排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
利用作物生长模型和时序信号甄别水稻镉胁迫 总被引:1,自引:1,他引:0
在自然农田生态系统中,农作物的生长通常受到各类环境胁迫(如重金属胁迫、病虫害、水分、营养)的影响,如何区分重金属胁迫与其他胁迫有待进一步研究。该研究选取了湖南省株洲为试验区,收集2017-2019年的Sentinel-2卫星影像数据,结合野外实测数据,开展水稻重金属镉(Cd)胁迫识别研究。首先,利用作物生长模型World Food Studies(WOFOST)同化时序遥感数据获取每年的叶面积指数(Leaf Area Index,LAI)时间序列曲线;然后运用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法对LAI时间序列进行多尺度分解,得到不同的时序信号分量(Intrinsic Mode Function,IMF);最后使用动态时间规整(Dynamic Time Warping,DTW)方法计算受胁迫水稻分解后的时间序列与健康水稻分解后的时间序列之间的DTW距离,即归一化胁迫指数。结果表明:归一化胁迫指数是水稻重金属胁迫敏感的参数,与土壤重金属含量的相关系数为0.851,水稻受到的胁迫程度越高,归一化胁迫指数值越大,反之越低;在试验区中,水稻重度重金属胁迫的分布面积比例相对较低,且主要集中在西部、东北部以及偏东南地区。融合集合经验模态分解和动态时间规整方法能有效地甄别并定量分析水稻重金属胁迫状况,从而为作物重金属污染胁迫监测提供重要参考。 相似文献
1