排序方式: 共有27条查询结果,搜索用时 140 毫秒
1.
农业非点源污染国内外研究进展 总被引:5,自引:1,他引:5
农业非点源污染正日益成为水体富营养化最主要的污染源,并已成为当前限制我国经济可持续发展的重要因素。笔者从农业非点源污染物迁移转化机制、非点源污染物的防控机制、非点源污染模型模拟、农业非点源污染研究中的尺度问题等方面对国内外研究进展进行了论述。提出我国非点源污染研究需在以下方面有所加强:(1)非点源污染物耦合作用下的运移;(2)转化机理及其界面行为过程机制研究;(3)不同空间尺度和格局农业非点源污染物的迁移转化规律;(4)适合我国不同区域特色的非点源污染机理模型研究。 相似文献
2.
3.
4.
大豆叶面积的高光谱模型 总被引:4,自引:0,他引:4
以ASD FieldSpec-Vnir光谱仪实测不同生长季大豆的冠层反射率,同期采集对应大豆LAI,然后逐波段分析冠层光谱反射率、导数光谱与大豆LAI的相关关系;并采用单变量线性回归逐波段分析了冠层光谱反射率、导数光谱与大豆LAI确定性系数随波长的变化趋势,建立了以近红外与可见光波段冠层光谱反射率的比值植被指数RVI与大豆LAI的高光谱遥感估算模型。结果表明,冠层光谱反射率在350 ̄680nm、760 ̄1050nm波谱区与大豆LAI相关性较大,而在红边区680 ̄760nm的相关性变化较大;导数光谱在红边区与大豆LAI相关程度高。通RVI方式建立的遥感估算模型能较为准确估算大豆LAI,通过对红外与蓝波段建立的RVI指数与大豆LAI的回归模型,表明其预测大豆LAI的能力较好,有进一步研究的必要;通过对比发现,神经网络模型可以大大提升高光谱反演大豆LAI的水平,模型的确定系数R2为0.9661,而总均方根误差RMSE仅为0.446m2.m-2。 相似文献
5.
6.
应用高光谱数据定量反演查干湖水质参数研究 总被引:2,自引:0,他引:2
湖泊水质下降和富营养化问题日益严重,传统监测方法已经日益不能满足水质监测的需要。该文通过野外高光谱仪器测定查干湖水体反射光谱,分析研究水体反射光谱特征与水质参数叶绿素a含量、透明度和浊度之间的关系,运用多种半经验算法建立反演模型。结果表明:单波段光谱反射率与叶绿素a和浊度的相关系数较小,但与透明度相关系数较高;光谱反射率通过对数、比值转换,可以有效的提高叶绿素a和浊度估测模型的精度,却对透明度作用不大。总体来说,叶绿素a和浊度估测模型效果较好,透明度高光谱估测模型相对较差,需进一步研究。 相似文献
7.
8.
大豆叶绿素含量高光谱反演模型研究 总被引:24,自引:4,他引:24
叶绿素是植物体进行光合作用、进行第一性生产的重要物质,能够间接反映植被的健康状况与光合能力,同时也能反映植被受环境胁迫后的生理状态。高光谱遥感为快速、大面积监测植被的叶绿素变化提供了可能。该研究实测了不同水肥耦合作用下,大豆冠层的高光谱反射率与叶绿素含量数据,对二者进行了相关分析;采用特定叶绿素敏感波段建立了植被指数叶绿素估算模型;最后采用相关系数较大的波段作为神经网络模型的输入变量进行了叶绿素含量的估算。经对比发现叶绿素A、B与光谱反射率在可见光与近红外波段的相关系数的变化趋势基本一致,在可见光谱波段呈负相关,近红外波段呈正相关,红边处相关系数由负变正。特定色素植被指数可以提高大豆叶绿素估算精度(R2>0.736),但是人工神经网络模型可以大大提高大豆叶绿素含量的估算水平,当隐藏层节点数为4时,R2大于0.94,随着隐藏层节点数的增加,R2可高达0.99,表明神经网络模型可以大大提升高光谱反演大豆叶绿素含量的能力。 相似文献
9.
以ASD FieldSpec光谱仪实测了不同生长季大豆的冠层高光谱,同期采集了对应大豆LAI、地上鲜生物量。逐波段分析了冠层光谱反射率、导数光谱与大豆LAI、地上鲜生物量的相关关系;采用单变量线性回归逐波段分析了冠层光谱反射率、导数光谱与大豆LAI、地上鲜生物量确定性系数随波长的变化趋势;并建立了以近红外与可见光波段的冠层光谱反射率的比值植被指数RVI与大豆LAI、地上鲜生物量的高光谱遥感估算模型。结果表明,冠层光谱反射率在350~680 nm、760~1050 nm波谱区与大豆LAI、地上鲜生物量相关性 相似文献
10.