共查询到10条相似文献，搜索用时 312 毫秒
1.
[目的]基于小麦生长发育关键时期的近地面高光谱数据和收获实测产量数据,利用改进的光谱角算法进行冬小麦产量估测.[方法]选择2个小麦品种,设置4个氮素水平处理,根据氮素营养对小麦冠层可见光和近红外光谱影响较大的特点,构建监测小麦冠层氮素营养的光谱角算法.[结果]氮素营养对小麦产量差具有比产量更明显的差别,不同小麦品种在不同生育时期和氮素水平下光谱角变化有明显的差异,小麦生育前期的光谱角变化较小,生育后期光谱角增加,末期光谱角降低,不同氮素水平之间表现出NO-2>N0-3>NO-1.光谱角与小麦产量呈明显的二次线性关系,拟和方程决定系数为0.7844,达到极显著水平.[结论]利用光谱角进行小麦产量监测是可行的. 相似文献
2.
高光谱技术可以快速、准确监测作物的生长信息,小麦冠层光谱与其叶片的叶绿素等生长信息密切相关,同时利用光谱信息可以监测作物的产量、籽粒信息等。介绍了高光谱数据的3种采集方式,综述了利用高光谱数据监测小麦的生长状况(叶绿素、叶面积指数、叶片氮素含量)以及小麦产量、籽粒及病害等相关应用领域研究,并提出了作物冠层光谱分析存在的问题以及下一步发展方向。 相似文献
3.
水稻叶面积指数和叶片生化成分的光谱法研究 总被引：9，自引：0，他引：9
利用光谱仪通过大田试验和室内测量不同氮素水平及不同时期水稻叶片的光谱反射率，测算叶面积指数LAI；利用生化方法测量相应叶片的叶绿素含量，蛋白质含量和纤维素含量；在此基础上分析了水稻叶面积指数与光谱变量，叶片生化成分与光谱变量及叶面积指数之间的相关性。结果表明；水稻叶面积指数与比值植被拽数RVI及归一化差值植被指数NDVI呈显著相关，不同氮素水平的水稻叶片的叶绿素，蛋白质及纤维素含量与LAI之间的R^2在抽穗期均达到0.75以上，其中叶绿素，纤维素含量与光谱变量的相关达显著水平，不同时期纤维素与光谱变量及LAI之间相关达显著水平，从而证明通过光谱法可以推算水稻叶片的叶绿素含量，蛋白质含量和纤维素含量。 相似文献
4.
[目的]依据野外实测的旱地春小麦叶绿素含量、冠层反射光谱及土壤含水率,比较了不同坡向旱地春小麦叶绿素含量、冠层光谱、光谱一阶微分的差异,分别建立适合不同坡向旱地春小麦叶绿素含量监测模型并检验模型精度.[方法]用相关分析法分析微分指数与叶绿素含量的相关性.[结果]春小麦叶绿素含量因坡向不同而存在差异,表现出阴坡地最高,双面坡地次之,阳坡地最低.可见光区域,阴坡地春小麦“峰谷”特征明显,阳坡地和双面坡地无此特征;近红外波段,旱地春小麦冠层光谱反射率表现出阴坡地＞双面坡地＞阳坡地的特点.[结论]旱地春小麦叶绿素含量与各微分指数的相关性均较好,通过了极显著水平检验.阴坡地与Kpo的相关系数为0.915,大于阳坡地和双面坡地与SDred训和SDg的相关系数0.906和0.908.利用与不同坡向旱地春小麦叶绿素相关系数最大的微分指数建立的叶绿素含量监测模型表明,各地类春小麦叶绿素含量的监测均可用抛物线模型,预测精度分别达97.5;、95.7;和97.8;. 相似文献
5.
关中地区小麦冠层光谱与氮素的定量关系 总被引：4，自引：0，他引：4
【目的】分析不同生育期及整个生育期小麦叶片氮含量(LNC)与冠层光谱反射特征的关系,以实现对田间小麦活体氮素营养状况的监测,为小麦叶片氮素状况的精确诊断提供依据。【方法】以位于陕西关中地区杨凌揉谷镇、扶风马席村和巨良农场的3个小麦试验田为研究对象,测定不同长势及生育期小麦LNC及冠层光谱反射率,分析不同长势下小麦LNC和反射率的变化,并研究氮含量与冠层光谱反射率的相关性,以及小麦LNC与比值植被指数(RVI)、归一化植被指数(NDVI)的相关性,建立小麦LNC的敏感波段及光谱监测模型。【结果】在同一生育期,长势差的小麦叶片氮含量较低,长势较好的叶片氮含量高。与单波段相比,组合波段构成的植被指数RVI、NDVI与LNC的相关性明显提高,近红外波段(730~1 075nm)和红波段630,660,690nm组成组合波段的RVI、NDVI与LNC呈极显著正相关,其中LNC与RVI的相关性较高。利用独立的小麦田间试验数据,采用通用的均方根差(RMSE)、决定系数(R2)、准确度(斜率)3个指标对所建立的模型进行检验,最终选取RVI(970,690)为监测小麦LNC的最佳光谱参数,构建的最佳模型为LNC=0.176 3×RVI(970,690)0.775 6,R2为0.863,RMSE为0.137,准确度为0.979,接近于1。【结论】利用小麦冠层光谱反射率构建了预测小麦LNC的最佳模型,该模型具有较好的准确度和普适性,适用于整个生育期小麦叶片氮含量的监测。 相似文献
6.
基于不同土壤质地的小麦叶片氮含量高光谱 差异及监测模型构建 总被引：2，自引：0，他引：2
【目的】叶片氮素状况是小麦生产中精确施氮管理与调控的前提,实时无损监测叶片氮素状况对小麦生产管理具有重要意义。本文旨在综合分析不同环境下小麦冠层光谱响应差异,进而构建其估测模型,为小麦氮肥合理运筹提供技术支持。【方法】本研究基于3种不同土壤质地（砂土、壤土和黏土）、5种不同施氮水平（0、120、225、330和435 kg•hm-2）及3种河南省主栽小麦品种（矮抗58、周麦22和郑麦366）连续2年的大田试验,于小麦主要生育时期同步测定冠层光谱反射率和叶片氮含量,对3种不同土壤质地条件下小麦冠层叶片氮含量的高光谱响应差异进行比较,系统分析350—1 050 nm 波段范围内任意两波段组合而成的差值（DSI）、比值（RSI）及归一化差值（NDSI）光谱指数与叶片氮含量的量化关系,并建立估算模型。【结果】冠层光谱反射率在不同施氮水平和不同生育时期下存在明显差异,但趋势基本一致;比较3种土壤质地小麦冠层光谱反射率大小表现为：黏土＞壤土＞砂土,可以反映小麦实时田间长势。通过系统分析3种土壤质地小麦冠层反射光谱与对应叶片氮含量间的定量关系,表明在可见光和近红外区域均有较好的相关性,但敏感波段区域有所不同。对3种质地获取的样本进行系统分析表明,砂土、壤土和黏土质地小麦叶片氮含量分别以光谱指数NDSI（FD710,FD690）、DSI（R515,R460）和RSI（R535,R715）建模结果表现最好,决定系数分别达到0.88、0.87和0.87。经不同年份独立资料检验结果显示,基于上述光谱指数估测小麦叶片氮含量的预测决定系数分别为0.87、0.85和0.77,预测均方根误差分别为0.31、0.32和0.26。【结论】利用光谱参数NDSI（FD710,FD690）、DSI（R515,R460）和RSI（R535,R715）为自变量建立的估测模型分别可以较好地预测砂土、壤土和黏土3种质地小麦叶片氮含量。 相似文献
7.
利用Greenseeker法诊断甜菜氮素营养状况 总被引：1，自引：0，他引：1
利用Green Seeker法对不同氮素运筹下甜菜冠层归一化植被指数(normalized difference vegetation index,简称NDVI)进行测定,并分析甜菜叶面积指数(leaf area index,简称LAI)、比叶重(specific leaf weight,简称SLW)、叶片叶绿素含量以及全氮含量的变化。结果表明,甜菜冠层NDVI与叶片全氮含量呈极显著正相关,与叶片其他指标相关性不显著,NDVI与叶片全氮含量的拟合度在叶丛快速增长期最高。因此可见,利用Green Seeker法获取的NDVI能够反映甜菜叶片的氮素营养状况,Green Seeker法可以作为甜菜氮素营养快速无损检测的手段。 相似文献
8.
9.
10.
植物功能叶的SPAD值与其氮素和叶绿素有较强的相关性,研究功能叶SPAD与其冠层光谱的关系,对实现植株叶绿素含量快速、无损检测具有重要意义。本文通过对冬小麦生育期的冠层原始光谱进行一阶导数变换,研究其功能叶片SPAD值与冠层光谱的相关性,对监测冬小麦叶绿素含量的敏感波段进行了提取,并建立了叶绿素含量与冠层反射光谱的定量关系。结果表明,基于小麦冠层原始光谱反射率、冠层光谱导数反射率与SPAD的相关系数曲线,提取的各形式下冬小麦叶绿素含量的敏感波段分别为500、690、760和470、630、723nm;并构建了冬小麦叶绿素含量的预测模型,以FDNDVI(630,723)预测模型较好,其R2可达0.9485,模型验证参数R2、MRE和RMSE分别为0.8099、0.0294和1.805,拟合效果较好,表明该模型能有效地对冬小麦叶绿素含量进行预测。该研究结果可为冬小麦长势监测提供一定的理论参考。 相似文献