共查询到17条相似文献，搜索用时 343 毫秒
1.
采用GA-ELM的寒地水稻缺氮量诊断方法 总被引：5，自引：3，他引：2
为快速、准确、无损实现寒地水稻缺氮量的诊断。该文基于田间试验系统采集的资料,研究东北粳稻氮素含量的亏损或富余与光谱反射率差值之间的关系,并建立东北粳稻氮素含量差值的反演模型。该文采用高光谱反演水稻的缺氮量,并为实施精准施肥提供参考依据,达到减肥不减产的目的,采用产量最高的原则来构建标准氮素含量与标准光谱反射率,并在此基础上,将获取的水稻叶片氮素含量和叶片光谱反射率分别与标准氮素含量和标准光谱反射率做差,得到氮素含量差值和光谱反射率差值,然后对光谱反射率差值分别采用离散小波多尺度分解、连续投影法(successive projections algorithm,SPA)和构建植被指数的方法进行降维处理,将处理后的结果分别作为偏最小二乘(partial least squares regression,PLSR)、极限学习机(extreme learning machine,ELM)和遗传算法优化极限学习机(genetic algorithm-extreme learning machine,GA-ELM)的建模输入,构建东北粳稻氮素含量差值的反演模型。结果分析表明:采用离散小波多尺度分解的结果建立的GA-ELM反演模型预测效果最好,训练集与验证集的R2均在0.7062以上,均方根误差(root mean square error,RMSE)均低于0.51mg/g以下,在预测能力、稳定性和泛化性上比PLSR和ELM的预测模型有明显提高。 相似文献
2.
分蘖期根外追肥是水稻生产的重要田间管理环节,也是水稻生长中的第一个需肥高峰期,追肥效果直接影响分蘖数以及中后期长势。为了探究利用无人机遥感构建施肥量处方图指导农用无人机对分蘖期水稻精准追肥,在保障水稻产量的前提下降低化肥施用量,该研究在水稻分蘖期追肥窗口期,利用无人机遥感诊断与农用无人机精准作业相结合,采用无人机高光谱技术建立水稻分蘖期施肥量处方图,结合农用无人机作业参数对待施肥地块进行栅格划分,确定精准施肥量,并通过农用无人机进行精准施肥。结果表明:利用特征波段选择与特征提取的方式在450～950nm范围内共提取5个水稻高光谱特征变量用于水稻氮素含量的反演;利用粒子群优化的极限学习机(Particle Swarm Optimization-Extreme Learning Machine,PSO-ELM)构建的水稻氮素含量反演模型效果要好于极限学习机(Extreme Learning Machine,ELM)反演效果,模型决定系数为0.838;结合待追肥区域反演氮素含量(N_r),标准田氮素含量(N_(std))、氮肥浓度(p)、水稻地上生物量(B_(std))、水稻覆盖度(C_(std))、化肥利用率(k)及转化率(u)等构建了农用无人机追肥量决策模型,与对照组相比,利用该研究构建的处方图变量施肥方法使氮肥追施量减少27.34%。研究结果可为寒地水稻分蘖期农用无人机精准变量追肥提供数据与模型基础。 相似文献
3.
为探究不同作物覆盖下不同深度的土壤盐分快速反演模型,该研究采集苜蓿、玉米覆盖下0～15、15～30、30～50 cm层深度的土壤盐分含量,基于无人机多光谱影像数据,提取各地块采样点的光谱反射率,在此基础上引入红边波段计算光谱指数作为特征变量,采用支持向量机递归特征消除算法（Support vector machine-Recursive feature elimination,SVM-RFE）以筛选光谱指数及未经过筛选的全指数组作为模型输入组,共构建出36个基于随机森林（Random Forest,RF）、极限学习机（Extreme Learning Machine,ELM）、BP神经网络（Back-Propagation neural network）等机器学习模型,确定出不同作物覆盖下的最佳土壤盐分反演模型。结果表明：SVM-RFE算法筛选光谱指数构建模型精度优于未进行筛选构建的模型。对于苜蓿和玉米覆盖土壤,整体上,RF反演效果优于ELM模型和BPNN模型,反演结果能体现真实土壤盐分含量,在0～15和30～50 cm土层上,RF模型反演效果优于其他模型,苜蓿样地Rp2分别为0.71、0.58,RMSEp分别为0.026、0.033,玉米样地Rp2分别为0.67、0.64,RMSEp分别为0.111、0.094,在15～30 cm土层上ELM反演效果较好,苜蓿样地Rp2为0.58,RMSEp为0.039,玉米样地Rp2为0.68,RMSEp为0.059。0～15 cm是作物覆盖下的土壤含盐量最佳反演深度,验证集平均决定系数R2为0.65,均方根误差RMSE为0.084。研究结果可为土壤盐分的快速反演提供理论依据。 相似文献
4.
基于高光谱的寒地水稻叶片氮素含量预测 总被引：2，自引：2，他引：2
为快速、无损和准确地诊断水稻营养状况,开展了基于高光谱成像技术的寒地水稻叶片氮素含量预测研究。以不同施氮水平下的水稻叶片为研究对象,利用高光谱成像技术,分析拔节期水稻叶片光谱,采用全波段高光谱数据、连续投影算法及分段主成分分析(segmented principal components analysis,SPCA)与相关分析(correlation analysis,CA)相结合的方法建立多种回归分析模型,并对模型进行检验和筛选。结果表明:随着施氮水平提高,水稻叶片反射率在可见光区域降低,在近红外区域升高。在校正集决定系数上,基于多元逐步回归分析的全波段模型较好,校正集决定系数为0.821,校正集均方根误差RMSEC=0.079;在预测集决定系数上,基于SPCA-CA结合多元回归分析的多变量单波段指数、差值指数、双差值指数模型较好,预测集决定系数为0.869,预测集均方根误差RMSEP=0.085。该研究结果为快速检测水稻叶片氮素含量及水稻生长期间精确施肥管理提供了参考。 相似文献
5.
无人机多光谱遥感反演不同深度土壤盐分 总被引：5，自引：4，他引：1
快速、精准获取作物覆盖下的土壤盐分信息，可以提高区域土壤盐渍化治理的有效性。该研究在内蒙古河套灌区沙壕渠灌域内试验地获取无人机多光谱遥感图像数据，并同步采集不同深度的土壤盐分数据。通过遥感图像数据提取光谱反射率并计算传统光谱指数，在此基础上引入红边波段建立新的光谱指数，同时使用Elastic-net算法（ENET）对光谱变量进行筛选，并将筛选后的光谱变量分为原始光谱变量组和改进光谱变量组；运用BP神经网络（Back Propagation Neural Networks，BPNN）、支持向量机（Support Vector Machine，SVM）和极限学习机（Extreme Learning Machine，ELM）3种机器学习方法，构建作物覆盖下不同土壤深度的土壤盐分反演模型，并基于最佳反演模型绘制试验区不同深度土壤盐分反演图。结果表明，使用ENET变量选择方法可以有效筛选出最优光谱变量，且基于改进光谱变量组构建的反演模型精度均高于原始光谱变量组；ELM模型反演效果优于SVM模型和BPNN模型，其验证集的决定系数为0.783，均方根误差为0.141，一致性相关系数为0.875；研究区域内，作物覆盖下的土壤盐分最佳反演深度为10～20 cm；在不同土壤深度下，基于改进光谱变量组构建的最佳反演模型绘制的土壤盐分反演图可以较为真实的反映试验区内的盐渍化程度，这说明引入红边波段构建光谱指数可以用于土壤盐分的反演。该研究为无人机多光谱遥感监测农田土壤盐渍化以及农田盐渍化治理提供了一种新途径。 相似文献
6.
基于无人机高光谱影像的引黄灌区水稻叶片全氮含量估测 总被引：18，自引：14，他引：4
实时监测水稻氮素状况对于评估水稻长势及精准田间管理意义重大。为确定宁夏引黄灌区水稻叶片全氮含量的最优高光谱估测方法,该文依托不同氮素水平水稻试验,基于成像高光谱数据和无人机高光谱影像,综合运用统计分析及遥感参数成图技术,对比分析光谱指数与偏最小二乘回归方法预测水稻叶片全氮含量的精确度和稳健性。结果表明,以组合波段738和522 nm光谱反射率的一阶导数构成的比值光谱指数(ratio spectral index,RSI)构建的线性模型为水稻叶片全氮含量的最优估测模型(检验R2为0.673,均方根误差为0.329,相对分析误差为2.02);无人机高光谱影像反演的水稻叶片全氮含量分布范围(1.28%~2.56%)与地面实际情况较相符(1.34%~2.49%)。研究结果可为区域尺度水稻氮素含量的空间反演及精准农业的高效实施提供科学和技术依据。 相似文献
7.
基于便携式三波段作物生长监测仪的水稻长势监测 总被引：1，自引：1，他引：0
针对现有两波段光谱仪在实际应用中存在的植被指数单一、生长指标反演精度低等问题，该研究研发了一款便携式三波段作物生长监测仪CGMD303（Crop-Growth Monitoring and Diagnosis，CGMD）并于2018年7-8月开展了水稻田间试验研究。结果表明，CGMD303获取的植被指数与商用仪器ASD FieldSpec HandHeld2呈良好的线性相关关系，同时基于CGMD303构建的水稻生长监测模型可以有效预测叶面积指数、叶片干重、叶片含氮率和叶片氮积累量，决定系数分别为0.85、0.72、0.45和0.68，相对均方根误差分别为0.21、0.32 g/m2、0.13%和0.39 g/m2。CGMD303可以有效获取冠层光谱反射率，构建的水稻指标监测模型可以精确预测叶面积指数、生物量和氮素指标，可为水稻田间栽培工作提供决策依据。 相似文献
8.
区域水稻穗期叶片氮素的遥感估测初探 总被引：3，自引：2，他引：1
快速、无损、准确地监测水稻穗期氮素状况,对于诊断水稻生殖生长特征、提高氮肥运筹水平具有重要意义。本研究在浙江省海宁市晚稻试验点进行田间取样试验,并获取同时期CBERS-1遥感数据,分析了试验点晚稻穗期叶片氮素与CBERS-1影像冠层光谱信息之间的关系。结果表明,水稻穗期叶片氮素含量与同期CBERS-1影像的光谱信息NDVI之间有良好的相关性,可以建立水稻穗期叶片氮素含量反演的相关统计模型。但由于遥感影像特征与水稻穗期叶片氮素含量之间存在较复杂的非线性关系,因此统计模型反演精度不够理想。因而,又尝试运用BP人工神经网络方法来反演水稻穗期叶片氮素含量,发现BP人工神经网络模型具有很强的非线性拟合能力,与统计模型相比,其水稻穗期叶片氮素含量的反演精度有显著提高。由此表明,利用CBERS-1遥感影像可以对水稻穗期叶片氮素含量进行建模并反演,能够在较大的范围里估测水稻的氮素营养状况。 相似文献
9.
基于无人机数码影像的冬小麦氮含量反演 总被引：9，自引：7，他引：2
准确、快速地获取关键生育期冬小麦氮素含量,对农业管理者进行田间氮素施肥有重要的决策作用。利用无人机(unmannedaerialvehicle,UAV)搭载数码相机,可以短时间内获取冬小麦长势信息,实现对冬小麦氮素含量动态监测。该研究利用2015年北京市小汤山冬小麦无人机数码影像,采用3种阈值分割方法,将田间植株作物与土壤背景分离。对比影像分割方法的时效性与准确性,最终确定可见光波段差异植被指数VDVI(visible-band difference vegetation index)提取植被信息。按照试验方案要求,在不同的氮肥与水分胁迫管理下,将冬小麦3次重复试验分成48个试验小区,依据小区边界提取小区的红、绿和蓝通道的平均DN(digitalnumber)值,选取25个植被指数,同时与各个试验小区冬小麦不同器官氮含量进行相关性分析,筛选数码影像变量。由于植被指数之间耦合度较高,因此采用主成分分析对原始数据进行成分提取,提取特征向量参与建模,最后利用多元线性回归分析建立氮素反演模型,通过决定系数(R2)、均方根误差(RMSE)和归一化的均方根误差(nRMSE)3个指标筛选出最佳模型,探究各器官氮素含量与数码变量的相关性。结果表明,实验室实测氮素含量与UAV数码影像氮素反演结果及基本一致。在反演模型构建精度方面,3种数据处理结果整体部分植被指数,反演效果叶氮植株氮茎氮。以冬小麦挑旗期为例,叶片氮含量整体信息提取验证模型的R2、RMSE和nRMSE分别为0.85、0.235和6.10%,比部分信息提取验证模型的R2高0.14,RMSE和nRMSE分别降低0.068和1.77个百分点;比植被指数信息提取验证模型的R2高0.43,RMSE和nRMSE分别降低0.141和3.67个百分点。研究表明,基于UAV数码影像利用多元线性回归构建冬小麦氮素含量反演模型,对试验小区整体提取作物信息的方式反演冬小麦叶氮含量效果最好,相比传统反演方法,模型稳定性更高,可为冬小麦田间水肥决策管理提供参考。 相似文献
10.
氮磷互作水稻冠层氮素敏感光谱筛选研究 总被引：2，自引：0，他引：2
基于连续两年的水稻氮磷互作盆栽试验,于水稻拔节、抽穗、灌浆等主要生育时期同步测定了冠层反射光谱和水稻植株总氮含量,系统分析了350~1 330 nm波段范围内任意两波段组合而成的差值(DVI)、比值(RVI)及归一化(NDVI)光谱指数与植株总氮含量的关系,筛选了可用于氮磷互作环境下的最佳光谱指数,建立了估算模型,并与已有的水稻氮光谱反演指数进行了比较。结果表明:氮磷交互下水稻冠层光谱受氮素的影响明显高于磷素,呈现随施氮量的增加可见光区反射率下降,近红外区上升的规律;但对磷肥的响应受施氮水平的影响,施磷在缺氮情况下提高了可见光区和近红外区的反射率,不缺氮情况下却使可见光区反射率降低。与植株总氮含量相关性较好的波段组合基本不受植被指数构造形式的影响,表现较为稳定,主要分布在近红外(780~1 330 nm)/可见光(750~770 nm)区域、红边(640~700 nm)区域和可见光(450~500 nm)区域。但施磷与不施磷处理的总氮光谱指数敏感波段组合区域有所变化,施磷处理的敏感区域要小于不施磷处理,且相关性决定系数有所降低。存在对施磷不施磷处理都比较敏感的光谱指数区域,拔节、抽穗和灌浆期分别以RVI(FD719,FD740),NDVI(FD419,FD552),DVI(FD707,FD713)表现最佳,建模决定系数分别为0.87、0.80、0.87,几乎不受氮磷交互作用的影响,验证模型均方根误差分别为1.98、3.68、3.47。已有的氮光谱反演参数中则以m ND705、PRI、NDVI705表现最好,但其预测精度明显受磷肥作用的影响,尤其是在拔节期,不施磷处理下的精度要远低于施磷处理,且整体精度均低于本研究新选的氮光谱指数。因此,氮磷互作对水稻氮光谱反演指数的波段组合及预测精度产生影响,要提高氮素光谱诊断精度,需要根据情况选择适宜的光谱指数。 相似文献
11.
12.
13.
不同施肥制度对双季稻氮吸收、净光合速率及产量的影响 总被引：4，自引：0，他引：4
利用稻田长期施肥制度定位试验,研究了不同施肥处理对水稻氮素吸收、净光合速率及产量的影响。有机物还田能显著促进水稻分蘖、提高有效穗数和叶面积指数。只施用NPK,在分蘖后早稻叶片氮含量急剧下降,与早稻相比,而晚稻的穗肥促进了后期的氮吸收。在CK和施加NPK的基础上秸秆还田明显改善水稻中后期的氮吸收,但对晚稻的效应明显低于对早稻的效应。各处理的叶片以及稻穗氮含量晚稻明显低于早稻。叶片氮含量与叶片净光合速率成显著(早稻r=0.664*)或极显著正相关(晚稻r=0.704**),这说明叶片氮含量缺乏降低了叶片光合能力。有机物还田增产效果显著,在中等施肥水平时,有机物还田可以代替1/3以上的NPK投入。 相似文献
14.
长期不同施肥模式红壤性水稻土磷素变化 总被引：4，自引：4，他引：0
【目的】研究红壤性水稻土长期不同施肥模式下耕层土壤有效磷含量与全磷含量的变化特征,以及有效磷含量与累积磷盈亏的关系,分析不同形态磷肥对土壤磷素有效性影响的差异,找出最有效的红壤性水稻土磷素培肥施肥方式。【方法】供试土壤取自1981~2012年在江西进行的红壤双季稻稻田长期定位试验。试验自始至终保持水分、农药等日常田间管理与当地习惯相同,统一水稻品种并定期更换。试验设5个处理:施氮钾肥(NK);氮磷钾化肥(NPK);两倍氮磷钾化肥(NPK2);早稻氮磷钾化肥配施紫云英,晚稻氮磷钾化肥配施猪粪(NPKM);长期不施肥(CK)。分析了耕层土壤有效磷含量和全磷含量计算了有效磷增量与累积磷盈亏的相互关系。【结果】试验32年后对照土壤磷年均亏缺22.7 kg/hm2,有效磷含量在低水平下维持平衡;NK处理磷素年均亏缺27.9kg/hm2,显著高于不施肥处理,全磷含量缓慢降低32年累计降低了8.6%,有效磷含量呈持平趋势。NPK、NPK2、NPKM处理土壤磷素均有盈余,年均盈余量分别为33.3、39.0、41.0 kg/hm~2,全磷含量分别增加了32.1%、89.4%、165.1%,有效磷含量分别增加了2.2、6.9、15.3倍,年上升速率分别为0.30、1.18、1.79 mg/kg,有效磷增量与累积磷盈余呈显著正相关。NPK化肥配施有机肥处理不仅提高土壤有效磷及全磷的含量,还显著提高磷素有效性。水稻产量增加量随累积磷投入量和有效磷的增加而增加,前期增加较快后期增加较慢,有效磷含量具有明显的拐点,其值超过20 mg/kg后产量就增加缓慢。【结论】红壤性水稻土在双季稻种植模式下,长期不施磷肥处理土壤全磷含量缓慢降低,有效磷含量可维持低水平下的平衡。施磷处理土壤全磷含量,有效磷含量以及磷素有效性均呈上升趋势且无机磷肥与有机磷肥配施处理上升最快。无机磷肥与有机磷肥配合施用在提高土壤全磷含量的同时也提高磷素的有效性。土壤有效磷超过20 mg/kg后相对产量提高缓慢。氮磷钾化肥与有机肥配合施用是提高耕层土壤磷素库容和提高磷素活化能力的有效措施。 相似文献
15.
长期减量化施肥对水稻产量和土壤肥力的影响 总被引：6，自引：0，他引：6
为探讨减量化施肥对水稻产量及土壤肥力的影响,对巢湖流域连续10年减量化施肥和秸秆还田定位试验后的水稻产量、土壤有机质、有效氮磷钾、有效铜锌铁锰含量及土壤酶活性进行了测定和分析。结果表明:长期减氮30%或减磷50%处理对水稻产量无明显降低作用,减量+秸秆还田有增产作用,但增产不显著;减氮30%或减磷50%会降低土壤中有机质含量,增加土壤中速效钾、碱解氮含量,减磷50%土壤中的有效磷含量显著降低,减量+秸秆还田会增加土壤中的有机质、速效钾、碱解氮、有效铜锌铁锰含量,对有效磷的增加效果不显著;较不施肥相比,施肥能够明显提高土壤的酶活性,减少氮磷肥会一定程度地降低土壤中的酶活性,减量+秸秆还田对脲酶的增加效果不明显,但会显著增加土壤中性磷酸酶和蔗糖酶活性;土壤酶活性与水稻产量及土壤养分含量之间呈显著或极显著正相关关系。综合考虑减量化施肥对水稻产量和土壤肥力的影响,可提出在巢湖流域实施减量化施肥+秸秆还田处理来代替高产施肥。 相似文献
16.
采用RNCA-PSO-ELM的水稻叶绿素光谱特征分析与反演 总被引：1，自引：1，他引：0
为探索有效的水稻叶绿素光谱特征选择方法与含量反演建模,解决东北粳稻叶绿素含量无人机遥感监测等问题,该研究利用沈阳农业大学卡力玛水稻实验站2018-2020年无人机（Unmanned Aerial Vehicle,UAV）水稻冠层高光谱数据及地面样本数据,设计了基于正则近邻成分分析的光谱特征选择方法,优化了其损失函数与正则化参数,获得水稻叶绿素不同含量的特征波段,并以此为输入,构建粒子群优化极限学习机叶绿素含量反演模型。结果表明：正则近邻成分分析算法具有较好的特征选择能力,其损失函数为均方误差损失函数、正则化参数值为0.306时,特征选择效果最佳,初选出权重非零的16个特征波段;进一步以叶绿素极限学习机反演精度为判据,优选出权重最高的6个特征波段：710、716、508、798、532和708 nm;应用粒子群优化算法优化了极限学习机模型的输入权值和阈值偏差,粒子群算法正交试验种群规模（POP）、惯性权重（IW）、学习因子（C1,C2）和速度位置相关系数（MC）的优选结果分别为50、1.5、1.3、3.5和0.6;基于正则近邻成分分析-粒子群优化极限学习机叶绿素含量反演结果的RMSE和R2分别为9.549 mg/L、0.891。研究结果可为基于无人机平台的高通量作物监测提供理论依据,并为筛选无人机高光谱波段实现作物长势参数快速估测提供参考。 相似文献
17.
稻-麦轮作是太湖流域典型的集约化粮食作物种植体系，化肥用量大，氮磷流失控制广为关注。本文采用大区田间对比试验研究了习惯施肥（FP）和优化控制施肥（CM）两种施肥模式对作物产量及氮磷肥料偏生产力的影响，同时探讨了两种施肥模式下农田径流水中各形态氮、磷的特征和径流氮、磷损失的差异。结果表明优化控制施肥水稻和小麦地上部总生物量、籽粒产量、植株地上各部位养分（氮磷钾）含量及积累量与习惯施肥差异不显著（P>0.05）；优化控制施肥水稻和小麦的氮肥偏生产力显著大于习惯施肥（P<0.05），磷肥偏生产力也相似。稻季和麦季优化控制施肥径流水中各形态氮、磷浓度小于习惯施肥，甚至达到显著水平（P<0.05）；稻季、麦季和完整轮作期优化控制施肥总氮、总磷的累积流失量显著小于习惯施肥（P<0.05）。优化控制施肥模式不仅能保持水稻和小麦的籽粒产量，而且能显著减少稻-麦轮作体系的氮磷流失，可以在实际农业生产中加以推广和利用。 相似文献