排序方式: 共有76条查询结果,搜索用时 15 毫秒
31.
大豆叶绿素含量高光谱反演模型研究 总被引:28,自引:4,他引:24
叶绿素是植物体进行光合作用、进行第一性生产的重要物质,能够间接反映植被的健康状况与光合能力,同时也能反映植被受环境胁迫后的生理状态。高光谱遥感为快速、大面积监测植被的叶绿素变化提供了可能。该研究实测了不同水肥耦合作用下,大豆冠层的高光谱反射率与叶绿素含量数据,对二者进行了相关分析;采用特定叶绿素敏感波段建立了植被指数叶绿素估算模型;最后采用相关系数较大的波段作为神经网络模型的输入变量进行了叶绿素含量的估算。经对比发现叶绿素A、B与光谱反射率在可见光与近红外波段的相关系数的变化趋势基本一致,在可见光谱波段呈负相关,近红外波段呈正相关,红边处相关系数由负变正。特定色素植被指数可以提高大豆叶绿素估算精度(R2>0.736),但是人工神经网络模型可以大大提高大豆叶绿素含量的估算水平,当隐藏层节点数为4时,R2大于0.94,随着隐藏层节点数的增加,R2可高达0.99,表明神经网络模型可以大大提升高光谱反演大豆叶绿素含量的能力。 相似文献
32.
东北水稻叶片SPAD遥感光谱估算模型 总被引:1,自引:0,他引:1
为通过构建高精度SPAD遥感估算模型,实现对水稻叶片叶绿素含量进行实时无损的监测,以东北地区多时期不同施氮水平下水稻叶片光谱反射率为研究对象,采用回归模型与BP神经网络算法构建不同输入量的SPAD高光谱估算模型,通过模型精度评价指标决定系数R~2、均方根误差RMSE,确定最优输入量和最优模型。结果表明:1)不同品种水稻成熟时期不同导致在孕穗期和抽穗期之间光谱反射率出现差异;2)回归模型中以DVI(D755,D930)为变量建立多项式模型估算精度最高;3)与回归模型相比,不同波长处单波段反射率作为输入量的BP神经网络模型估算精度显著提高,R~2为0.98。BP神经网络模型在隐藏节点数为7时估算精度达到稳定,在可见光和近红外处经过不同波段反射率作为输入量的尝试说明神经网络模型较为稳定,可以用来反演叶绿素相对含量。 相似文献
33.
为了实现对田块尺度耕地质量的高空间分辨率监测与评价,本文以黑龙江省海伦东兴合作社为研究区,以多源遥感影像为基础获取以像元为单元的田块尺度的耕地质量信息,综合考虑当地耕地特点构建耕地质量评价指标体系,用主成分分析法确定各评价指标的权重,进行质量评价并将评价结果与干重(作物生物量)进行比较,探究利用遥感手段监测和评价田块尺度耕地质量的可行性。研究表明:利用遥感影像提取相应指数可以表征对应指标信息;在两期影像的基础上考虑地形因子进行土壤有机质(SOM)反演的精度较高;依据遥感影像进行评价得到的耕地质量结果与作物生物量相关系数为0.685,达极显著相关;借助多源遥感数据,将耕地质量差异精确到像元级,有利于实现田块尺度的耕地质量的定量评价。本研究成果可为耕地资源高效利用与管理、提高农田水肥利用效率提供参考。 相似文献
34.
根据土壤养分的空间异质性对耕地进行分区是实施变量施肥管理的关键环节,施肥的变量管理将减轻黑土区农业面源污染和土壤退化问题。该文以典型黑土区黑龙江省海伦市某合作社地块为研究对象,利用SPOT-6遥感影像提取归一化植被指数(normalized differential vegetation index, NDVI)、插值计算土壤有机质(soil organic matter,SOM),结合数字高程模型(digital elevation model,DEM),应用面向对象的分割方法,对研究地块进行分区,并应用莫兰(Morans)指数对分区结果进行评价,以期对比研究基于SOM空间插值与遥感信息的分区精度。结果表明:结合4期NDVI空间信息分区的精度最高;结合SOM、DEM、NDVI空间信息进行分区的精度次之;结合地形与SOM空间信息分区精度较低;仅根据SOM空间插值进行分区的精度最低。研究结果可为黑土区农田精准管理分区输入量的选择与多尺度分区提供思路,为实施田间精准追肥提供科学依据。 相似文献
35.
研究了针对空瓶特点如何设计空瓶的图像采集系统及其从空瓶图像中提取特征的方法.首先提出采用多特征综合的专家系统以适应高速检测的需要.其后又研究了基于遗传支持向量机的决策算法,提出采用遗传算法根据分类准确率来优化支持向量机的参数,以提高分类决策的性能.通过与模糊神经网络的实验比较表明,采用专家决策算法检测速度快;基于遗传支持向量机决策算法的准确率较高,达到94%以上,并具有更好的推广性能。 相似文献
36.
37.
典型黑土区耕作土壤质地遥感时间窗口及影响因素分析 总被引:1,自引:1,他引:0
了解黑土区耕作土壤质地的空间分布对于黑土区农业精准管理以及耕地保护至关重要。遥感技术是快速获取土壤质地空间分布的有效方法。该研究以黑龙江省友谊农场耕地为研究对象,评估研究区土壤质地遥感反演的最佳时间窗口并分析其影响因素。筛选覆盖研究区的2019-2021年25幅Sentinel-2影像,将每幅影像的波段和构建的光谱指数输入随机森林模型,建立土壤质地遥感反演模型,比较不同时期影像反演土壤质地的模型精度,确定土壤质地遥感反演的最适宜影像,并分析造成反演土壤质地精度变化的原因,获取友谊农场土壤质地空间分布。结果表明:1)友谊农场反演土壤质地的最佳时间窗口为4月下旬至5月中旬;2)在25幅Sentinel-2影像中,2020年5月7日反演粉粒和砂粒的模型精度最高(粉粒的R2为0.785,均方根误差为6.697%;砂粒的R2为0.776,均方根误差为8.296%);2019年5月3日反演黏粒的模型精度最高(R2为0.776,均方根误差为1.6%);3)不同时期的Sentinel-2影像对土壤质地反演的准确性有很大的影响,而土壤含水量和秸秆覆盖是造成不同时期土壤质地预测精度差异的重要原因。研究为确定土壤质地遥感反演的最佳时间窗口、实现区域尺度土壤质地制图提供关键技术。 相似文献
38.
39.
40.
中国东北黑土带土壤线空间变异规律 总被引:4,自引:2,他引:2
利用遥感影像分析土壤参数和监测植被长势要求准确的土壤线参数。利用MODIS反射率产品计算东北黑土带不同分区土壤线参数,研究其空间分布规律;并利用不同分区土壤线参数计算与土壤线性相关的植被指数,分析不同植被指数与作物叶面积指数、光合有效辐射分量之间的相关关系。结果表明:东北黑土带土壤线斜率的总体趋势是,由北向南先增加后减小,最大值(1.5921)在北纬47°~47.7°之间的黑土带范围(对应行政范围为海伦南部,望奎北部);最低值(1.1319)在德惠南部与九台中部。与土壤线性相关的植被指数与作物两个生理参数的相关关系显著高于归一化植被指数(NDVI); 改进的转换型土壤植被指数(ATSAVI)对土壤线参数的敏感性最高,利用分区不同土壤线参数计算的ATSAVI与作物生理参数的相关系数高于利用单一土壤线参数计算的结果;引入土壤线参数可以提高植被指数反演作物生理参数的精度。 相似文献