排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
基于无人机高光谱影像的水稻叶片磷素含量估算 总被引:1,自引:0,他引:1
为快速获取水稻叶片磷素含量信息,采用无人机搭载高光谱成像仪获取水稻冠层高光谱影像,并采样检测叶片磷素含量(质量分数)(Leaf phosphorus content, LPC)。分析了水稻LPC在无人机高光谱影像上的光谱特征,使用连续投影算法提取对磷素敏感的特征波长,通过任意波段组合构建并筛选与磷素高度相关的光谱指数,基于特征波长反射率和光谱指数建立水稻LPC的估算模型,利用最佳模型对高光谱影像进行反演填图,得到LPC空间分布信息。结果表明:全生育期内LPC与462~718 nm范围内光谱反射率显著负相关,负相关最大处相关系数达到-0.902;LPC的特征波长为670、706、722、846 nm,基于特征波长、使用偏最小二乘回归建立的LPC估算模型精度最高,验证R2达到0.925,RMSE为0.027%;在任意波段组合构建的3种类型的光谱指数中,NDSI(R498,R606)、RSI(R498,R606)和DSI(R498,R586)与LPC的相关性最高,相关系数分别为0.913、0.915和0.938;基于3个光谱指数、使用神经网络构建的LPC估算模型精度较高,验证R2为0.885,RMSE为0.029%;对各生育期水稻LPC空间分布的反演结果与实测数据相一致,说明利用无人机高光谱遥感可以实现田间水稻LPC的快速无损监测。 相似文献
3.
秦巴山区耕层土壤微量元素空间特征及影响因子——以镇巴县为例 总被引:2,自引:0,他引:2
为充分了解与掌握秦巴山区耕层土壤微量元素现状、空间分布规律及其影响因素,为区域土壤微量元素的科学管理及土壤微肥应用提供理论依据和实践指导,以镇巴县为例,基于2010年陕西省耕地地力调查与质量评价项目数据,采用地统计学和GIS相结合的方法,研究秦巴山区耕层土壤有效态Fe、有效态Mn、有效态Cu和有效态Zn的空间特征及其影响因素.结果表明:1)镇巴县耕层土壤有效态Fe、Mn和Cu均属中等变异强度,变异系数介于81.38%~97.57%之间,有效态Zn属强变异强度,变异系数为117.09%;2)空间特征上,根据块金系数值,4种微量元素均表现为中等强度的空间相关性,县域质量分数的空间分布呈南部高、西部低格局,空间变异性是由自然因素(土壤理化性质、地形地貌和常年降水量等)和人为因素(作物熟制和村距等)共同作用而引起的;3)镇巴县耕层土壤整体有效态Cu和Fe质量分数丰富,Zn质量分数适宜,19.14% Mn缺乏(<5 mg/kg),需结合不同的耕作制度、土壤类型及其质量分数丰缺水平进行分区培肥与管理. 相似文献
5.
【目的】研究汉中盆地耕地土壤有机质的空间自相关性、空间变异特征以及空间分布规律。【方法】根据地貌特征,以位于汉中盆地中部的平坝区作为研究区,于2010-2011年共采集土样3 568个,测定土样有机质含量,对获得的有机质含量原始数据进行处理后,综合运用传统统计、地统计和地理信息系统技术,研究汉中盆地耕地土壤有机质空间特征。【结果】研究区耕地土壤有机质含量为7.20~38.00g/kg,平均值为21.53g/kg,变异系数为24.48%,属中等强度变异;研究区耕地土壤有机质为空间聚集式分布,呈显著的正空间自相关,空间自相关尺度为4.70km;耕地土壤有机质含量的块金系数为0.55,表现为中等强度空间相关性;研究区61.13%的耕地土壤有机质含量较高(≥20~<30g/kg),整体分布格局为西高东低、南高北低,其中自东北向西南方向土壤有机质含量呈增加趋势。【结论】研究区大部分耕地土壤有机质含量较高,能够满足农作物生长的需要。 相似文献
6.
基于低空无人机成像光谱仪影像估算棉花叶面积指数 总被引:14,自引:6,他引:8
农作物叶面积指数(leaf area index,LAI)遥感监测具有快速、无损的优势。该文以低空无人机作为遥感平台,使用新型成像光谱仪获取的农田高光谱影像数据对棉花LAI进行反演。利用影像高光谱分辨率的特点,针对传统固定波段植被指数(fixed-bandvegetation index,F_VI)进行改进,通过动态搜索相应植被指数定义所使用波段范围内的反射率极值的方法,计算与各类植被指数对应的极值植被指数(extremum vegetation index,E_VI)。分别以原始全波段光谱反射率、连续投影算法(successive projections algorithm,SPA)提取的有效波段反射率以及各类F_VI和E_VI作为自变量,使用最小二乘和偏最小二乘(partial least squares,PLS)回归等方法构建LAI遥感估算模型。结果显示:1)以植被指数为自变量的模型估算效果(验证R2最高为0.85)优于以光谱反射率作为自变量的模型(验证R2最高为0.59);2)使用E_VI作为自变量能够显著提高LAI的估测精度(验证R2最大提高了0.11);3)使用PLS回归算法结合多个E_VI建立的LAI-E_VIs-PLS模型精度最高。使用LAI-E_VIs-PLS模型对棉花地块高光谱影像进行反演,制作棉花LAI空间分布图,取得良好的估算结果(验证R2=0.88,RMSE=0.29),为农作物LAI遥感监测提供了新的技术手段。 相似文献
7.
猕猴桃叶片SPAD值高光谱估算模型构建 总被引:1,自引:0,他引:1
利用便携式野外光谱辐射仪和叶绿素仪在陕西杨凌蒋家寨村测定了猕猴桃不同生育期叶片光谱反射率及其对应的叶绿素相对含量(SPAD)值,通过分析其光谱反射率、一阶微分光谱和SPAD的相关关系,构建了不同生育期基于红边位置、红边幅值、红边偏度和红边峰度的SPAD估算的单因素回归模型和多元逐步回归模型。结果表明:(1)随着猕猴桃叶片叶绿素含量升高,红边位置"红移",红边幅值随着SPAD值的增大而递减,红边面积有所减小,红边曲线形状由右偏逐渐转变为左偏,峰度值逐渐降低;(2)红边偏度能够更好地反映叶片叶绿素含量;(3)在不同生育期,均以红边偏度建立的单因素模型效果最好,建模R2分别为0.821、0.874、0.842;(4)与单因素多项式回归模型相比,多元逐步回归模型在不同生育期均有更好的建模精度和预测精度,在不同生育期,其预测R2分别为0.848、0.926、和0.850,是估算猕猴桃叶片SPAD值的最佳模型。 相似文献
8.
基于小波纹理和随机森林的猕猴桃果园遥感提取 总被引:4,自引:0,他引:4
为快速、准确地从高分影像中获取猕猴桃种植分布信息,提出了一种结合小波变换纹理分析和随机森林分类的QuickBird影像猕猴桃果园自动提取方法。首先,采用coif5小波对QuickBird全色影像进行多尺度小波分解,计算各子频带小波系数的能量特征作为纹理特征;然后,将小波纹理与光谱特征组合构建分类特征;最后,利用随机森林分类实现土地利用分类和猕猴桃果园空间分布提取。结果表明,小波纹理识别猕猴桃果园的效果明显优于光谱特征和其他2种纹理特征;光谱+小波纹理特征的分类精度最高,猕猴桃果园提取精度(Fk)和总体分类精度(OA)分别为95.30%和94.46%,比光谱+灰度共生矩阵纹理分类分别提高6.70%和2.88%,比光谱+分形纹理分类显著提高13.43%和6.98%;随机森林分类结果优于相同特征下的支持向量机、最大似然分类。本文提取的猕猴桃果园面积与目视解译结果的相对误差小于7%。此外,利用本文方法对同期QuickBird影像另一研究区的苹果园分布进行提取,结果表明,该方法对苹果园提取有较好的适用性。 相似文献
9.
基于随机森林回归的油菜叶片SPAD值遥感估算 总被引:1,自引:0,他引:1
以西北地区典型经济作物油菜为研究对象,利用SVC-1024i型便携式光谱仪和SPAD-502型叶绿素仪测定了油菜不同生育期的叶片光谱反射率和SPAD值。通过分析油菜原始光谱及10种光谱指数与SPAD值的相关关系,基于光谱指数构建了不同生育期油菜叶片SPAD值随机森林回归(RF)估算模型,并利用独立样本对所建模型进行验证,同时结合传统的一元线性回归模型和多元逐步回归模型与其进行比较。结果表明:油菜叶片SPAD值在全生育期内呈现出先上升后下降的趋势;各光谱指数在不同生育期及全生育期与SPAD值的相关性均达到0.01水平的显著相关;基于光谱指数构建的随机森林回归模型在油菜各个生育期及全生育期建模和预测结果明显优于同期的传统回归模型,建模R2达0.90以上,验证R2达0.81以上,RMSE在1.571~5.004,RE在2.66%~13.22%,是油菜叶片SPAD值的最优估算模型。 相似文献
10.
基于无人机成像光谱仪数据的棉花叶绿素含量反演 总被引:14,自引:0,他引:14
以棉花为目标作物,使用低空无人机平台的成像光谱仪获取地表农作物高光谱影像,利用无人机影像光谱分辨率高的特点,提取27个光谱参数,构建棉花叶片叶绿素相对含量(SPAD)的反演模型,并制作棉花叶片SPAD分布图。结果表明:在影像上,不同叶片SPAD的棉花冠层反射率有显著差异。光谱参数中,与SPAD相关性最高的为DR526、DR578、SDy和Db,相关系数绝对值都在0.8以上。在各光谱参数参与建立的SPAD反演模型中,使用多元逐步回归和偏最小二乘回归方法的模型精度最高。对高光谱影像结合各模型制作的SPAD分布图进行精度分析,结果表明,使用SPAD-PLSR模型得到的分布图具有最佳预测效果,可以作为棉花叶片SPAD遥感监测的技术手段。 相似文献