排序方式: 共有22条查询结果,搜索用时 31 毫秒
1.
冬小麦生物量及氮积累量的植被指数动态模型研究 总被引:1,自引:0,他引:1
利用遥感技术实时监测小麦生长状况,依据监测结果适时促控,可提高产量。本研究以高产小麦品种周麦27为试验材料,在不同试验地点设置了水氮耦合的大田试验,筛选出了适宜监测冬小麦地上部氮积累量和生物量的植被指数,并构建了不同产量水平下优选植被指数的动态模型。结果表明,(1)不同的水氮耦合模式显著影响小麦冠层光谱变化,在350~700nm和750~900nm表现相反的反应特征;(2)对2个农学生长指标反应敏感且兼容性好的植被指数主要有修正型红边比率(mRER)、土壤调整植被指数[SAVI(825,735)]、红边叶绿素指数(CI_(red-edge))和归一化差异光谱指数(NDSI),其与产量间相关性较好的时期为拔节至灌浆中期;(3)双Logistic模型可以很好地拟合植被指数的动态变化,高产和超高产水平下拟合精度较高(R~20.82),而低产水平下相对较低(R~2=0.608~0.736)。比较而言,CI_(red-edge)和SAVI (825, 735)用于评价小麦长势较为适宜。研究结果对作物因地定产、以苗管理、分类促控具有重要意义。 相似文献
2.
【目的】小麦倒伏严重影响小麦光合及成熟进程,进而造成小麦减产及品质下降。为快速精确获取倒伏信息,评估无人机遥感监测小麦倒伏的能力,构建小麦倒伏监测模式,为灾情评估、保险理赔及灾后补救提供技术支持。【方法】利用近地无人机获取包含红、绿、蓝、红边和近红外5个多光谱波段图像,经过预处理飞行高度50 m的小麦冠层图像,得到分辨率为1.85(cm/像素)的数字正射影像图(DOM)和数字表面模型(DSM),从中提取光谱特征、高度特征和光谱纹理共3类特征信息;采用支持向量机(SVM)和随机森林(RF)2种分类器对6种不同特征集组合进行倒伏分类比较,使用准确率(Acc)、精确率(Pre)、召回率(Re)和调和平均数(F1)以确定较优的特征组合和分类器;同时使用3种不同的特征集筛选方法(套索算法Lasso、随机森林递归算法RF-RFE和Boruta算法)对优化的特征子集进行综合评价,确立适宜的倒伏分类评价方法。【结果】单一特征的光谱和纹理及其组合对小麦倒伏的分类评价结果较差,“椒盐现象”严重,在此基础上融合DSM信息的分类精度显著提高。采用随机森林分类器对光谱特征、纹理特征和高度特征进行特征集组合,小麦... 相似文献
3.
4.
5.
【目的】 开花后穗部器官成为小麦生长中心,保证穗部充足的氮素营养是籽粒产量和蛋白品质形成的基础,精确诊断穗氮营养对预测评价产量和品质具有重要意义。【方法】 选用周麦27和豫麦49-198为材料,在大田条件下设置3个灌溉条件(W0:雨养、W1:拔节期浇水1次、W2:拔节和开花各浇水1次)和5个施氮水平(0(N0)、90 kg·hm-2(N6)、180 kg·hm-2(N12)、270 kg·hm-2(N18)和360 kg·hm-2(N24)),于小麦开花后不同的灌浆时段采集各处理小麦穗器官干物质及氮素含量数据,构建不同灌溉条件下冬小麦穗器官的临界氮稀释(Nc)曲线,并于成熟期测定籽粒产量和蛋白质含量。【结果】 在同一灌溉条件下,随着施氮量的增加,穗部干物质及氮含量均增加;不同灌溉条件下的穗部临界氮浓度与生物量间均符合幂指数关系,不同灌溉条件的模型间存在差异(W0: Nc=2.58 DM-0.242; W1: Nc=2.92 DM-0.24; W2: Nc=3.10 DM-0.231)。氮营养指数(NNI)在不同灌溉条件下均随着施氮量的增加而增加,适宜施氮量因灌溉条件而异,雨养条件为180—270 kg·hm-2,灌溉条件为270 kg·hm-2左右。相对产量(RY)与NNI之间显著相关,具体表现为线性+平台特征,在雨养条件下NNI为1.01时,RY获得最大值;而在灌溉条件下NNI为0.97时,RY获得最大值。籽粒蛋白含量与NNI之间呈显著的线性定量关系,灌溉导致蛋白质含量有所降低。【结论】 确立的穗器官Nc及NNI模型,能够有效指示不同水氮条件下小麦氮素丰缺变化,实时评价产量状况,准确预测蛋白质含量,为小麦生育后期的田间及收储管理提供参考和依据。 相似文献
6.
白粉病严重危害小麦生长及制约产量形成,精确监测该病害对精确防控及保障国家粮食安全具有重要意义。在小麦孕穗、开花和灌浆期使用地物高光谱仪获取小麦冠层光谱数据,利用一阶导数(FD)、二阶导数(SD)、对数变换(LOG)、倒数变换(1/R)和连续去除法(CR)对原始光谱(OR)进行光谱变换,基于CARS算法和SPA算法相结合对五种变换的光谱数据和原始光谱进行特征波段提取,进而利用偏最小二乘回归(PLSR)、岭回归(RR)和高斯过程回归(GPR)建模方法确立小麦白粉病病情指数(mDI)监测模型。结果表明,一阶导数在Pearson相关性、两波段优化组合以及机器学习方法建模中,综合表现最好,是一种处理病害光谱数据的较好预处理方法。经过光谱数据变换后,再使用CARS-SPA算法可以更有效的提取特征波段,特征波段为411、450、476、543、561、594、624、671、726、780、835和950 nm。在不同机器学习建模方法对比中,高斯过程回归(GPR)模型表现最佳,其次为岭回归(RR)和偏最小二乘法回归(PLSR)。其中,一阶导数结合GPR模型的估算精度最高,建模集和验证集的平均R~2为... 相似文献
7.
8.
为探究小麦叶面积指数(LAI)的空间分布及与不同光质透光率间的关系,通过三年田间试验,设置不同品种、氮肥水平和灌水次数,测定分析了小麦拔节期至灌浆后期冠层不同空间层次的透射光及叶面积指数(LAI),并对不同光质透光率与LAI间进行回归分析。结果表明,小麦LAI随生育时期的推进呈单峰动态变化,最高值出现在抽穗-开花期,且随灌水和施氮水平的增加而增大;光合有效辐射(PAR)透光率随生育时期呈先降后升趋势,且随灌水和施氮水平的增加而减小。LAI与PAR透光率均存在时空异质性,叶面积的垂直分布直接影响冠层内光分布。水氮处理对植株上层LAI影响较小,而对下层影响较大;40 cm处透光率递变明显,低水高氮以及高水低氮处理对透光率递减的影响较大。不同光质透光率均随冠层高度的下降均出现不同程度消减,透光率与向下累积LAI间均呈显著指数相关,相关性由强到弱依次为红边、蓝光、光合有效辐射(PAR)、绿光、近红外和红光。经回归分析,红边和蓝光透光率与LAI的定量关系表现较好,拟合性均优于PAR,尤其是红边透光率(R=0.749),因此可以利用红边透光率建立模型,以监测小麦冠层 LAI。 相似文献
9.
为实现基于可见光透射微分光谱的小麦植株含水量监测,通过三年田间试验,测定自拔节期以后小麦关键生育时期冠层透射光谱和植株含水量,确立了透射光谱微分参数与植株含水量间定量关系。结果表明,与小麦冠层原始透光率相比,一阶微分光谱能够很好地减轻生育时期的影响。将不同生育时期数据综合,不同波段的透射率与植株含水量相关性均较差,而微分光谱在439、735、823及950 nm处与植株含水量相关性较好(|r| 0.57),以735 nm处相关性最高。基于蓝光、黄光和红光波段筛选了21个光谱特征参数,其中红边振幅(Dr)、红蓝振幅归一化指数(Dr-Db)/(Dr+Db)、红边面积(SDr)、右峰面积(RSDR)、双峰面积比(RIDA)及双峰面积归一化指数(NDDA)6个光谱特征参数与植株含水量间相关性较好(r0.70)。在以上优选的光谱参数中,红边双峰面积比值(RIDA)及归一化指数(NDDA)与植株含水量的回归关系表现最好,拟合精度r~2大于0.69,均方根误差RMSE低于4.87,模型具有很好的稳定性,可以实时精确估测小麦植株含水量。这表明利用冠层透射微分光谱可对小麦植株含水量进行精确监测,对指导作物精确灌溉管理具有较大的应用潜力。 相似文献
10.
基于冠层反射光谱的小麦白粉病严重度估测 总被引:3,自引:0,他引:3
明确小麦白粉病冠层光谱敏感波段并估算病情严重度,是大面积高空遥感监测小麦白粉病、实现精确防控的基础。采用人工诱发的大田、盆栽和病圃试验,测量不同生育时期对不同发病等级的小麦白粉病冠层光谱,并同步调查发病严重度。结果表明,可见光350~710 nm光谱反射率随病情加重呈上升趋势,580~710 nm为遥感监测白粉病的敏感波段,近红外波段光谱反射率在病害处理间变幅较大,且与病情严重度相关性较差。修正型病情指数较常规病情指数与对应光谱反射率的相关性显著提高。利用高光谱特征参数与白粉病严重度间的相关回归分析,红边宽度最适宜指示白粉病发生及发展态势,拟合精度(R2)为0.811,检验相对误差(RE)为17.7%,而mND705、SIPI、CTR2和TSAVI在相关分析中也表现相对较好(r>0.6),但由于试验间兼容性差, 不宜建立统一回归方程。以相对光谱指数ΔMSAVI和ΔmND705与白粉病严重度建立的模型决定系数较高(R2>0.76),RE分别为18.4%和19.4%,可较好反演冠层尺度病情严重度。可见,小麦白粉病冠层光谱特征明显,建立的病害反演模型精度高,对精确防控具有应用价值。 相似文献