林芬芳
- 作品数：21 被引量：144H指数：8
- 供职机构：安徽大学更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金福建省科技计划重点项目更多>>
- 相关领域：农业科学自动化与计算机技术理学环境科学与工程更多>>
- 水稻氮素机器视觉诊断最佳叶位和位点的选择研究被引量：9
- 2010年
- 选用扫描仪获取水稻叶片的数字图像,通过比较第1和第3完全展开叶(L1和L2)颜色参量的空间分布,研究基于机器视觉技术的水稻氮素诊断的最佳叶位和位点选择。结果表明基于机器视觉的水稻氮素营养诊断是有理论依据的,能反映出叶片的营养状况;选择B、b、b/(r+g)、b/r、b/g作为最优颜色特征参量;比较颜色特征参量对应的变异系数CV,得到低氮处理的CV明显高于正常氮素水平,同时CV随着叶位的增加而减小;不同位点的CV其叶尖和叶基的变化幅度较为接近,不同位点间差异不显著。初步研究选择第3完全展开叶作为水稻无损氮素诊断的最佳叶位。
- 祝锦霞邓劲松林芬芳王珂
- 关键词：水稻氮素机器视觉叶位位点
- 傅立叶变换中红外光谱估测水稻叶片氮素含量的研究被引量：7
- 2009年
- 通过不同氮素水平的水稻田间试验,在分析测定了水稻叶片叶绿素、氮素等农学参数后,采用傅立叶中红外光谱仪测定了水稻孕穗期叶片干样的透射光谱,利用协同偏最小二乘算法（siPLS）分析选取了傅立叶变换红外光谱估测水稻氮素含量的敏感波段及其组合。结果表明,其最优主成分数是9个,最佳估测建模的波段组合分别为1350.891～586.57,1587.531～822.40和3709.413～943.72 cm^-1;建立的水稻氮素预测模型的精度较高,交互验证均方根误差（RMSECV）和预测均方根误差（RMSEP）分别为0.1538和0.1933,预测值与化学分析获得的叶片总氮浓度之间的交互相关系数和独立检验相关系数分别为0.9393和0.6649,高于中红外光谱指数NFS和NFSA的预测精度。说明利用傅立叶红外光谱作为水稻氮含量的诊断技术是可能的,值得进一步验证和完善。
- 林芬芳陈祝炉邓劲松王珂
- 关键词：水稻氮
- 基于堆栈稀疏自编码器的小麦赤霉病高光谱遥感检测被引量：3
- 2023年
- 小麦赤霉病具有发病快、周期短的特点,利用深度学习特征提取方法建立病害严重度检测模型,可为小麦赤霉病的防治提供科学指导。研究于2018—2020年间采集3个品种小麦在扬花期、灌浆期和成熟期的麦穗高光谱数据,通过形态学处理去除麦芒,提取出麦穗光谱曲线,使用多源散射校正对光谱进行去噪处理,再采用堆栈稀疏自编码器(Stacked Sparse Auto-encoder,SSAE)提取小麦赤霉病的光谱特征,利用该特征分别结合Softmax分类器和偏最小二乘回归方法构建小麦赤霉病严重度判别和预测模型。通过预训练,具有12~6个神经元的双层SSAE模型表现较好,模型均方误差更低,而且各个病害等级的特征差异明显;以训练的SSAE模型提取的深度学习特征为基础分别建立赤霉病严重度等级判别模型和严重度预测模型,在严重度等级判别的分类结果中,模型的总体精度和Kappa系数分别为88.2%和0.84,其中“淮麦35”品种的总体精度最高;在严重度预测模型中,模型对所有品种测试集的预测决定系数和均方根误差分别为0.927和0.062,对各品种的预测决定系数均在0.95左右;相比常见的几种小麦赤霉病光谱指数,基于SSAE深度学习特征的赤霉病预测模型精度更高。高光谱遥感数据量大、光谱波段多,堆栈稀疏自编码器通过在自编码器模型中加入稀疏表示的限定条件,并增加隐含层数及隐含神经元数来构建更为复杂的模型,所提取的光谱特征更能全方面地体现小麦赤霉病的光谱特征,利用该特征构建的小麦赤霉病检测模型具有更高的精度,可为精准监测小麦赤霉病提供科学依据。
- 林芬芳林芬芳周维勋王倩王倩
- 关键词：赤霉病小麦
- 污染水稻土中砷及其与土壤基本理化性质关系的研究被引量：8
- 2008年
- [目的]研究污染水稻土中砷及其与土壤基本理化性质的关系。[方法]在泉州和漳州污灌地区取水稻样品,同时采集对应的土壤耕层样品,研究污染水稻土中砷的形态及其与土壤基本理化性质的关系。[结果]土壤全砷含量与土壤游离氧化铁含量呈极显著线性正相关(R2=0.3777**,n=39),与土壤有机质、粘粒含量、CEC等理化性质的相关性不明显。而漳州采样区土壤全砷含量与土壤有效磷含量呈极显著线性正相关(R2=0.308 1**,n=19)。土壤全砷与土壤有效砷呈极显著性线性正相关(R2=0.544 0**,n=39)。土壤有效砷与土壤CEC呈极显著线性正相关(R2=0.5440**,n=39),与土壤游离氧化铁也呈极显著线性正相关(R2=0.7546**,n=39)。[结论]该研究为田间水稻生产砷污染的控制提供了指导。
- 王伟玲刘青付曹东杰林芬芳王果
- 关键词：砷
- 县域尺度土壤重金属含量的空间变异--以富阳市为例被引量：5
- 2008年
- 运用地统计学和GIS相结合的方法，以浙江省富阳市为例，研究了县域尺度内农田耕作层（0—20cm）土壤中重金属含量的空间变异。结果表明，采用普通“西ng方法对富阳市农田表层土壤中Cu，Zn，Pb和Cd这4种重金属的含量进行局部空间插值后，前三种重金属呈现出一致的空间分布格局，而Cd的空间分布比较破碎。土壤中重金属含量超过国家土壤环境质量标准（GB15618-1995）二级的区域集中于厂矿周围。因此从空间分布情况来看，富阳市乡镇企业厂矿周围的农田土壤的重金属污染问题需要引起更多的关注，也为进一步对这些污染场地确定污染范围以及开展污染土壤的风险评估奠定了基础。
- 蒋玉根戴学龙张秀英林芬芳陈侃裘希雅
- 关键词：土壤重金属重金属污染地统计地理信息系统
- Relief-F筛选波段的小麦白粉病早期诊断研究被引量：5
- 2018年
- 为了准确监测小麦白粉病染病早期病情,给喷药防治提供技术指导,论文将染病初期的小麦叶片作为研究对象。首先,利用高光谱图像数据,通过图像特征分割出叶片区域和病斑区域,定量计算病情严重度;其次引入Relief-F算法提取染病早期最敏感波段和波段差,计算出白粉病病害指数PMDI(Powdery mildew disease index);并通过分析病情指数DI(Disease index)与11种植被指数(含PMDI指数)的相关性及线性模型,得出PMDI模型有最高的决定系数(R^2=0.839 9)和最低的均方根误差(RMSE=4.522 0),效果优于其他病害植被指数的结果(其中,Normalized Difference Vegetation Index,NDVI的模型决定系数最高,R^2=0.777 1,RMSE=5.336 4);最后,选择PMDI和NDVI植被指数分别构建小麦白粉病染病早期病情严重度的支持向量回归模型。结果表明:经敏感波段筛选构建的PMDI指数的预测结果更好,预测模型的R^2=0.886 3,RMSE=3.553 2,可以实现小麦白粉病早期无损诊断,这为指导作物病害喷药防治提供重要的技术支撑。
- 黄林生张庆张东彦林芬芳徐超赵晋陵
- 关键词：光谱特征支持向量回归小麦白粉病
- 基于环境辅助变量的拔山茶园土壤肥力空间预测被引量：12
- 2010年
- 以地形因子、植被覆盖度等为辅助变量,利用回归克里格法预测低山丘陵区茶园土壤肥力,分析了富阳市拔山茶园土壤肥力的空间变异规律.结果表明:相对高程、平/纵向曲率等结构性因素是引起研究区土壤肥力空间变异的主要原因,研究区土壤肥力沿海拔高度呈垂直变化,随着海拔高度的降低土壤肥力水平也逐渐降低;拔山茶园土壤肥力总体较高,肥力较低的区域面积仅占研究区总面积的5%.回归克里格法所得土壤肥力的预测精度明显高于普通克里格,其平均预测误差和预测均方根误差分别为0.028和0.108.该方法能充分反映环境变量对土壤肥力的影响,提高土壤肥力的空间预测精度,可为茶园的精准管理提供依据.
- 邱乐丰杨超林芬芳杨宁郑辛煜许红卫王珂
- 关键词：茶园土壤肥力地形
- 基于决策树的土壤Zn含量预测被引量：10
- 2008年
- 以浙江省富阳市为研究区域,基于184个土壤表层（0--20 cm）样点的Zn浓度数据（根据背景值划分为G1、G2、G3、G4和G5共5个层次）,并结合土壤类型、pH值、有机质、农业用地方式、工矿企业类型、道路和农村居民点等环境因子,采用CART方法挖掘Zn在土壤中的累积规则.利用获得的规则预测剩余41个土壤样点的Zn浓度,并进行精度评价.结果表明,采用CART方法获得的结果比普通Kriging插值方法获得的结果总精度提高了21.95%,在G2和G5层次上模拟精度相差不大,但在G1、G3和G4层次上前者明显高于后者.研究还表明,工矿企业类型在区分土壤Zn含量高低（G1、G2和G3、G4、G5）层次上起主要作用,G1和G2之间,G3、G4和G5之间的土壤Zn含量与pH值、土壤类型和土地利用方式有关.
- 张秀英孙棋王珂蒋玉根林芬芳韩凝
- 关键词：决策树
- 土壤质量及其时空变异被引量：3
- 2010年
- 近些年来,土壤质量评价已成为国内外研究的热点。综述了近年来国内外有关土壤质量的概念、评价指标和评价方法,重点分析了土壤质量的时空变异,并探讨和展望了土壤质量的研究前景。
- 严世光廖铁军王珂林芬芳
- 关键词：土壤质量土壤质量指标
- 互信息理论结合决策树算法的土壤质量预测被引量：2
- 2012年
- 在充分利用土壤类型、土地利用方式、岩性类型、地形、道路、工业类型等影响土壤质量主要因素,准确获取区域土壤质量的空间分布特征的基础上,采用互信息理论对13个辅助变量(岩性类型、土地利用方式、土壤类型、到城镇的距离、到道路的距离、到工业用地的距离、到河流的距离、相对高程、坡度、坡向、平向曲率、纵向曲率和切线曲率)进行筛选,然后通过决策树See5.0预测研究区土壤质量.结果表明:影响研究区土壤质量的主要因素包括土壤类型、土地利用方式、岩性类型、到城镇的距离、到水域的距离、相对高程、到道路的距离和到工业用地的距离;以互信息理论选取的因子为预测变量的决策树模型精度明显优于以全部因子为预测变量的决策树模型,在前者的决策树模型中,无论是决策树还是决策规则,分类预测精度均达到80%以上.互信息理论结合决策树的方法在充分利用连续型和字符型数据的基础上,不仅精简了一般决策树算法的输入参数,而且能有效地预测和评价区域土壤质量等级.
- 林芬芳王珂杨宁严世光郑辛煜
- 关键词：土壤质量决策树互信息
