共查询到20条相似文献，搜索用时 250 毫秒
1.
基于GreenSeeker的水稻氮素估测 总被引：1，自引：1，他引：0
为研究水稻植株氮素指标与GreenSeeker植被指数的定量关系,通过设置不同年份、不同氮肥水平的田间试验,于移栽后定期使用GreenSeeker获取冠层归一化差值植被指数(NDVI)和比值植被指数(RVI),并同步破坏性取样获取植株生物量和氮含量,分析不同品种和不同氮营养条件下氮素和植被指数(NDVI和RVI)变化规律,建立基于NDVI和RVI的氮素监测模型。结果表明,植株氮含量可以基于NDVI和RVI分时期进行估算,植株氮积累量可以被分阶段反演。利用GreenSeeker可以实现水稻氮素快速无损监测,为水稻氮肥精确管理提供技术支持。 相似文献
2.
运用CGMD302作物生长监测光谱仪对植株进行无损监测,能够在不影响作物生长的前提下,及时有效地对生长指标进行测量。该试验在浙江湖州浙江农林大学德清现代农业高科技园区,采用甬优538和秀水134两个品种,设立不同氮水平试验小区,开展单季稻小区试验。试验明确了在直播播种技术下叶面积指数和生物量与播种后天数的量化关系,建立了叶面积指数、生物量和产量与CGMD302作物生长监测光谱仪测得的光谱参数的估计模型。能够在各个生育时期对水稻的不同生长指标进行监测,及时了解水稻生长状况,在水稻的生长过程中起到很好的监测指导作用。 相似文献
3.
利用遥感技术监测水稻群体长势 总被引：8，自引：0，他引：8
利用TM影像信息结合地面试验数据,分析了水稻抽穗期叶面积指数、生物量以及植株氮素含量3个群体质量指标与植被指数之间的关系,建立了基于归一化植被指数(NDVI)、比值植被指数(RVI)的水稻群体质量指标监测模型.结果表明,NDVI与叶面积指数呈现显著的非线性正相关关系(r2=0.820 2),与植株氮素含量呈线性正相关关系(r2=0.636 4),RVI与地上部生物量呈线性正相关关系(r2=0.767 6).因此,在水稻抽穗期可以利用NDVI对叶面积指数和植株氮素含量进行监测,对地上部生物量的监测则以利用RVI数据较好. 相似文献
4.
对水稻微分光谱和植被指数的探讨 总被引：3，自引：0，他引：3
通过不同供氮水平的田间试验，分析了微分光谱对消除水稻冠层光谱的背景影响和植被指数在农学参数测定中的作用。结果表明：由微分光谱所得的红边位置、红边斜率与盖度、叶面积指数及供氮水平之间有一定的相关性；水稻多光谱植被指数RVI、NDVI与叶面积指数LAI及其地上部生物量之间有极显著相关性；高光谱植被指数及其变量与植被盖度、供氮水平之间存在相关性。这些表明，用微分光谱技术与植被指数方法监测水稻的田间供氮水平和长势似乎是可行的。 相似文献
5.
基于主动光谱仪的水稻叶面积指数监测 总被引：1，自引：0，他引：1
叶面积指数(LAI)是描述作物长势的重要参数,LAI的实时动态监测对水稻生长诊断和管理调控具有重要意义.为分析水稻LAI与光谱参数的定量关系,设置了不同年份、不同氮肥水平的田间试验,于移栽后定期测试水稻冠层光谱参数,并同步定株测量LAI.结果表明,LAI可以基于主动光谱仪构建的植被指数(NDVI和RVI)进行模拟,NDVI(770,660)、RVI(770,660)均能较好地模拟LAI,预测精度分别为0.97、0.92,RMSE分别为0.41、1.32,RE分别为0.16、0.28,利用主动光谱仪可以实现水稻LAI的快速无损监测,为指导水稻精确管理提供了技术支持. 相似文献
6.
叶面积指数(leaf area index,LAI)是植被冠层重要的结构参数之一,与冠层生理过程密切相关,也是植被遥感领域关注的重要参数之一。本研究对已在轨运行7年的高分一号卫星WFV传感器的植被监测性能进行评测,以吉林省农安县典型玉米分布区作为研究区域,结合地面同步观测的叶面积指数和冠层光谱等实测数据,借助归一化植被指数(NDVI)、比植被指数(RVI)、大气阻抗植被指数(ARVI)、土壤调节植被指数(SAVI)、修改性土壤调节植被指数(MSAVI)这5种植被指数,对比分析地面实测光谱与GF-1/WFV光谱对玉米冠层叶面积指数的估算能力。通过决定系数(R2)、均方根误差(RMSE)、相对误差(RE)和预测残差(RPD)等参数筛选最优模型。研究结果显示,各种植被指数与LAI之间的相关性均表现为地面实测光谱高于GF-1/WFV星载光谱;对比不同植被指数与LAI的相关性发现,地面光谱和星上光谱构造的植被指数中,均表现为MSAVI与LAI的相关性最高;基于地面光谱和星上光谱的MSAVI构建的估算模型中,R2最高值所对应的函数类型不同,基于地面光谱的函数中,R2最高值对应的是指数模型,而基于GF-1/WFV星上光谱的函数中,二项式的R2最高。 相似文献
7.
基于EOS/MODIS资料的江西省水稻长势遥感监测 总被引：1，自引：0，他引：1
基于2010年的MODIS数据,进行江西省水稻长势遥感监测指标的研究,提取了4种植被指数作为遥感参数,即比值植被指数RVI、归一化植被指数NDVI、植被状态指数VCI和增强植被指数EVI,并利用植被指数进行叶面积指数LAI的反演,建立了植被指数VI-LAI模型。在VI-LAI模型中EVI、NDVI与LAI的相关性较好。利用LAI的预测值和地面实测数据进行精度的分析,结果显示EVI的三次方(Cubic)模型在各方面都优于其他植被指数和其他模型,因此选择EVI作为水稻的长势遥感监测指标。 相似文献
8.
《黑龙江农业科学》2017,(9)
生物量与产量密切相关,建立生物量无损预测模型对于大豆产量预测及栽培管理均有重要意义。通过分析大豆生物量积累量与冠层光谱反射率及其衍生的比值植被指数(RVI)、归一化植被指数(NDVI)及差值植被指数(DVI)之间的关系,确立大豆生物量积累量的敏感波段及预测模型。结果表明:冠层光谱反射率在560nm时与大豆地上生物量相关系数最大(R=-0.91,P0.05),三个可见光波段(485、560和660nm)和两个近红外波段(830和1 650nm)组成的比值植被指数RVI(830和560nm)与大豆生物量积累量的相关系数显著。通过逐步回归分析确立大豆生物量的预测模型,560nm反射率与大豆地上生物量相关关系的决定指数R2高达0.85,RVI 830_560与大豆地上生物量相关关系的决定指数R2为0.77。 相似文献
9.
施氮量和移栽密度对晚稻甬优6号茎蘖生长和产量的影响 总被引：3，自引：0，他引：3
以超级杂交水稻甬优6号为试材,研究不同氮肥用量(纯 N 180、225、270、315 kg/hm2)和移栽密度(19.5万、22.5万、25.5万、28.5万、31.5万苗/hm2)对晚稻生长和产量的影响.结果表明:最高茎蘖数随施氮量或移栽密度的增加而增加;成穗率随施氮量的增加而先增后降,随移栽密度的增加而下降;产量随施氮量和移栽密度的增加先增后降;施氮量与移栽密度交互作用对产量及主要性状有显著影响.在施氮量为270 kg/hm2、移栽密度为25.5万苗/hm2的试验条件下比较有利于甬优6号增产. 相似文献
10.
[目的]该研究旨在明确甜玉米不同生育期生长指标与光谱仪冠层光谱参数的定量关系,进而为甜玉米生长指标快速监测提供决策依据。[方法]通过开展基于正甜68的不同施钾水平的田间试验,于拔节期、大喇叭口期以及抽雄期利用 CGMD302光谱仪采集玉米冠层光谱反射率,并同步测定各处理株高、茎粗、叶面积指数等生长指标数据,研究各光谱参数与生长指标之间的关系。[结果]归一化植被指数 NDVI与茎粗和 LAI呈正相关关系,而比值植被指数 RVI与茎粗和 LAI呈负相关关系,基于NDVI和 RVI构建的单个时期监测模型可以有效地反演甜玉米茎粗和 LAI,模型检验结果良好,预测精度均达到0.9以上,均方根误差均小于10%,平均相对误差均小于5%。[结论]该研究结果可为甜玉米生长指标快速监测提供技术依据。 相似文献
11.
利用光谱法测定水稻生物物理参数及其与光谱变量的相关性研究 总被引：5，自引：0，他引：5
选用水稻品种秀水63和武进9728，利用光谱仪通过大田试验和室内测量测定不同氮素水平及不同时期水稻叶片的光谱反射率，利用GIS法测定叶面积指数(LAI)，并测量相应植株的叶形状参数(LSP)、叶片重量、茎重、地上鲜生物量、地上干生物量、叶片含水率及茎含水率等生物物理参数，在此基础上分析了水稻生物物理参数与光谱变量之间的相关性。结果表明，LAI与比值植被指数(RVI)和归一化植被指数的相关系数(NDVI)在0．85以上，达到极显著水平，而地上生物量与比值植被指数和归一化植被指数的相关系数在0．65以上，也达到显著性水平。 相似文献
12.
作物氮素状况是评价长势、提高产量和改善品质的重要指标,因此叶片氮积累量的实时无损估测对作物生产的氮素管理具有重要意义。本研究选用大花生品种丰花1号为试验材料,在大田生产条件下,分析了花生叶片氮积累量与冠层高光谱参数的定量关系。结果表明,叶片氮素含量随生育进程逐渐下降,不同处理之间差异较小;叶片氮素积累量随生育时期推进呈现先升后降的单峰曲线变化趋势,在结荚期达到高峰。花生冠层光谱反射率在740～1 100 nm波段内随叶片氮积累量的增加而增加,叶片氮积累量的敏感波段主要存在于近红外平台和可见光区,其中,"红边"区域表现最为显著。通过微分等技术构造多种植被指数,对高光谱参数和叶片氮积累量进行相关回归分析,红边振幅(Dr)、氮素反射指数(NRI)、归一化植被指数(NDVI)各波段组合平均值及比值植被指数(RVI)与叶片氮积累量关系最密切,方程拟合决定系数分别为0.9194、0.8984、0.8918、0.8899、0.8794、0.8797。经另外一组独立数据的检验表明,对叶片氮积累量的预测以红边位置(REP)和Dr两个参数表现最优,预测的根均方差(RMSE)分别为1.78和1.10,相对误差为5.29%和3.59%。NDVI[Average(1230,1240,1250,1260),640]和土壤调整植被指数(SAVI)两个光谱参数预测的RMSE分别为1.15和1.19,预测相对误差为5.42%和7.41%。比较而言,Dr为自变量建立的模型,可以更好地评估不同条件下叶片氮素积累状况。 相似文献
13.
[目的]该研究旨在明确甜玉米不同生育期生长指标与光谱仪冠层光谱参数的定量关系,进而为甜玉米生长指标快速监测提供决策依据。[方法]通过开展基于正甜68的不同施钾水平的田间试验,于拔节期、大喇叭口期以及抽雄期利用CGMD302光谱仪采集玉米冠层光谱反射率,并同步测定各处理株高、茎粗、叶面积指数等生长指标数据,研究各光谱参数与生长指标之间的关系。[结果]归一化植被指数NDVI与茎粗和LAI呈正相关关系,而比值植被指数RVI与茎粗和LAI呈负相关关系,基于NDVI和RVI构建的单个时期监测模型可以有效地反演甜玉米茎粗和LAI,模型检验结果良好,预测精度均达到0.9以上,均方根误差均小于10%,平均相对误差均小于5%。[结论]该研究结果可为甜玉米生长指标快速监测提供技术依据。 相似文献
14.
为研究不同作物叶片和茎全磷含量与不同高光谱植被指数的关系,于2020年11月至2021年10月进行田间试验,测定冬小麦、油菜、蚕豆、大豆、玉米、红薯6种作物不同生长阶段的叶片、茎全磷含量和高光谱冠层反射率,进而计算归一化植被指数（NDVI）、差值植被指数（DVI）、比值植被指数（RVI）、增强植被指数（EVI）、光化学植被指数（PRI）、红边叶绿素指数（RECI）6种高光谱植被指数。利用Pearson相关分析研究了不同作物叶片、茎全磷含量与高光谱植被指数的关系,并以多元非线性回归建立了基于高光谱植被指数的叶片、茎全磷含量模拟模型。结果表明,随着作物生长,冬小麦、油菜、蚕豆、大豆叶片全磷含量逐渐降低,玉米、红薯叶片全磷含量在生长季中期较高,6种作物茎全磷含量与叶片全磷含量的季节变化规律类似。6种作物叶片全磷含量季节平均值均高于茎全磷含量季节平均值。6种作物NDVI、DVI、RVI、EVI、PRI、RECI在生长中期相对较高。6种作物叶片全磷含量与不同高光谱植被指数之间的相关系数不同,且与叶片和茎全磷含量存在显著相关关系的高光谱植被指数也不同。基于6种植被指数NDVI、DVI、RVI、EV... 相似文献
15.
为准确快速获取水稻的植被指数特征和植被覆盖度信息,利用无人机采集水稻分蘖期、抽穗期和结实期的多光谱影像数据,选择不同类型的植被指数,利用样本统计法和植被指数交点法,提取并探究水稻3个生长期在地块和像元尺度下的植被指数特征,并运用阈值分割法提取水稻植被信息及覆盖度信息。结果表明,水稻3个生长期内,在像元和地块尺度下均表现出明显的物候特征,且与杂草和树木存在明显区别;多光谱植被指数的植被覆盖度提取精度整体高于可见光植被指数;归一化植被指数（normalized difference vegetation index,NDVI）对水稻3个时期植被覆盖度提取精度最高,提取误差分别为0.40%、0.43%和0.81%,R2为0.77、0.92和0.98,均方根误差（root mean square error,RMSE）为9.09%、2.97%和0.38%;可见光波段差异植被指数（visible-band difference vegetation index,VDVI）提取精度高于超绿红蓝差分指数（excess green-red-blue difference index,EGEBDI）和过绿减过红指数（excess green-excess red index,ExG-ExR）,提取误差分别为4.30%、1.36%和1.60%,R2分别为0.53、0.77和0.80,RMSE分别为14.62%、3.70%和5.50%。该研究成果可为作物长势监测及其植被覆盖度提取提供技术支撑。 相似文献
16.
[目的]探索紫茎泽兰的遥感监测技术。[方法]以四川省凉山州西昌市为试点,对紫茎泽兰样地的群落数量特征和遥感植被指数进行了相关性分析。[结果]在RVI、NDVI和PVI 3种植被指数中,RVI与紫茎泽兰群落高度、盖度和生物量的相关系数均大于0.7,说明RVI对紫茎泽兰等高植被群落最敏感,与其群落数量特征的相关性最好,能较好地反映群落的特征;各植被指数与紫茎泽兰群落地上生物量的相关程度差异不大;各植被指数中,紫茎泽兰生物量与NDVI的相关系数最小,盖度与PVI的相关性最低。[结论]利用RVI可对紫茎泽兰的危害情况进行有效监测。 相似文献
17.
以2010年TM影像为数据源,结合实测叶面积指数(LAI)数据,采用逐步回归方法,分析滁州市森林叶面积指数与植被指数关系并建立估测模型。结果表明:在0.01显著水平下,地面LAI和NDVI、RVI、SAVI的相关性分别为0.899、0.868、0.853;以NDVI为自变量构建的指数函数关系模型与LAI相关系数最高,相关性达0.839,LAI预测精度达78.96%;以NDVI、RVI、SAV为自变量构建的多元线性回归模型与LAI相关性达0.917,LAI估测平均精度达83.36%,符合森林资源监测要求。研究结果为使用遥感数据进行滁州市大面积森林质量监测、森林分布变化提供依据和技术支持。 相似文献
18.
以蓖麻在不同氮、磷施用水平下的大田实验为基础,研究了高光谱遥感在估测蓖麻初级生产力主要参数中的应用。结果表明,随着施肥水平的提高,蓖麻叶面积指数（LAI）和生物量增大,导致冠层光谱特征发生相应变化,近红外波段（700~900 nm）的反射率显著增大。350~900 nm波段特别是700~900 nm波段的蓖麻冠层光谱反射率值在花果盛期最大,种子成熟期次之,苗期最低,与蓖麻LAI变化一致,可以用来监测蓖麻的长势和营养状态。构建的高光谱植被指数NDVI、RVI与LAI和ABM回归模型确定系数均较高,分别达到了0.6115、0.6363、0.7102和0.6148,可以用来估测不同物候期蓖麻的叶面积指数和地上部分生物量。 相似文献
19.
为探究双波段光谱仪CGMD-302在监测小麦长势上的可靠性与精准性,同时使用高光谱仪UniSpec SC与双波段光谱仪CGMD-302测试各生育时期小麦冠层信息,并定量分析了植被指数NDVI、RVI、DVI与叶面积指数和叶片干重之间的线性关系。结果表明,基于相同波段反射率计算出的高光谱仪植被指数和双波段光谱仪植被指数均能较好监测小麦群体长势。在CGMD-302监测的叶面积指数模型中,拟合方程的决定系数(R~2)均高于0.89,用以检验模型的均方根误差(RMSE)和相对误差(RE)分别小于0.792和0.225;叶片干重模型中,决定系数(R2)均高于0.85,用以检验模型的均方根误差(RMSE)和相对误差(RE)分别小于440kg/hm~2和0.239。通过分析发现,施氮270kg/hm~2既能保证产量又能兼顾品质,可作为适宜施氮量。适宜施氮量下,拔节期和孕穗期小麦适宜叶面积指数分别为:3.65±0.09和5.95±0.32;适宜叶干重分别为:(1 554±168)和(2 231±130)kg/hm~2。结合CGMD-302监测模型可推算出拔节期和孕穗期适宜冠层群体的植被指数区间并应用于冠层群体诊断。 相似文献