排序方式: 共有69条查询结果,搜索用时 31 毫秒
1.
基于ASAR的冬小麦不同生育期土壤湿度反演 总被引:4,自引:4,他引:0
基于ASAR高级合成孔径雷达ASAR数据和地面调查数据,结合MIMICS模型分析方法,研究ASAR后向散射数据与土壤湿度及冬小麦结构参数之间的关系,构建冬小麦不同生育期土壤湿度反演模型。研究结果表明:冬小麦冠层散射影响ASAR信号探测土壤湿度的深度,冬小麦生长初期(起身期前)ASAR信号探测土壤湿度的最佳深度为0~20 cm,拔节期后ASAR信号探测土壤湿度的最佳深度为0~5 cm。冬小麦抽穗期前,ASAR IS2 VV模式后向散射系数与土壤湿度线性相关性较高,可以利用经验统计模型方法反演土壤湿度;冬小麦生长旺盛期(抽穗期),经验模型土壤湿度反演精度较差,多角度ASAR数据模型能够提高土壤湿度反演精度。利用该土壤湿度反演模型,起身期、拔节期和抽穗期土壤湿度反演的均方根误差分别为0.0125、0.0247和0.0298 g/g。 相似文献
2.
冬小麦不同株型品种光谱响应及株型识别方法研究 总被引:5,自引:0,他引:5
以直立和平展2种株型的冬小麦品种为材料,研究了它们的光谱响应以及田间植被覆盖度的差异,探讨了利用冠层光谱反射率、光谱特征参量NDVI及植被覆盖度识别小麦株型的方法。结果表明,(1)小麦不同株型品种在近红外波段(700~1300 nm)光谱反射率有明显差异,生育前期平展型品种高于直立型品种,并以拔节期的差异为最显著,随着生育进程差异逐渐变小。拔节期是进行株型识别的最佳时期,并且此期冠层的敏感波段680 nm和760~900 nm的反射率在2种株型品种之间差异明显。(2)小麦冠层叶面积指数(LAI)与归一化差异植被指数NDVI(680,890)呈正相关,并且不同生育阶段其相关程度有差异,这是利用NDVI和植被覆盖度(COV)识别不同株型的基础。(3)相同COV条件下,直立型品种的NDVI高于平展型品种的NDVI,并且随着COV的增加,差异逐渐变小,二者的变化关系体现了直立型品种株型紧凑和平展型品种株型披散的特点,利用NDVI和COV的关系可以对株型进行识别,以小麦拔节期为最佳识别阶段,此期2种株型品种的NDVI具有显著差异(P<0.05)。 相似文献
3.
运用光谱技术改进Beer-Lambert定律的定量化及其应用研究 总被引:6,自引:0,他引:6
运用简便、快捷的无损测试提供的归一化植被指数(normalized difference vegetation index, NDVI)方法,对Beer-Lambert定律进行定量化改进,构建了以NDVI为自变量的LAI预测模型,并采用不同年份、不同株型的玉米数据对其改进结果进行检验。结果表明,当生长55 d时,叶向值(LOV)显著不同的3种株型的NDVI、LAI和消光系数K的差异均最大;披散型(LOV≤30°)NDVI饱和点的出现较中间型和紧凑型为早;利用NDVI改进Beer-Lambert定律的定量预测模型能够敏感反映植株冠层结构参数的动态变化,且最适用于紧凑型品种。随着玉米育种目标更偏向培育偏紧凑型品种,其改进结果在育种栽培实际中更有利用价值。 相似文献
4.
高空间分辨率的卫星影像和航摄影像越来越广泛地应用于山区农、林业资源调查和山区生态环境监测等领域.但是由于山区地形起伏和侧视成像等原因,使得影像存在一定的阴影,从而严重影响这些高分辨率影像的应用.针对这一问题,本文借鉴在遥感影像条带噪声去除中非常有效的矩匹配方法基本原理,提出了基于矩匹配的山区高分辨率遥感影像辐射校正方法,同时对被验证TM影像地形辐射校正最佳的C校正方法作了相应的改进.并以北京市西部山区的1 m分辨率的航空影像为例,分别用矩匹配方法和C校正改进方法进行了地形辐射校正,并对处理结果进行了对比分析.结果表明,对于地形复杂的山区,图像较大的高分辨率影像,矩匹配方法优于C校正改进方法. 相似文献
5.
冬小麦条锈病生理变化及其遥感机理 总被引:9,自引:0,他引:9
对不同处理条件下的冬小麦条锈病进行 (病情指数 ) (DI)调查 ,并进行同步的光谱测定及田间取样 ,在室内测试了对病情指数有重要影响的几个参数因子 ,叶绿素含量及上叶含水量 ,并且将其与光谱反射率进行统计分析。研究结果表明 ,这些参数因子与反射率数据在 5 5 0~ 70 0和 70 0~ 1160nm范围内与DI有着相似的高相关性 ,说明条锈病害的DI变化可以通过叶绿素含量、上叶含水量参数直接的变化在光谱上得到响应 ,从而证明遥感监测DI是可行的 ,同时解释了遥感监测机理。选出与叶绿素含量、上叶含水量相关性最强的波段与DI作多元回归 ,建立的模型能很好地反演冬小麦条锈病的病情指数 ,正确率达到 75 %以上 相似文献
6.
烤烟成熟鲜烟叶生化组分高光谱估算方法筛选 总被引:5,自引:3,他引:5
为实现实时无损快速预测鲜烟叶的品质生化组分、筛选估算生化组分最佳的方法,使用ASD Fieldspec FR2500对烤烟成熟鲜烟叶进行了反射率、透射率光谱测定和常规生化组分分析。对可见近红外波段(350~1650 nm)单波段光谱和选用已有100种光谱指数共两类光谱参量进行了与生化组分之间线性函数、幂函数、指数函数共3种形式相关分析和基于决定系数的筛选。结果表明,对于叶绿素a、叶绿素b、类胡萝卜素、钾估算方法分别是Gitelson and Merzlyak2(GM2) (R2=0.81)、光化学指数2(PRI2) (R2=0.80)、Gitelson and Merzlyak2(GM2) (R2=0.83)、1420 nm吸收峰开始位置(λs1420) (R2=0.67)的线性拟合最优。对于总糖、比叶重、氮、烟碱最优方法分别是在532 nm反射率一阶微分线性拟合(R2=0.54)、在1423 nm透射率线性拟合(R2=0.45)、在666 nm反射率倒数对数一阶微分的幂函数拟合(R2=0.44),在1135 nm反射率倒数对数二阶微分的线性拟合(R2=0.20)。通过筛选的光谱方法可以评估烟叶的品质状况。 相似文献
7.
应用叶绿素计诊断烤烟氮素营养状况 总被引:13,自引:1,他引:13
为探讨叶绿素计在估测烤烟叶绿素和氮浓度上的应用价值,进行了3个田间试验。即:郑州点2003年设施N.51.0.kg/hm2与4个品种NC89、RG17、85048、541;2004年设5个氮肥用量:N.30.04、0.5、51.0、61.5、75.0.kg/hm2与2个品种中烟101、云烟85;玉溪点于2005年设5个氮肥用量:N.02、7.0、54.5、81.8、109.0.kg/hm2与K326品种的试验。测定了不同试验条件下烤烟叶片的叶绿素计(SPAD-502和CCM-200)值和实际叶绿素浓度、全氮浓度,并进行了三者关系分析。结果表明,应用叶绿素计监测烤烟叶片最佳测定部位为完全展开叶的中部。叶绿素计测定值因年份、地点、氮肥水平、叶位、同一叶片不同的部位而异。叶绿素计值与叶绿素浓度、叶片全氮浓度之间有稳定的极显著相关性。叶绿素计SPAD-502的SPAD值和CCM-200的CCI值与叶绿素浓度之间的决定系数分别为0.8755(P0.001)和0.9499(P0.001)。SPAD计值(SPAD)与全氮浓度(N)之间回归方程为N=0.0265SPAD+0.9601(R2=0.7649,P0.001),经检验该模型具有较好的精确性和普适性,利用叶绿素计进行烤烟氮素营养监测是可行的。 相似文献
8.
基于L-THIA模型的密云水库地区非点源污染空间分布特征 总被引:2,自引:0,他引:2
农业生产营养物质的输出是造成水环境污染的重要原因之一。该文以北京密云水库周边地区为研究区域,基于土地利用、土壤以及降水等下垫面信息,利用长期水文影响评价(The Long-Term Hydrologic Impact Assessment,L-THIA)模型,估算研究区内污染物的长期平均输出负荷,并分析其空间分布特征。研究结果表明:不同土地利用类型的污染物输出负荷是不同的,其中以农用地对研究区内非点源污染的影响最大。结果表明,在流域规划和管理中使用L-THIA模型分析农业非点源污染的空间分布是可行的。 相似文献
9.
利用航空成像光谱数据研究土壤供氮量及变量施肥对冬小麦长势影响 总被引:17,自引:6,他引:17
以推扫式成像光谱仪PHI(Pushbroom Hyperspectral Imager)获取的冬小麦拔节期、灌浆初期及乳熟期的航空影像数据为基础,提取反映冬小麦长势的光谱特征值,结合地面调查数据,分析了研究区冬小麦的长势情况;对不同时相光谱特征值与土壤基础供氮量、土壤总供氮量以及变量施肥量进行统计分析,分析结果显示:土壤基础供氮量、土壤总供氮量的空间分布差异对冬小麦长势有明显的影响,其中,土壤基础供氮量是影响冬小麦长势的重要因素,它对冬小麦的长势影响贯穿冬小麦的整个生育期;此外,该文还通过变量施肥前后作物 相似文献
10.
为提高小麦遥感估产的精确性和机理性,在广域环境条件下进行了多品种小麦的种植试验,并基于遥感信息获取的瞬时性与广域性,结合小麦产量形成的生理生态过程及其与气候环境的相互关系,建立了较为简化的小麦估产模型.通过组件化的设计方法实现了遥感信息和估产模型的耦合,即利用抽穗期遥感影像反演的LAI和生物量及时替换小麦估产模型对应参数变量,进而实现对小麦产量的估测.通过试验验证,小麦产量的预测值与实测值较为一致,预测小麦产量的RMSE为354.18 kg·ha-1,利用小麦估产模型可以对不同年份、不同区域的小麦产量形成情况进行监测预报. 相似文献