干旱胁迫对3种冷季型草坪草光谱反射率及生理特征的影响

为探讨高光谱分析技术在草坪草水分监测上的应用,以草地早熟禾、高羊茅、多年生黑麦草为试验材料,测定了干旱胁迫下3种冷季型草坪草生理指标及光谱反射率。结果表明:随着干旱胁迫程度的加深,供试草坪草叶片相对含水量和叶绿素含量显著下降(P0.05),丙二醛含量、脯氨酸含量及敏感波段的(550和760 nm)的光谱反射率显著上升(P0.05),3种草坪草抗旱性能的强弱顺序为:高羊茅多年生黑麦草草地早熟禾。3种草坪草敏感波段光谱反射率(R_(550 nm),R_(760 nm))及高光谱参数(Rg,R0,GNDVI)与生理指标间呈显著或极显著相关,以R_(550 nm)与生理指标间的相关系数绝对值最大。同时R_(550 nm)构建了供试草坪草生理指标的估测模型,经检验,模型估测值与实测值相关性达显著或极显著水平。     

基于灰狼算法优化支持向量回归模型的木材染色配色算法研究

为提高木材染配色的精度和速度,本文对樟子松木材单板进行染色,提取染色单板的光谱反射率作为输入,以支持向量回归模型(SVR)为基础作为预测模型对染料配方进行预测,用灰狼算法对SVR参数进行寻优,并引入非线性收敛因子和新的位置更新策略改进灰狼算法容易陷入局部最优的缺点,以配方相对偏差作为评价指标,与固定参数的SVR模型及其他模型做对比,优化后的模型配方相对偏差为0.177,配色效果相较于固定参数SVR模型的相对偏差0.344、遗传算法优化的SVR模型的相对偏差0.287等具有明显优势,对提高人工速生材的利用具有重要意义。     

长白山阔叶红松林不同演替阶段冠层光谱特征及其与气温的关系

[目的]通过遥感数据分析长白山阔叶红松林不同演替阶段冠层光谱变化特征,为揭示长白山群落内部种间变化以及植被生产力对气候因子的响应机制提供理论依据.[方法]通过Google Earth Engine平台提取1984-2019年长白山原始阔叶红松林与次生白桦林Landsat和Sentinel多年冠层光谱数据并计算植被绿度参...     

不同施氮水平下大豆反射光谱预测叶片氮含量模型

通过分析不同施氮水平下大豆叶片氮含量与叶片光谱反射率之间的关系,确立了大豆叶片氮含量的敏感波段及预测方程.结果表明:在 530、550、890和930 nm 4个波段的光谱反射率与大豆叶片氮含量的相关性达显著或极显著水平.通过4种植被指数的比较,NDVI的R2最大,RMSE最小.筛选得到回归方程:Y= -323.214×NDVI2 (890,530)+469.9307×NDVI (890,530)-165.021,该模型适用于不同生育期大豆叶片氮含量的预测.     

土壤水分变化对草原植被群落及其光谱特征的影响

以锡林郭勒典型草原为研究区,于2008年5月-2009年5月,分别对不同水分条件下草地的光谱反射率、覆盖度和地上生物量进行测定,以研究草原植被群落及其光谱特征对土壤水分的响应.结果表明,水分波动对典型草原植被结构以及光谱特征具有明显的影响,其中水分充足(丰水年型)能够明显改善典型草原植被结构,增加牧草种类,提高牧草地上生物量,其植被光谱特征在旺盛生长期呈现出显著优势,4种典型植被指数较平水年型、歉水年型显著增加;枯黄期不同水分处理草地植被指数RVI之间呈显著差异(P＜0.05),其余植被指数之间差异不显著;返青期不同水分处理草地植被指数DVI之间呈显著差异(P＜0.05),其余植被指数之间差异不显著.     

不同土壤水分条件下玉米叶片/冠层气孔导度的光谱监测模型

通过玉米水分控制试验,测定不同水分条件下各生育期叶片气孔导度、叶面积指数和冠层光谱反射率等,以分析玉米叶片气孔导度的变化规律及其与光谱植被指数的相关性,从而建立基于光谱植被指数和土壤湿度的叶片气孔导度模型。结果表明：玉米在可见光区和近红外中、长波区的反射率随着土壤水分的降低而上升,但叶片气孔导度（Gs）、叶面积指数（LAI）、比值植被指数（RVI）和归一化植被指数（NDVI）随着土壤水分的下降而降低;玉米NDVI和RVI与单叶片和冠层气孔导度均呈极显著指数函数关系（P〈0.01）,且对单叶片气孔导度的拟合效果优于对冠层导度的拟合效果,而经土壤湿度订正的RVI监测模型优于NDVI监测模型。表明通过测定冠层反射光谱率可实时、迅速地定量监测玉米叶片的气孔导度,为大面积作物气孔导度估算奠定基础。     

无人机多光谱遥感反演冬小麦植株含水率

为了建立一种高效监测冬小麦植株含水率的无损方法,用于反映作物水分状况、指导精准灌溉。以北京大兴的冬小麦为研究对象,利用无人机搭载多光谱相机采集冬小麦5个波段的光谱信息,构造了光谱反射率模型和光谱植被指数模型,筛选了典型地区冬小麦植株含水率解译模型。结果表明:冬小麦植株含水率与反射光谱在0.05水平上显著相关,优选的两种模型的预测精度较高,相对误差均小于10%,决定系数均大于0.75;从模型复杂程度和物理含义考虑,估算植株含水率的最优模型为基于逐步回归法的光谱指数模型,该模型的率定及验证的决定系数为0.78和0.83,均方根误差为6.79%和5.47%,相对误差为9.73%和6.91%。该研究为采用无人机多光谱遥感技术实现对作物水分的快速高效监测提供了有效方法。     

车载式土壤光-电特性参数采集系统研究

土壤电导率是衡量土壤传导电流能力的一种固然属性,除了能够反映土壤质地外,还能够反映土壤的含水率、含盐量、有机物含量等特性。利用土壤光谱数据可以分析出土壤含水率、养分等,且测量过程中无需采样、搅动土壤。通过土壤电导率数据和光谱数据的综合、校正,能够提高系统的精度。基于嵌入式技术开发了土壤电导率和光谱反射率综合检测系统。土壤电导率测量系统采用基于改进的电流-电压四端法原理,使用深松犁的尖端作为电极传感器,能够在测量的同时完成松土的作用。光谱测量系统使用微型光谱传感器采集光谱数据,并进行实时处理。在采集土壤电导率、光谱数据的同时,系统同步采集GPS信息,并和土壤电导率、光谱数据一起保存,供进一步绘制土壤特性分布图使用。系统能够实时综合处理多种数据,并进行显示、保存等操作,具有良好的应用 前景。