首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 82 毫秒
1.
精确、快速估算冬小麦叶片氮含量,对冬小麦长势监测及田间管理指导具有重要的研究意义。为精确反演冬小麦叶片氮含量(leaf nitrogen content,LNC),本文利用遥感方法 ,依托不同氮处理水平对冬小麦的影响试验,基于获取的高光谱遥感数据和LNC地面实测数据,对比分析光谱指数与随机森林算法(random forest,RF)反演冬小麦叶片氮含量的精度和稳健性。结果表明,以敏感波段496 nm和604 nm为自变量,利用随机森林算法构建的LNC回归模型精度较光谱指数法有了大幅提高,模型的建模精度为R2=0.922,均方根误差为0.290;验证精度为R2=0.873,均方根误差为0.397,并且相对分析误差值为2.220,表明将敏感波段与随机森林算法组合构建的反演模型能较好地反演冬小麦叶片氮含量。  相似文献   

2.
关中地区小麦冠层光谱与氮素的定量关系   总被引:4,自引:0,他引:4  
【目的】分析不同生育期及整个生育期小麦叶片氮含量(LNC)与冠层光谱反射特征的关系,以实现对田间小麦活体氮素营养状况的监测,为小麦叶片氮素状况的精确诊断提供依据。【方法】以位于陕西关中地区杨凌揉谷镇、扶风马席村和巨良农场的3个小麦试验田为研究对象,测定不同长势及生育期小麦LNC及冠层光谱反射率,分析不同长势下小麦LNC和反射率的变化,并研究氮含量与冠层光谱反射率的相关性,以及小麦LNC与比值植被指数(RVI)、归一化植被指数(NDVI)的相关性,建立小麦LNC的敏感波段及光谱监测模型。【结果】在同一生育期,长势差的小麦叶片氮含量较低,长势较好的叶片氮含量高。与单波段相比,组合波段构成的植被指数RVI、NDVI与LNC的相关性明显提高,近红外波段(730~1 075nm)和红波段630,660,690nm组成组合波段的RVI、NDVI与LNC呈极显著正相关,其中LNC与RVI的相关性较高。利用独立的小麦田间试验数据,采用通用的均方根差(RMSE)、决定系数(R2)、准确度(斜率)3个指标对所建立的模型进行检验,最终选取RVI(970,690)为监测小麦LNC的最佳光谱参数,构建的最佳模型为LNC=0.176 3×RVI(970,690)0.775 6,R2为0.863,RMSE为0.137,准确度为0.979,接近于1。【结论】利用小麦冠层光谱反射率构建了预测小麦LNC的最佳模型,该模型具有较好的准确度和普适性,适用于整个生育期小麦叶片氮含量的监测。  相似文献   

3.
不同光谱植被指数反演冬小麦叶氮含量的敏感性研究   总被引:6,自引:0,他引:6  
【目的】氮素是作物生长发育过程中最重要的营养元素之一,研究叶氮含量反演的有效光谱指标设置,为应用高光谱植被指数反演作物叶氮含量,以及作物的实时监测与精确诊断提供重要依据。【方法】以冬小麦为例,选取涵盖冬小麦全生育期不同覆盖程度225组冠层光谱与叶氮含量数据,通过遥感方法建立模型,模拟了不同光谱指标,即中心波长、信噪比和波段宽度对定量模型的影响,通过模型精度评价指标决定系数(coefficient of determination,R~2)、根均方差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、平均相对误差(mean relative error,MRE)和显著性检验水平(P0.01)确定最优模型及最佳指标,分析光谱指标对叶氮含量定量模型反演的敏感性和有效性。【结果】反演冬小麦叶氮含量的最佳植被指数为MTCI_B,与实测叶氮含量的相关性最好(R~2=0.7674,RMSE=0.5511%,MAE=0.4625%,MRE=11.11个百分点,且P0.01),对应的最佳指标为中心波长420 nm、508 nm和405 nm,波段宽度1 nm,信噪比大于70 DB;高覆盖状况反演的最优指数为RVIinf_r(R~2=0.6739,RMSE=0.2964%,MAE=0.2851%,MRE=6.44个百分点,且P0.01),最优中心波长为826 nm和760 nm;低覆盖状况反演的最优指数为MTCI(R~2=0.8252,RMSE=0.4032%,MAE=0.4408%,MRE=12.22个百分点,且P0.01),最优中心波长为750 nm、693 nm和680 nm;应用最适于高低覆盖的植被指数RVIinf_r和MTCI构建的联合反演模型(R~2=0.9286,RMSE=0.3416%,MAE=0.2988%,MRE=7.16个百分点,且P0.01),明显优于最佳单一指数MTCI_B;模拟Hyperion和HJ1A-HSI传感器数据,联合反演模型精度(R~2为0.92—0.93,RMSE在0.37%—0.39%,MAE为0.285%左右,MRE约为7.00个百分点)明显优于单一植被指数反演精度(R~2为0.79—0.81,RMSE为0.63%—0.66%,MAE为0.455%左右,MRE约为10.90个百分点)。【结论】利用高光谱植被指数可有效实现作物叶氮含量反演,作物叶氮含量定量反演对不同光谱指标—中心波长、信噪比和波段宽度,具有较强敏感性。应用多指数联合反演模型,可显著提高反演精度,并且联合反演模型在不同高光谱传感器下有一定普适性。  相似文献   

4.
基于高光谱的冬小麦叶面积指数估算方法   总被引:3,自引:0,他引:3  
夏天  吴文斌  周清波  周勇  于雷 《中国农业科学》2012,45(10):2085-2092
【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。  相似文献   

5.
为快速准确地获取区域内土壤全氮的含量信息和空间分布特征。选取山东省济南市章丘区刁镇为研究区,系统采集64个土壤样品并获取同期Sentinel-2(哨兵2号)影像数据,进一步利用皮尔逊相关分析法选择土壤全氮的敏感光谱参量作为自变量,测试得到的土壤全氮含量为因变量,分别建立基于随机森林和空间关联随机森林算法的反演模型,完成区域尺度的土壤全氮含量的遥感反演和数字制图。结果表明:哨兵2号影像的多光谱波段与土壤全氮含量相关性较低,通过波段间比值变换能够显著增强土壤全氮含量对光谱信号的响应能力,光谱指数b6/b11、b8a/b12、b8/b9、b8a/b9和(b9-b11)/(b9+b11)对土壤的全氮含量信息最为敏感;空间关联随机森林模型的反演精度指标R2和RMSE分别为0.90和0.11,相对比随机森林模型精度分...  相似文献   

6.
作物叶片氮含量的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义。该文以经济作物生姜为研究对象,获取了2015年4月-9月不同品种、不同生育期和不同氮肥梯度下生姜叶片的高光谱和氮含量数据,对比分析了比值植被指数、归一化植被指数、植被指数组合形式对生姜叶片氮含量的估算效果。在此基础上,基于波段组合算法,筛选出了生姜叶片氮含量的敏感波段,并构建了两个新型光谱指数NDSI_((754,713))和RSI_((754,713))。结果表明,所选择的植被指数中,MCARI(705,750)/OSAVI(705,750)对生姜叶片氮含量估算效果最好,模型精度R~2、RMSE和RE分别为0.73、0.27、11.64%;利用波段组合算法构建的归一化光谱指数NDSI(754,713)对生姜叶片氮含量估算效果要优于MCARI(705,750)/OSAVI(705,750),模型估算精度R~2达0.83,使用的敏感波段713 nm与754 nm均位于植被的"红边"区域。对所建模型进行验证,叶片氮含量的预测值和实测值具有较好的一致性,验证样本R~2为0.78,RMSE为0.20,RE为9.81%。上述分析结果可为农业管理部门及时掌握生姜长势信息、制定施肥策略提供技术支持。  相似文献   

7.
为了快速无损地监测南丰蜜桔叶片氮含量,于南丰蜜桔关键生长期取样测定叶片氮含量和叶片光谱数据,筛选出南丰蜜桔叶片氮含量的敏感光谱波段和最佳植被指数,构建南丰蜜桔叶绿素含量光谱监测模型。结果表明,基于南丰蜜桔叶片氮含量监测敏感光谱波段552nm和817nm构建的光谱监测模型(y=-0. 285x2+2. 854x+7. 953,R2=0. 835)的效果最佳。可以利用光谱技术进行南丰蜜桔叶片氮素水平的检测和诊断,指导精量施肥。  相似文献   

8.
设置了5个施肥水平田间试验,获取甘蔗分蘖期叶片的全氮含量和光谱反射率,分析氮含量与光谱反射率的相关性,并构建基于敏感波段的氮含量估算模型。结果显示,甘蔗叶片氮含量与光谱反射率在401~1 000 nm波段区间呈显著负相关关系,在402~953 nm波段区间呈极显著负相关关系,相关系数在550、741 nm出现了两个峰值,说明这两个波段附近的光谱反射率对叶片氮含量较为敏感;R550、R741构建的模型决定系数(R~2)较大,NDVI(550,741)、RVI(550,741)、NDVI(730,835)、RVI(730,835)构建的模型决定系数较小,R550、R741相比NDVI(550,741)、RVI(550,741)、NDVI(730,835)、RVI(730,835)更适用于甘蔗叶片氮含量估算;由R741构建的二次函数模型(y=-119.1x~2+61.53x+3.851)决定系数为0.681,氮含量估算值均方根差(RMSE)为1.13 g/kg,平均相对误差为8.92%,相比于其他模型综合效果较好。推荐由R741构建的二次函数模型作为甘蔗分蘖期叶片氮含量估算模型。  相似文献   

9.
小麦叶层氮含量估测的最佳高光谱参数研究   总被引:12,自引:3,他引:9  
 【目的】作物体内氮素状况是评价长势和预测产量的重要指标。小麦植株氮素营养的快速监测和无损诊断对于精确氮素管理具有重要作用。本文旨在通过对高光谱信息的精细分析和信息提取,探索建立小麦叶片氮含量(LNC,leaf nitrogen content)估算的最佳波段、光谱参数及监测模型。【方法】利用连续4年的系统观测资料,采用精细采样法,详细分析350~2 500 nm波段范围内原始光谱反射率及其一阶导数光谱的任意两两波段组合而成的主要高光谱指数与小麦冠层叶片氮含量的定量关系。【结果】发现小麦叶片氮含量的最佳波段为位于红边的690、691、700和711 nm以及近红外波段的1 350 nm;基于归一化光谱指数NDSI(R1350,R700)和NDSI(FD700,FD690)、比值光谱指数RSI(R700,R1350)和RSI(FD691,FD711)、土壤调节光谱指数SASI(R1350,R700)(L=0.09)和SASI(FD700,FD690)(L=-0.01)构建氮含量监测模型,决定系数(R2)分别为0.851和0.857、0.842和0.893、0.860和0.866。利用独立试验资料对模型检验的结果显示,模型测试的精度(R2)均大于0.758,RRMSE均小于0.266,尤其是高光谱参数RSI(FD691,FD711)和SASI(FD700,FD690)表现最好。【结论】总体上,利用精细采样法确定最佳波段,构建植被指数和氮含量监测模型,可显著提高模型的精确度和可靠性,从而为快速无损诊断小麦叶层的氮素状况提供新的波段选择和技术途径。  相似文献   

10.
基于高光谱遥感的棉花叶片叶绿素含量估算   总被引:2,自引:0,他引:2  
为提高高光谱植被指数对棉花叶绿素含量的估算精度,以陕西省关中地区棉花花铃期叶片高光谱反射率为数据源,分析了13种植被指数与棉花叶片叶绿素相对含量(SPAD)的相关关系;同时采用降精细采样法,详细分析400~2 000nm波段范围内原始光谱反射率的任意两两波段组合而成的优化光谱指数RSI与SPAD值的定量关系,构建线性及非线性回归监测模型,并对模型进行验证。结果表明:1)所提取的13种植被指数中NIR/NIR与SPAD值的相关系数最大(r=0.914),并且基于NIR/NIR(R780/R740)构建的回归方程模型优于其他植被指数,其构建的二次曲线方程回归模型建模与验模R2分别为0.900和0.785,RMSE为4.762,RE为7.86%,为基于提取的12种植被指数构建SPAD值估算模型中最佳模型;2)优化后的比值光谱指数RSI(Ration spectral index)的敏感波段为500和563nm,RSI(500,563)与SPAD值的相关系数r=0.999,与棉花叶片SPAD含量在0.01水平下呈显著相关,其构建的二次曲线方程模型效果最优,建模和验模R2分别为0.912和1.000,RMSE为2.848,RE为4.38%。与提取的13种植被指数相比,基于RSI指数二次曲线回归模型为估算叶绿素含量的最佳模型,并且模型预测值和实测值之间的符合度较高R2=0.843,表明基于波段优化算法的优化光谱指数RSI能更好的预测棉花叶片叶绿素含量。  相似文献   

11.
为探明客源市场生态旅游消费的潜在特征,采用问卷调查的形式,就长沙市居民对湖南金洞生态旅游开发的意向等问题进行抽样调查.结果显示,生态旅游符合人们“回归自然”的旅游新时尚,有着极大的开发空间,指出生态旅游的开发要注重环境保护和可持续发展.开发的产品要以休闲度假类的大众产品为主,开发生态旅游都市客源市场还要多种渠道并用,尤其是要注重媒体的宣传.  相似文献   

12.
《河北农业大学学报》创刊年代考   总被引:3,自引:0,他引:3  
清光绪二十八年(1902)河北农业大学前身—直隶农务学堂诞生,经几易其名,于1958年更名为河北农业大学至今。清光绪三十一年(1905)直隶高等农业学堂时期创办了《北直农话报》,清光绪三十四年(1908)更名为《直隶农务官报》,中华民国七年(1918)改出《农学月刊》,中华民国十七年(1928)易名为《河大农刊》,中华民国二十三年(1934)更名为《河北通俗农刊》,中华民国二十四年(1935)易名为《河北农林学刊》,1948年更名为《河北农学院研究专刊》,1959年更名为《河北农业大学学报》至今。《河北农业大学学报》前身诸刊都与现时的《河北农业大学学报》有着一脉相承的历史渊源,各刊之间联系紧密,连续性、继承性强。因此,《河北农业大学学报》的创刊时间应追溯至1905年创办的《北直农话报》。  相似文献   

13.
饲料中有效能是供动物生长发育的基础.不同动物所用的有效能体系不同,目前大多数动物采用消化能、代谢能体系,但随着研究的发展与深入,发现最能反映饲料有效能的是净能体系.无论哪种体系,采用合理的测定技术准确测定饲料中的有效能值显得尤其重要,通过对饲料有效能值的准确测定可以实现动物所需能量的精确供给,减少养殖成本,使经济效益最大化.文章综述了几种有效能评价体系的测定技术.  相似文献   

14.
应用萄聚糖凝胶柱层析对水牛梭形住肉孢子虫包囊包溶性抗原进行了纯化。结果表明:纯化水牛梭形住肉孢子虫包囊抗原的最适条件为:选用萄聚糖凝胶G—100柱层析系统;洗脱液为03MPBS(pH72),床体积为10cm×165cm,上样体积为500HL;流速为12mL/h。纯化抗原可使琼脂凝胶双扩散试验的阳性检出率提高30%。  相似文献   

15.
[目的]通过体外抗氧化体系比较黑豆不同部分馏油抗氧化性活性。[方法]通过正交试验优化索氏提取黑豆馏油的最佳工艺,提取黑豆不同部分馏油;研究黑豆不同部分馏油对羟基自由基(·OH)、DPPH自由基(DPPH·)的清除能力。[结果]在样品浓度为1.0 mg/mL时,黑豆不同部分馏油对·OH的清除率分别为全豆馏油83.9%、豆黄(黑豆去皮部分)馏油64.8%、豆皮馏油17.3%,对DPPH·的清除率分别为全豆馏油41.3%、豆黄馏油33.2%、豆皮馏油77.9%。[结论]黑豆不同部分馏油均具有较好的抗氧化性,是良好的天然抗氧化剂。黑豆不同部分馏油对·OH的清除能力从大到小依次为全豆馏油、豆黄馏油、豆皮馏油,对DPPH·的清除能力从大到小依次为豆皮馏油、全豆馏油、豆黄馏油。  相似文献   

16.
采用L(934)正交设计试验,对山茱萸浸提液中山茱萸多糖的酶水解法提取工艺进行了优化研究,并对浸提液的中有效成分马钱苷含量进行了HPLC法分析。结果表明,山茱萸多糖浸提的最佳工艺为:液料比1∶5,浸提时间4 h,浸提温度80℃,果胶酶添加量0.55 g/L。用HPLC法测定出的山茱萸浸提液中马钱苷平均含量为0.512 ...  相似文献   

17.
切花菊耐热性鉴定方法研究   总被引:2,自引:0,他引:2  
以8个切花菊品种为材料,通过对离体叶片进行50℃高温胁迫后,采用电导法、电阻抗图谱法测定电导率、电阻,并对大田栽培植株进行田间高温胁迫试验,比较品种间的耐热性。结果表明:电导法测得的50℃直接相对电导率、修正相对电导率和电阻抗图谱法测得的胞外电阻在品种间有明显差异,但与田间高温胁迫法测定的热害指数不完全一致。电导法和电阻抗图谱法都可以作为测定切花菊耐热性的方法,但需要结合田间耐热性观察。  相似文献   

18.
干旱对合丰42不同部位叶片发育的影响   总被引:2,自引:0,他引:2  
在垄作、密植两种栽培方式的条件下,研究干旱对大豆不同部位叶片发育的影响。结果表明:无论垄作还是密植,干旱严重影响大豆叶片不同部位叶绿素含量、叶面积及周长的大小、不同部位叶长、叶宽及比值、叶片形状因子等。影响整个植株的生长发育,进而影响作物产量。  相似文献   

19.
参与式农业基地建设行动方案设计   总被引:2,自引:2,他引:0  
蔡万涛  刘明池  佟瑞平 《安徽农业科学》2011,(19):11830-11831,11835
为了编制实用性强的基地建设行动方案,首先,确定参与式发展的主体,搭建一个“决策框架”;其次,针对行动目标,提出不同参与主体,如管理者、农民、消费者等团队与个人的目标及行动内容;最后,工作应向重塑伙伴式合作关系,挖掘农民自我发展潜力,完成三大角色的转换,打造农业基地文化等方向推进。  相似文献   

20.
板栗属壳斗科栗属(Castanea mollisima Blume),其种子属于顽拗型种子,不耐贮藏。基于近年来板栗贮藏保鲜技术研究成果,从合理采收、贮前处理、贮藏方法等方面进行论述。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号