共查询到10条相似文献，搜索用时 31 毫秒
1.
【目的】借助多光谱遥感影像和Logistic算法,实现对棉田虫害的田间监测。【方法】以患虫害棉花区域为研究对象,利用无人机获取棉田多光谱遥感影像,并对影像进行预处理;结合受虫害棉花光谱特征,利用虫害敏感波段反射率与植被指数构建Logistic回归模型,开展棉花虫害识别监测研究。【结果】由土壤调节植被指数(Soil adjusted vegetation index,SAVI)模型和归一化植被指数(Normalized vegetation index,NDVI)模型构建的棉蚜虫、棉红蜘蛛、棉铃虫识别模型为最优模型,其训练样本准确率达到93.7%,测试样本准确率达到90.5%,召回率为96.6%,F1值为93.5%,对棉蚜虫、棉红蜘蛛和棉铃虫的识别模型决定系数分别为0.942、0.851和0.663。【结论】该模型可满足棉田中棉蚜虫、棉红蜘蛛和棉铃虫3种虫害的发生区域识别,且可基本满足棉田精准植保作业相关要求。 相似文献
2.
《新疆农业科学》2017,(6)
【目的】分析不同水分处理下棉花冠层植被指数与吸收光合有效辐射截获量(FAPAR)和叶片净光合速率(Pn)之间的相关性,并通过植被指数反演FAPAR和Pn,以实现非接触、非破坏、快速、实时、大面积监测棉花的生长状况。【方法】用美国ASD Fieldspec Pro FR 2500高光谱辐射仪、LI-190SA线性光量子传感器和LI-6400便携式光合测试系统,分别测定棉花新陆早33号不同水分处理关键生育时期的冠层高光谱数据、光合有效辐射(PAR)和叶片净光合速率。【结果】不同水分处理的棉花新陆早33号冠层FAPAR与Pn均在开花结铃期达到最大值,在吐絮期达到较低值。建立重归一化植被指数(RDVI)、差值植被指数(DVI)、增强型植被指数(EVI)、光化学反射植被指数(PRI)与FAPAR、Pn的函数模型都达到极显著性相关。其中EVI与FAPAR,PRI和Pn的相关性最高(rEVI-FAPAR=0.686 3**,RMSE=0.04,rPRI-Pn=0.644 7**,RMSE=3.39,n=20),利用它们相关性最高的函数模型方程分别估算FAPAR和Pn,实测值和估测值都达到极显著(r实测FAPAR-估测FAPAR=0.805 4**,r实测Pn-估测Pn=0.760 9**,n=20)。【结论】可以用高光谱植被指数无损的提取棉花光合生理参数信息。 相似文献
3.
以陕西省扶风县马席村、巨良农场和杨凌区揉谷乡种植的大田玉米为试验材料,分别测定玉米抽雄期、灌浆期和乳熟期的冠层光谱反射率和叶片叶绿素含量,分析冠层各光谱植被指数与叶片叶绿素含量之间的相关关系,建立玉米叶绿素含量估测模型。结果表明,以单变量光谱植被指数估算叶绿素含量,抽雄期的最佳模型由修正叶绿素吸收反射率指数(Modified chlorophyll absorption reflectivity index,MCARI)建立,灌浆期最佳模型由垂直植被指数(Perpendicular vegetation index,PVI)建立,乳熟期最佳模型由植被衰老反射率指数(Plant senescence reflectance index,PSRI)建立。随着玉米生长期的推进,叶片衰老,用PSRI所建立的模型来监测玉米叶绿素含量的效果较好,可为高光谱遥感在玉米长势监测提供理论依据和技术支持。 相似文献
4.
基于数码相机的玉米冠层SPAD遥感估算 总被引：1，自引：0，他引：1
【目的】叶绿素是植物光合作用中重要的色素。利用作物光谱信息对叶绿素含量进行反演,为作物的实时监测和生长状态诊断提供重要依据。【方法】以大田环境下不同氮肥水平(0,50%和100%)的开花期玉米为研究对象,利用轻小型无人机搭载数码相机,获取试验区RGB影像。使用土壤调整植被指数(soil adjusted vegetation index,SAVIgreen)对图像进行分割,基于分割前后的影像分别提取15种常见的可见光植被指数,综合分析指数与玉米冠层叶绿素相对含量SPAD值的相关关系。采用单变量回归模型、多元逐步回归模型和随机森林(random forest,RF)回归算法构建玉米SPAD值的遥感估算模型,通过模型精度评价指标决定系数(coefficient of determination,R2)、均方根误差(root mean square error,RMSE)、平均相对误差(mean relative error,MRE)和显著性检验水平(P0.01),确定最佳指标和最优模型。【结果】基于分割前后的数码影像提取的VIplot和VIplant植被指数与玉米冠层SPAD值之间具有显著的相关关系,其中VIplant中的红光标准化值(NRI)、归一化叶绿素比值植被指数(NPCI)、蓝红比值指数(BRRI)、差值植被指数(DVI)与SPAD值的相关性在0.77以上;以相关性高于0.77的VIplant指数NRI、NPCI、BRRI、DVI构建的线性、指数、对数、二次多项式、幂函数的单变量回归模型中,NRI指数构建的二次多项式模型效果最好,决定系数R2为0.7976,RMSE为4.31,MRE为5.91%。在VIplant指数NRI、NPCI、BRRI、DVI参与建立的多变量SPAD反演模型中,使用随机森林方法的模型精度最高,决定系数R2为0.8682,RMSE为3.92,MRE为4.98%,而多元逐步回归模型的精度高于任意单变量回归模型,决定系数R2为0.819,RMSE为4,MRE为5.67%;对数码影像结合各模型制作的SPAD分布图进行精度分析,使用随机森林回归模型对SPAD的估测值与实测值最为接近,具有最佳的预测效果,R2为0.8247,RMSE为4.3,MRE为5.36%,可以作为玉米冠层叶绿素信息监测的主要方法。【结论】本研究证明将数码相机影像提取的可见光植被指数应用于玉米叶绿素相对含量的估测是可行的,这也为无人机遥感系统在农业方面的应用增添了新的手段和经验。 相似文献
5.
6.
【目的】研究棉花生育期冠层光合有效辐射截获量(FPAR)与其叶面积指数(LAI)和地上鲜生物量的相关关系,建立FPAR对LAI和地上鲜生物量的估算模型,探讨获取LAI和地上鲜生物量的新方法,为动态监测棉花的生长状况提供科学依据。【方法】利用线性光量子传感器,测试新陆早19号和新陆早13号2个棉花品种4种配置种植方式下,冠层在6个关键生育期的光合有效辐射数据,获取FPAR,并同步实测棉花冠层LAI和地上鲜生物量,建立FPAR与LAI和地上鲜生物量的相关方程,同时比较LAI和地上鲜生物量的估测值与实测值的差异。【结果】2个棉花品种的FPAR随生育进程呈现类似变化规律:在盛蕾期至开花期迅速增加,于花铃期或盛铃期达最大值,随后逐渐下降;棉花FPAR与LAI和地上鲜生物量均达到极显著正相关关系,其中均以幂指数相关关系为最佳(RFPAR-LAI=0.8513**,RFPAR-地上鲜生物量=0.7469**,n=80);用FPAR分别估算的LAI和地上鲜生物量,与其实测值的相关关系均达到1%极显著正相关(R实测LAI-估算LAI=0.8180**,R实测地上鲜生物量-估算地上鲜生物量=0.7396**,n=80)。【结论】棉花FPAR对LAI的估算精度较其对地上鲜生物量的高,表明利用棉花冠层FPAR可以简单、快捷、非破坏性地估测棉花的LAI和地上鲜生物量。 相似文献
7.
玉米光合有效辐射分量高光谱估算的初步研究 总被引：3，自引：0，他引：3
【目的】光合有效辐射分量（FPAR）是各种生产力模型、作物估产模型等的重要参数,本文将对高光谱估算FPAR效果作初步探讨分析,为提高FPAR估算及遥感产品验证精度和各种生态模型模拟精度提供科学支持。【方法】本文基于地面实测玉米数据,详细分析了光合有效辐射分量与光谱反射率及其一阶导数之间的相关关系及FPAR估算机理,并利用反射率、一阶导数、植被指数方法研究了玉米冠层FPAR估算效果。【结果】玉米FPAR与整个可见光波段反射率相关性都相对较好,明显好于近红外波段;FPAR与一阶导数的相关关系曲线波动较反射率大,仅520、570、670、805、950和1 010 nm几个波长处一阶导数与FPAR相关性较好。FPAR与典型单波段反射率和一阶导数具有较好拟合关系,确定性系数分别高达0.791和0.882。总的来说,一阶导数法和植被指数法估算FPAR效果较反射率法好些,其中一阶导数的多波段逐步回归分析取得最优的估算效果,R2高达0.944。除红、绿和常用的近红外波段外,375nm附近紫色波段和950nm附近的近红外波段用于估算FPAR也可以得到较理想的结果,特别是水分强吸收的波段具有较好的提高FPAR估算精度的潜力。【结论】一阶导数法和植被指数法估算FPAR效果稍好,充分挖掘高光谱数据估算FPAR潜力,选择最佳波段能够较好得提高FPAR估算精度。 相似文献
8.
不同水分处理条件下棉花高光谱植被指数与光合参数的相关分析 总被引：1，自引：0，他引：1
《新疆农业科学》2017,(1)
【目的】建立棉花高光谱数据与光合特征参数的相关模型,有效、快速、非破坏的对棉花生长过程进行诊断与监测,为大面积应用高光谱遥感监测棉花的生长状况提供科学依据。【方法】利用ASD高光谱辐射仪和Li-6400光合仪分别获取5水分处理条件下,棉花新陆早13号、新陆早33号两品种关键生育期的高光谱数据和光合特征参数:净光合速率(Pn)和气孔导度(Gs),利用高光谱数据计算得到棉花两品种归一化植被指数(NDVI)、比值植被指数(RVI)和修改型二次土壤调节植被指数(MSAVI2),分别建立与两品种Pn和Gs的线性、对数和幂函数的相关方程。【结果】三种模型方程均达到显著和极显著的相关性,两品种RVI与Pn和Gs的三种相关模型方程的r值较高,其中,利用新陆早33号RVI与Pn,Gs幂函数方程分别对Pn和Gs估算,并将预测Pn、Gs与实测Pn,Gs进行相关分析,R值均达到极显著水平(r_(实测Pn-估测Pn)=0.827**,RMSE=1.089,r_(实测Gs-估测Gs)=0.586**,RMSE=0.138,n=20,P0.01),模型方程的估测精度均大于80%。【结论】不同水分处理下新陆早13号和新陆早33号的光谱植被指数与光合参数间存在着显著的相关性,可以利用相关模型对Pn和Gs进行遥感估测,实时监测棉花的生长状况。 相似文献
9.
使用无人机搭载的多光谱相机获取田间遥感影像,通过相关性计算选取合适的波段组合,基于多光谱影像间的波段运算得到植被指数(VIs),采用最小二乘法构建棉花冠层含水量反演模型.结果表明,红波段(680nm)和近红外1波段(800nm)间的光谱特征与棉花冠层含水量相关性最高,由此光谱区间构建了归一化植被指数(NDVI)和比值植被指数(RVI),基于NDVI的二阶多项式回归得到了较好的预测结果,R2在0.69以上.使用此方法可以实现棉花冠层含水量的快速、无损监测,从而为田间精准灌溉提供技术支持. 相似文献
10.
[目的]研究水稻叶温与冠层反射光谱间的关系,为水稻叶温的模拟与监测提供理论依据.[方法]利用FieldSpec Pro FR光谱仪和Raynger ST红外温度探测仪测量水稻抽穗期冠层的反射光谱和叶片温度,分析原始反射光谱、一阶微分光谱、归一化植被指数(NDVI)、比值植被指数(DVI)、再归一化差值植被指数(RDVI)和转换型土壤调整指数(TSAVI)与叶温的关系.[结果]叶温的变化直接影响水稻冠层光谱的反射率,影响水稻红边特征.一阶微分光谱与叶温存在极显著相关性(P<0.01,下同),990 nm处相关系数(0.889)最高,885 nm处相关系数(-0.893)最低.选取叶温敏感波段光谱组合计算植被指数,发现RDVI和TSAVI与叶温的关系呈极显著相关,相关系数分别为0.724和0.733.由RDVI和TSAVI建立经验模型,结果显示由TSAVI建立的叶温估算模型效果更好,其验证样本的决定系数为0.610,相对误差为1.97%,均方根误差为2.546.[建议]综合考虑多种预处理方法,最大程度还原光谱信息;优化特征波长的提取,提高建立模型的精度;基于高光谱技术,实现冠层叶温的无损监测. 相似文献