共查询到20条相似文献，搜索用时 498 毫秒
1.
剔除土壤背景的棉花水分胁迫无人机热红外遥感诊断 总被引：7，自引：0，他引：7
剔除无人机热红外影像中的土壤背景是提高作物水分诊断精度的有效途径,但也是热红外图像处理的难点问题。本文以不同水分处理的花铃期棉花为研究对象,分别在09:00、13:00和17:00等3个时刻,连续5 d采集无人机高分辨率热红外影像,并采用二值化Ostu算法和Canny边缘检测算法对热红外图像进行掩膜处理,实现对土壤背景的剔除,然后分别计算二值化Ostu算法、Canny边缘检测算法和包含土壤背景下的3种棉花水分胁迫指数(Crop water stress index,CWSI),最后建立不同时刻下3种CWSI与棉花叶片气孔导度Gs的关系模型。研究结果表明,应用Canny边缘检测算法可有效剔除热红外影像中的土壤背景,剔除土壤背景后的温度直方图呈单峰的偏态分布;3种处理方法获得的作物水分胁迫指数CWSI中,Canny边缘检测算法的CWSI最小,二值化Ostu算法的CWSI较高,包含土壤背景的CWSI最大;采用Canny边缘检测算法剔除土壤背景后的CWSI与棉花叶片气孔导度Gs的决定系数R2达到0.84,Ostu算法的结果次之,包含土壤背景的最差。本研究可为无人机热红外遥感监测作物水分状况提供参考。 相似文献
2.
剔除无人机热红外影像中的土壤背景是提高作物水分诊断精度的有效途径,但也是热红外图像处理的难点问题。本文以不同水分处理的花铃期棉花为研究对象,分别在9:00、13:00和17:00等3个时刻,连续5 d采集无人机高分辨率热红外影像,并采用二值化Ostu算法和Canny边缘检测算法对热红外图像进行掩膜处理,实现对土壤背景的剔除,然后分别计算二值化Ostu算法、Canny边缘检测算法和包含土壤背景下的3种棉花水分胁迫指数(Crop water stress index,CWSI),最后建立不同时刻下3种CWSI与棉花叶片气孔导度Gs的关系模型。研究结果表明,应用Canny边缘检测算法可有效剔除热红外影像中的土壤背景,剔除土壤背景后的温度直方图呈单峰的偏态分布;3种处理方法获得的作物水分胁迫指数CWSI中,Canny边缘检测算法的CWSI最小,二值化Ostu算法的CWSI较高,包含土壤背景的CWSI最大;采用Canny边缘检测算法剔除土壤背景后的CWSI与棉花叶片气孔导度Gs的决定系数R2达到0.84,Ostu算法的结果次之,包含土壤背景的最差。本研究可为无人机热红外遥感监测作物水分状况提供参考。 相似文献
3.
水分胁迫和气象因子对冬小麦生理特性的影响 总被引：21，自引：2，他引：19
通过对防雨棚下测坑中种植的冬小麦设置不同的土壤水分控制下限指标,研究了土壤水分状况及气象因子对冬小麦生理特性的影响,分析了不同生理指标的日变化规律,建立了几种生理指标与环境因子间的逐步回归关系式。研究结果表明,各生理指标受环境因子的影响有着明显的日变化特征,不同处理气孔导度(Gs)峰值出现的时间早于光合速率(Pn),而蒸腾速率(Tr)峰值出现的时间滞后于光合速率,随着土壤水分胁迫程度的增加,Gs、Tr、Pn的峰值有提前的趋势;不同土壤水分条件下水分胁迫指数(CWSI)和冠气温差的峰值均在13:00左右出现,而细胞液浓度(CSC)的最大值出现在14:00～15:00。土壤水分与Tr、Pn、Gs呈极显著正相关,而与CWSI、冠气温差和CSC呈极显著负相关。此外,气象因素对冬小麦生理指标的影响程度会随着土壤水分状况而发生变化,生理指标与环境因子的逐步回归结果表明,土壤水分和光合有效辐射是影响冬小麦生理指标最主要的环境因子。 相似文献
4.
基于无人机热红外的水分胁迫指数与土壤含水率关系研究 总被引：1，自引：0，他引：1
为了实时快速监测作物根系活动层的土壤含水率,利用低空无人机搭载的热红外相机获取经4种水分处理的棉花花铃期一天中5个时刻的冠层温度,并连续观测5 d,应用水分胁迫指数(CWSI)的理论模式、简化模式、定义模式计算得到3种CWSI,与棉花根系不同土壤深度含水率建立模型。研究表明:3种胁迫指数与土壤含水率具有幂函数关系,其中理论模式与土壤含水率的相关性最佳,定义模式次之,简化模式最差;在一天中不同监测时间点上,3种CWSI的监测精度在13∶00最高,9∶00和17∶00最差;在监测深度上,3种胁迫指数与0～60 cm处的土壤含水率关系最为紧密,0～30 cm次之,0～15 cm最差。该研究可大面积获取作物根系层土壤含水率,提高作物根系层土壤含水率的反演精度。 相似文献
5.
无人机热红外遥感反演玉米根域土壤含水率方法研究 总被引：1，自引：0，他引：1
为了减少土壤背景带来的干扰,更加准确、高效的获取无人机热红外图像中的玉米冠层温度,进而快速反演玉米地土壤含水率,以4种水分梯度处理的拔节期玉米为研究对象,借助无人机可见光和热红外图像,采用RGRI指数法、Otsu阈值法和不剔除土壤背景3种处理方法提取热红外图像中玉米冠层温度信息,计算作物水分胁迫指数(Crop water stress index,CWSI)并用于反演不同水分梯度处理下玉米地不同深度的土壤含水率,基于3种方法获得的CWSI分别记为CWSIRGRI、CWSIOtsu、CWSIsc.结果表明:①基于RGRI指数法获取的玉米冠层温度与实测冠层温度的相关性最高(R2均大于0.8;RMSE均小于1℃),Otsu方法次之,不剔除土壤背景方法效果最差.②在整个拔节期,CWSIRGRI反演土壤含水率效果最好(R2均大于0.5,P<0.01;效果显著),CWSIOtsu次之、CWSIsc反演效果最差.③选取CWSIRGRI为最优CWSI指标,其在玉米拔节期5个土壤深度内的R2呈现先上升后下降的趋势且都在0～30 cm深度内达到最大值.因此,基于RGRI指数法建立的CWSIRGRI可以作为反演玉米地土壤含水率的有效指标. 相似文献
6.
作物水分胁迫指数(Crop water stress index,CWSI)经验模型的建立与气候和种植条件密切相关。本文以内蒙古自治区鄂尔多斯市达拉特旗大田玉米为对象,研究CWSI的最优经验模型。玉米在营养生长阶段(Vegetative stage,V期)、生殖期(Reproductive stage,R期)和成熟期(Maturation stage,M期)分别进行不同灌溉水平的处理,采用红外测温传感器采集玉米冠层温度。分别结合田间和实验地旁标准气象站空气温湿度数据建立了CWSI经验模型的无水分胁迫基线。基于2种无水分胁迫基线,分别利用饱和水汽压梯度获取的无蒸腾作用基线和5℃无蒸腾作用基线建立了4种CWSI经验模型,得出反映大田玉米水分胁迫状况的关系曲线,并进行对比。结果表明,基于实验地旁标准气象站空气温湿度数据建立的CWSI经验模型具有很大的波动性,并不能很好反映玉米的水分胁迫状况,其值常常超出正常范围0～1。而基于田间空气温湿度数据建立的CWSI经验模型则可以很好地监测内蒙古自治区大田玉米水分胁迫状况,M期3种不同水分处理100%、52%和28%具有较好的CWSI数值梯度,分别为0.04、0.14和0.32。相比于基于饱和水汽压梯度获取的无蒸腾作用基线,以5℃作为无蒸腾作用基线时得到的CWSI数值较小,可以较好地反映水分胁迫状况,对应上述M期3种不同水分处理CWSI值分别为0.02、0.10和0.22,具有较为合理的梯度。经过初步检验和分析,认为基于田间空气温湿度数据建立的CWSI经验模型较为合理,可以有效监测大田玉米水分胁迫状况。 相似文献
7.
大田玉米水分胁迫指数经验模型建立方法 总被引：2，自引：0，他引：2
作物水分胁迫指数(Crop water stress index,CWSI)经验模型的建立与气候和种植条件密切相关。以内蒙古自治区鄂尔多斯市达拉特旗大田玉米为对象,研究了CWSI的最优经验模型。玉米在营养生长阶段(Vegetative stage,V期)、生殖期(Reproductive stage,R期)和成熟期(Maturation stage,M期)分别进行不同灌溉水平的处理,采用红外测温传感器采集玉米冠层温度。分别结合田间和实验地旁标准气象站空气温湿度数据建立了CWSI经验模型的无水分胁迫基线。基于2种无水分胁迫基线,分别利用饱和水汽压梯度获取的无蒸腾作用基线和5℃无蒸腾作用基线建立了4种CWSI经验模型,得出反映大田玉米水分胁迫状况的关系曲线,并进行对比。结果表明,基于实验地旁标准气象站空气温湿度数据建立的CWSI经验模型具有很大的波动性,并不能很好反映玉米的水分胁迫状况,其值常常超出正常范围(0~1)。而基于田间空气温湿度数据建立的CWSI经验模型则可以很好地监测内蒙古自治区大田玉米水分胁迫状况,M期3种不同水分处理100%、52%和28%具有较好的CWSI数值梯度,分别为0.03、0.14和0.32。相比于基于饱和水汽压梯度获取的无蒸腾作用基线,以5℃作为无蒸腾作用基线时得到的CWSI数值较小,可以较好地反映水分胁迫状况,对应上述M期3种不同水分处理CWSI值分别为0.02、0.10和0.22,具有较为合理的梯度。经过初步检验和分析,认为基于田间空气温湿度数据建立的CWSI经验模型较为合理,可以有效监测大田玉米水分胁迫状况。 相似文献
8.
冠层温度指导冬小麦灌溉的试验研究 总被引：1，自引：0，他引：1
在冬小麦主要生育期,测定了6个不同水分处理的冠层温度、气温以及土壤含水率,计算了冠气温差并分析了它们之间的相互关系。结果表明:作物水分胁迫指数CWSI和冠层-空气温差(Tc-Ta)是利用冠层温度评价作物水分状况的重要方法。冠层温度和冠气温差都有明显的日变化过程,其中冠层温度在下午14:00前后达到最大值;中午12:00~14:00时段冠气温差反应冬小麦的供水状况最具代表性;冬小麦适宜水分处理的冠气温差阈值为-1.5℃<ΔT<1.3℃。冬小麦旺盛生长期间(15/4~25/5)的水分胁迫指数平均值与最终籽粒产量的关系是一种非线性的关系,平均水分胁迫指数在0.18~0.23范围为冬小麦的最优供水标准。 相似文献
9.
无人机多光谱遥感反演花蕾期棉花光合参数研究 总被引：3，自引：0，他引：3
光合作用对作物的生长发育、干物质的积累以及产量的形成起着至关重要的作用。为探讨遥感技术反演作物冠层光合参数的可行性,以无人机作为遥感平台,搭载6波段多光谱相机,通过采集棉花花蕾期不同时刻(09:00、11:00、13:00、15:00、17:00)冠层多光谱遥感图像,提取其冠层光谱反射率信息,并同步测定棉花冠层叶片的净光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)和胞间二氧化碳浓度(Ci)等光合参数。通过对4种光合参数和6波段光谱反射率进行相关性分析,并分别使用一元线性回归和主成分回归、岭回归、偏最小二乘回归等多元回归方法,建立不同光合参数在不同时刻的反演模型。结果表明:净光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)和胞间二氧化碳浓度(Ci)的最优反演模型分别为13:00的基于蓝光波段反射率的一元线性模型,15:00的基于红光波段反射率的一元线性模型,15:00的岭回归模型和15:00的基于红光波段反射率的一元线性模型,模型的决定系数R2均在0.5以上,验证相对误差RE均小于9%。该研究可为大范围监测作物的光合作用提供一定的参考。 相似文献
10.
11.
农田蒸散量(ET)是土壤—作物—大气连续体水分运移的关键参数,与作物生理活动和产量有着极为密切的关系,准确实时估算田间作物蒸散量对研究作物生长发育至关重要。基于无人机热红外传感器反演夏玉米的冠层温度,基于反演的冠层温度构建夏玉米蒸散模型(ET_(d,t))并验证了模型反演作物蒸散量的精度,分析了ET_(d,t)相关影响因子。结果表明:以热红外冠层温度作物蒸散模型计算的ET_(d,t)最低值出现在幼苗期为3.42 mm/d,最高值出现在灌浆期为10.94 mm/d,并与涡度相关实测值ET_(d,e)、FAO Penman-Monteith模型计算值ET_(d,f)进行验证,在P0.01水平上呈显著线性关系(R~2=0.739、0.742,RMSE=0.676、0.109 mm/d),ET_(d,t)估算精度达到80%以上。ET_(d,t)的计算受日净辐射、风速、气温、降雨等气象因子影响,不同气象条件的ET_(d,t)不同。叶面积指数(LAI)为夏玉米农田最主要的生物因子,LAI与ET_(d,t)呈线性正相关关系(R~2=0.700),空气动力学阻抗(r_a)是最主要的环境驱动因子,r_a与ET_(d,t)呈线性负相关关系(R~2=0.696)。随着植被覆盖度(NDVI)的变化,ET_(d,t)呈现相同变化趋势(R~2=0.656)。因此,基于无人机热红外反演的冠层温度计算的(ET_(d,t))能较好的反映田间夏玉米蒸散变化过程,从而为利用无人机热红外遥感估算作物蒸散量提供了科学依据。 相似文献
12.
水分胁迫对夏玉米生理指标的影响 总被引：1，自引：0，他引：1
研究了水分胁迫及胁迫后复水对夏玉米光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)、叶绿素含量及产量的影响。结果表明:Pn、Tr、Gs等生理指标有着明显的日变化特征;不同水分处理峰值的大小受胁迫程度的影响;Gs、Tr、Pn的日变化呈单峰趋势,峰值出现在12∶00左右;胁迫后复水的玉米叶片机能恢复速度与胁迫程度有关,中度胁迫恢复速度最快,重度胁迫恢复速度最慢;苗期到抽雄期各种水分处理的叶绿素含量均呈上升趋势,且叶绿素的含量随着胁迫程度的增加而减小,灌浆期开始各种水分处理的叶绿素含量均缓慢下降,灌浆期处理3(T3)叶绿素相对含量比同期其他水分处理高;对夏玉米各阶段及整个生育期的日耗水量与叶面积的日增长量进行分析,得出了各阶段及整个生理期的日耗水量与叶面积日变化量的二次相关的方程。 相似文献
13.
无人机多光谱遥感用于冬小麦产量预测中捕获的数据准确性不高,为指导田块尺度下冬小麦产量的精准预测,需构建高精度的冬小麦产量估算模型。本研究利用校正后的近地面高光谱数据(Field-Spec 3型野外光谱仪获取)验证低空无人机多光谱遥感数据(大疆精灵4型多光谱相机获取),将通过无人机多光谱影像计算的植被指数与经验统计方法结合,采用一元回归和多元线性回归分别对抽穗期、开花期和灌浆期冬小麦进行基于单一植被指数和多植被指数组合的产量估算,其中多植被指数包括归一化差异植被指数(NDVI)、优化的土壤调节植被指数(OSAVI)、绿色归一化差值植被指数(GNDVI)、叶片叶绿素指数(LCI)和归一化差异红色边缘指数(NDRE)。结果表明,基于单一植被指数的冬小麦估产模型,一元二次回归模型精度最高,而基于5种植被指数的多元线性回归模型在3个生育时期的拟合效果均优于单植被指数模型。一元或多元回归模型在抽穗期的拟合效果最好。冬小麦基于GNDVI指数的一元二次回归估产模型建模集的决定系数(R2)、均方根误差(RMSE)分别为0.69、428.91 kg/hm2,验证... 相似文献
14.
基于无人机热红外遥感的玉米地土壤含水率诊断方法 总被引：2，自引：0，他引：2
为使热红外遥感诊断土壤含水率更加准确、高效,以不同水分处理的大田玉米为研究对象,借助无人机可见光图像,对热红外图像进行植土分离,并提取玉米冠层温度和地表土壤温度。通过剔除温度直方图两端1%的温度像元对温度信息进行优化,进而计算作物水分胁迫指数(Crop water stress index,CWSI)、冠层相对温差(Canopy relative temperature difference,CRTD)、地表相对温差(Surface relative temperature difference,SRTD),利用三者之和求得水分-温度综合指数(Water-temperature composite index,WTCI),并用于诊断不同深度的土壤含水率。结果表明,剔除温度直方图两端1%温度像元的玉米冠层温度与实测冠层温度的相关性更高(4次试验的R2由0. 823、0. 886、0. 899、0. 876提高至0. 906、0. 938、0. 944、0. 922),剔除温度直方图前端1%温度像元的地表土壤温度与实测地表温度的相关性也更高(2次试验的R2由0. 841、0. 875提高至0. 908、0. 925),即通过直方图法优化的温度更接近实测温度;在拔节前期,CWSI、WTCI诊断0～20 cm土壤含水率效果较优,而拔节后期、抽雄吐丝期、乳熟期诊断0～40 cm土壤含水率效果较优;在半覆盖条件下,包含冠层温度信息(CWSI、CRTD)和土壤温度信息(SRTD)的WTCI1与土壤含水率的相关性更高(0～40 cm:决定系数为0. 500、0. 821,高于0. 463、0. 748);在全覆盖状态下,包含冠层相对温差(CRTD)的WTCI2与土壤含水率的相关性更高(0～40 cm:决定系数为0. 809、0. 729,高于0. 721、0. 656),表明WTCI是诊断土壤含水率效果较优的指标。 相似文献
15.
基于无人机遥感的冬小麦叶绿素含量多光谱反演 总被引：1，自引：0，他引：1
以杨凌地区冬小麦为研究对象,使用六旋翼无人机搭载RedEdge多光谱相机进行叶绿素监测试验。共选取65个样本,每个样本为1 m×1 m的样地,在样地内选取小麦冠层的7片叶片,测量相对叶绿素含量SPAD值,取平均值作为实测值,GPS记录位置信息。地面数据测量与无人机飞行测量同步进行。用Pix4D mapper软件对无人机多光谱影像进行拼接处理,得到4个波段下小麦冠层叶片反射率光谱图像,并利用ENVI 5.1软件提取光谱反射率数据。选取8种常用光谱参数,其中与小麦SPAD相关性较高的有SAVI、EVI2、DVI、RVI、NDVI、EVI和ARVI共7种,相关系数均在0.67以上。用7种光谱参数和小麦SPAD实测值,使用一元线性回归法和多元线性回归法构建反演模型并进行精度分析,结果表明:一元线性回归法构建的SPAD-SAVI模型精度最佳,决定系数(R~2)为0.866,均方根误差RMSE为0.245,可作为无人机遥感快速、无损监测冬小麦叶绿素的技术手段。 相似文献
16.
冬小麦生育早期长势反演模型通用性研究 总被引：1，自引：0，他引：1
分析了生育早期(返青期、拔节前期、拔节后期)各阶段的冠层叶片光谱特性与叶绿素含量的关系,基于单波段反射率构建了一元预测模型,同样基于植被指数构建了多元叶绿素含量的反演模型,对两类建模方法构建的叶绿素含量预测模型进行了同生长阶段预测(SPV)和后续生长阶段的交叉预测(CPV),比较了模型的预测效果,得出了构建冬小麦生育早期冠层叶片叶绿素含量的通用预测模型的建模策略。研究结果表明:以返青期冠层叶片单波段反射率构建的一元反演模型,具有一定的模型通用性,能够较为准确的预测拔节前期的叶片叶绿素含量。利用偏最小二乘原理构建多元反演模型具有良好的通用性和较强的鲁棒性,能够较好地反演冬小麦生育早期冠层叶片叶绿素含量。而以MPRI、NDVI、RVI为组合构建的多元模型兼具通用性和简练性,可以作为多元预测模型构建的参考组合。 相似文献
17.
无人机多光谱遥感反演抽穗期冬小麦土壤含水率研究 总被引：2，自引：0，他引：2
及时获取田间作物的土壤水分,对指导精准灌溉有重要意义。以抽穗期冬小麦为研究对象,采用低空无人机搭载六波段多光谱相机获取其冠层光谱反射率,并与参考点光谱反射率求差得差值反射率(DR),不同深度的土壤含水率(0~10、0~20、0~30、0~40、0~60 cm)与参考点土壤含水率同样求差得差值土壤含水率(DSM),对DR与DSM进行相关性分析,分别建立2者的一元线性模型和多元线性回归模型并验证。结果表明:一元模型中,40 cm深度的优于60 cm,20 cm的预测效果不佳;多元模型中,宽行距中40 cm深度的最优,建模R2和验证R2均达到了0.9以上,预测均方根误差仅为0.016。该研究可大面积快速获取田间土壤水分,为精准灌溉提供一定的理论依据。 相似文献
18.
为快速准确估算农田蒸散量,利用24个群集式蒸渗仪,在国家节水灌溉北京工程技术研究中心大兴节水灌溉试验站进行了两年的灌溉试验,获得冬小麦-夏玉米生育期的日内冠气温差和实际日蒸散量(ET_a)等数据,对不同水分处理下的S-I蒸散量估算模型进行率定及验证,并分析模型特征参数a、b的变化规律及两者的差异。结果表明:冬小麦的S-I模型特征参数a在日间随时间变化先增大、后减小,在严重水分胁迫处理时a为负值、且数值较小,其余灌溉处理时参数a由正值逐渐变化至负值;不同灌水处理b均为负值,充分灌溉处理时b在日间随时间变化逐渐增大,严重水分胁迫处理时b相对较大,日间变化趋势不稳定。水分胁迫对夏玉米模型参数的影响程度低于冬小麦,特征参数a均为正值,参数b均为负值,且随时间变化逐渐增大;水分胁迫处理时b变化范围明显小于其他两个处理,干旱处理特征参数日间变化较大。冬小麦与夏玉米不同处理之间模型参数a、b变化差异较大,但冠层温度和空气温度差T_c-T_a与日蒸散量和日净辐射量差ET_d-Rn_d间拟合精度都在13:00时最高,此时充分灌溉冬小麦和夏玉米的模型参数a、b分别为1.082、-1.127和1.588、-1.363。利用率定的S-I模型计算冬小麦和夏玉米主要生育期ET_d与实测ET_a之间的决定系数R~2均在0.7以上,均方根误差RMSE均小于0.89 mm/d,一致性系数d均在0.9以上。尤其是充分灌溉处理的数据间R~2和d均较高,RMSE小于其他处理,说明水分胁迫影响模型的估算精度,S-I模型能够更准确地估算水分胁迫较少农田的蒸散量。 相似文献
19.
20.
无人机多光谱遥感监测冬小麦拔节期根域土壤含水率 总被引：1，自引：0，他引：1
快速精确地获取冬小麦根域土壤含水率对实现精准灌溉具有重要意义。以拔节期不同水分处理的冬小麦为对象,利用低空无人机搭载六波段多光谱相机获取其冠层光谱反射率,并同时采集5个不同深度(10、20、30、40、60 cm)土壤含水率数据,通过逐步回归法、偏最小二乘法、岭回归法建立光谱数据与5个深度的多元回归模型。结果表明,三种回归模型对10、20 cm深度土壤含水率都有较高的监测精度,可以较好地对作物根域土壤含水率进行定量预测,其中逐步回归模型效果最好,其模型的决定系数R~2达到0.815、0.747,预测模型的R~2为0.774、0.717,相对分析误差R_(PD)为2.007、1.862,但三种回归模型对深度为30、40、60 cm根域土壤含水率的监测精度都较低。该研究结果对指导精准灌溉具有一定的参考价值。 相似文献