首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 125 毫秒
1.
SPOT-5与HJ遥感影像用于冬小麦氮素监测的效果对比   总被引:2,自引:0,他引:2  
为探讨HJ遥感影像对冬小麦氮素监测的适用性,利用同期获取的SPOT-5和HJ-1B遥感影像,结合同步地面取样测试,从传感器的光谱响应、监测模型精度以及叶片氮含量空间填图3个方面,对冬小麦氮素的遥感影像监测效果进行了分析与评价.结果表明,两类遥感影像的3个波段反射率及植被指数与小麦叶片氮含量均密切相关,其中,SPOT-5影像的最优模型植被指数为GNDVI(绿色归一化植被指数),HJ-1B影像的最优模型植被指数为NDVI(归一化植被指数),SPOT-5影像在监测精度上优于HJ-1B影像,但差别不大.填图结果表明,除地块较破碎地带外,利用HJ-1B影像反演填图所得的小麦叶片氮含量在空间分布上与SPOT-5影像结果比较一致.说明利用SPOT-5与HJ遥感影像监测小麦氮素营养状况都是可行的,而HJ遥感影像在一定精度要求范围内能够替代SPOT-5等遥感影像的监测效果.  相似文献   

2.
为进一步深化作物长势遥感监测机理与方法,给大田管理及时提供信息与技术,结合2011-2013年定点观测试验,以HJ-1A/1B数据为遥感影像源,研究了返青期冬小麦主要生长指标、籽粒品质参数和产量间及其与遥感变量间的定量关系,分别构建及评价基于HJ-1A/1B影像遥感变量的返青期叶面积指数、生物量、SPAD值和叶片含氮量监测模型。结果表明,返青期,归一化植被指数(NDVI)、比值植被指数(RVI)、蓝光波段反射率(B1)和RVI可分别作为监测冬小麦叶面积指数、生物量、SPAD和叶片含氮量的敏感遥感变量,所构建的遥感监测模型可靠且精度较高,模型的决定系数(R2)分别为0.62、0.56、0.46和0.58,均方根误差(RMSE)分别为0.42、452.3 kg·hm-2、4.39和0.54%。同时,对冬小麦不同等级主要生长指标进行遥感监测并制图,量化表达了主要生长指标区域空间分布。  相似文献   

3.
陆洲  罗明  谭昌伟  徐飞飞  梁爽  杨昕 《麦类作物学报》2020,40(10):1257-1264
为进一步探究利用中低分辨率影像监测小麦苗情的机理,丰富小麦长势动态监测的模式,结合2017-2018年定点观测试验,以GF-WFV数据为遥感影像源,研究了孕穗-开花期冬小麦主要长势变化量参数和产量及其与植被指数变化量间的定量关系,以逐步回归方法筛选目标长势变化量参数,分别构建及评价基于GF-WFV影像遥感植被指数变化量的孕穗-开花期叶片含氮量变化量和叶绿素含量变化量监测模型。结果表明,冬小麦叶片含氮量变化量(ΔLNC)和叶绿素含量变化量(ΔCHL)与产量密切相关,而孕穗-开花期的归一化植被指数变化量(ΔNDVI)、比值植被指数变化量(ΔRVI)分别与ΔLNC和ΔCHL相关性最好,因此选择这两个植被指数变化量作为敏感参量构建冬小麦长势监测模型。经验证,基于ΔNDVI和ΔRVI构建的长势线性模型可靠且精度高,其决定系数分别为0.70和0.64,均方根误差分别为0.39%和0.08 mg·L-1FW。基于预测模型和实测数据分级量化表达冬小麦长势的空间分布状况,能够很好实现了基于GF-WFV时相影像长势不同等级的遥感监测。  相似文献   

4.
为提高冬小麦花期长势遥感监测的精确性与普适性,在集丘陵地、河滩地及平原地为一体的冬小麦种植区域设计了田间试验,利用卫星影像信息结合地面GPS定点试验数据,在分析利用遥感技术监测冬小麦花期LAI和生物量两个主要群体长势指标可行的基础上,对卫星遥感光谱信息与冬小麦花期的主要生理生化指标(叶片叶绿素含量、叶片类胡萝卜素含量、叶片水分含量和叶片氮素含量)进行了综合分析.结果表明,NDVI(归一化植被指数)与LAI、叶片氮素含量和叶片水分含量的相关性较好,RVI(比值植被指数)与生物量和叶片类胡萝卜素含量的相关性较好,GVI(绿度植被指数)与叶片叶绿素含量的相关性较好,且均达到显著水平.说明NDVI、RVI及GVI是较为理想的可用于监测冬小麦花期生理形态指标的敏感遥感指数.进一步以这些敏感遥感指数作为因变量建立了冬小麦花期生理形态指标的遥感监测模型.利用本模型可以反演多个生理形态指标,便于对冬小麦花期的长势情况进行综合分析与判断.  相似文献   

5.
基于GeoEye-1高分遥感影像的冬小麦氮肥推荐应用   总被引:1,自引:0,他引:1  
为给大区域范围的冬小麦氮素营养遥感诊断及其精准施肥决策提供参考,将GeoEye-1高分辨率遥感影像数据与氮肥优化算法(NFOA)相结合,开展了冬小麦氮肥推荐应用研究。首先,基于多年地面实测冬小麦冠层高光谱数据,利用光谱响应函数生成GeoEye-1卫星遥感模拟数据,计算得到归一化植被指数NDVI,并结合当季估产指数INSEY构建了冬小麦潜在产量预测模型;通过定义可表征小麦氮素丰缺的氮素响应指数RINDVI,结合潜在产量模型,计算得到氮素需求量;最后,利用GeoEye-1高分辨率遥感影像数据进行验证分析,将氮素推荐模型与高分辨率遥感数据相结合生成施肥推荐处方图,实现了冬小麦的氮素营养诊断及施肥推荐。结果表明,当季估产指数INSEY可很好地估算冬小麦的潜在产量(r2=0.606,RMSE=0.704t·hm-2),基于GeoEye-1高分遥感影像提取NDVI预测的潜在产量与实测产量显著相关(r2=0.722,RMSE=0.451t·hm-2)。氮素响应指数RINDVI与氮营养指数NNI的倒数也显著相关(r=0.915),可以用RINDVI来诊断冬小麦氮素的丰缺状态。以上结果说明,在没有地面实测小麦氮含量、生物量、地面光谱等数据的情况下,利用高分辨率遥感数据与气象数据构建模型可估算冬小麦的潜在产量,并能实现对冬小麦的氮营养诊断及生成推荐施肥处方。  相似文献   

6.
为了快速监测小麦叶片水分含量,以敏感波段组和植被指数组2种变量分别作为输入变量,以地面同步观测的冬小麦叶片含水量作为输出变量,分别采用偏最小二乘(partial least squares,PLS)、极限学习机(extreme learning machine,ELM)和粒子群算法(particle swarm optimization,PSO)优化极限学习机,建立冬小麦叶片含水量预测模型,并对其反演效果进行比较。结果表明,光谱反射率和植被指数与叶片含水量之间存在较为密切的相关性,依此确定的敏感光谱波段为红光、蓝光和近红外波段,敏感植被指数为绿度指数、过红指数、归一化绿红差值指数、三角形植被指数和过绿指数。从2种变量的建模效果看,基于植被指数组构建的模型的精度和稳定性均优于敏感波段组,其中基于植被指数组的PSO-ELM模型在6个叶片水分含量反演模型中表现最佳,其R2和RMSE分别为0.98和0.26%。利用最优模型反演得到研究区冬小麦叶片含水量的分布范围为45%~75%,平均为64.57%,反演结果与地面实测较相符,说明基于无人机光谱数据通过建立以植被指数为变量的PSO-ELM模型可实现对冬小麦叶片水分含量的精准预测。  相似文献   

7.
为建立冬小麦开花期生长状况的遥感监测方法和技术,结合2011-2013年定点观测试验,以环境减灾卫星HJ-1A/1B数据为遥感影像源,着重分析了样本试验区冬小麦开花期主要生长指标间及其与籽粒品质、产量和卫星遥感变量间的定量关系,分别构建及评价基于HJ-1A/1B影像遥感变量的开花期叶面积指数、生物量、SPAD值和叶片含氮量监测模型。结果表明,在冬小麦开花期,作物氮反应指数(NRI)、绿色归一化植被指数(GNDVI)可分别作为监测冬小麦叶面积指数和生物量的敏感遥感变量,结构加强色素植被指数(SIPI)和SIPI可作为监测冬小麦SPAD值和叶片含氮量的敏感遥感变量,所构建的遥感监测模型可靠,模型的决定系数(r2)分别为0.73、0.69、0.62和0.61,均方根误差(RMSE)分别为0.79、1 068kg·hm-2、4.66和0.42%。利用遥感数据绘制的冬小麦开花期主要生长指标遥感监测等级分布空间量化表达图与实际相符。  相似文献   

8.
关中冬小麦叶片氮素含量高光谱遥感监测模型   总被引:2,自引:0,他引:2  
为给黄土高原大范围的冬小麦氮素营养遥感监测提供理论依据,通过田间试验,研究了冬小麦叶片氮素含量遥感监测的最佳生育时期、最敏感波段及其他最优光谱参量。结果表明,灌浆期是利用高光谱遥感监测冬小麦叶片氮素营养状况的最佳生育时期;在拔节、抽穗和灌浆期680nm波段光谱反射率R680均能较好地反映冬小麦叶片氮素含量,基于光谱位置以及叶面积指数的光谱参量也能较好地反映冬小麦叶片氮素含量。拔节期、抽穗期和灌浆期分别以680nm波段光谱反射率R680、绿峰反射率Rg和植被指数(SDr-SDb)/(SDr+SDb)对小麦叶片氮素含量的拟合效果最佳,其回归方程分别为Y=27.54-280.247 X+1456.245 X2、Y=8.632 X-0.24和Y=25.83 X1.012。  相似文献   

9.
不同生育时期冬小麦叶片相对含水量高光谱监测   总被引:2,自引:0,他引:2  
为实现冬小麦不同生育时期叶片水分含量的快速监测,以冬小麦冠层高光谱数据和红外热成像数据为基础,计算得到5种光谱参数,通过对不同生育时期叶片相对含水量与光谱参数拟合状况进行分析和筛选,分别构建了基于光谱参数的叶片相对含水量反演模型,并对模型进行检验。结果表明,不同生育时期叶片相对含水量与比值指数(RVI)、归一化差值植被指数(NDVI)、比值/归一化植被指数(R/ND)、优化土壤调整植被指数(OSAVI)、冠气温差(TDc-a)均呈极显著相关(P<0.01);拔节期、抽穗期、开花期、灌浆前期和灌浆后期叶片相对含水量分别与NDVI、OSAVI、R/ND、TDc-a和TDc-a拟合效果较好,决定系数分别为0.842、0.884、0.831、0.864和0.945;预测模型的均方根误差分别为0.019、0.016、0.027、0.032和0.024,相对误差分别为2.16%、1.80%、3.30%、3.81%和3.53%。因此,在拔节期、抽穗期、开花期、灌浆前期和灌浆后期,可以分别利用NDVI、OSAVI、R/ND、TDc-a和TDc-a估测冬小麦叶片相对含水量。  相似文献   

10.
基于生态因子的冬小麦产量遥感估测研究   总被引:3,自引:0,他引:3       下载免费PDF全文
为提高冬小麦遥感估产的精确性与适用性,在河南省的孟州市和沁阳市利用GPS定位布设田间试验,利用P-6卫星数据进行了冬小麦遥感估产研究.通过对遥感植被指数和冬小麦长势与产量GPS定位数据的综合分析,基于遥感影像信息获取的瞬时性和准确性,结合小麦灌浆期生态条件对小麦产量形成的影响,利用开花期遥感影像归一化植被指数(NDVI)和灌浆期生态因子(气温、日照、氮素营养、土壤水分)建立了冬小麦产量遥感估测模型,并检验了该模型的可靠性.结果表明,模型预测值与实测值较为一致,利用开花期遥感影像NDVI和灌浆期生态数据估测冬小麦产量的RMSE值为369.27 kg·ha-1,相对误差为6.45%.模型估测性能好,且具有一定的解释性.  相似文献   

11.
基于NDVI密度分割的冬小麦种植面积提取   总被引:2,自引:0,他引:2  
为解决作物面积遥感监测中常遇的混合像元问题,选用江苏省沭阳县冬小麦扬花期HJ-1A卫星遥感影像,基于不同地物光谱信息的差异性与可分割性,提出基于归一化植被指数(NDVI)密度分割的冬小麦种植面积提取方法。在利用GPS实地取样调查和建立解译标志的基础上,对HJ-1A卫星影像进行了几何与大气校正。利用NDVI灰度影像提取混合像元训练样本的NDVI值和小麦种植面积,计算小麦面积权重,确定混合像元的NDVI阈值。利用NDVI再归一化结果对NDVI灰度影像进行密度分割,依据不同密度分割系数下像元总面积及其所对应的小麦面积权重关系,最终得到沭阳县冬小麦种植面积。结果表明,根据NDVI密度分割法提取冬小麦面积为8.37×104 hm2,面积精度为92.37%,样本精度为93.31%。基于密度分割系数(P0.5)制作沭阳县冬小麦种植分布图,获取了全县冬小麦空间分布特征信息。以上结果说明NDVI密度分割法能较准确地提取研究区内冬小麦种植面积,可有效解决农作物种植面积提取中混合像元问题。  相似文献   

12.
县域冬小麦生物量动态变化遥感估测研究   总被引:1,自引:0,他引:1  
为给生产管理中及时掌握县域冬小麦长势的动态变化提供有效手段,以江苏省沭阳县为研究区,基于冬小麦生物量形成的生理生态过程,重构冬小麦生物量遥感估测模型。选用两景不同时相的HJ星影像数据,利用植被指数反演的LAI数据,对冬小麦生物量模型进行参数修订,并对县域冬小麦拔节期生物量的空间分布进行估测。在此基础上,进一步估测冬小麦抽穗期生物量分布特征及其动态变化特点。结果表明:(1)冬小麦拔节期生物量估测值和观测值范围分别为2 054.3~4 828.3 和1 962.5~4 568.4 kg·hm-2 ,平均值分别为3 148和3 045.5 kg·hm-2 ,RMSE为214.8 kg·hm-2 ,决定系数为0.919 1,表明冬小麦生物量模型模拟精度较好;(2)冬小麦抽穗期生物量较拔节期发生明显变化,其中长势变化快的田块面积为20 108.7hm,占总种植面积的23.4%。春季气候因素的转好以及肥水措施的实施对冬小麦营养与生殖共生阶段的生长起到明显促进作用。说明本研究提出的基于遥感反演信息与生长模型协同的冬小麦生物量估测方法能有效估测县域冬小麦不同生长时期生物量的空间分布及其动态变化。  相似文献   

13.
为快速、准确获取江淮麦区县域冬小麦赤霉病发生信息,选用中、高空间分辨率卫星遥感影像做多尺度信息融合研究。在筛选适宜冬小麦田块分布特征的空间尺度遥感影像基础上,通过分析冬小麦长势指标和赤霉病病情指数之间的互作关系,构建基于多农学参数的冬小麦赤霉病估测模型,并对县域冬小麦赤霉病空间变化进行遥感监测。结果表明:(1)2m×2m、8m×8m和16m×16m三种空间尺度融合影像的均值相差不大,平均梯度和标准差存在明显差异。16m×16m融合影像的清晰度最好,信息量也多,比较适合研究区域冬小麦田块分布特征。(2)16m×16m融合影像提取的归一化植被指数(NDVI)和比值植被指数(RVI)值明显高于2m×2m和8m×8m融合影像,说明16m×16m融合影像光谱信息量较丰富,有利于冬小麦的识别。(3)冬小麦叶面积指数、叶片叶绿素含量和地上部生物量是影响赤霉病发生的主要长势指标。基于主要长势指标构建冬小麦赤霉病估测模型,平方根误差(REMS)为10.5%,相对误差为14.6%。该方法可以实现对县域冬小麦赤霉病空间变化的有效监测。  相似文献   

14.
利用HJ-1A卫星遥感影像进行水稻产量分级监测预报研究   总被引:3,自引:0,他引:3  
以江苏省盱眙县、金湖县和洪泽县为例,利用我国的环境减灾卫星(HJ-1)遥感影像,开展了水稻产量分级监测预报研究。在利用GPS实地取样调查和建立解译标志的基础上,进行HJ-1A卫星影像精校正,将GPS样点数据校验贯穿到整个水稻种植面积分类与解译过程中,面积信息解译精度在90%以上。分别利用水稻抽穗期归一化植被指数和比值植被指数反演了叶面积指数和生物量数据信息。结合水稻遥感估产模型进行产量估算,并叠加样点产量信息验证,估产精度达到85%以上;依据预测的水稻产量数据进行产量分级预报,制作了盱眙县、金湖县和洪泽县水稻产量遥感分级监测预报图。结果说明,环境减灾卫星影像基本能满足水稻种植面积提取和产量预报的需求,能够在遥感估产中推广应用。  相似文献   

15.
为及时准确高效监测小麦叶面积指数(leaf area index,LAI),获取了冬小麦挑旗期和开花期地面实测光谱与无人机高光谱遥感影像数据,并基于查找表建立PROSAIL辐射传输模型得到冬小麦冠层模拟光谱数据,利用数学统计回归模型与偏最小二乘回归法分别构建冬小麦LAI单变量、多变量预测模型,以实测LAI数据对预测结果进行精度评价,将最佳预测模型应用于无人机高光谱影像以分析LAI空间分布情况。结果表明,冬小麦各生育时期的预测模型均具有较高的预测精度,单变量预测模型和多变量预测模型的决定系数分别为0.598~0.717和0.577~0.755,其中以基于植被指数的多变量预测模型表现最优,其在开花期的验证精度最高,RMSE和MAPE分别为0.405和12.90%。在LAI空间分布图中,开花期预测效果优于挑旗期,各试验小区的LAI分布较为均匀。  相似文献   

16.
基于HJ 1B遥感数据的冬小麦旱情监测研究   总被引:3,自引:0,他引:3  
为确定植被干旱指数(TVDI)法在苏北地区冬小麦干旱监测中的适用性,利用HJ-1B星CCD、IRS数据,建立地表温度(Ts)-归一化植被指数(NDVI)特征空间,并提取TVDI,对2012年3月26日宿迁市土壤水分信息进行遥感监测,以地面样点实测数据进行验证,评价了地表温度及植被指数信息对TVDI指数变化的敏感性.结果表明,宿迁市较干旱区域主要集中在市、县的城区附近,较湿润区域主要分布在水体周围;TVDI与土壤湿度的相关性随土层深度增加而降低,其中在10 cm、20 cm深度的相关性达到极显著水平;由于Ts直接影响土壤含水量,而NDVI为间接影响,因此TVDI对Ts的敏感性大于NDVI.基于HJ-1B数据的TVDI指数法对冬小麦干旱具有较好的监测效果.  相似文献   

17.
The applicability of the hyperspectral data from the canopy to the prediction of wheat grain quality was assessed for winter wheat. A training experiment and a validation experiment with contrasting nitrogen (N) levels and different cultivars were conducted, respectively, at different locations in Beijing, China. The wheat canopy spectral reflectance over 350–2500 nm, leaf N concentration and chlorophyll (Chl) concentration were measured at different growth stages, and the grain protein content was also determined after harvest. Eight vegetation indices (VIs) were compared relating to leaf N concentration, and the result indicated that the plant pigment ratio (PPR, (R550−R450)/(R550+R450)), a Chl-based index, was most applicable to predict wheat grain protein due to its significant correlation with leaf N concentration at the post-anthesis stage. Based on the relationships among PPR, leaf Chl concentration, leaf N concentration, and grain protein content, the statistical prediction models of grain protein content for Zhongyou9507 (a hard winter wheat) and Jingdong8 (a semi-hard winter wheat) were developed. The root mean square error (RMSE) of the 18 DAA (days after anthesis) model of Zhongyou9507 was 0.175; those of the anthesis model and the 11 DAA model of Jingdong8 were 0.238 and 0.982, respectively. Taking both the precision and accuracy into account, the 18 DAA model of Zhongyou9507 and the anthesis model of Jingdong8 were recommended to predict grain protein content for each cultivar. The result demonstrated that PPR could be used to assess grain quality of winter wheat.  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