基于环境减灾小卫星数据叶面积指数的反演

叶面积指数是反映农田信息的重要参数之一,因此获取叶面积指数成为农情遥感的一项重要内容。利用田间实测调查数据,系统分析了环境星的归一化植被指数（NDVI）与宾县地区主要作物玉米和水稻叶面积指数的关系,并采用简单线性模型、多项式模型和对数模型建立作物叶面积指数的估算模型进行最优反演。结果表明：玉米和水稻叶面积指数的最优反演模型都采用多项式模型,精度分别达到了0．805和0．810,并采用该模型进行反演。     

利用Beer-Lambert消光定律遥感反演玉米叶面积指数

利用遥感技术反演大范围玉米叶面积指数,对于田间肥水管理、长势监测乃至产量预测具有重要意义。在野外实测样本的支持下,获取玉米抽雄期的Landsat-8多光谱影像,引进Beer-Lambert定律,利用最小二乘法分析玉米冠层结构的消光系数,构建玉米叶面积指数遥感反演模型,最后采用交叉验证法评价模型精度。结果表明：玉米抽雄期NDVI、LAI呈较明显的正相关关系;基于Beer-Lambert定律的玉米叶面积指数遥感反演模型决定系数可达0.97,LAI空间分布状况与当地农业技术推广部门掌握的玉米实际生长状况基本一致,说明利用Beer-Lambert消光定律方法可以有效地反映玉米群体结构对光照的影响,据此开展玉米叶面积指数遥感反演具有较高的可行性。     

新野县夏玉米肥料农学参数试验研究

肥料贡献率、农学效率、偏生产力等是重要的农学参数,通过这些参数,可以衡量施肥的增产效果,为修订夏玉米施肥配方和单元施肥指导意见提供技术支撑。2009—2010年新野县农业局共完成夏玉米丰缺指标试验6点次,通过统计分析,取得了夏玉米主要农学参数。     

东北玉米叶面积指数动态模拟模型研究

利用2009年沈阳玉米叶面积指数(LAI)及相关数据资料,通过Matlab软件中的cftool拟合出模型参数,建立叶面积指数动态变化模拟模型,并提出了相对叶面积指数( RLAI)和相对积温(RDD)的概念.用2008年吉林和2010年沈阳的相关数据资料进行检验,标准误差RMSE(root mean squared error)以及决定系数r2(determinants of coefficient)分别在0.21和0.98左右,在误差范围内;总体看,模型可较好地模拟东北玉米不同生育阶段叶面积指数的动态变化,也可用于作物生长、产量模拟以及对作物的生长监测和遥感估产.     

红壤丘陵区针叶林有效叶面积指数遥感反演模型

以红壤丘陵典型区千烟洲及其周边为研究区，利用陆地卫星TM图像数据和同期野外实测5的37个针叶林样地有效叶面积指数数据，分析了遥感植被指数(NDVI)与湿地松、杉木林、马尾松和针叶林总体之间的相关关系，进而分别建立了NDVI与不同林型针叶林有效叶面积指数间的线性与非线性回归模型。研究表明，NDVI与不同林型针叶林的有效叶面积指数存在较好的相关性，但不同林型之间的相关系数存在一定差异；所建立的针叶林有效叶面积指数遥感反演模型以三次曲线回归方程拟合精度最高。     

棉花叶面积指数的遥感估算模型研究

 【目的】棉花叶面积指数是反映作物生物量的重要参数,本文旨在运用遥感数据对这一参数进行估算,为叶面积指数的获取提供更方便快捷的估算模型。【方法】采用美国ASD公司FieldSpec? 手持便携式光谱分析仪所获取的棉花冠层光谱反射率和从中等分辨率的遥感图像提取的植被指数,利用相关分析和回归分析方法,找出叶面积指数的最佳估算时相期和最佳遥感估算模型。【结果】棉花的整个生育期内,叶面积指数在时间曲线上呈现出波动变化,在始铃期棉花的叶面积指数达到峰值,据此规律通过提取该时期的遥感数据,得出棉花叶面积指数的遥感估算模型。【结论】棉花叶面积指数的最佳估算时相是盛花期和结铃期,各品种棉花叶面积指数的遥感估算模型通过精度检验,拟合R2与检验R2 均达到了极显著水平。     

基于便携式作物生长监测仪的水稻生长指标光谱监测研究

为验证作物生长监测仪无损监测水稻各项长势指标的准确性,并建立基于CGMD302作物生长监测光谱仪的水稻叶面积指数、生物量、氮积累量的监测模型。本研究通过实施5个氮素水平的水稻田间实验,采用甬优538和浙优18 2个水稻品种,利用仪器监测水稻冠层从分蘖期至灌浆期归一化植被指数(NDVI)和比值植被指数(RVI),同步测定水稻叶面积指数、生物量和氮积累量3个农学参数,分析水稻叶面积指数、生物量、氮积累量随移栽后天数的动态变化,分别建立了叶面积指数、生物量、氮积累量与作物生长监测仪所测得光谱参数之间的预测模型。结果发现,水稻叶面积指数、干物重和氮积累量随施氮水平的增加而增大,随移栽后天数的增加逐渐变大。甬优538和浙优18在各个生育时期NDVI、RVI与叶面积指数、生物量、氮积累量的R²值均在0.7以上,具有极显著的相关性。构建的全生育期NDVI、RVI与叶面积指数、生物量和氮积累量呈指数函数关系,R²值均在0.75以上。因此,本研究所采用的作物生长监测仪器可用于准确地获取水稻冠层的NDVI和RVI,实时有效地反映和监测水稻的生长状况。     

WOFOST模型在河南省夏玉米主产区的校准与验证

为检验WOFOST模型在河南夏玉米主产区的适用性,通过大田试验数据,对WOFOST进行参数校准,并利用独立数据,对夏玉米叶面积指数、生物量、产量的模拟结果进行验证.结果表明,校准后的WOFOST对叶面积指数、生物量和产量的模拟效果较好.在整个生育期内,叶面积指数模拟值与观测值的归一化均方根误差(NRMSE)为20.7％,茎、叶、籽粒各器官干物质量及地上部生物量模拟值与观测值的NRMSE分别为10.6％、18.3％、21.3％、17.7％,夏玉米收获产量模拟值与观测值的NRMSE为6.1％.校准后的WOFOST可较准确地模拟夏玉米生长动态及生物量积累动态,适用于河南夏玉米主产区夏玉米生长模拟和产量预测.     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。     

玉米叶面积指数的普适增长模型

建立了1个模拟叶面积指数动态变化的扩充的Logistic模型,利用禹城、沈阳的玉米叶面积指数(LAI)实测资料进行了拟合,结果表明,此模式是模拟叶面积指数随地理位置、品种、播期、密度变化的统一模型,对叶面积指数与积温间关系的分析,综合了不同地理位置、不同品种、不同播期、不同密度的叶面积指数资料,得到1条相对叶面积指数变化曲线,可反映特定区域作物叶面积指数的动态变化,也可用于区域作物产量模拟和遥感估产的研究.