排序方式: 共有18条查询结果,搜索用时 0 毫秒
11.
为及时、准确监测烟草叶片的水分状况,连续2年开展不同基因型烤烟品种的水分胁迫试验,测定烟叶的光谱反射率和叶片等效水厚度(EWT),系统分析350~2500 nm波段范围内任意2个波段组合而成的比值水分指数(SRWI)和归一化水分指数(NDWI),并构建烟草EWT的光谱指数预测模型。结果表明:(1)不同基因型烟草的叶片等效水厚度均随灌水量的减少而降低。(2)不同水分处理的烟叶光谱反射率在可见光波段和近红外波段均发生了规律性变化。(3)筛选出的烟草叶片等效水厚度的光谱敏感波段主要集中在可见光区域的500~600 nm、近红外区域的700~900和1000~1250 nm、短波红外区域的1900~2000 nm,最佳水分光谱指数分别为NDWI(R1920,R1930)、SRWI(R1930,R1920),核心波段为1920、1930 nm。(4)利用水分光谱指数构建的烟草叶片等效水厚度的线性和非线性预测模型,以极限学习机模型(ELM)的精准度和稳定性最佳(P-R2=0.853 相似文献
12.
摘要:以中筋小麦豫麦49和弱筋小麦豫麦50为材料,采用盆栽方法研究了40%FC、60%FC和80%FC对旗叶和籽粒中谷氨酰胺合成酶(GS)籽粒产量的影响。结果表明:旗叶中GS活性较籽粒中GS活性高,不同水分处理下豫麦49叶片在籽粒形成和灌浆盛期GS活性表现为60%FC>80%FC>40%FC,其它时期表现为80%FC下最高,40%FC最低,其籽粒和豫麦50叶片和籽粒GS活性均以80%FC下最高。两个品种的产量以80%FC最高,40%FC最低,60%FC居中。且旗叶和籽粒GS活性在籽粒灌浆盛期与产量都达到了极显著水平。 相似文献
13.
14.
以中筋小麦豫麦49和弱筋小麦豫麦50为材料,采用盆栽方法研究了40%FC、60%FC和80%FC对旗叶和籽粒中谷氨酰胺合成酶(GS)活性和籽粒产量的影响.结果表明:旗叶中GS活性较籽粒中GSz活性高,不同水分处理下豫麦49叶片在籽粒形成和灌浆盛期GS活性表现为60%FC>80%FC>40%FC,其他时期表现为80%FC下最高,40%FC最低,其籽粒和豫麦50叶片和籽粒GS活性均以80%FC下最高.两个品种的产量以80%FC最高,40%FC最低,60%FC居中.且旗叶和籽粒GS活性在籽粒灌浆盛期与产量都达到了极显著水平. 相似文献
15.
不同水分处理对烟草冠层高光谱参数和生理指标的影响 总被引:1,自引:0,他引:1
为快速、准确检测烟草的生理指标,获取烟田节水灌溉和烟草的生长信息,通过不同的水分处理,采用ASDFieidspec HH光谱仪,分析不同处理烟草冠层光谱特性,同时运用逐步回归等统计方法,研究了不同水分条件下烟草的冠层高光谱遥感特征参数与烟草生理之间的关系.结果表明,不同水分处理间烟草的生理指标以及烟草冠层光谱曲线差异较大.通过逐步回归方程筛选出了叶片7种生理指标的高光谱特征变量,与叶面积指数,叶片干重,叶片含水率关系最密切的光谱特征变量均是红边面积与黄边面积的归一化值;与叶绿素a,叶绿素b,叶绿素a+b关系最密切的光谱特征变量均是红边位置.建立的回归方程的决定系数和回归系数相伴概率显著性均为显著水平,同时通过检测样本的检验,估测效果较好.因此,可利用这些变量建立的估测模型时烟草的多种生理指标进行快速测定,并可根据烟草冠层高光谱特性初步指导烟田节水灌溉和检测烟草生长状况. 相似文献
16.
17.
不同光质条件下初烤烟叶物理特性的差异研究 总被引:1,自引:1,他引:0
为明确不同光质条件对初烤烟叶物理特性的影响,采用红色、黄色、绿色、蓝色、白色等不同颜色滤光膜创造不同光质条件,以‘K326’为供试材料,研究了不同光质条件下初烤烟叶物理特性的差异。结果表明:(1)覆盖不同颜色滤光膜可明显改变太阳光谱中可见光不同波段的组成比例。(2)同对照相比,覆盖白色薄膜可明显提高烟叶叶面积、单叶重、叶面密度和平衡含水率等,同时降低其含梗率;增加绿光和蓝光比例有利于烟草叶片厚度、拉力、叶面密度和平衡含水率的增加,显著减少叶面积、单叶重、含梗率和填充值等物理特性;增加红光比例则可以降低中上部烟叶的厚度、叶面积、单叶重、含梗率、叶面密度和平衡含水率等。因此,在烟叶生产中可采用覆盖白色透明薄膜来提高优质烟叶水平。 相似文献
18.
SPAD值是评价烟草健康状况的重要农学参数。本文利用ASD地物光谱仪和叶绿素仪(SPAD-502)连续两年测定了TMV胁迫下烟草冠层的光谱数据和SPAD值。采用减量精细采样法,筛选了TMV胁迫下烟草SPAD值的光谱敏感波段,并构建了预测模型。结果表明:TMV胁迫下烟草SPAD值的敏感波段主要位于可见光区域及近红外区域,其最佳波段为731 nm、741 nm、835 nm和910 nm。构建的SPAD值的差值植被指数DVI(R835,R910)、比值植被指数RVI(R731,R741)、归一化植被指数NDVI(R731,R741)线性模型、逐步回归(SMLR)和BP神经网络等预测模型,决定系数(R2)分别为0.62、0.60、0.61、0.69和0.89;模型的测试精度(P-R2)分别为0.49、0.52、0.52、0.51和0.79,均方根误差RMSE分别为5.33、5.22、5.23、17.13和3.40。表明可利用DVI(R835,R910)、RVI(R731,R741)、NDVI(R731,R741)和BP神经网络来预测烟草SPAD值,并进一步监测其健康状况... 相似文献