共查询到19条相似文献,搜索用时 156 毫秒
1.
无人机影像光谱和纹理融合信息估算马铃薯叶片叶绿素含量 总被引:12,自引:8,他引:4
利用无人机平台搭载多光谱传感器在农业监测上已经有一些应用,但是利用无人机多光谱影像估算作物叶绿素含量的研究较少,特别是融合无人机多光谱影像光谱信息和纹理信息估算马铃薯叶绿素含量的研究更是罕见。基于此,该文利用2018年北京小汤山基地马铃薯各个典型生育期的无人机多光谱影像及实测的叶绿素含量数据,首先提取多光谱影像植被指数和纹理特征等变量,然后分析其与叶绿素含量相关性,筛选出较优特征变量,并开展基于调整R2和K折交叉验证的全子集分析估算马铃薯叶绿素含量。最后将植被指数与纹理特征通过主成分融合构建一种新的综合指标估算叶绿素含量。研究发现:1)多光谱植被指数和纹理特征估算叶绿素含量模型,K折交叉验证均优于调整R2;2)整个生育期,综合指标模型决定系数比植被指数模型、纹理特征模型均有提升,且标准均方根误差均降低。综合指标估算模型较优,多光谱植被指数模型次之,纹理特征模型较差。该研究可为马铃薯生长营养监测提供一种可行的方法,对马铃薯的栽培种植管理具有指导意义。 相似文献
2.
高光谱图像检测马铃薯植株叶绿素含量垂直分布 总被引:5,自引:6,他引:5
为了检测马铃薯作物叶绿素含量,该文按照叶片垂直分布位置采集马铃薯叶片样本的成像高光谱数据,提取并计算了400个划分区域的平均光谱,使用手持式SPAD-502叶绿素仪测定了相应位置的SPAD(soil plant analysis development)值。采用标准正态变量校正(standard normal variate,SNV)方法对光谱数据进行预处理,分析了开花期植株自下而上垂直叶位间光谱和叶绿素分布关系,其光谱反射率在382~700 nm区间随叶位的升高反射率增加(上中下),在700~1 019 nm范围下叶位反射率高于上部和中部叶位(下上中),且SPAD均值依次为36.41、43.11、47.04。分别采用相关系数分析法和随机蛙跳(random frog,RF)算法筛选叶绿素含量敏感波长,并建立偏最小二乘回归(partial least squares regression,PLSR)模型。结果如下:基于相关系数分析法筛选的12个敏感波长主要位于530~550和706~708nm范围,建模精度RC2为0.7 588,验证精度RV2为0.5 773;基于random frog算法筛选的11个敏感波长(554.62、560.26、575.04、576.35、595.09、604.7、649.44、731.8、752.78、786.38、789.97 nm),建模精度RC2为0.8 423,验证精度RV2为0.7 676。选取RF-PLS模型计算马铃薯叶片每个像素点的叶绿素含量,绘制不同叶位马铃薯叶片叶绿素含量可视化分布图,结果可反映马铃薯在开花期植株上叶片叶绿素动态响应关系,实现了不同叶位马铃薯叶片叶绿素含量无损检测以及分布可视化表达。 相似文献
3.
关中地区夏玉米抽穗期叶绿素含量的高光谱估算 总被引:2,自引:0,他引:2
[目的]利用高光谱数据进行叶绿素估算,为快速获取作物的生长信息、生长诊断及精确管理提供依据。[方法]基于陕西省关中地区抽穗期夏玉米冠层光谱特征及叶绿素含量的测定,运用线性及非线性分析方法建立了基于原始光谱敏感波段和一阶微分光谱敏感波段叶绿素估算模型。[结果]夏玉米抽穗期反射光谱在可见光及中远红外区域,叶绿素含量越高,光谱曲线越向下偏移;在红边区域,叶绿素含量对光谱曲线影响不显著;在近红外波段,叶绿素含量越高,光谱曲线越向上偏移。基于一阶微分光谱敏感波段的夏玉米叶绿素含量估算模型拟合精度要优于基于原始光谱敏感波段估算模型,决定系数R2分别为0.81和0.60,均方根误差(RMSE)分别为2.39,4.41。[结论]基于一阶微分光谱敏感波段建模分析是估测抽穗期夏玉米冠层叶绿素含量的重要方法,对指导西北地区夏玉米种植与生产具有积极的借鉴意义。 相似文献
4.
不同播期冬小麦叶绿素含量的冠层光谱响应研究 总被引:2,自引:0,他引:2
为了探究不同播期条件下冬小麦叶绿素含量的冠层光谱响应规律,依据本区域的推广种植播期,本试验设置4个播期,获取其冠层光谱及相关数据,并利用统计学方法对4个播期试验数据进行融合分析,模拟一个具有普适性的混合播期。结果表明,在4个播期和模拟混合播期下所建立的叶绿素含量光谱监测模型中,以播期10月6日的DVI(780,670)所建立的叶绿素含量光谱模型最好,其R2可达0.7835。利用同年的试验数据对模型进行检验,其预测值和实测值的R2可达0.8617,且RE和RMSE最小,表明播期10月6日是对冬小麦叶绿素含量进行预测的最佳播期,依此所建立的冬小麦叶绿素含量光谱监测模型是可行的。同时,所建立模拟混合播期模型的决定系数可达0.6713,实测值和预测值的验证R2可达0.8342,RE和RMSE也较小,说明该模拟混合播期模型能够较准确地预测各种播期条件下的叶绿素含量,因此,模拟混合播期模型在现实的应用中具有较好的适用性和普适度。研究结果可为冬小麦品质的大尺度遥感监测和小麦生产的宏观管理调控提供一定的理论依据。 相似文献
5.
6.
不同水分处理对烟草叶片高光谱及红边特征的影响 总被引:5,自引:1,他引:4
采用ASD Fieldspec HH光谱仪, 测定了不同水分处理下两个烟草品种叶片的光谱特性, 分析其红边特征参数的变化规律及其与烟叶生理指标的相关性。结果表明: 不同水分处理之间的烟草叶片光谱反射率差异明显, 但两个品种的变化规律一致。烟草伸根期和旺长期, 近红外光区的光谱反射率随土壤水分的增加而升高, 成熟期则呈相反趋势, 且光谱反射率在旺长期达到最高值。不同水分处理下烟草叶片一阶微分光谱趋势总体一致, 但红边一阶导数光谱差异显著。红边位置随土壤水分减少向长波方向移动, 发生“红移”现象。红边幅值和红边面积在伸根期和旺长期均随土壤含水量的增加而发生“红移”现象, 成熟期则发生“蓝移”现象。烟草叶片的红边位置同其生理指标的相关性要优于其他参数, 同叶绿素a含量、叶绿素b含量、类胡萝卜素含量、叶绿素总量、叶片鲜重、叶片干重、叶面积和叶片含水率均呈极显著相关关系; 红边幅值和红边面积与叶绿素a含量、叶绿素b含量、类胡萝卜素含量、叶绿素总量和叶片含水率之间均呈极显著性正相关, 红边面积同叶片干重呈极显著性负相关关系。 相似文献
7.
通过光谱分析技术,研究了模拟酸雨(SO-42:NO-31=5:1)对小麦产量和生理特性的影响。结果表明,模拟酸雨伤害了小麦叶片的结构和功能,降低了叶绿素含量和光合速率,从而显著降低了小麦的产量,经过pH为2的酸雨处理后的小麦产量降幅达19.1%。通过对植被指数的分析可以看出,小麦冠层叶绿素含量在开花期以后逐渐降低,而旗叶的叶绿素含量则在灌浆期以后开始下降,两者的下降幅度都随着酸雨pH的下降而增大。光合速率表现出与叶绿素含量相同的变化。另外,对小麦产量与不同生育期冠层和叶片水平的植被指数的相关分析表明,灌浆期的小麦冠层水平的NDVI、mND705和WI与酸雨处理后小麦的产量显著相关。总之,利用光谱分析技术可以快速、无损伤地监测不同酸雨处理对小麦的生长和营养状况的影响。 相似文献
8.
基于叶绿素荧光光谱的生菜硝酸盐含量检测 总被引:3,自引:3,他引:0
为了寻求生菜叶片硝酸盐含量的快速无损检测方法,该文利用叶绿素荧光光谱分析技术对生菜(Lactuca sativa L.)叶片硝酸盐含量进行检测研究。对比及分析500~550、650~715和715~800 nm 3个波段的叶绿素荧光光谱特征参数与生菜叶片硝酸盐含量的关系,得出650~715 nm波段的叶绿素荧光光谱特征参数与生菜叶片硝酸盐含量之间线性关系显著,决定系数R2为0.816,标准误差为0.147,以此建立的回归模型能够很好地反映生菜叶片硝酸盐含量与叶绿素荧光光谱特征参数的关系;将同批进行试验的30个样本作为回归方程的校验集,进行模型验证,预测值与实测值之间决定系数R2为0.752,表明回归模型对生菜叶片硝酸盐含量有良好的预测效果。研究结果为生菜叶片硝酸盐含量的快速无损检测提供参考。 相似文献
9.
基于红边位置的马铃薯植株氮浓度估测方法研究 总被引:3,自引:1,他引:2
【目的】高光谱遥感技术可以用于植被生长状况的监测和研究光谱与植被理化性质间的关系。红边位置是与作物氮素营养关系较为密切的光谱参数,常用于作物叶绿素或氮素的含量监测,监测参数以及数据的计算都影响着该方法的准确性和实用性。为此,本研究优化了红边位置方法的参数,比较了六种方法对所得马铃薯氮浓度预测数据的翻译的准确性和精确度。【方法】于2014—2016年在内蒙古阴山北麓,进行了三个马铃薯品种、不同施氮量的田间试验。在马铃薯苗期、块茎形成期、块茎膨大期、淀粉积累期和收获期,使用红边位置获取了马铃薯冠层反射光谱,采用六种方法计算了该数据翻译的马铃薯地上部氮浓度,并分别与实测值进行了相关性分析。【结果】马铃薯生育后期一阶导数光谱中双峰现象较为明显。不同生育时期中苗期由于受到噪声光谱的影响氮浓度,与红边位置相关性较差,块茎形成期至淀粉积累期的氮浓度与红边位置相关性较高,其中块茎膨大期相关性最高。最大一阶导数法和拉格朗日内插法所得红边位置无连续性;线性外推法所得红边位置变幅与标准差最高,最大分别可达到44.6和9.3;多项式拟合法次之,变幅和标准差分别为15.1和2.6;倒高斯拟合法和线性四点内插法的变幅和标准差较小。在六种方法所得红边位置与马铃薯地上部氮浓度的预测模型中,线性外推法决定系数最高(R^2=0.55),预测值与观测值相关性最好(R^2=0.44,RMSE=3.96 g/kg,RE=11.46%);倒高斯拟合法与多项式拟合法模型决定系数相近,R^2均在0.40左右,倒高斯拟合法对氮浓度的预测能力更高一些(R^2=0.31,RMSE=4.33 g/kg, RE=12.03%)。【结论】红边位置能够对块茎形成期至淀粉积累期的植株氮浓度进行诊断,花期红边位置有轻微的饱和现象,但并不影响整体的预测,在花期和块茎膨大期采集光谱时需要注意传感器与植物冠层的距离,保证采集数据的准确性。线性外推法是最适合马铃薯冠层光谱的红边位置计算方法,所得红边位置变幅大,对马铃薯地上部氮浓度的变化较为敏感,回归模型决定系数和预测精度也最高,而且对于高氮浓度处的饱和现象有较好的缓解作用。 相似文献
10.
11.
基于高光谱指数估测马铃薯植株氮素浓度的敏感波段提取 总被引:2,自引:1,他引:1
12.
基于综合指标的冬小麦长势无人机遥感监测 总被引:10,自引:7,他引:3
作物长势监测可以及时获取作物的长势信息,该文尝试建立新型长势指标,监测小麦总体长势情况。将反映小麦长势的叶面积指数(leaf area index,LAI)、叶片叶绿素含量、植株氮含量、植株水分含量和生物量5个指标按照均等权重综合成一个指标,综合长势指标(comprehensive growth index,CGI)。利用450~882 nm范围内单波段和任意两个波段构建归一化光谱指数(normalized difference spectral index,NDSI),比值光谱指数(ratio spectral index,RSI)和简单光谱指数(simple spectral index,SSI),计算CGI与光谱指数的相关性,筛选出相关性好的光谱指数,结合偏最小二乘回归(partial least squares regression,PLSR)建立反演模型。以CGI为指标,运用无人机高光谱影像对2015年小麦多生育期的长势监测。结果表明:1)冬小麦各生育期,总体上CGI与光谱指数的决定系数R~2均好于各项单独指标与相应光谱指数的R~2。仅孕穗期CGI和RSI(754,694)的R~2比叶绿素和RSI(486,518)的R~2低,开花期的CGI和R570的R~2比生物量和R834的R~2低以及灌浆期CGI和SSI(582,498)的R~2比植株含水量和SSI(790,862)的R~2低。2)拔节期,孕穗期,开花期,灌浆期和全生育期PLSR模型的建模R~2分别为0.70,0.72,0.78,0.78和0.61。拔节期,孕穗期和开花期的无人机CGI影像验证模型的均方根误差RMSE(root mean square error)分别为0.050,0.032和0.047。CGI与相应光谱指数的R~2高于单独各项指标与相应光谱指数的R~2,光谱指数能够很好反映CGI包含的信息。无人机高光谱影像反演CGI精度较高,能够判断出小麦总体的长势差异,可为监测小麦长势提供参考。 相似文献
13.
Recent advances in optical remote sensing led to improved methodologies to monitor crop properties.The red-edge-based vegetation index considered to be one of the most powerful tools for estimating the chlorophyll content(Chl) was usually constructed from in-situ hyperspectral reflectance.In this paper, we present the work done to compare the Chl predictive quality by various red-edge-based vegetation indices based on the CASI data.The results indicated that among the selected vegetation indices, TCARI/OSAVI-based model estimated Chl(R2=0.46, RMSE =0.60 and P<0.01) with the best accuracy.To search the optimal vegetation index for Chl estimation, the normalized difference spectral index(NDSI) and ratio spectral index(RSI) were developed by using the waveband combination algorithm.A high linear correlation(R2=0.79, RMSE=0.38 and P<0.01) was acquired by combining the 869.20 and 754.90 nm wavebands, then NDSI(869.20, 754.90) was applied to the CASI image to generate the Chl distribution map.It suggests that more fertilizer should be provided for the southwest areas due to the lower Chl. 相似文献
14.
《农业工程学报》2015,(Z2)
Recent advances in optical remote sensing led to improved methodologies to monitor crop properties.The red-edge-based vegetation index considered to be one of the most powerful tools for estimating the chlorophyll content(Chl)was usually constructed from in-situ hyperspectral reflectance.In this paper,we present the work done to compare the Chl predictive quality by various red-edge-based vegetation indices based on the CASI data.The results indicated that among the selected vegetation indices,TCARI/OSAVI-based model estimated Chl(R2=0.46,RMSE=0.60 and P0.01)with the best accuracy.To search the optimal vegetation index for Chl estimation,the normalized difference spectral index(NDSI)and ratio spectral index(RSI)were developed by using the waveband combination algorithm.A high linear correlation(R2=0.79,RMSE=0.38 and P0.01)was acquired by combining the 869.20 and 754.90 nm wavebands,then NDSI(869.20,754.90)was applied to the CASI image to generate the Chl distribution map.It suggests that more fertilizer should be provided for the southwest areas due to the lower Chl. 相似文献
15.
16.
旨在阐明双季稻分蘖数与冠层反射高光谱间的定量关系,构建基于高光谱的双季稻分蘖数监测模型。基于不同早、晚稻品种和施氮水平的田间试验,于关键生育期(分蘖期、拔节期和孕穗期)测定早、晚稻分蘖数,同步使用FieldSpec HandHeld 2型高光谱仪采集早、晚稻冠层反射高光谱数据,分别利用光谱指数法和连续小波变换构建新型光谱指数和敏感小波特征对双季稻分蘖数进行监测,建立双季稻分蘖数光谱监测模型,并用独立试验数据进行检验。结果表明,新型光谱指数和敏感小波特征对双季稻分蘖数的监测效果优于其他类型光谱参数(植被指数和“三边”参数),其中位于红边区域的小波特征db7(s9,w735)监测早稻分蘖数时表现最优,监测模型R2为0.754,模型检验相对均方根误差RRMSE为0.128;位于红边区域的小波特征mexh(s6,w714)监测晚稻分蘖数时表现最优,监测模型R2为0.837,模型检验RRMSE为0.112。研究结果可为双季稻分蘖数快速无损监测和群体质量精确调控提供理论基础与技术支持。 相似文献
17.
18.
最优权重组合模型和高光谱估算苹果叶片全磷含量 总被引:8,自引:5,他引:3
为了估算苹果叶片全磷含量,该文使用2012年和2013年在山东省肥城市潮泉镇下寨村的2个苹果示范园获取的整个生育期苹果叶片全磷含量和对应的叶片光谱数据,建立了预测苹果叶片全磷含量的最优权重组合模型。首先分析了苹果叶片全磷含量和原始光谱的相关关系,确定了以553和722 nm为苹果叶片全磷含量的诊断波段;根据叶片全磷含量与400~2 500 nm范围两两组合的决定系数等值线图,确立了对苹果叶片全磷含量敏感的546和521 nm、553和518 nm组合的归一化差值指数和543和525 nm、1 394和718 nm组合的比值指数;最后以553和722 nm的反射率以及546和521 nm、553和518 nm组合的归一化差值指数和543和525 nm、1 394和718 nm组合的比值指数为自变量,构建了基于苹果叶片全磷含量的最优权重组合模型,实现了对苹果叶片全磷含量的高光谱估算。结果表明,最优权重组合模型无论是建模集还是验证集,其预测能力(R2=0.94)要优于该文中的6种统计方法(平均R2=0.82),研究结果为快速无损诊断苹果叶片的磷素状况提供新的技术途径。 相似文献