首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   7篇
  完全免费   16篇
  综合类   23篇
  2019年   1篇
  2015年   1篇
  2014年   1篇
  2013年   1篇
  2012年   1篇
  2011年   1篇
  2010年   2篇
  2009年   3篇
  2008年   3篇
  2007年   4篇
  2006年   1篇
  2005年   2篇
  2004年   2篇
排序方式: 共有23条查询结果,搜索用时 46 毫秒
1.
数字农作技术研究的若干进展与发展方向   总被引:21,自引:2,他引:19       下载免费PDF全文
 着重介绍数字农作技术研究的若干最新进展与发展方向。数字农作即通过综合运用数字化技术,研究农作物生产系统中信息获取、处理、管理和利用的关键技术及应用系统,从而对农作系统过程的信息流实现全面的数字化表达和整合。近年来,作者围绕数字农作的关键技术及应用系统,开展了较为深入和系统的研究工作,重点在作物生长模拟模型、作物管理知识模型、作物生长无损监测、农作空间信息管理、数字农作决策系统等5个领域取得了显著的研究进展。数字农作的未来发展将需要综合运用信息管理、自动监测、动态模拟、虚拟现实、知识工程、精确控制、网络通讯等现代信息技术,以农作物生产要素与生产过程的信息化与数字化为主要研究目标,发展农业资源的信息化管理、农作状态的自动化监测、农作过程的数字化模拟、农作系统的可视化设计、农作知识的模型化表达、农作管理的精确化控制等关键技术,进一步研制综合性数字农作技术软硬件系统,实现农作系统监测、预测、设计、管理、控制的数字化、精确化、可视化、网络化。农作生长与生产系统的数字化将带动农业产业的信息化和现代化。  相似文献
2.
不同类型土壤的光谱特征及其有机质含量预测   总被引:10,自引:1,他引:9       下载免费PDF全文
 【目的】构建适合土壤有机质含量估测的高光谱参数及定量反演模型。【方法】系统分析中国中、东部地区5种不同类型土壤风干样本有机质含量与350~2 500 nm波段范围高光谱反射率之间的关系,利用特征光谱参数和BP神经网络建立土壤有机质的定量估测模型。【结果】光谱一阶导数构成的两波段光谱参数与土壤有机质含量的相关性明显优于原始光谱,尤其采用Norris平滑滤波后导数光谱效果更好。光谱参数构成形式以差值指数最好,其次为比值和归一化指数。与土壤有机质含量相关程度最高的光谱参数是由可见光区554 nm和近红外区1 398 nm两个波段的一阶导数组合而成的差值指数DI(D554,D1398),两者呈显著指数曲线关系,拟合方程为y= 184.2 ×exp[-1297×DI(D554,D1398)],决定系数为0.90。经不同类型土壤的观测资料检验,模型预测决定系数为0.84,均方根误差RMSE为3.64,相对分析误差RPD为2.98,显示估测模型具有较好的预测精度。另外,利用BP神经网络结合偏最小二乘法(PLS)对导数光谱进行分析,提取贡献率达到99.56 %的前6个主成分建立了三层BP 神经网络模型,模型决定系数为0.98,经不同类型土壤的观测资料检验,模型预测决定系数为0.96,RMSE为2.24,相对偏差RPD为4.83。比较利用DI(D554,D1398)和BP网络进行土壤有机质含量的预测结果,前者精度低于后者,但可以满足土壤有机质监测的需要。【结论】利用差值光谱指数DI(D554,D1398)和BP神经网络模型均可实现对土壤有机质的精确估测。  相似文献
3.
小麦叶层氮含量估测的最佳高光谱参数研究   总被引:8,自引:3,他引:5       下载免费PDF全文
 【目的】作物体内氮素状况是评价长势和预测产量的重要指标。小麦植株氮素营养的快速监测和无损诊断对于精确氮素管理具有重要作用。本文旨在通过对高光谱信息的精细分析和信息提取,探索建立小麦叶片氮含量(LNC,leaf nitrogen content)估算的最佳波段、光谱参数及监测模型。【方法】利用连续4年的系统观测资料,采用精细采样法,详细分析350~2 500 nm波段范围内原始光谱反射率及其一阶导数光谱的任意两两波段组合而成的主要高光谱指数与小麦冠层叶片氮含量的定量关系。【结果】发现小麦叶片氮含量的最佳波段为位于红边的690、691、700和711 nm以及近红外波段的1 350 nm;基于归一化光谱指数NDSI(R1350,R700)和NDSI(FD700,FD690)、比值光谱指数RSI(R700,R1350)和RSI(FD691,FD711)、土壤调节光谱指数SASI(R1350,R700)(L=0.09)和SASI(FD700,FD690)(L=-0.01)构建氮含量监测模型,决定系数(R2)分别为0.851和0.857、0.842和0.893、0.860和0.866。利用独立试验资料对模型检验的结果显示,模型测试的精度(R2)均大于0.758,RRMSE均小于0.266,尤其是高光谱参数RSI(FD691,FD711)和SASI(FD700,FD690)表现最好。【结论】总体上,利用精细采样法确定最佳波段,构建植被指数和氮含量监测模型,可显著提高模型的精确度和可靠性,从而为快速无损诊断小麦叶层的氮素状况提供新的波段选择和技术途径。  相似文献
4.
小麦氮素积累动态的高光谱监测   总被引:8,自引:1,他引:7       下载免费PDF全文
 【目的】研究小麦地上部氮积累量与冠层高光谱参数的定量关系,分析多种高光谱参数估算地上部氮积累量的效果。【方法】连续3年采用不同蛋白质含量的小麦品种在不同施氮水平下进行大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定植株不同器官生物量和氮含量。【结果】植株氮积累量随着施氮水平的提高而增加,不同地力水平间存在明显差异。植株氮积累量的光谱敏感波段主要存在于近红外平台和可见光区,而地上部氮积累量与冠层光谱的相关性明显降低。对植株氮积累量的光谱估算,在不同品种、氮素水平、生育时期和年度间可以使用统一的光谱模型。在籽粒灌浆期间植株氮积累量自开花期随时间进程的积分累积值与对应时期籽粒氮素积累状况存在显著的定量关系,根据特征光谱参数植株氮素营养籽粒氮积累量这一技术路径,以植株氮积累量为交接点将模型链接,建立高光谱参数与籽粒氮积累量间定量方程。将植株氮积累量与籽粒氮积累量相加,确立了基于高光谱参数的籽粒灌浆期间地上部氮积累量监测模型。经不同年际独立资料的检验表明,利用光谱参数SDr/SDb、VOG2、VOG3、RVI(810,560)、[(R750-800)/(R695-740)]-1和Dr/Db建立模型可以实时监测小麦地上部氮素积累动态变化,预测精度R2分别为0.774、0.791、0.803、0.803、0.802和0.778,相对误差RE分别为16.7%、15.5%、15.6%、18.5%、15.5%和17.3%。【结论】利用关键特征光谱参数可以有效地评价小麦地上部氮素积累状况,其中尤以植被指数VOG2、VOG3和[(R750-800)/(R695-740)]-1的效果更好。  相似文献
5.
基于高光谱遥感的小麦叶片糖氮比监测   总被引:7,自引:1,他引:6       下载免费PDF全文
 【目的】碳氮代谢反映植株生理状况和生长活力,是小麦籽粒产量与品质形成的生理基础,因而叶片糖氮比的实时无损监测对小麦生长诊断和氮素管理具有重要意义。本研究的主要目的是通过分析小麦叶片糖氮比与冠层高光谱参数的定量关系,确立小麦叶片糖氮比的定量监测模型。【方法】采用不同蛋白质含量的小麦品种在不同施氮水平下进行了连续3年大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定叶片糖氮比值,进而分析建立冠层高光谱参数与叶片糖氮比的回归模型。【结果】小麦叶片糖氮比随施氮水平的提高而下降,随生育进程呈“高-低-高”动态变化模式。利用高光谱对叶片糖氮比进行监测的适宜时期为拔节期至灌浆中期,其中开花期最好。水分特征参数FWBI和Area980与叶片糖氮比关系密切,指数方程拟合决定系数(R2)分别为0.762和0.768,估计标准误差(SE)分别为1.27和1.28。色素特征参数(R750-800/R695-740)-1和VOG2为变量,指数方程拟合决定系数(R2)分别为0.718和0.712,估计标准误差SE分别为1.87和1.95。经不同年际独立试验数据的检验表明,以参数FWBI、Area1190、(R750-800/R695-740)-1和VOG2参数为变量建立的叶片糖氮比监测模型表现很好,预测精度R2分别为0.627、0.618、0.691和0.795,预测相对误差RE分别为19.2%、18.7%、17.9%和18.3%。【结论】与色素指数和水分指数相关的特征光谱参数可以有效地评价小麦叶片糖氮比的变化状况,利用FWBI、Area1190、(R750-800/R695-740)-1和VOG2 4个参数可以对生长盛期的小麦叶片糖氮比进行可靠的监测。  相似文献
6.
基于高光谱的水稻叶片含水量监测研究   总被引:4,自引:2,他引:2       下载免费PDF全文
【目的】建立快速、无损诊断水稻叶片含水量的估测模型,为水稻水分精确管理提供依据。【方法】基于2年不同土壤水分处理和水稻品种的池栽试验,于水稻主要生育时期同步测定顶部4张叶片的光谱反射率和含水量,系统分析350—2 500 nm波段范围内任意两波段组合而成的比值(RSI)、归一化差值(NDSI)及差值(DSI)光谱指数,并分析其与叶片含水量的量化关系。【结果】不同土壤水分处理和叶位间,叶片反射光谱具有显著的时空变化特征,叶片含水量的敏感光谱波段主要位于近红外及短波红外区域;RSI (R1402, R2272)及NDSI (R1402, R2272)光谱指数与叶片含水量呈现良好的线性相关,线性拟合R2均达到0.80。基于独立试验资料对所建模型进行测试检验也显示,预测值和观察值的拟合R2也均达到0.86。【结论】RSI(R1402, R2272)、NDSI(R1402, R2272)均可用于水稻叶片含水量的定量监测。  相似文献
7.
 研究了不同施氮水平下小麦籽粒蛋白质含量及相关品质性状与冠层反射光谱、植株氮素状况之间的定量关系。结果表明,小麦灌浆期冠层反射光谱可以用来直接预测籽粒蛋白质含量、沉降值和降落值,成熟期冠层反射光谱对籽粒醇溶蛋白和谷蛋白含量的监测具有较高的可靠性;籽粒蛋白质含量与花后14 d叶片含氮量的相关性较好,并且花后14 d比值指数RVI (1220, 710)能准确反演叶片含氮量,进而可以间接地预测籽粒蛋白质含量。据此提出了小麦籽粒蛋白质含量及相关品质指标的两种监测技术途径:基于灌浆期反射光谱的直接预测和基于花后14 d(灌浆中期)叶片含氮量的间接估测。  相似文献
8.
作物精确栽培技术的构建与实现   总被引:3,自引:0,他引:3       下载免费PDF全文
 随着现代作物栽培学与新兴学科领域的交叉与融合,作物栽培管理正从传统的模式化和规范化,向着定量化和智能化的方向迈进。作物精确栽培技术即是将系统科学和信息技术应用于作物栽培学,并对作物栽培学所涉及的对象和过程进行数字化设计、信息化感知、动态化模拟,从而实现作物栽培管理的定量化与精确化。通过多年的探索和实践,基本构建了具有中国特色的作物精确栽培技术体系,重点在作物栽培方案的定量设计、作物生长指标的光谱监测、作物生产力的模拟预测三个方面取得了显著的研究进展,并在试验示范中实现了基于生产因子的作物栽培管理方案优化设计、基于光谱信息的作物生长指标监测诊断、基于生长过程的作物产量品质预测预报。作物精确栽培技术的未来发展将需要深入推进作物栽培学与模拟技术、传感技术、决策技术等的交叉融合,完善适用于单点到区域不同尺度的作物栽培方案精确设计、作物生长状况精确诊断、作物生产力精确预测等关键技术,加强作物精确栽培技术软件系统和硬件产品的开发应用与示范推广,从而促进现代作物栽培管理不断向着智慧化方向迈进。作物精确栽培技术的进一步完善将有助于提升农业生产的管理水平和综合效益,加快农业信息化与现代化的发展进程。  相似文献
9.
 【目的】红边位置常被用于监测作物叶片氮素营养状况。本文旨在通过不同算法提取红边位置,分析并比较不同算法提取的红边位置对氮素营养监测模型的准确性和可靠性差异,确定监测小麦叶片氮素营养的最佳红边位置算法及定量 模型。【方法】基于不同施氮水平、播种密度、品种类型和生育时期的小麦田间试验,系统分析不同算法的红边位置(一 阶微分、倒高斯法、多项式拟合法、四点内插法、拉格朗日法、线性外推法)与冠层叶片氮素营养指标的定量关系,比较 不同算法红边位置对氮素营养监测的准确性和可靠性。【结果】线性外推法为计算小麦红边位置的最佳算法,并建立了基于线性外推法的小麦冠层叶片氮素营养定量监测模型。【结论】研究结果为小麦冠层叶片氮素营养指标的可靠监测提供了有效途径。  相似文献
10.
冬小麦叶色动态的量化研究   总被引:3,自引:1,他引:2       下载免费PDF全文
 【目的】模拟小麦叶色变化的动态过程,为实现小麦生长的可视化表达奠定基础。【方法】以不同施氮水平下不同类型小麦品种的两个生长季田间试验为基础,通过连续测量不同处理条件下小麦主茎和分蘖不同叶位叶片的SPAD值,综合分析小麦叶片SPAD值随生育进程的变化规律及其与RGB值的关系,进而构建基于SPAD的冬小麦叶色变化动态的模拟模型。【结果】模型采用分段函数描述叶片SPAD值随生育进程的动态变化过程:第1阶段为基于二次曲线的叶色增强过程;第2阶段为相对稳定的功能期叶色维持过程;第3阶段为基于二次曲线的叶色减弱过程;并基于叶片氮含量表达了氮素供应水平对叶片SPAD值变化规律的影响,同时用线性方程描述了叶片SPAD值与RGB值之间的定量关系。利用独立的小麦田间试验资料对所建模型进行了测试和检验,显示不同时刻主茎和分蘖叶片SPAD预测值的平均RMSE分别为11.60%和9.03%。【结论】本模型具有较强的动态预测性和可靠性,为进一步建立虚拟小麦生长系统奠定了基础。  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号