工智能模型中，反推出相应植物叶片的全氮含量数据；所述步骤1的具体过程为：运用地物光谱仪到野外采集植物叶片的光谱，对于高大乔木，用高枝剪剪下枝条，再进行测量，但间隔的时间不能太久，以免枝条离体后，叶片内部生理生化特征发生太大变化，叶片测完光谱后，收集起来，带回实验室，运用化学方法提取植物叶片的TN含量；所述步骤2的具体过程为：运用分数阶微分技术，对叶片光谱反射率从0到3阶进行微分，间隔为0.1；所述步骤3中不显著的光谱波段为皮尔逊相关性显著性检验p值大于0.05的光谱波段；所述步骤4的具体过程为：将预处理后的光谱波段作为自变量，植物叶片全氮含量作为因变量设计PLSR模型，然后PLSR模型运行过程中提取的主成分作为广义神经网络模型的输入变量，建立PLSR+GRNN模型，对PLSR+GRNN模型进行精度验证和稳定性验证；所述步骤5的具体原理为：植物叶片的TN含量不同，对光的反射能力也会有所差异，根据这一特性，在人工智能模型的帮助下，即可建立两者间的联系，建立数学模型，模型建成后，只需要测量植物叶片的光谱，即可根据模型快速反推出植物叶片TN的含量。

全文数据：

权利要求：

百度查询： 广西壮族自治区中国科学院广西植物研究所 一种喀斯特植物叶片TN含量无损监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD