共查询到20条相似文献，搜索用时 31 毫秒
1.
为快速准确地获取烟草叶片镉含量,本研究模拟了4个镉污染水平,用美国ASD光谱仪获取每个污染水平的烟草叶片光谱反射率,并测定不同时期烟草叶片的镉含量,筛选出与镉含量相关性最好的敏感波段,并建立光谱参数,将光谱参数作为输入因子建立烟草叶片镉含量的BP神经网络模型。结果表明：随着镉含量增加,在可见光和近红外范围（400~910 nm）内反射率先降低后增加,在930~1 000 nm波段范围内,叶片反射率与烟叶中镉含量呈正相关,在1 000~2 500 nm波段范围内反射率先增加后降低。经筛选,比值植被指数（RVI）和归一化植被指数（NDVI）的光谱指数分别为RVI （520,710）和NDVI （530,710）; BP神经网络模型的决定系数（R2）为0.681,均方根误差（RMSE）为8.001,并对模型进行检验,R2为0.801,RMSE为4.430。研究表明,BP神经网络模型对烟草叶片镉含量具有良好的预测效果。 相似文献
2.
《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
3.
本研究旨在探索和研究水稻叶片不同生育期叶绿素相对含量（SPAD）与实测水稻叶片光谱的变化规律和响应特征。通过采集研究区水稻发育关键期叶片光谱及叶绿素相对含量，研究探讨了随着生育期的推进，水稻叶片光谱特征变化以及与SPAD变化响应关系，分析比对了SPAD与四个生育期水稻DVI、RVI、EVI2等植被指数敏感波段。结果表明，随着生育期推进SPAD值逐渐减少，可见光范围光谱反射率呈一致的逐步增加趋势；孕穗期近红外波段对SPAD反映敏感，抽穗期、灌浆期和成熟期可见光波段对SPAD敏感；四种植被指数与SPAD值相关性，DVI与孕穗期、成熟期，RVI对抽穗期，EVI2对灌浆期的SPAD值更敏感。 相似文献
4.
《江苏农业科学》2017,(8)
利用花生生物物理参数和冠层高光谱数据,基于光谱一阶微分技术,选取对生物量敏感的波段组成高光谱植被指数,建立花生叶鲜生物量的高光谱遥感估算模型。结果表明,花生叶鲜生物量在绿峰525~556 nm、红谷645~689 nm和近红外710~900 nm波段范围反射光谱与花生叶鲜生物量有极显著相关关系。高光谱反射率与叶鲜生物量在大部分可见光区和近红外波段呈显著相关,并且在可见光红光波段呈负相关,在近红外波段呈极显著正相关。花生光谱反射率与花生叶鲜生物量相关的近红外、红光波段的敏感波段分别为770、673 nm,用这2个波段构建植被指数,组成高光谱归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)和再次归一化植被指数(RDVI),并构建生物量反演模型;相对于NDVI、DVI、RDVI建立的简单线性函数估测模型,RVI所构建的花生叶鲜生物量估测模型的预测精度较高。 相似文献
5.
不同作物农田的土壤呼吸与高光谱的关系 总被引：1，自引：1，他引：0
为研究种植不同作物的农田土壤呼吸与高光谱植被指数的关系,选取3种典型夏熟作物冬小麦、油菜籽、蚕豆,于2018年10月至2019年5月进行田间随机区组试验,观测土壤呼吸、土壤温度、土壤湿度的季节动态,并观测NDVI(归一化植被指数)、DVI(差值植被指数)、RVI(比值植被指数)、EVI(增强植被指数)、PRI(光化学植被指数)5种高光谱植被指数和叶绿素SPAD值。结果表明:冬小麦、油菜籽、蚕豆田土壤呼吸季节平均值分别为1.78±0.15、1.35±0.27、1.61±0.22μmol·m^-2·s-1,冬小麦田土壤呼吸显著高于油菜籽田(P<0.05),冬小麦与蚕豆田以及油菜籽与蚕豆田土壤呼吸无显著差异(P>0.05)。冬小麦田土壤呼吸残差(基于温度指数方程的模拟值与实测值的差值)与NDVI、RVI、EVI、PRI、SPAD值均存在显著(P<0.05)或极显著(P<0.01)的相关关系,蚕豆田土壤呼吸残差与NDVI、DVI、RVI、EVI、PRI均存在极显著(P<0.01)相关关系,而油菜籽田土壤呼吸残差与上述植被指数均不存在显著的相关关系,这可能与油菜籽3-4月份花期叶片退化有关。在冬小麦和蚕豆田,可分别建立基于土壤温度、NDVI、RVI、PRI、SPAD值以及土壤温度、RVI的土壤呼吸模型,而油菜籽田土壤呼吸的季节变化仅与土壤温湿度和SPAD值有关。 相似文献
6.
设置了5个施肥水平田间试验,获取甘蔗分蘖期叶片的全氮含量和光谱反射率,分析氮含量与光谱反射率的相关性,并构建基于敏感波段的氮含量估算模型。结果显示,甘蔗叶片氮含量与光谱反射率在401~1 000 nm波段区间呈显著负相关关系,在402~953 nm波段区间呈极显著负相关关系,相关系数在550、741 nm出现了两个峰值,说明这两个波段附近的光谱反射率对叶片氮含量较为敏感;R550、R741构建的模型决定系数(R~2)较大,NDVI(550,741)、RVI(550,741)、NDVI(730,835)、RVI(730,835)构建的模型决定系数较小,R550、R741相比NDVI(550,741)、RVI(550,741)、NDVI(730,835)、RVI(730,835)更适用于甘蔗叶片氮含量估算;由R741构建的二次函数模型(y=-119.1x~2+61.53x+3.851)决定系数为0.681,氮含量估算值均方根差(RMSE)为1.13 g/kg,平均相对误差为8.92%,相比于其他模型综合效果较好。推荐由R741构建的二次函数模型作为甘蔗分蘖期叶片氮含量估算模型。 相似文献
7.
基于无人机多光谱遥感的水稻冠层光谱特征和氮素营养关系研究 总被引：1，自引：0，他引：1
【目的】明确华南地区籼稻主栽品种冠层光谱特征与氮素营养关系,为专家决策系统和精准施肥
提供理论基础。【方法】以美香占 2 号（MXZ2H）和吉丰优 1002（JFY1002）为试材,设置施氮 0 kg/hm2
（N0）、
150 kg/hm2
（N150）、210 kg/hm2
（N210）等 3 个处理,采用习惯施肥法,在 JFY1002 中增设施氮 180 kg/hm2
（N180+）
的水稻“三控”施肥法,研究不同施肥方式下水稻叶片光谱特征与氮素营养的关系。【结果】与 N0 相比,N150
处理下 MXZ2H 和 JFY1002 叶片氮含量分别增加 16.05% 和 13.76%,N210 处理分别增加 24.29% 和 25.00%。
N180+ 处 理 下 JFY1002 叶 片 氮 含 量 与 N210 处 理 相 比 增 加 18.03%。 随 着 叶 片 氮 含 量 的 增 加, 蓝 光 到 红 光
（450~650 nm）波段的叶片反射率逐渐下降,红边到近红外（730~840 nm）波段的叶片反射率逐渐增加,红光
650 nm、近红外 840 nm 处的 MXZ2H 和 JFY1002 叶片反射率差异达显著水平。相关性分析结果表明,MXZ2H 叶
片氮含量与归一化植被指数（NDVI）、绿波段归一化植被指数（GNDVI）、比值植被指数（RVI）、差值植被
指数（DVI）和增强型植被指数（EVI）呈正相关;JFY1002 叶片氮含量与 RVI、EVI、改进非线性植被指数（MNLI）、
DVI 和 NDVI 呈正相关。采用多元线性回归建立了 MXZ2H 和 JFY1002 叶片氮含量反演模型,R2 分别为 0.817 和
0.973,RE 分别为 8.35% 和 3.48%。【结论】建立了华南籼稻品种叶片氮含量反演模型,可为精准施肥作业提供
理论依据和技术指导。 相似文献
8.
【目的】伊犁绢蒿荒漠草地是新疆草地生态系统的重要组成部分,研究其主要植物地面光谱和植被指数特征是实现物种识别的基础,准确而实时获得群落物种组成变化、提高草地监测的质量和效果。【方法】借助SOC710 VP成像光谱仪,采集4月伊犁绢蒿荒漠草地群落高光谱影像,提取伊犁绢蒿(Seriphidium transiliense)、角果藜(Ceratocarpus arenarius)、叉毛蓬(Petrosimonia sibirica)和群落的原始光谱数据,通过反射率(REF)、吸收率(ABS)及其一阶微分(GREF和GABS)的变换提高光谱辨析度,分析并筛选敏感波段;通过各波段之间的相互组合计算NDVI值和DVI值,并以全波段计算的NDVI值和RVI值作为参考,筛选出优于全波段且差值最大植被指数。【结果】(1)3种主要植物光谱曲线相近,差异主要体现在光谱值的大小,在可见光400~780 nm和近红外波段780~820 nm的反射率均表现出角果藜>伊犁绢蒿>叉毛蓬>群落的特征;(2)通过反射率REF、吸收率ABS、一阶微分反射率GREF和一阶微分吸收率GABS的变换能够进一步扩大其光谱特征,相对稳定的波段有蓝光波段490~530 nm,绿光波段510~560 nm,红光波段620~760 nm,近红外波段780~820 nm。(3)GABS和ABS变换下490~530 nm和780~820 nm波段组合计算的NDVI’和RVI’在3种主要植物间的差异大于全波段和其它波段计算的NDVI’和RVI’。【结论】对敏感波段的反射率和吸收率进行一阶微分处理,并用于改进植被指数,能够提高伊犁绢蒿荒漠3种主要植物的识别效果。 相似文献
9.
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
10.
类胡萝卜素(Car)是植物进行光合作用的主要色素之一,在吸收传递光能、保护叶绿素,以及延缓叶片衰老等方面有重要作用。以LOPEX’93数据库为基础,系统分析400~2 500 nm高光谱波段范围内任意两波段组合而成的归一化差值植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)与双子叶植物叶片Car含量间的定量关系。结果表明,在756 nm处红光波段与809 nm处近红外波段的NDVI(809,756)、RVI(809,756),以及750 nm处红光波段与809 nm处近红外波段的DVI(809,750)都可以较好地实现Car含量反演,建立的回归预测模型的判定系数(R2)均大于0.74。对由各植被指数构建的反演模型进行精度验证发现,NDVI(809,756)和RVI(809,756)的估算效果相当,且都好于DVI(809,750),模型预测精度分别为0.735和0.738,均方根误差分别为1.426 1和1.420 5,平均相对误差分别为13.66%和13.60%。表明基于高光谱数据对双子叶植物叶片Car含量进行估算是可行的。 相似文献
11.
2005年7月至2006年4月,对云南省马龙县封育草地和过牧草地的光谱反射率、草层高度、覆盖度和地上生物量进行了测定,分析了归一化植被指数（NDVI）及比值植被指数（RVI）与地上生物量之间的相关性。结果表明:过牧草地封育1年之后,其草层高度、覆盖度和地上生物量显著增加,光谱反射特征也相应地发生明显变化。450~850 nm范围内,两种草地不同季相条件下在各波段的光谱反射率差异均达到极显著水平（P＜0.01）,覆盖度及季节变化对近红外波段的影响明显大于可见光波段。旺盛生长期（7月）和枯黄期（11月）,封育草地具有植被反射型特征,而自由放牧草地表现为植被-土壤型;返青期（4月）两种草地均表现为土壤型。过牧草地地上生物量与两种植被指数之间无显著相关性。封育草地地上生物量与NDVI,RVI之间存在显著的（P＜0.05）非线性相关,旺盛生长期和返青期NDVI与地上生物量的相关性强于RVI,枯黄期RVI与地上生物量相关性强于NDVI。 相似文献
12.
使用无人机搭载的多光谱相机获取田间遥感影像,通过相关性计算选取合适的波段组合,基于多光谱影像间的波段运算得到植被指数(VIs),采用最小二乘法构建棉花冠层含水量反演模型.结果表明,红波段(680nm)和近红外1波段(800nm)间的光谱特征与棉花冠层含水量相关性最高,由此光谱区间构建了归一化植被指数(NDVI)和比值植被指数(RVI),基于NDVI的二阶多项式回归得到了较好的预测结果,R2在0.69以上.使用此方法可以实现棉花冠层含水量的快速、无损监测,从而为田间精准灌溉提供技术支持. 相似文献
13.
夏玉米光谱特征对其不同色素含量的响应差异 总被引：1，自引：0，他引：1
在不同施氮水平夏玉米的6个典型生育期,采用化学方法测定冠层叶绿素含量,利用叶绿素计测定的叶绿素读数以及光谱反射率,系统分析了单波段反射率、可见光和近红外波段组合而成的归一化植被指数(NDVI)、比值植被指数(RVI)等8种常见植被指数与相应时期2种方法测定的叶绿素含量的相关性。结果表明,随着施氮量的增加,叶绿素含量和冠层近红外波段反射率都随之增加;整个生育期中孕穗期在近红外区域反射率最高,与可见光波段反射率相差最大;6个生育期单波段510~1 100 nm反射率、NDVI、RVI等植被指数与叶绿素含量的2种测定结果显著相关或极显著相关,植被指数的表现较单波段更好,且从苗期到乳熟期,各波段反射率与叶绿素的相关性逐渐增强。整体来讲,可见光中560、660 nm和近红外760、810、590和1 300 nm组合的NDVI在各生育期与2个农学指标的相关性较好,选择NDVI(560,760)可以准确拟合夏玉米叶片叶绿素含量,其对化学方法测定的叶绿素含量拟合效果较佳。 相似文献
14.
利用TM遥感数据以及同期获得的野外调查样地数据,研究了河北省丰宁满族自治县森林地上生物量的遥感估测技术。提取TM遥感影像6个波段反射率及DVI、NDVI、PVI、RVI、VI3、SLAVI和SAVI 7个植被指数,分析了森林样地地上生物量与各个因子间的关系,得出相关系数较小（均小于0.400）;因此采用Stepwise逐步回归法,建立了多元回归模型。结果表明,ρ2、ρ3、ρ4、ρ54波段反射率和有效叶面积植被指数（SLAVI）结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.730,留一交叉验证均方根误差RMSE最小,达33.712。利用2008年的全覆盖TM影像,结合丰宁遥感分类图像,获得了丰宁县2008年森林地上生物量分布图,森林植被总生物量为1.805×107t。 相似文献
15.
基于“高分一号”遥感影像反演华南地区亚热带典型作物冠层SPAD 总被引：1，自引：0，他引：1
【目的】以广州市增城试验基地为例,探索国产高分卫星影像数据在反演华南地区亚热带典型作物冠层叶绿素相对含量（SPAD）的应用.【方法】根据2013年10月1日“高分一号”影像数据和相应的亚热带典型作物的实测数据,建立植被指数与典型作物冠层SPAD之间的关系模型,并分别探讨9种植被指数与SPAD之间线性和非线性关系,以便获得最佳的植被指数和相应的回归模型反演华南地区亚热带作物冠层叶绿素相对含量.【结果和结论】7种植被指数均与亚热带典型作物冠层SPAD有极显著的相关性,其中比值植被指数（RVI）相关性最好,其次是差值植被指数（DVI）.经分析,RVI的指数回归模型Y=31.445e0.141X（R2 =0.889）是反演亚热带典型作物冠层SPAD的最佳回归模型,实际拟合精度达92.75%,故使用该回归模型估测研究区内大范围亚热带典型作物冠层SPAD是可行的. 相似文献
16.
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
17.
基于高光谱遥感的棉花叶片叶绿素含量估算 总被引：2，自引：0，他引：2
为提高高光谱植被指数对棉花叶绿素含量的估算精度,以陕西省关中地区棉花花铃期叶片高光谱反射率为数据源,分析了13种植被指数与棉花叶片叶绿素相对含量(SPAD)的相关关系;同时采用降精细采样法,详细分析400~2 000nm波段范围内原始光谱反射率的任意两两波段组合而成的优化光谱指数RSI与SPAD值的定量关系,构建线性及非线性回归监测模型,并对模型进行验证。结果表明:1)所提取的13种植被指数中NIR/NIR与SPAD值的相关系数最大(r=0.914),并且基于NIR/NIR(R780/R740)构建的回归方程模型优于其他植被指数,其构建的二次曲线方程回归模型建模与验模R2分别为0.900和0.785,RMSE为4.762,RE为7.86%,为基于提取的12种植被指数构建SPAD值估算模型中最佳模型;2)优化后的比值光谱指数RSI(Ration spectral index)的敏感波段为500和563nm,RSI(500,563)与SPAD值的相关系数r=0.999,与棉花叶片SPAD含量在0.01水平下呈显著相关,其构建的二次曲线方程模型效果最优,建模和验模R2分别为0.912和1.000,RMSE为2.848,RE为4.38%。与提取的13种植被指数相比,基于RSI指数二次曲线回归模型为估算叶绿素含量的最佳模型,并且模型预测值和实测值之间的符合度较高R2=0.843,表明基于波段优化算法的优化光谱指数RSI能更好的预测棉花叶片叶绿素含量。 相似文献
18.
基于SPOT5和PCA的柞树林地上碳储量的估测模型 总被引：1，自引：0，他引：1
以北京市延庆县柞树林为研究对象,利用森林资源二类调查数据和2004年SPOT5遥感影像,选取SPOT5数据的4个单波段,提取差值植被指数(DVI)、比值植被指数(RVI)、归一化植被指数(NDVI)等3种植被指数以及海拔、坡度、坡向和郁闭度共11个遥感及样地因子,提取这11个因子的主成分,建立基于主成分分析的多元线性回归模型估测碳储量。结果表明:模型经方差分析以及相关性检验,达到显著相关水平,相关系数R=0.829,可用于柞树林地上部分碳储量估测。对30个独立样地进行配对样本t检验,结果达到显著相关水平,相关系数R=0.850,地上部分碳储量估算值为27.19 t·hm-2,模型估测精度可达到92.73%。 相似文献
19.
基于人工神经网络的大豆叶面积高光谱反演研究 总被引：26，自引：0，他引：26
【目的】探索不同高光谱模型监测大豆叶面积指数LAI的精度。【方法】实测不同水肥耦合作用下，大豆冠层的高光谱反射率与叶面积指数（Leaf Area Index）数据，对二者进行相关分析；采用敏感波段(801nm,670nm)构建RVI, NDVI, SAVI, OSAVI 和MTVI2植被指数，建立大豆LAI估算模型；最后采用相关系数较大的波段作为神经网络模型的输入变量进行大豆LAI的估算。【结果】大豆LAI与光谱反射率在可见光波段呈负相关、近红外波段呈正相关、红边处相关系数由负变正；微分光谱在三边处与大豆LAI关系密切，在红边处取得最大回归确定性系数（R2 = 0.86）。植被指数可以较为精确反演大豆LAI，确定性系数R2>0.84。人工神经网络模型可以大大提高大豆LAI的估算水平，当隐藏层节点数为2时，R2为0.92，随着隐藏层节点数的增加，R2可高达0.96；在没有黄熟期数据干扰的情况下，神经网络可以进一步提高大豆LAI的反演精度，R2可高达0.99。【结论】与基于植被指数建立的模型相比，神经网络模型可以有效避免因LAI过高而出现的过饱和现象，大大提高了LAI的反演精度。 相似文献
20.
《江苏农业学报》2017,(4)
玉米种植面积的准确获取是进行玉米长势监测和产量估测的前提与基础。在对Landsat-8/OLI影像进行辐射定标、大气校正、几何精校正和裁剪等预处理的基础上,基于典型地物光谱空间差异与物候特征的异同,选取具有代表性的4种植被指数[归一化差值植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、绿度植被指数(GVI)]和近红外波段反射率,通过构建植被光谱特征指标阈值对不同地物进行识别和分类,最后获取玉米种植面积。结果表明,利用近红外波段反射率可以将农作物与其他地物区分开来,即当其反射率值大于0.37时,地物为农作物。对不同种类农作物识别时,选择NDVI0.86、DVI0.53、RVI13.00、GVI3 713.60作为分类阈值,可以将玉米与水稻和大豆区分,准确提取到玉米的种植面积。利用样本数据和当地农业部门提供的数据进行面积提取精度验证,总体精度为92.75%,说明基于多光谱特征指标建立分类阈值的方法可以准确提取玉米种植面积,该方法可以为江淮玉米种植区县域玉米种植面积的提取提供参考。 相似文献