共查询到17条相似文献，搜索用时 218 毫秒
1.
基于数字图像的棉花长势空间变异分析 总被引：1，自引：0，他引：1
《棉花学报》2015,(6)
为了尽快获取棉花长势信息,分析大田棉花长势空间变异特性,采用计算机数字图像处理技术,在常规光照条件下,利用网格取样方法,采集棉花冠层长势数字图像,提取图像色调值H,研究冠层图像H值的空间分布特点以及数字图像H值与相关农艺性状的关系。结果表明,棉花冠层数字图像H值的空间分布具有中度空间相关性,其变异半方差函数模型为球状模型;数字图像H值与LAI有较好的对数关系,决定系数R2=0.8123;表明群体冠层数字图像H值是可以用来描述棉花田间长势信息的潜在可靠性指标。研究结果将为生产实践提供指导作用,为精准农业田间信息采集与快速检测提供理论依据。 相似文献
2.
遥感技术在烟草长势监测及估产中的应用进展 总被引：1，自引：1，他引：0
烟草长势信息是烟草生产管理的重要依据,全面了解遥感技术在烟草长势监测及估产中的应用进展,为利用遥感技术支撑科学化、精细化烟田管理提供科学参考。在对相关文献分析和归纳的基础上,从地面光谱、无人机遥感、卫星遥感3种尺度对目前遥感技术在烟草长势监测与估产方面的应用进行系统总结,并对进一步研究进行展望。（1）基于地面光谱对烟草的监测,主要是利用反射率光谱及其不同的变换形式、光谱指数和光谱位置变量估测其生理生化参量（氮、磷、钾、生物量、叶面积指数、叶绿素等）,为诊断烟草生长、健康状况、成熟度提供依据,进一步实现烟草长势监测、估产与品质评定。（2）利用无人机遥感技术能够在小尺度上对作物的面积进行提取、监测长势及估产,但受搭载相机分辨率、地形、自身稳定性等影响,不能监测烟草的细微变化。（3）参考LandSat、SPOT、MODIS、HJ-1等光学遥感数据以及SAR数据,利用遥感影像融合、分类等技术能够实现对大面积烟田病害、长势进行监测和产量估计。结合多源、多平台遥感数据,对烟草的参数进行定量研究,并利用同化技术对大尺度上烟草生长过程进行动态监测,来探索烟草的最佳采收期是未来研究的重点。 相似文献
3.
不同棉花群体冠层数字图像颜色变化特征研究 总被引：7，自引：3，他引：4
为了探索利用数字图像监测棉花长势的方法,研究了不同群体的冠层数字图像颜色变化特征。结果表明,RGB模型中,R分量在全生育期呈现开口向上的二次曲线变化趋势;G分量变化为开口向下的二次曲线;不同密度B分量差异较大,变化曲线形状介于R和G之间。RGB组合性状中,R/(G+B)、R/G、R、R/B类似,B、B/(G+R)、B/G类似,G、G/(R+B)类似,其中R/G、G/(R+B)、R/(G+B)的二次曲线特征更明显。HIS模型中,H分量变化趋势为开口向上的二次曲线;I分量变化基本符合二次曲线;S分量变化无二次曲线特征。R,G,R/G、G/(R+B)、R/(G+B)以及H分量在整个生育期变化具有一定的规律可循,可能是反映作物长势的潜在指标,这将对数字图像监测作物长势具有重要意义。 相似文献
4.
安徽省冬小麦长势遥感监测与评估方法研究 总被引：4，自引：1，他引：3
沿淮淮北是安徽省主要的冬小麦种植区,为了对该区域冬小麦长势进行实时、动态地监测,通过采用变化向量分析方法,利用2005-2010年EOS/MODIS数据,在HANTS算法重构无云NDVI时间序列图像以及安徽省冬小麦种植区提取等数据处理基础上,研究基于NDVI变化向量、曲边梯形面积的长势综合监测模型,对研究区的年际与年内长势变化进行时间和空间上的定量分析。结果表明：HANTS处理平滑后的MODIS的10天合成植被指数的年时序曲线有效消除了云和数据缺失的影响,重构后的生长曲线可以更清楚地反应作物生长变化趋势和规律,有利于监测模型的建立;冬小麦种植区提取,大大提高了卫星监测精度,构建的综合监测模型适合单一生长季苗情长势遥感监测,该模型在2011年冬小麦长势评估中取得了良好的监测效果。 相似文献
5.
6.
根菜类作物如甜菜、马铃薯等作物营养丰富，适合大面积种植，具有广阔的发展前景。但是，根菜类作物地上与地下生育进程和长势有很大区别，仅观测地上部长势不能准确判断地下部块根的生育进程。为解决实时观测地下部块根的生育进程，满足自动化管理的需要，设计一种块根自动测定装置，该装置由X型测定夹、阻值式变位计、内置导线、数据存储器等部件组成。利用该装置对甜菜块根生长进行田间测定试验，结果表明，该装置能够实时监测出甜菜块根生长状况，可以比较准确地判断甜菜所处生育时期以及块根直径，通过试验调查，所开发的装置对甜菜块根测定误差范围为2%～7%。 相似文献
7.
基于模型和遥感的水稻长势监测研究进展 总被引：11，自引：2，他引：9
水稻生长模型是集气候、土壤、品种和栽培措施等因素为一体的对水稻的物候发育、光合生产、器官建成、同化物积累与分配以及产量与品质形成等生理过程及其与环境和技术因子关系综合量化的动态数学模型,具有机理性和预测性。遥感影像的信息波段及其组合可以反射作物生长的空间信息,可实现对水稻进行长势监测和估产,具有及时性和广域性。将二者结合用于长势监测不但具有理论研究意义,而且还具有重要的应用价值。在简要概述水稻生长模型和长势遥感监测研究进展的基础上,总结了水稻生长模型和长势遥感监测相结合下水稻长势监测应用的研究进展,并提出一些今后研究设想。 相似文献
8.
GF-1和MODIS影像冬小麦长势监测指标NDVI的对比 总被引：3，自引：0，他引：3
作物长势是农情遥感监测的重要内容之一。长期以来, 作物长势遥感监测主要基于卫星影像反演的相关植被参数, 如归一化植被指数(NDVI, normalized difference vegetation index)、叶面积指数(LAI, leaf area index)等。本文通过对比研究16 m分辨率GF-1卫星影像及250 m分辨率MODIS影像的NDVI与冬小麦综合茎数、株高、叶绿素浓度之间的关系, 尝试建立遥感监测作物长势指标与地面实测作物长势指标的定量关系。研究发现GF-1 的NDVI与冬小麦综合茎数的相关性最高(R 2=0.8961), 而与其他指标相关性较弱; MODIS的 NDVI指数与冬小麦综合茎数相关性较低(R 2=0.4432), 对作物长势的遥感监测精度较低。统计MODIS冬小麦像元内GF-1像元的NDVI平均值, 并与MODIS的NDVI对比, 发现两者之间的相关性较低(R 2=0.3944); 在消除MODIS与GF-1影像传感器光谱响应函数差异及NDVI尺度效应后, MODIS影像的冬小麦作物长势遥感监测精度得到一定提高(R 2=0.4633)。对MODIS像元内GF-1 NDVI标准差排序发现, MODIS像元内冬小麦长势一致性越高, MODIS的长势遥感监测精度越高。GF-1和MODIS影像NDVI长势监测主要代表地面冬小麦综合茎数, 且卫星影像分辨率越高, NDVI值越能反映实际的作物长势。MODIS像元内冬小麦长势一致性越高, 基于NDVI的MODIS与GF-1数据冬小麦长势监测结果越一致。从区域长势监测角度来看, 尽管MODIS与GF-1数据的监测结果趋势较为一致, 并且通过光谱、尺度归一化能够进一步提高监测结果的一致性, 但MODIS NDVI长势监测总体精度较低, 为满足作物长势精细化监测的业务需要, 应逐步使用高分辨率的遥感数据替代中低分辨率遥感数据进行作物长势遥感监测, 并将其作为长势监测业务化运行的研究重点。 相似文献
9.
基于HJ-1数据的冬小麦种植面积、长势与收割进度遥感监测 总被引：1，自引：1，他引：0
及时、准确地获取冬小麦种植面积、长势、收割进度等信息对冬小麦产量预报和农田精细管理具有重要意义。本研究采用HJ-1A/B CCD1/CCD2影像,结合S-G滤波算法、波段最大化的光谱角目标探测器、阈值分割等方法进行新乡市冬小麦种植面积、小麦长势和收割进度等遥感监测。结果表明：（1）利用HJ卫星NDVI时间序列数据结合波段最大化的光谱角度目标探测器方法,可以进行冬小麦种植面积提取,各县市冬小麦种植面积提取相对误差在10%以内;（2）单景影像NDVI值阈值分割可以反映冬小麦长势在时空差异;（3）冬小麦达到抽穗期的时间不一致,NDVI值在4月15日和21日附近达到最大值;（4）利用成熟期和收割期不同时间的NDVI影像,可监测各县市冬小麦收割进度的时空差异。各县市冬小麦在6月4日前开始收割与6月15日左右完成收割工作。HJ卫星时间序列遥感数据可以进行冬小麦种植面积、长势、收割进度等遥感监测。 相似文献
10.
11.
12.
13.
14.
叶面积指数(leaf area index,LAI)是监测作物生长状况的重要参数,准确、快速、大面积估算LAI不仅有助于更好地监测农作物,而且也有助于其在建模、总体作物管理及精准农业中的应用。本研究为了利用国产遥感影像快速、大面积反演冬小麦LAI,以GF-1/2影像作为数据源,提取常用植被指数,结合不同生育期(起身期、拔节期、开花期)实测LAI数据,建立反演冬小麦LAI的单变量和多变量经验模型,并对其进行验证。结果表明,GF-1起身期、GF-1拔节期以及GF-1开花期提取的植被指数中,MSR(modified simple ratio)、GNDVI(green normalized difference vegetation index)、EVI(enhanced vegetation index)与LAI间的相关系数最大,分别为0.708、0.671和0.743,说明这些植被指数与冬小麦LAI间的相关性较显著;GF-1不同生育期的反演模型相比,基于拔节期GNDVIGF-1建立的二次多项式模型和基于开花期EVIGF-1、GSRGF-1(green simple ratio)、NDVIGF-1(normalized difference vegetation index)建立的PLSR(partial least squares regression)模型R2最大,均为0.783,PLSR模型的RMSE小于二次多项式模型,说明该多变量模型的稳定性优于单变量模型;同一个生育期不同影像相比,基于GF-2的NDVIGF-2建立的二次多项式模型和基于NDVIGF-2、MSRGF-2、SAVIGF-2(soil-adjusted vegetation index)建立的PLSR模型精度高于基于GF-1的2种模型,R2分别为0.768和0.809;不同生育期反演的LAI分布图表明,LAI反演值与实测LAI值基本吻合。以上研究结果说明国产高分辨率遥感影像在农作物生理参数反演中有一定的应用价值,可以为以后的相关研究提供一定的参考。 相似文献
15.
为实时、准确地获取玉米覆盖度,为玉米长势监测提供科学依据,以农田小气候实景站采集的玉米图像为数据源,利用图像处理技术对玉米图像进行分析处理,结合9种图像颜色指数(NDI、ExG、ExR、ExG-ExR、R-G、G-B、VEG、CIVE、(G-B)/|R-G|),构建了基于图像颜色指数的玉米覆盖度估算模型。结果表明：利用图像颜色指数可以有效估算玉米覆盖度,除颜色指数(G-B)/|R-G|外,其他8种颜色指数估算玉米覆盖度的精度均较高,其中,以VEG为变量的玉米覆盖度估算模型精度最高,预测结果的R2为0.993,RMSE和MAE均最小,分别为0.0270、0.0223。该方法可以有效、快速的提取玉米覆盖度。 相似文献
16.
基于Matlab的玉米根系图像拼接、根系提取分析系统 总被引：1，自引：1，他引：0
为了对玉米根系生长进行准确的观察、取样、测定。通过采用沈阳大气环境研究所自主研发的根系监测系统(SYIAE-01)获取玉米根系的图片,基于Matlab数字图像识别方法(IBR)采用SIFI和OTSU法编写了由图像几何畸变校正、图像拼接、根系图像提取及根系面积计算三部分组成的根系图像软件,利用这一软件研究分析所采集的根系数字图像。结果表明,以Matlab为基础编写的根系图像拼接、提取分析系统初步实现了玉米根系特征的原位识别,通过该系统可以为提高玉米根系图像整理的工作效率,为计算根系面积提供帮助。 相似文献
17.
利用无人机遥感技术提取农作物植被覆盖度方法研究 总被引：2，自引：0，他引：2
基于无人机的遥感信息获取技术已广泛应用在农业领域。无人机遥感平台获取农作物信息技术具有高时效、高分辨率、低成本、快速、准确等特点,是目前精准农业中农田信息获取的重要手段之一。利用无人机遥感技术获取可见光影像,以棉花、花生和玉米为研究对象,选取不同的植被指数进行可见光图像阈值分割,结合研究区域可见光影像监督分类结果,确定3种作物提取植被覆盖度方法。试验结果表明,利用无人机可见光图像植被指数阈值分类方法,可以有效提取作物植被覆盖度。该方法对于棉花、花生和玉米3种作物植被覆盖信息的提取精度较高。 相似文献