排序方式: 共有92条查询结果,搜索用时 15 毫秒
1.
在3个供氮水平和2个水稻品种(华粳2号和武香粳9号)的田间试验条件下,测试分析了不同处理水稻顶部4张完全展开叶片氮含量及对应的荧光参数。不同供氮水平的水稻叶片氮含量和荧光参数差异明显,均随施氮量的增加呈上升趋势。叶片荧光参数随生育期推迟呈抛物线型变化,以抽穗期为界先上升后下降,直到成熟期降为最低。叶片荧光参数随不同叶位的变化规律为:顶1叶>顶2叶>顶3叶>顶4叶。同一水稻品种各叶位叶片氮含量分别与荧光参数呈极显著相关,且华粳2号的相关性高于武香粳9号。综合水稻品种的不同叶位,叶片氮含量与荧光参数ΦPSⅡ、qP均呈良好的线性相关。基于ΦPSⅡ和qP宜采用不同的回归方程来反演不同叶位叶片氮含量。因此,荧光参数ΦPSⅡ和qP有可能用来估算水稻叶片氮含量。 相似文献
2.
基于高光谱遥感的小麦叶片糖氮比监测 总被引:7,自引:1,他引:7
【目的】碳氮代谢反映植株生理状况和生长活力,是小麦籽粒产量与品质形成的生理基础,因而叶片糖氮比的实时无损监测对小麦生长诊断和氮素管理具有重要意义。本研究的主要目的是通过分析小麦叶片糖氮比与冠层高光谱参数的定量关系,确立小麦叶片糖氮比的定量监测模型。【方法】采用不同蛋白质含量的小麦品种在不同施氮水平下进行了连续3年大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定叶片糖氮比值,进而分析建立冠层高光谱参数与叶片糖氮比的回归模型。【结果】小麦叶片糖氮比随施氮水平的提高而下降,随生育进程呈“高-低-高”动态变化模式。利用高光谱对叶片糖氮比进行监测的适宜时期为拔节期至灌浆中期,其中开花期最好。水分特征参数FWBI和Area980与叶片糖氮比关系密切,指数方程拟合决定系数(R2)分别为0.762和0.768,估计标准误差(SE)分别为1.27和1.28。色素特征参数(R750-800/R695-740)-1和VOG2为变量,指数方程拟合决定系数(R2)分别为0.718和0.712,估计标准误差SE分别为1.87和1.95。经不同年际独立试验数据的检验表明,以参数FWBI、Area1190、(R750-800/R695-740)-1和VOG2参数为变量建立的叶片糖氮比监测模型表现很好,预测精度R2分别为0.627、0.618、0.691和0.795,预测相对误差RE分别为19.2%、18.7%、17.9%和18.3%。【结论】与色素指数和水分指数相关的特征光谱参数可以有效地评价小麦叶片糖氮比的变化状况,利用FWBI、Area1190、(R750-800/R695-740)-1和VOG2 4个参数可以对生长盛期的小麦叶片糖氮比进行可靠的监测。 相似文献
3.
小麦叶片氮含量与冠层反射光谱指数的定量关系 总被引:15,自引:0,他引:15
本文以3种蛋白质类型的小麦品种在不同施氮水平下的3年田间试验为基础,研究了小麦叶片氮含量与冠层反射光谱的定量关系。结果显示,不同试验中拔节后叶片氮含量均随施氮水平呈上升趋势,同时冠层光谱反射率在不同施氮水平下存在明显差异。对于低、中、高籽粒蛋白质含量的品种,叶片氮含量与冠层反射光谱的归一化植被指数NDVI (1 220, 710)和红边位置均有密切的定量关系,决定系数在0.80左右。对于不同品质类型小麦品种,均可利用统一的回归方程描述其叶片氮含量随反射光谱参数的变化,对于低蛋白类型品种,采用单独的回归系数即可提高叶片氮含量估测的准确性。本研究确立的小麦叶片氮含量与冠层反射光谱的定量关系可用于不同的小麦品种、生育时期和施氮水平,为小麦氮素营养的监测诊断与精确施肥等提供理论依据和技术途径。 相似文献
4.
小麦栽培管理动态知识模型的构建与检验 总被引:5,自引:1,他引:5
将系统分析方法和数学建模技术应用于小麦管理知识表达体系,通过解析和提炼小麦生育及管理指标与环境因子及生产水平之间的基础性关系和定量化算法,创建了小麦管理动态知识模型WheatKnow;充分利用软构件的技术特点,在Visual C++和Visual Basic平台上研制了数字化和组件化小麦管理动态知识模型系统,实现了播前栽培方案的设计和产中适宜调控指标动态的预测2大功能。其中,播前栽培方案包括产量目标、适宜品种、播期、基本苗及播种量、肥料运筹和水分管理;产中调控指标包括适宜生育期、穗分化进程、生长指标、源库指标和营养指标动态。利用不同生态点、不同品种、不同土壤等资料及大田对比试验对所建知识模型进行实例分析和检验的结果表明,所提出的小麦管理动态知识模型总体上具有较好的广适性和决策性。本研究克服了传统作物栽培模式与专家系统地域性强和广适性弱的不足,从而为实现作物栽培管理的精确化和数字化奠定了基础。 相似文献
5.
不同类型土壤的光谱特征及其有机质含量预测 总被引:17,自引:1,他引:17
【目的】构建适合土壤有机质含量估测的高光谱参数及定量反演模型。【方法】系统分析中国中、东部地区5种不同类型土壤风干样本有机质含量与350~2 500 nm波段范围高光谱反射率之间的关系,利用特征光谱参数和BP神经网络建立土壤有机质的定量估测模型。【结果】光谱一阶导数构成的两波段光谱参数与土壤有机质含量的相关性明显优于原始光谱,尤其采用Norris平滑滤波后导数光谱效果更好。光谱参数构成形式以差值指数最好,其次为比值和归一化指数。与土壤有机质含量相关程度最高的光谱参数是由可见光区554 nm和近红外区1 398 nm两个波段的一阶导数组合而成的差值指数DI(D554,D1398),两者呈显著指数曲线关系,拟合方程为y= 184.2 ×exp[-1297×DI(D554,D1398)],决定系数为0.90。经不同类型土壤的观测资料检验,模型预测决定系数为0.84,均方根误差RMSE为3.64,相对分析误差RPD为2.98,显示估测模型具有较好的预测精度。另外,利用BP神经网络结合偏最小二乘法(PLS)对导数光谱进行分析,提取贡献率达到99.56 %的前6个主成分建立了三层BP 神经网络模型,模型决定系数为0.98,经不同类型土壤的观测资料检验,模型预测决定系数为0.96,RMSE为2.24,相对偏差RPD为4.83。比较利用DI(D554,D1398)和BP网络进行土壤有机质含量的预测结果,前者精度低于后者,但可以满足土壤有机质监测的需要。【结论】利用差值光谱指数DI(D554,D1398)和BP神经网络模型均可实现对土壤有机质的精确估测。 相似文献
6.
7.
一种新的估算水稻上部叶片蛋白氮含量的植被指数 总被引:1,自引:0,他引:1
【目的】阐明水稻顶部4张叶片蛋白氮含量和反射光谱特征的变化规律及其相互关系,建立快速、准确诊断水稻功能叶片蛋白氮含量的方法。【方法】通过3年不同施氮水平和不同品种类型的大田试验,分生育期同步测定顶部4张叶片的光谱反射率及蛋白氮含量,系统分析叶片蛋白氮含量与多种高光谱参数的定量关系。【结果】水稻叶片蛋白氮含量和光谱反射率在不同施氮水平、不同生育期及不同叶位间均存在明显差异,叶片蛋白氮含量的敏感波段主要存在于可见光绿光区530~580 nm及红边区域695~715 nm,其中红边区域表现最为显著。红边区域700 nm附近波段与近红外短波段的比值组合(SRs)可以有效地估算水稻上部功能叶片的蛋白氮含量,其次是绿光区587 nm左右的波段与近红外短波段的比值组合。基于新提出的SR(770,700)及已报道的GM-2、SR705、RI-half光谱指数,线性回归模型的拟合精度(R2)分别达到 0.874,0.873,0.871和0.867。经独立资料的检验表明,这些回归模型可以实时监测叶片蛋白氮含量变化,预测精度R2分别为0.810、0.806、0.804和0.800,相对误差RE 分别为12.1%、12.4%、12.6%和12.9%。【结论】可以利用关键特征光谱指数来诊断水稻上部叶片的蛋白氮含量状况,尤以SR(770,700)、GM-2、SR705和RI-half表现为较强的估测能力。 相似文献
8.
[目的]本文旨在克服光照不均引起的低对比度、反光、阴影、光斑及遮挡等对大田复杂背景下小麦冠层图像分割的干扰。[方法]设计了一种结合脉冲耦合神经网络(pulse coupled neural network,PCNN)与同态滤波的自适应图像增强和基于L*a*b*颜色空间α角度模型的K均值聚类分割算法。首先,将小麦冠层图像转换到HSI颜色空间,采用自适应算法对HSI空间的I分量进行增强处理,适当调节饱和度S分量,补偿光照强度分布不均,去除阴影及拉大对比度;其次,将增强处理后的图像映射到L*a*b*颜色空间,提取a*、b*分量建立α角度模型;最后,基于α进行K均值聚类分割处理。[结果]拔节前后光照强度不一、光照不均的冬小麦冠层图像的分割试验结果表明,该算法可一定程度避免基于L*a*b*颜色空间α角度分量K均值聚类的过分割现象;改善基于HSI空间H分量K均值聚类的欠分割缺陷,且对光斑、阴影遮挡、反光突出的图像分割更完整准确。[结论]本算法可为大田复杂背景下光照多变的作物冠层图像分割提供参考方法。 相似文献
9.
快速、准确的监测诊断小麦氮营养状态对于评价小麦长势、指导氮肥运筹并预测籽粒产量均具有重要的意义.基于2009-2011年的大田试验,系统分析了小麦上部4张单叶不同叶位的SPAD值和归一化SPAD指数(NDSPADij)与氮营养指数的定量关系,通过简单分组线性回归筛选出在不同年际和不同品种间表现稳定的氮营养指数(NNI)定量方程.结果表明,小麦上部不同叶位SPAD值和NNI随施氮量提高而提高,而NDSPADij随施氮量的提高而降低.小麦单叶SPAD值与NNI的关系呈显著正相关,但这种关系在品种或年份之间不稳定,对小麦氮素诊断存在风险;除NDSPAD12外,NDSPADij与NNI之间呈显著负相关,经简单分组线性分析发现NDSPAD14与NNI之间在年份和品种之间表现最稳定,能够较好的定量估算氮营养指数,从而快速诊断小麦氮素是否亏缺. 相似文献
10.
基于分层多端元混合像元分解的水稻面积信息提取 总被引:6,自引:2,他引:4
为了解决中低分辨率遥感影像混合像元问题以提高水稻种植信息的提取精度,该文提出了一种基于层次分类与多端元混合像元分解相结合提取水稻面积信息的方法(stratified multiple endmember spectral mixture analysis,SMESMA)。层次分类有效降低了地物复杂度,而多端元混合像元分解通过对每一类地物选取多个端元光谱参与解混,克服了"同物异谱"造成的光谱变异问题,两者结合可有效提高分类精度。以江苏如皋市为研究区,基于HJ-1B CCD影像,分3个层次,当某类地物信息被提取后便将其从影像中去除,进行下一层次分类,各层次均采用多端元混合像元分解方法,综合EARMSE、MASA、CoB等算法以选取最佳端元,实现了如皋市水稻种植面积信息有效提取。结果显示SMESMA法分类精度达85.78%,kappa系数为0.85,基于最大似然分类法(MLC)的分类精度为79.1%,kappa系数为0.78。表明SMESMA是一种适合基于中低分辨率影像进行作物分类和面积提取的有效方法。 相似文献