排序方式: 共有56条查询结果,搜索用时 187 毫秒
41.
42.
棉花产量遥感预测的L-Y模型构建 总被引:5,自引:0,他引:5
本文利用LAI动态与棉花产量的关系建立了叶面积指数—产量(L-Y)模型,以期利用多时相遥感数据,实现对棉花产量定量遥感预测。模型建立以小区控制和大田生产试验数据为基础,以农学原理为背景,采用数学推演方法,具简单、灵活、普适性强等特点。检验结果表明,用便携式光谱辐射计测定棉花冠层高光谱反射率,以棉花全生育期LAI动态与棉花产量的关系和近地高光谱遥感参数模型监测的多时相LAI,可很好地定量预测棉花产量,估算误差约为5.44%,RMSE达到116.2 kg·hm-2,预测值与实测值相关系数为0.836,达极显著水平。L-Y模型为棉花卫星遥感估产提供了参考模型,对其他作物使用动态生长信息提高遥感估产水平也有一定的借鉴意义。 相似文献
43.
44.
棉花黄萎病疑似病田的卫星遥感监测——以TM卫星影像为例 总被引:2,自引:0,他引:2
研究TM卫星影像最佳时相(单一时相)对黄萎病疑似病害棉田诊断和分类的技术与方法,为棉花生产提供具有针对性的管理方案,对促进棉田均衡增产、增效具有重要的意义。本研究通过分析试验区多时相卫星影像及准同步地面调查数据,从中优选病害棉田卫星影像诊断的最佳波段和时相,对黄萎病疑似病害棉田分类并地面验证。结果表明,棉花的关键生育期,健康与病害棉田在TM影像上明显不同,由此建立病害棉田解译标志是可行的,TM4波段可作为病害棉田卫星监测的最佳波段,棉花盛铃期(7月下旬至8月中旬)可作为黄萎病卫星监测的最佳时相。基于上述分析,在病害发生的最佳时相,利用平行六面体监督分类方法将示范区黄萎病疑似病害棉田划分为健康、轻病和重病棉田,其中2年病害棉田的面积分别占29%和23%。2年黄萎病疑似病害棉田分类结果的总体精度和Kappa系数均高于85%。进一步制作的棉花病田专题图也很好地反映了棉田内部的病害情况。因此,可利用多时相遥感数据进行棉花黄萎病疑似病田的诊断。 相似文献
45.
增效缩节胺化学封顶对不同施氮量条件下棉花群体生长特征的影响 总被引:1,自引:0,他引:1
为探索与完善施用棉花化学封顶技术,以早熟棉品种‘新陆早53号’为试材,设150(N_1)、300(N_2)、450(N_3)kg·hm~(-2)施氮处理,每个施氮处理下设450(D_1)、750(D_2)、1 050(D_3)mL·hm~(-2)化学封顶(DPC~+剂量)和人工打顶(CK)处理,研究化学封顶对不同施氮量条件下群体生长率(CGR)、净同化速率(NAR)、棉铃生长率(BGR)和叶面积载铃量(LAB)的影响。结果表明:在N_1条件下,D_1处理的CGR、NAR、BGR和LAB较高,与CK相比,D_1处理的CGR、NAR在盛花期、盛铃后期和吐絮期增幅达12.93%~35.57%;在N_2条件下,不同DPC~+剂量处理的CGR、NAR、BGR均以D_2处理较高,吐絮期增幅达7.69%~16.21%;在N_3条件下,CGR、NAR、BGR和LAB则均随DPC~+剂量的增加呈增加趋势,D_3处理在吐絮期增幅达7.00%~16.16%。施氮量和DPC~+剂量互作表现为N_2D_2处理的CGR、LAB、BGR和NAR均较高。在盛花期、盛铃后期和吐絮期,各群体生长参数间呈显著正相关,其中BGR与CGR、NAR、LAB在吐絮期的相关系数达到0.78~0.89。因此,在300 kg·hm~(-2)施氮条件下,施用750 mL·hm~(-2) DPC~+化学封顶剂有利于保持较高的群体生长速率,促进棉花"库"器官的发育和生长,提高群体干物质的生产能力,有利于实现干旱区棉花高产高效生产。 相似文献
46.
通过开展小区棉花密度和水分对比试验,分析不同密度和水分处理的棉花整个生育期光合有效辐射吸收分量(FPAR)与光谱反射率的相关关系,建立棉花FPAR光谱估算模型。结果表明,棉花FPAR与选取的所有植被指数均呈极显著相关,其中绿度植被指数(GREENNDVI)和反射率比值(GMI)与FPAR的相关性最好,相关系数(r)分别为0.794和0.765。分别用GREENNDVI和GMI建立棉花FPAR的估算模型,其决定系数(r2)分别为0.657和0.633,均方根误差(RMSE)分别为0.089和0.093。研究表明,利用光谱特征参数可以有效地估算棉花整个生育期的FPAR。 相似文献
47.
基于宽范围动态植被指数的棉花冠层覆盖度监测 总被引:5,自引:3,他引:2
旨在利用宽范围动态植被指数对棉花冠层覆盖度进行监测,解决传统的利用归一化差值植被指数对冠层覆盖度较高时监测不准确(饱和)的问题。采用高光谱仪获取棉花不同时期不同覆盖度的冠层光谱反射率,通过对构成归一化差值植被指数的近红外波段反射率引入系数α来提高修正后的植被指数随棉花覆盖度变化的动态范围。当利用权重系数0.1≤α≤0.2对近红外波段反射率调整之后,新形成的宽范围动态植被指数用于监测不同覆盖度棉花时未出现“饱和”现象。利用宽范围动态植被指数建立的棉花覆盖度监测模型的决定系数r2>0.948,对棉花冠层覆盖度进行监测,可以解决传统的归一化差值植被指数对冠层覆盖度较高时监测不准确(饱和)的问题,提高了植被指数对棉花冠层覆盖度监测的精度。 相似文献
48.
应用两种近地可见光成像传感器估测棉花冠层叶片氮素状况 总被引:7,自引:0,他引:7
作物叶片含氮量是作物长势监测、产量及品质估测的重要依据,实时、无损地监测植株体内氮素营养状况有助于棉花氮肥的正确施用。本研究比较2种近地可见光传感器的光谱和颜色信息用于监测棉花氮素营养的能力, 确定MSI200成像光谱仪和数码相机监测棉花冠层叶片氮含量最佳的波段、光谱指数和颜色参数并建立估测模型。结果表明,在可见光波段,冠层反射率随着冠层叶片氮素含量的增加而降低,且叶片含氮量的光谱敏感波段主要位于绿光和红光区域;与棉花冠层叶片含氮量的拟合效果最好的2种传感器的光谱指数为差值指数DI(R580, R680)和G–R,而颜色参数则分别为b*和H,同一传感器以光谱指数的拟合效果优于颜色参数,不同传感器以MSI200数据的拟合效果优于数码相机;利用独立试验资料检验所建模型的估测性能表明,差值指数对棉花冠层叶片氮素的预测能力优于比值指数和归一化差值指数,DI(R580, R680)和G–R所建模型的估测精度最高,分别为0.8131和0.7636。因此,利用数码相机和MSI200型成像光谱仪可以定量估测棉花冠层叶片氮素营养状况。 相似文献
49.
设置5种不同机械化秸秆还田处理,包括:卧式棉秆春季常规还田(HT1)、棉花整秆起拔不还田(HT2)、卧式常规粉碎还田后起拔棉根不还田(HT3)、卧式常规粉碎还田后起拔棉根粉碎全量还田(HT4)、立式常规粉碎还田(HT5,CK),对不同机械化秸秆还田方式下棉花生长发育指标和产量品质特征进行分析。结果表明:处理HT1出苗率最低,与其他处理(HT2~5)差异显著,HT2~4出苗率与对照(HT5)基本持平。整个生育期各处理的生物量、叶面积指数差异较大,为143.90~6 594.24 kg·hm~(-2)、0.6~2.1;株高在苗期和蕾期差异显著(2~6 cm);果枝台数和叶龄仅在蕾期差异显著。各处理除单铃重差异不大(4.87~5.59 g)外,单株铃数、收获株数均差异显著。不同机械化秸秆还田方式产量存在差异,其中HT1处理减产最大,为2 065.8 kg·hm~(-2),与其他处理差异达显著水平,HT2、HT3较对照增产261.90 kg·hm~(-2)、316.65 kg·hm~(-2),HT4较对照减产265.95 kg·hm~(-2)。HT1~4的绒长、比强度、整齐度、伸长率、成熟度指数和纺织均匀度指数大于对照0.58~1.05 mm,2.27~5.46 CN·tex~(-1),1.6%~2.5%,0.26%~0.46%,0.01~0.02,21~232;短纤维指数小于对照0.9%~1.33%;马克隆值有增有减。HT1、HT4处理降低了棉花效益,分别亏损了15 583.5元·hm~(-2)、3 153.75元·hm~(-2),HT2、HT3增加了棉花效益,分别盈利了1 334.25元·hm~(-2)、1 684.88元·hm~(-2)。不同机械化还田方式对棉花生长发育特征及产量品质产生了较大的影响,综合考虑推荐棉花整秆起拔不还田、卧式常规粉碎还田后起拔棉根不还田在生产中应用。 相似文献
50.
基于多时相棉花长势遥感的棉田质量诊断 总被引:4,自引:0,他引:4
【目的】研究多时相遥感信息对棉田质量进行诊断的技术和方法,为棉花生产提供具有针对性的管理方案,促进棉田均衡增产、增效。【方法】研究分析多时相遥感数据对地物信息的动态分析与评判能力,以及棉花长势指标动态变化与棉田质量的关系,对棉花生长盛期多时相的LANDSAT-5多时相遥感数据进行融合,将棉田质量状况划分为健康棉田、有障碍棉田和疑似有障碍棉田三类。【结果】数据分析结果表明,棉花生长盛期(花铃期)单时相的LANDSAT-5反射率数据可以作为棉田生长状况的判断指标,划分健康生长与生长障碍的阈值为0.820;利用多时相遥感数据的棉田质量划分方法,可以将棉田质量分为健康、有障碍和疑似有障碍三类。依据此方法对新疆建设兵团148团约1 1705.3 ha的417块棉田进行分类,得出健康、有障碍和疑似有障碍三类棉田所占比例分别为36.4%、34.1%和29.5%;经过8块条田(426.5 ha)的地面同步调查证实了这种方法的准确性,造成该区棉田质量障碍的主要因素为耕地盐渍化、不平整、土壤质地不匀。【结论】研究表明棉田多时相遥感数据进行棉田质量诊断是可行的。利用这种方法,结合不同质量棉田形成机理,能够得到棉田质量状况及影响因素精细分布的信息,为进一步进行的棉田土壤改良与生产管理采取针对性的措施提供数据支撑。 相似文献