共查询到10条相似文献，搜索用时 15 毫秒
1.
以河南省为研究区域,利用1982-2006年冬小麦生长关键期3-5月的NOAA-NDVI数据集,结合河南省18地市冬小麦产量数据,分析了研究区NDVI与冬小麦产量的时间动态变化特征,建立了基于NDVI的冬小麦产量估算模型,并对模型进行了验证与比较。结果表明:自1982-2006年,研究区冬小麦生长关键期的NDVI和小麦产量均表现出显著增长态势;利用3月、4月、5月NDVI分别建立的冬小麦产量线性预测模型相对误差均较小,分别为-7.56%、-6.10%、-2.63%;利用不同月份组合的NDVI累积和分别建立的冬小麦产量预测模型相对误差较小,平均误差为-5.08%;利用多个月份组合的NDVI分别建立的多元线性回归模型,虽然综合考虑了冬小麦生长期,但估测精度却低于基于单月NDVI和NDVI累积所建立的模型精度。通过误差对比分析后发现,利用5月NDVI建立的冬小麦估产模型误差最小。 相似文献
2.
基于同化叶面积指数和条件植被温度指数的冬小麦单产估测 总被引：2，自引：0，他引：2
应用数据同化方法将遥感信息与作物生长模型融合,是估测区域作物产量的重要方法之一。以2008—2014年越冬后的冬小麦为研究对象,选择与作物长势、产量及水分胁迫信息密切相关的叶面积指数(LAI)和条件植被温度指数(VTCI),采用粒子滤波算法对CERES-Wheat模型模拟和遥感数据观测的LAI和VTCI实施同化,分别基于观测LAI和VTCI、同化LAI和VTCI构建冬小麦单产估测模型。结果表明,同化LAI变化趋势更加符合关中平原冬小麦的实际生长状况,同化VTCI能更好地反映冬小麦的水分胁迫程度。应用观测LAI和VTCI构建的估产模型决定系数为0.402,而单独应用LAI或VTCI单变量构建的估产模型决定系数分别为0.279和0.339,说明应用LAI和VTCI双变量构建的估产模型的精度优于单独应用LAI或VTCI单变量的精度。相比于观测LAI和VTCI构建的估产模型,基于同化LAI和VTCI构建的估产模型的决定系数从0.402提高到0.547。表明基于同化LAI和VTCI构建的估产模型的精度明显提高。 相似文献
3.
为提高西北半湿润区葡萄园蒸散量的估算精度，以波文比系统实测蒸散量ETc为基础，基于彭曼公式法计算参考作物蒸散量ETo,得到葡萄作物系数Kc后，采用FAO-56双作物系数法计算土壤蒸发系数Ke与水分胁迫系数Ks,获得基础作物系数Kcb;同时利用无人机多光谱遥感影像获取葡萄光谱数据，提取多个波段反射率计算4种植被指数(归一化植被指数NDVI、土壤调节植被指数SAVI、比值植被指数RVI、差值植被指数DVI),建立葡萄Kcb与植被指数的关系模型(一元线性回归、多项式回归、多元线性回归),从而计算葡萄园实际蒸散量用以验证无人机多光谱遥感估算葡萄Kcb的精度。结果表明：(1)相同建模方法下，植被指数与Kcb的模型拟合精度受到其种类与葡萄生长时期的影响。在生育前期，利用一元线性回归建模得到的Kcb-VIs模型拟合精度表现为NDVI>RVI>SAVI... 相似文献
4.
关中西部灌区冬小麦遥感估产初探 总被引：1，自引：0，他引：1
根据冬小麦生长特点与产量的关系,认为小麦扬花期至灌浆期为最佳监测时期,利用遥感影像(TM)进行了绿度指数(GDVI)计算与分析,建立了GDVI与小麦产量的关系,完成了小麦估产。通过与实际产量进行比较,其估产精度可达88.90%以上。 相似文献
5.
利用卫星遥感资料估测天然草地生产力是草地生态学和草地管理学的研究热点。内蒙古草原面积大、类型多、具有重要的生态和生产功能,实时监测其草地生产力变化十分必要。由于风云3号极轨气象卫星资料具有迅速、覆盖面广、不受地面条件限制等优点,文中将内蒙古自治区气象局42个生态监测站点2008～2010年6～8月份的风云3号卫星MERSI遥感数据和同步的牧草产量实测数据相结合,引入MERSI-NDVI概念,建立了基于MERSI-NDVI估测内蒙古草原牧草产量的估测模型,并对模型的可靠性进行了检验。结果表明:基于风云3号极轨气象卫星资料提取的MERSI-NDVI与内蒙古草原牧草产量具有较高的相关性,利用MERSI-NDVI遥感估测天然草地牧草产量是可行的;基于MERSI-NDVI构建的三个类型草地遥感估产模型精度在65.32%～88.84%之间,其精度可以满足宏观测产的要求。不仅适合大面积监测估产,还可用于局部地域牧草产量的定点估产。 相似文献
6.
基于条件植被温度指数的冬小麦主要生育时期干旱监测效果评价Ⅲ——干旱对冬小麦产量的影响评估 总被引：1，自引：0，他引：1
选取关中平原2002-2009年冬小麦越冬后每年3-5月9旬的条件植被温度指数（CVTI）遥感干旱监测结果,基于归一组合赋权法确定的冬小麦越冬后四个主要生育时期干旱对产量影响的最优权重,建立关中平原4市（不包括铜川）冬小麦每年的加权CVTI与单产间的一元线性回归模型,并对冬小麦的单产进行了估算。结果表明,2002-2009年关中平原冬小麦单产在波动中呈上升趋势,中部单产较高,西部次之,东部最低。基于关中平原4市的整体产量估算模型预测西安市部分区县2010年的单产,取得较好的结果,验证了关中平原4市的整体产量估算模型具有较好的精度,能够较准确地反映关中平原干旱对冬小麦产量的影响。 相似文献
7.
基于垂直植被指数的东北黑土区玉米LAI反演模型研究 总被引：2，自引：0，他引：2
本文旨在探讨以不同波段组合垂直植被指数所建立的高光谱模型对玉米叶面积指数(Leaf Area Index,LAI)的反演精度。在不同水肥耦合作用条件下,实测玉米冠层的高光谱反射率与叶面积指数数据以及裸土的高光谱反射率数据,在高光谱红光波段(631~760 nm)与近红外波段(760~1050 nm)逐波段构建土壤线,并在此基础上构建垂直植被指数(Perpendicolar Vegetation Index,PVI),找出与LAI具有最佳相关性波段组合PVI,建立玉米LAI估算模型。结果显示,采样波段间隔越窄,反演精度越高,在采样波段间隔1.4 nm的PVI(R677,R918)反演2004年的玉米LAI模型中,最佳回归方程是指数函数,精度达91.1%,标准差为0.1997,RMSE=0.0399,通过了0.01极显著验证。采用高光谱数据构建的PVI植被指数对玉米LAI的估算可以取得较高的精度。 相似文献
8.
BP神经网络和支持向量机在积温插值中的应用 总被引：1，自引：0，他引：1
积温插值是分布式积温获取的重要途径。为了提高积温插值的精度,应用BP(Back Propagation Learning Algorithm)神经网络模型和支持向量机(Support Vector Machine,SVM)模型建立甘肃省及周边地区的积温插值模型。结果显示:1)从积温插值的空间分布来看,SVM模型比BP神经网络模型能够体现出更多的细节;2)SVM模型的插值精度总体上显著高于BP神经网络模型;3)在平均相对误差(MRE)最大的西区,相比BP神经网络模型的7.19%,SVM模型将误差降低到了5.47%;4)东区两种模型的MRE最小,BP神经网络模型为2.97%,SVM模型为2.03%;5)与分区建模前相比,分区后的插值精度有所提高,BP神经网络模型将MRE降低了0.04%,SVM模型降低了0.11%。 相似文献
9.
干旱区冬小麦不同生长阶段的光谱特征与叶绿素含量估测研究 总被引：3，自引：0，他引：3
通过实测的冬小麦整个生长阶段的叶片光谱与其SPAD值,分析了二者的变化规律,比较了15种高光谱指数与SPAD值的相关性,最后确定不同生长阶段估算小麦叶片SPAD值的最佳植被指数。结果表明:冬小麦叶片SPAD值在整个生育期内的变化规律显示出先升高后迅速下降的趋势,最大值出现在灌浆期;通过15种植被指数与叶片SAPD值的相关性比较,在拔节期,优化的土壤调节植被指数(OSAVI)与冬小麦叶片SPAD值的相关性最高,其模型精度为0.74;在孕穗期和开花期,叶面叶绿素指数LCI与SPAD值的相关性最好,其模型精度为0.72和0.79;在灌浆期R700与SPAD值的相关性最佳,其模型精度为0.70;在乳熟期红边位置REP与SPAD值的相关性最好,其模型精度为0.69。 相似文献
10.
分析2006年栾城试验站不同氮素水平下冬小麦的多时相的群体光谱测量数据和相应叶片叶绿素密度的测量数据，发现：冬小麦的群体光谱的导数光谱数据、红边光谱数据，归一化植被指数NDVI和比值植被指数RVI与叶绿素密度具有很好的相关关系，并且选取样本建立了相应的回归方程。以回归方程作为叶绿素高光谱估算模型，并利用检验样本对估算模型进行检验，结果表明，以745nm处一阶导数光谱值、733nm处二阶导数光谱值和红边振幅为变量的模型可以较好的估算叶绿素密度。 相似文献