共查询到15条相似文献，搜索用时 703 毫秒
1.
基于近红外波段玉米叶绿素含量最佳预测模型研究 总被引：2，自引：0，他引：2
为了进一步探究近红外波段玉米光谱反射率与其叶绿素含量之间的关系,笔者采用线性和非线性法对玉米叶绿素含量与近红外波段光谱反射率及植被指数之间的关系进行分析,建立叶绿素含量最佳预测模型。结果表明：在近红外波段,光谱反射率与玉米叶绿素含量的相关性较大;叶绿素含量与RVI(R1001/R760)、RSI(R765/R720)、NDVI(R990-R760)/(R760+R990)、NDSI(R813-R763)/(R813+R763)、CCI(D794/D763)等植被指数均达极显著相关,其中与NDVI的相关性最大,为0.91。基于近红外波段的植被指数建立玉米叶绿素含量预测模型中,采用RVI、RSI、NDVI、NDSI所建的二次多项式模型其决定系数R2均高达0.75以上。采用990、760nm处的归一化植被指数NDVI建立的二次多项式为玉米叶绿素含量最佳预测模型,其具有最大决定系数(R2=0.855),较小RMSE(2.433)和RE%(0.61%),为利用高光谱信息反映玉米生长状况的叶绿素信息提供了基础。 相似文献
2.
基于MODIS-NDVI的春玉米叶面积指数和地上生物量估算 总被引：3，自引：0，他引：3
为了构建春玉米叶面积指数和地上生物量的估算模型,基于辽宁省大田条件下9个站点春玉米不同生育期叶面积指数LAI和地上鲜生物量数据,利用MODIS提取的10种植被指数NDVI、RVI、DVI、PVI、EVI、GNDVI、RDVI、SAVI、OSAVI和NLI反演春玉米LAI和地上鲜生物量。结果表明：10种植被指数与春玉米LAI和地上鲜生物量相关性显著,采用植被指数反演春玉米LAI和地上鲜生物量是可行的;分别基于回归分析法和人工神经网络法,利用10种植被指数反演春玉米LAI和地上鲜生物量,利用回归分析法结合OSAVI和NDVI反演春玉米LAI和地上鲜生物量效果较好;利用人工神经网络法进行模拟反演采用RVI、DVI和EVI效果最佳,反演精度高于回归分析法。 相似文献
3.
《作物学报》2021,(10)
本文旨在验证作物生长监测诊断仪(crop growth monitoring and diagnosis apparatus, CGMD)监测双季稻长势指标的准确性,建立基于CGMD的双季稻叶干重监测模型。通过实施8个不同早、晚稻品种和4个施氮水平的小区试验,采用CGMD获取从分蘖期至灌浆期的冠层归一化植被指数(normalized difference vegetation index, NDVI)、差值植被指数(differential vegetation index,DVI)和比值植被指数(ratio vegetation index,RVI),同步采用高光谱仪(analytical spectral devices field-spec handheld 2, ASD FH2)获取冠层光谱反射率计算NDVI、DVI和RVI;分析2种光谱仪获取的植被指数间的相关关系,验证CGMD的测量精度,建立基于CGMD的叶干重监测模型,并用独立试验数据对模型进行检验。结果表明:早、晚稻叶干重随施氮水平的增加而增大,随生育进程的推进呈"低—高—低"动态变化趋势;CGMD与ASDFH2获取的NDVI、DVI和RVI呈极显著相关,相关系数(correlation coefficient,r)分别为0.9535～0.9972、0.9099～0.9948和0.9298～0.9926,表明2种光谱仪获取的植被指数具有高度的一致性, CGMD可替代价格昂贵的ASD FH2获取NDVI、DVI和RVI。CGMD获取的3个植被指数相比, RVI_(CGMD)与叶干重的相关性最高;基于RVI_(CGMD)的幂函数模型可准确地监测叶干重,模型建立的决定系数(determination coefficient,R~2)为0.8604～0.9216,模型检验的均方根误差(root mean square error, RMSE)、相对均方根误差(relative root mean square error, RRMSE)和r分别为12.97～17.87 g m~(–2)、4.88%～16.79%和0.9951～0.9992。与人工采样测定叶干重相比,利用CGMD可实时准确地获取双季稻叶干重动态变化,在双季稻长势精确诊断和丰产高效栽培中具有应用价值。 相似文献
4.
玉米和大豆光合有效辐射吸收比例与植被指数和叶面积指数的关系 总被引：4，自引：0，他引：4
基于东北典型黑土区的玉米和大豆的实测光谱反射率、光合有效辐射及叶面积数据,选取常用的9种植被指数,并根据光谱曲线特征和植被指数结构建立了两种新的植被指数,对其估算玉米和大豆冠层FPAR效果进行了对比分析。结果表明,各植被指数与冠层光合有效辐射吸收比例(FPAR)的关系因植被类型而异。以近、短波红外波段较以可见光、近红外波段计算植被指数的估算效果好。NDVI、RVI在可见光、近红外波段计算的植被指数中估算FPAR效果较好,玉米估算模型R2分别为0.81和0.82,大豆估算模型R2均为0.81;NDSI、RSI在近、短波红外波段计算的植被指数中较好,玉米估算模型R2均为0.86,大豆估算模型R2均为0.84,优于NDVI和RVI。试验表明,利用近、短波红外波段估算FPAR是可行的;冠层含水量较土壤背景对FPAR影响更大;玉米和大豆冠层FPAR与叶面积指数(LAI)呈较好的对数关系,估算模型R2分别为0.75和0.70;但用植被指数估算FPAR效果要优于用叶面积指数。 相似文献
5.
6.
基于WorldView 2影像杉木叶面积指数与植被指数相关性研究 总被引：1，自引：1，他引：0
为了探究基于高分辨率遥感影像杉木叶面积指数与植被指数的相关性,以湖南省攸县黄丰桥国有林场为研究对象,采用地面实验与遥感技术相结合的方法,利用WorldView 2遥感数据提取NDVI、SAVI、SARVI、RVI、MSAVI、ARVI等6种植被指数,通过LAI-2000测量的杉木叶面积指数(LAI)建立相关关系,开展WorldView 2遥感影像在估测杉木叶面积指数中的应用研究,分析植被指数对杉木LAI的影响.对不同植被指数分别进行线性模型、二次曲线模型、指数曲线模型和对数曲线模型的LAI反演.结果表明:除DVI与LAI相关性稍低一点外,其他植被指数与LAI都有很高的相关性,高于中低分辨率遥感影像提取的植被指数与LAI的相关性,土壤调节植被指数(SAVI)与LAI的相关性与土壤影响因子L无关.在线型模型中,RVI与ARVI更适合于杉木LAI建立一元线性回归模型,相关系数R分别为0.931、0.895,判定系数R2分别为0.866、0.800,均达到较好的拟合效果.在非线性模型中,反演模型最好的是二次曲线模型,其次是指数模型,最差的是对数模型.拟合效果较好的是NDVI、SAVI和RVI;拟合效果最差的是DVI;最好的拟合模型,其R2高达0.884.杉木LAI具有较佳拟合效果的非线型模型是NDVI和SAVI的二次曲线模型. 相似文献
7.
利用高光谱技术估测大豆育种材料的叶面积指数 总被引：2，自引：0，他引：2
叶面积指数(LAI)是反映田间作物长势及产量潜力的重要参数,规模化育种要求及时、快速、无损地获取大量育种材料的田间生长信息。本研究利用52份大豆品种(系)的2年田间试验,在盛花期(R2)、盛荚期(R4)及鼓粒初期(R5)测定大豆冠层反射光谱,同步测定大豆LAI和地上部生物量(ABM)。结果表明,不同生育期LAI与冠层光谱在可见光波段(426~710 nm)均表现显著负相关(P0.05),在近红外波段(748~1331 nm)均表现为显著正相关(P0.05)。根据文献已报道的植被指数与LAI的线性相关性分析,NDVI和RVI类型的植被指数能够较好地指示大豆LAI,进而在全光谱250~2500 nm范围内涵盖上述两种类型的植被指数,经对建立的大豆LAI线性与非线性模型综合评价,遴选出不同生育期敏感植被指数的最优估测模型。其中,R2期RVI(825,586)所建模型(y=0.03x1.83)、R4期RVI(763,606)所建模型(y=0.38e0.14x)及R5期RVI(744,580)所建模型(y=0.06x1.79)的预测表现最好,决定系数(R2)分别为0.677、0.639和0.664,相对标准误(RRMSE)均小于20%;模型验证的决定系数(R2*)分别为0.643、0.612和0.634,均根方误差(RRMSE*)约20%。进而发现针对LAI和ABM的RVI共性核心波段组合为R2期的825 nm和586 nm、R4期的763 nm和606 nm以及R5期的744 nm和580 nm。本研究结果可望为大豆规模化育种中获取大量不设重复试验材料的田间长势信息提供快速无损预测的技术支持。 相似文献
8.
基于冠层反射光谱的玉米LAI和地上干物重估测研究 总被引：3，自引：0，他引：3
以cropscan多光谱辐射仪测定了玉米品种郑单958和浚单20的冠层光谱反射率,并对其相应的叶面积指数(LAI)和地上干物质量进行了同步测定。将由近红外波段和可见光红波段组成的不同的归一化植被指数(NDVI)和比值植被指数(RVI)分别与叶面积指数、地上干物质量进行回归分析,结果表明,NDVI与叶面积指数的相关性优于RVI与叶面积指数的相关性,且以NDVI(R950,R650)和叶面积指数的幂函数回归结果最优;RVI与地上干物质量的二项式回归效果显著,估算模型为:Y=-0.722 4(R800/R650)2 1.631 6(R800/R650) 271.49,R2=0.793 5。 相似文献
9.
玉米品种冠层NDVI与叶绿素的关系 总被引：1，自引：0，他引：1
摘要: 本文研究了玉米不同时期通过应用GreenSeeker 测定不同品种的玉米在不同施氮条件下归一化差值植被指数(NDVI)与叶片叶绿素含量的变化及其相关性。研究结果表明：不同时期玉米叶绿素含量与NDVI值是不同的,叶绿素含量和 NDVI值均随施氮量的增加而增大,其中最大施肥量增幅较大,叶绿素最大增幅为33%,NDVI最大增幅为7.25%,且叶绿素与NDVI呈显著正相关。不同的玉米品种增幅也不同,郑单958,吉农302要好于农大588。 相似文献
10.
基于高光谱数据的滴灌甜菜叶片全氮含量估算 总被引：1，自引：0，他引：1
LI Zong-Fei SU Ji-Xia FEI Cong LI Yang-Yang LIU Ning-Ning DAI Yu-Xiang ZHANG Kai-Xiang WANG Kai-Yong FAN Hua CHEN Bing 《作物学报》2020,46(4):557-570
本文旨在明确甜菜叶片全氮含量与高光谱地面植被遥感的定量关系,建立干旱区甜菜叶片全氮含量精确估测模型,及时监测甜菜生长状况。本研究选取新疆滴灌甜菜(Beta356)为材料,利用ASD野外高光谱仪在甜菜叶丛快速生长期、块根膨大期与糖分积累期采集各处理反射光谱,并同时测定全氮含量,分析原始光谱反射率及一阶微分光谱反射率与全氮含量的相关性,并进一步建立光谱特征参数与敏感波段植被指数全氮含量估算模型。结果表明,光谱特征参数Dr762幂函数下估算模型具有较好估算甜菜叶片全氮含量的能力,其决定系数R2=0.747,验证相对误差RE(%)为21.635,验证均方根误差RMSE为4.914;通过植被指数与叶片全氮含量建立多种函数估测模型,其中差值植被指数Dr762–Dr496下一元线性函数具有较好估算甜菜叶片全氮含量的能力,其决定系数R2=0.794,验证相对误差RE(%)为23.008,验证均方根误差为5.372。 相似文献
11.
基于碳氮代谢的水稻氮含量及碳氮比光谱估测 总被引：21，自引：0，他引：21
碳氮代谢为植物生长发育提供物质基础，因此碳氮含量及碳氮比的无损快速估测对植物的生长调控有着极其重要的作用。本文系统研究了水稻7个不同氮肥水平下的碳氮代谢特征及其与冠层反射光谱特征之间的关系。结果表明，植株碳氮含量及碳氮比与大多数比值植被指数、归一化植被指数及差值植被指数关系密切，比值植被指数与归一化植被指数的表现一致，差值植被指数略有不同，其中碳氮比的相关性与氮含量类似。氮含量与510 nm和460 nm构成的比值和归一化植被指数的关系最佳，不受生育期的影响，可用统一的方程来预测；碳氮比则需分阶段建模较好，生育后期（抽穗期和灌浆盛期）以ND(1650,710)最好。经其它独立数据的验证表明，模型对氮含量的估测精度在叶片水平上为80.51%，在植株水平上为76.36%，预测的RMSE分别为0.20和0.26，叶片和植株碳氮比的估测精度分别为81.09%和70.70%，预测的RMSE分别为1.64和3.95。表明通过植被指数的计算可以定量地评估水稻氮含量及碳氮比。 相似文献
12.
[目的]为了更有效、快速的诊断区域不同水分条件下冬小麦的生产潜力,[方法]以冬小麦为对象利用遮雨棚进行水分胁迫试验,通过对不同水分处理下冬小麦光合速率及植被指数的变化研究,分析光合速率和NDVI、EVI、RVI、PRI四种植被指数在生育期的变化特征,建立植被指数与光合速率的最优相关模型。[结果]结果表明：在拔节期至孕穗期,水分胁迫虽然造成了冬小麦植被指数均下降,但是对光合速率的影响不大。在孕穗期至开花期,冬小麦的植被指数和光合速率对水分变化都较为敏感,但是严重和重度干旱胁迫(30%-65%田间持水量(FC))下光合速率和植被指数下降的幅度大,而在中度干旱胁迫及轻度水淹条件(65%-105%FC)下的光合速率和植被指数变化和在充分供水条件下相似,下降幅度较小;研究认为,适度的干旱胁迫和轻度水淹胁迫不会降低冬小麦的光合速率和植被指数,但是严重和重度干旱胁迫会导致孕穗期至开花期的光合速率和植被指数明显下降,光合速率的下降幅度大于植被指数。在严重和重度干旱胁迫条件下EVI指数反映光合作用变化效果最好(严重干旱：Pn= 2.0449EVI - 1.2906,R=0.82,p<0.01;重度干旱：Pn= 1.7742EVI - 1.7021,R=0.79,p<0.01);在中度干旱胁迫条件下PRI指数最优(Pn= 47.283PRI + 10.887,R=0.38);而在非干旱胁迫时,NDVI指数更能反映光合作用的变化(充分供水：Pn= 37.982NDVI3.0101,R=0.51,p<0.01;轻度水淹：Pn= 28.024NDVI2.5646,R=0.47,p<0.05)。[结论]根据光合作用和植被指数关系建立的模型可以用于通过遥感指数监测不同水分条件下的冬小麦光合作用,进一步进行产量预报。 相似文献
13.
品种和生育时期对冠层光谱指数(NDVI)估测马铃薯植株氮素浓度的影响 总被引：1，自引：0，他引：1
NDVI是反映作物叶绿素相对含量及氮素水平的重要参数,但是作物品种和生育时期的变化对NDVI估测氮素营养的能力有重要影响。本研究在内蒙古阴山北麓马铃薯主产区进行了多年多品种田间试验,于2014—2016年7月上旬至8月中旬马铃薯关键生育时期,利用便携式主动作物传感器GreenSeeker获取马铃薯冠层光谱指数NDVI,对比了品种和生育时期对NDVI估测结果的影响。结果表明,块茎形成期NDVI与马铃薯植株氮素浓度相关性较差,随着生育时期的推进, NDVI与植株氮素浓度的线性相关性增强,块茎膨大期与淀粉积累期组合会显著提高NDVI与植株氮素浓度的线性建模效果。品种混合会降低NDVI的灵敏性,增加数据的离散性,基于时间序列归一化的光谱指数TNDVI能够克服这些问题,尤其是在块茎膨大期TNDVI与植株氮素浓度的拟合决定系数(R2)能够由原来的0.13提高到0.47。TNDVI对块茎形成期、块茎膨大期和淀粉积累期组合的线性估测建模R2为0.76,显著高于NDVI。株型展开型的品种在块茎膨大期和淀粉积累期更具线性拟合趋势。研究表明,马铃薯生育时期和品种对NDVI估测植株氮素浓度有显著影响,且生育时期的影响更大。构建的TNDVI光谱指数能够克服品种差异导致的块茎膨大期、淀粉积累期数据分异及饱和现象,为NDVI在马铃薯植株氮素浓度诊断应用的普适性上提供了理论依据与方法。 相似文献
14.
采用ASD Field Spec Pro VNIR 2500型光谱辐射仪获取了棉花不同生育时期的冠层高光谱反射率。并通过光谱分析技术，建立了基于高光谱植被指数——归一化植被指数和比值植被指数的棉田冠层特征信息的定量模型。经过对估算模型的精度检验和评价，最终筛选出表征棉花冠层结构特征参数的最佳估算模型。结果表明，基于归一化植被指数预测棉花叶面积指数，以幂函数（y=11.084x12.024，r=0.8076**）的模型为最优；基于比值植被指数预测棉花单位面积地上部鲜生物量，以指数函数（y=52.261·exp(0.1024x)，r=0.8114**）的估计模型为最优；基于比值植被指数预测棉花单位面积地上部干生物量，以指数函数（y=9.5552·exp(0.1133x)，r=0.8330**）的模型为最优。可见，利用高光谱遥感技术可以分析、模拟、评价、预测棉花冠层特征参量，为精准种植棉花提供了依据。 相似文献
15.
利用2019年长江中下游早籼稻早中熟组种质资源为材料,分析主要生育期冠层光谱反射率与籽粒粗蛋白含量的关系,筛选出可用于早籼稻籽粒粗蛋白含量预测的敏感生育期和敏感波长,建立了基于敏感波长和光谱参数的籽粒粗蛋白的一元线性、多元线性、指数和多项式预测模型,用决定系数（R 2）、均方根误差（RMSE）和相对误差（RE）对模型精度进行评价,以期找到估测早籼稻籽粒粗蛋白含量的最适模型。研究发现,在孕穗期514、580、638和695nm波长处冠层一阶微分光谱反射率与籽粒粗蛋白含量相关性达到极显著水平;在基于敏感波长的估测模型中,四元线性模型估测效果最佳,其建模集R 2、RMSE和RE分别为0.566、0.342%和2.874%,验证集R 2、RMSE和RE分别为0.518、0.154%和1.303%;在基于光谱参数构建的估测模型中,DSI(R′514和R′638)为自变量构建的多项式模型估测效果较优,其建模集R 2、RMSE和RE分别为0.638、0.312%和2.639%,验证集R 2、RMSE和RE分别为0.581、0.230%和2.307%。 相似文献