排序方式: 共有69条查询结果,搜索用时 15 毫秒
1.
为提高小麦条锈病的遥感探测精度,依据日光诱导叶绿素荧光和冠层反射光谱数据在小麦条锈病遥感探测中的优势及其与病情严重度之间的映射关系,在运用独立分量分析法对光谱数据降维的基础上,利用核学习算法分别确定冠层光谱特征和日光诱导叶绿素荧光特征反映小麦条锈病病情严重度的最优核,同时针对冠层光谱与叶绿素荧光特征组,建立基于不同特征最优核映射的多核学习支持向量机模型,并与基于特征直接拼接的模型结果进行对比。结果表明,对于冠层光谱而言,采用高斯核构建的支持向量机模型可较好估测小麦条锈病病情指数,而日光诱导叶绿素荧光指数则是采用多项式核的效果更优;采用直接拼接法融合叶绿素荧光指数和冠层光谱特征能够在一定程度上改善小麦条锈病病情指数估测精度,决定系数(r~2)最高为0.847,而单独利用冠层光谱信息或者叶绿素荧光信息时,r~2最高仅为0.802;对日光诱导叶绿素荧光和反射光谱特征分别利用其最优核进行映射构建的多核学习支持向量机模型精度最高,r~2为0.915,RMSE为0.090,优于基于特征直接拼接构建的支持向量机模型精度。 相似文献
2.
华北平原冬小麦总初级生产力的遥感监测 总被引:3,自引:3,他引:0
该文以华北平原冬小麦为研究区,验证MODIS-GPP产品数据在下垫面复杂的农田生态系统的适用性,及农田生态系统的碳源/汇功能。首先采用MODIS-NDVI产品数据,根据冬小麦物候特征,解译出冬小麦种植面积;然后与经过验证并校正后的MODIS-GPP产品数据估算华北平原冬小麦2010年生长季内的GPP总量;最后,由涡度相关实测数据估算出冬小麦的生态系统呼吸量(RE)和净生态系统生产力(NEP)。结果显示:MODIS-NDVI解译出的冬小麦面积结果与TM解译结果的用户精度高达90.6%,总体精度达87.2%;MODIS-GPP产品数据与涡度相关数据估算结果的复相关系数高达0.9227;2010年华北平原冬小麦生长季GPP约为6.24′108 kgC,约占该区所有植被GPP的21.3%;华北平原冬小麦固碳能力较强,净生态系统生产力(NEP)占GPP的58.7%。研究表明,MODIS-GPP产品数据满足华北平原冬小麦GPP统计精度需求,冬小麦生态系统对陆地生态系统起到了重要的碳汇功能。 相似文献
3.
为了开展农作物病害遥感监测与产量损失评估,该文以北京郊区大田生产条件下的冬小麦条锈病、白粉病的为研究对象,获取了2007年4月10日、4月26日、5月12日、5月28日共四期Landsat TM卫星影像,准同步地测量了试验地块的冠层光谱数据及配套农学数据。利用该4个时相的遥感数据,分析了试验区的冬小麦条锈病、白粉病在主要生育期的光谱特征及其变化,与对照地块相比,病害小麦在可见光和短波红外波段的光谱反射率降增大,近红外波段反射率减小,红边则会向短波方向移动,红边振幅减小,NDVI值减小。并利用冬小麦病害发生前期(4月10日,4月26日)的卫星遥感数据建立了作物产量的早期预测模型,结合实测的产量数据,定量计算了条锈病和白粉病的产量损失,结果表明两个白粉病和条锈病小麦地块的减产幅度超过了30%。 相似文献
4.
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
5.
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
6.
为给小麦变量施氮提供依据,利用冬小麦起身期和拔节期冠层光谱数据,选用反映冬小麦长势信息的优化土壤调节植被指数OSAVI(Optimization of soil-adjusted vegetation index)与CERES-Wheat模型相结合进行变量施肥管理(变量区),以相邻地块常规非变量(均一)施肥区(对照区)为对照,对变量追氮模型的可行性进行探讨,并对变量追肥处理的实际效果进行分析.结果表明,CERES-Wheat模型能较好地反映冬小麦的生长状况,在冬小麦产量预测中,目标产量与实测产量具有良好的一致性.变量施肥区的产量、籽粒蛋白质含量及经济效益均优于对照区,同时变量施肥区的籽粒产量和蛋白质含量的空间变异较对照均有所降低,说明基于高光谱响应与模拟模型的冬小麦变量追氮技术具有一定的理论意义和实用价值. 相似文献
7.
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
8.
应用叶绿素计诊断烤烟氮素营养状况 总被引:14,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
9.
冬小麦抽穗期长势遥感监测的初步研究 总被引:2,自引:0,他引:2
小麦抽穗期是其生长的关键阶段,田间群体较大、郁蔽,抵抗力弱,常遇高温高湿天气,也是病虫害多发时期.因此,及时监测小麦抽穗期的苗情长势,是制定和采取科学管理措施的必要前提.有学者曾使用NOAAAVHRR、EOSMODIS数据进行小麦长势监测研究[1~3],由于这些影像的空间分辨率较低,常常造成"同物异谱"或"异物同谱"现象,使得监测精度降低.本研究利用分辨率较高的TM影像数据并结合实地GPS定位调查,试图通过分析TM影像植被指数与小麦抽穗期叶面积指数、生物量以及植株氮素含量的关系,建立上述群体质量指标监测模型,为小麦抽穗阶段的农田精确管理提供信息支持. 相似文献
10.
净第一性生产力是评价地表植被状况的重要指标之一,对分析和评价全球和区域生态环境、碳循环等变化具有重要作用.该文借助在CASA模型机理以及区域太阳辐射估算模型基础上建立的区域净第一性生产力估算模型,以房山区为例,分析了北京市郊区19922、001、2004年3年间8月份净第一性生产力的变化.分析结果表明,研究区3年间8月份的NPP分别为152.01、142.83、96.32 g/(m2.月);由于受到各种因素的影响,3年间8月份NPP结构构成不同,1992和2001年均以较高产区的NPP产量最高,其次是高产区和中产区,而2004年则以中产区的NPP产量最高,其次是高产区和低产区,而较高产区的NPP产量最低;1992和2001年各产量水平区的NPP总量在全区NPP总量中的比重,随NPP分区产量水平的提高而逐步提高,较高产区的NPP产量比重分别为:1992年42.26%,2001年37.54%;2004年各产量水平区所占比重变化较大,以中产区最高,占全区NPP总量的42.39%,其次是高产区和低产区,而以较高产区的NPP产量比重最低;通过逐步回归分析可知,在影响研究区NPP变化的各气候因素中,以平均风速、降雨量和实际日照时数影响最为显著,其中尤以降雨量的影响最大. 相似文献