共查询到18条相似文献，搜索用时 24 毫秒
1.
基于便携式三波段作物生长监测仪的水稻长势监测 总被引：1，自引：1，他引：0
针对现有两波段光谱仪在实际应用中存在的植被指数单一、生长指标反演精度低等问题,该研究研发了一款便携式三波段作物生长监测仪CGMD303（Crop-Growth Monitoring and Diagnosis,CGMD）并于2018年7-8月开展了水稻田间试验研究。结果表明,CGMD303获取的植被指数与商用仪器ASD FieldSpec HandHeld2呈良好的线性相关关系,同时基于CGMD303构建的水稻生长监测模型可以有效预测叶面积指数、叶片干重、叶片含氮率和叶片氮积累量,决定系数分别为0.85、0.72、0.45和0.68,相对均方根误差分别为0.21、0.32 g/m2、0.13%和0.39 g/m2。CGMD303可以有效获取冠层光谱反射率,构建的水稻指标监测模型可以精确预测叶面积指数、生物量和氮素指标,可为水稻田间栽培工作提供决策依据。 相似文献
2.
为探索作物生长监测诊断仪(Crop Growth Monitoring and Diagnosis Apparatus,CGMD)在不同株型双季稻长势指标监测应用的准确性和适用性,该研究开展了不同株型品种和施氮量的田间试验,采用CGMD获取冠层差值植被指数(Differential Vegetation Index,DVI)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)和比值植被指数(RatioVegetationIndex,RVI),并同步采用高光谱仪(AnalyticalSpectralDevices,ASD)获取冠层光谱反射率,构建DVI、NDVI和RVI;通过比较2种光谱仪获取的植被指数变化特征及相互定量关系,评价CGMD的监测精度,建立基于CGMD的不同株型双季稻叶面积指数(Leaf Area Index,LAI)监测模型,并用独立数据对模型进行检验。结果表明:不同株型品种的LAI、DVI、NDVI和RVI随施氮量增加而增大,随生育进程推进呈"低—高—低"的变化趋势;基于CGMD与ASD的DVI、NDVI和RVI间的决定系数(Determination Coefficient,R2)分别为0.959～0.968、0.961～0.966和0.957～0.959,表明CGMD具有较高监测精度,可替代价格昂贵的ASD获取DVI、NDVI和RVI。基于CGMD植被指数的单生育期LAI监测模型的预测效果优于全生育期,基于CGMD植被指数的松散型品种LAI监测模型的预测效果优于紧凑型品种;基于DVICGMD的线性方程可较好地预测LAI,模型R2为0.857～0.903,模型检验的相关系数(Correlation Coefficient,r)、均方根误差(Root Mean Square Error,RMSE)和相对均方根误差(Relative Root Mean Square Error,RRMSE)分别为0.950～0.984、0.18～0.43和3.95%～9.40%;基于NDVICGMD的指数方程可较好地预测LAI,模型R2为0.831～0.884,模型检验的r、RMSE和RRMSE分别为0.906～0.967、0.24～0.38和5.73%～9.16%;基于RVICGMD的幂函数方程可较好地预测LAI,模型R2为0.830～0.881,模型检验的r、RMSE和RRMSE分别为0.905～0.954、0.25～0.56和7.37%～9.99%。与传统人工取样测定LAI法相比,利用CGMD可实时无损监测双季稻LAI动态变化,可替代SunScan植物冠层分析仪获取双季稻LAI,在双季稻生产中具有推广应用价值。 相似文献
3.
建立基于便携式作物生长监测诊断仪的江西双季稻氮肥调控模型,利用模型推荐穗肥追氮量,实现江西双季稻氮肥追施的精确管理。基于不同株型品种和氮肥处理的田间试验资料,构建了双季稻叶面积指数光谱监测模型,利用拔节期的差值植被指数实时估测叶面积指数,进而结合江西双季稻高产栽培经验和建立的氮肥调控模型,对双季稻穗肥追氮量进行实时推荐,并和当地农户施肥方案和产量进行比较。双季稻关键生育期(分蘖期、拔节期、孕穗期、抽穗期和灌浆期)的冠层差值植被指数DVI(810,720)与叶面积指数均呈显著正相关,线性函数拟合效果优于其他函数。利用独立试验资料对所建模型进行了检验,单生育期的模型预测效果优于全生育期模型;其中,拔节期的光谱监测模型表现最佳,早稻和晚稻叶面积指数的光谱监测模型的R2分别为0.880 6和0.878 8,模型预测早稻和晚稻叶面积指数的均方根误差、相对均方根误差、相关系数分别为0.30和0.25、7.28%和6.18%、0.923 2和0.926 9。氮肥调控模型推荐施肥应用表明,紧凑型品种的穗肥用量高于松散型品种;与农户方案相比,氮肥调控模型推荐施肥的调控方案在产量不降低的情况下减少氮肥用量6.58kg/hm2,提高氮肥农学利用率0.82个百分点、净收益103元/hm2和产投比0.9,而产量比农户方案略高或持平。与传统非定量农户施肥法相比,基于便携式作物生长监测诊断仪的双季稻氮肥调控方法可在保证产量的情况下,减少施氮量,提高氮肥农学利用率,获得更高经济效益,在江西双季稻生产中具有推广应用价值。 相似文献
4.
为实现塔额盆地滴灌冬小麦氮营养诊断、确定适宜施氮量,在2020—2021年开展了两年大田试验。试验以‘新冬18’为研究对象,共设5个氮肥水平(0、80、160、240和320 kg/hm2),分析不同施氮量对小麦地上部生物量及植株氮浓度的影响,构建冬小麦临界氮浓度稀释曲线模型,并计算不同施氮量的植株氮营养指数,分析其与相对产量的关系,确定冬小麦氮营养丰缺情况。研究结果表明,冬小麦各生育时期,施氮量从0增加到240 kg/hm2,植株生物量及氮浓度差异显著,但当施氮量从240增加到320 kg/hm2时,植株生物量及氮浓度差异不显著。施氮量与产量的拟合曲线表明,超过一定的施氮量后,增施氮肥会降低冬小麦产量,说明存在氮奢侈消费现象。依据地上部生物量与植株氮浓度构建的冬小麦临界氮浓度稀释曲线模型Nc=3.088DM-0.374,模型决定系数R2=0.918,模型检验参数(标准化均方根误差,n-RMSE)为8.89%,模型稳定性极好。基于植株临界氮浓度计算的氮营养指数,冬小麦适宜施氮量为160～240 kg/hm2。冬小麦各生育时期,氮营养指数与相对产量的相关性均达到显著水平。综上所述,建立的塔额盆地冬小麦临界氮浓度稀释曲线模型及氮营养指数可以较好地诊断并评价冬小麦氮营养状况。 相似文献
5.
基于Greenseeker光谱法的棉花氮素营养诊断研究 总被引：3，自引：0，他引：3
利用主动遥感光谱仪(Greenseeker)对新疆2个主栽棉花品种4个施氮量条件下2年生育期间的冠层归一化植被指数(NDVI)值进行测试,研究不同施氮量对棉花冠层NDVI值、植株氮素积累速率和叶片全氮含量的影响以及田间条件下简便、快速、非接触性的作物氮素营养状况诊断方法。结果表明:在棉花生育期内,冠层NDVI值呈单峰曲线变化,峰值出现在出苗后90d左右,以后逐渐降低;NDVI值和棉株氮素积累速率呈正相关关系,决定系数R~2在盛花期达到最大,为0.844.7;NDVI值变化趋势与叶片全氮含量呈正相关,决定系数R~2在盛花期达到0.7980。棉花冠层NDVI值随着施氮量增加而提高,不同氮素处理间NDVI值在盛花期和花铃期达极显著差异;主动遥感光谱仪在棉花生长的盛花期和花铃期可以预测棉花氮素养分状况。 相似文献
6.
基于无人机平台的柑橘树冠信息提取 总被引：2，自引：1，他引：1
为了快速获取柑橘树冠信息,提升柑橘园精准管理,该研究基于无人机平台获取了柑橘数码和多光谱影像,分析了无人机影像反演柑橘树冠信息的效果。首先利用无人机数码影像及分水岭算法进行柑橘单木分割,然后构建柑橘树冠层高度模型,提取柑橘株数、株高、冠幅投影面积等结构参数信息,进而利用无人机多光谱影像获取柑橘的8种常用植被指数,采用全子集分析法筛选柑橘冠层氮素含量的敏感植被指数,构建基于多元线性回归的冠层氮素遥感反演模型,进行以冠幅为基本单元的柑橘树冠层氮素含量遥感制图。研究结果表明:柑橘的单木识别准确率在93%以上,召回率在95%以上,平均F值为96.52%;柑橘树的反演株高与实测株高具有较强的相关性,决定系数R2为0.87,均方根误差为31.9cm;单株冠幅投影面积与人工绘制的冠幅面积的决定系数,除果园A在12月的结果较低(R2为0.78)外,其余均在0.94及以上;采用全子集分析法筛选的柑橘冠层氮素敏感植被指数为归一化植被指数(NDVI)、绿色归一化植被指数和冠层结构不敏感指数,所建立的多元回归模型的决定系数R2达0.82,均方根误差为0.22%,相对误差为6.59%。综上,无人机影像在柑橘树冠参数信息提取方面具有较好的应用效果,能够快速有效地提取柑橘树冠参数信息。该研究可为使用无人机平台进行果园精准管理提供技术支撑。 相似文献
7.
东南烟稻轮作区烤烟临界氮浓度稀释曲线的建立与验证 总被引：1，自引：0，他引：1
8.
基于赤池信息准则的冬小麦植株氮含量高光谱估算 总被引：4，自引：2，他引：2
为了快速、准确地测定冬小麦植株氮含量,利用2014?2015年的冬小麦冠层反射光谱数据构建了16种氮素或叶绿素敏感光谱指数,基于变量投影重要性(variable importance projection,VIP)-偏最小二乘(partial least squares,PLS)-赤池信息准则(Akaike’s information criterion,AIC)整合模型构建了不同生育期植株氮含量最佳回归模型,并用2012?2013年挑旗期数据对模型进行了验证。结果表明:在AIC下,拔节期以4个植被指数为自变量的模型最优;挑旗期以5个植被指数为自变量的模型最优;开花期以4个植被指数为自变量的模型最优;灌浆期以6个植被指数为自变量的模型最优。4个生育期建模的决定系数(R2)和均方根误差(RMSE)分别为0.71、0.86、0.75、0.46和0.23%、0.13%、0.12%、0.15%,以挑旗期决定系数为最大。挑旗期验证集的R2和RMSE分别为0.81和0.41%,预测模型和验证模型均具有较高的估算精度和可靠性,研究结果为选择小麦合适的生育期估算小麦植株氮营养状况提供参考。 相似文献
9.
水稻适宜养分指标动态的知识模型研究 总被引：4，自引：0，他引：4
在分析研究水稻栽培理论与技术资料的基础上,通过定量描述水稻群体地上部植株氮、磷、钾养分积累量和养分浓度动态与品种类型、生态环境因子和生产技术水平之间的动态关系,以生理发育时间为主线,建立了系统化和广适性的水稻适宜群体地上部植株养分指标的动态知识模型。本模型可为不同条件和产量目标下水稻栽培过程中的苗情诊断与生长调控提供定量化的养分指标动态体系。利用南京和常德2个不同生态点的常年逐日气象资料和品种资料对所建知识模型进行了实例分析,养分积累动态和养分浓度动态的RMSE分别为8.97.kg/hm2和0.32%,表明本知识模型对不同条件下的水稻植株养分指标适宜动态具有较好的预测性和指导性。 相似文献
10.
基于无人机高光谱影像的引黄灌区水稻叶片全氮含量估测 总被引：4，自引：14，他引：4
实时监测水稻氮素状况对于评估水稻长势及精准田间管理意义重大。为确定宁夏引黄灌区水稻叶片全氮含量的最优高光谱估测方法,该文依托不同氮素水平水稻试验,基于成像高光谱数据和无人机高光谱影像,综合运用统计分析及遥感参数成图技术,对比分析光谱指数与偏最小二乘回归方法预测水稻叶片全氮含量的精确度和稳健性。结果表明,以组合波段738和522 nm光谱反射率的一阶导数构成的比值光谱指数(ratio spectral index,RSI)构建的线性模型为水稻叶片全氮含量的最优估测模型(检验R2为0.673,均方根误差为0.329,相对分析误差为2.02);无人机高光谱影像反演的水稻叶片全氮含量分布范围(1.28%~2.56%)与地面实际情况较相符(1.34%~2.49%)。研究结果可为区域尺度水稻氮素含量的空间反演及精准农业的高效实施提供科学和技术依据。 相似文献
11.
水稻冠层光谱反射特征及其与叶面积指数关系研究 总被引：5，自引：0，他引：5
在水稻试验小区,通过人为控制的方法造成施N水平的差异,对水稻整个生长期内冠层光谱进行了比较系统、密集的测定,并测定了水稻几个重要生育期的叶面积指数。结果表明:随着施N水平的提高,水稻冠层光谱在各生育期呈现出一定的规律性,在近红外部分(760 ~ 1220 nm),冠层光谱反射率随着施N水平的提高而升高,而在可见光部分(460 ~ 710 nm),水稻冠层的光谱反射率反而逐渐降低。冠层光谱经差异显著性检验发现:水稻灌浆期以前,对施N水平最为敏感的波段是绿光(560 ~ 610 nm)和近红外(710 ~ 760 nm)部分;转换为归一化植被指数(NDVI)以后,差异最显著的是 (R760 - R560) / (R760 R560)。对叶面积指数与冠层光谱反射率的相关分析结果表明:在水稻抽穗期以前,叶面积与冠层光谱反射率相关性较差;而抽穗期以后,二者有较好的相关性。 相似文献
12.
基于波段深度分析和BP神经网络的水稻色素含量高光谱估算 总被引：2，自引：1，他引：1
该文以水稻田间氮肥水平试验为基础,采用单变量的线性和非线性回归方法,建立基于植被指数的水稻色素含量高光谱估算模型。各植被指数对色素含量的估计能力分析结果显示,植被指数在色素含量较大时存在饱和问题,为此尝试将波段深度分析(BDA)与BP神经网络结合,以提高利用高光谱技术对水稻叶片色素含量的估算精度。基于连续统去除处理的水稻冠层高光谱数据(400~750 nm),选取波段深度(BD)、波段深度比(BDR)、归一化波段深度(NBDI)和归一化面积波段指数(BNA)4种波段指数,在此基础上进行主成分分析(PCA)实现降维,然后采用反向传播(BP)神经网络方法对水稻叶片色素含量进行高光谱反演,探讨BDA与BP神经网络结合解决植被指数饱和问题的可能性和有效性。结果表明,波段深度分析突出了光谱吸收特征差异,挖掘了更多的潜在信息,使得光谱曲线的差异性得到增强。BD与BP结合的估算模型对水稻叶片中的类胡萝卜素含量估算精度最高(R~2=0.61,RMSEP=0.128 mg?g~(-1)),BNA与BP结合的估算模型对水稻叶片中的叶绿素含量估算精度最高(R~2=0.73,RMSEP=0.343 mg?g~(-1))。对比分析BDA与BP结合的模型和植被指数最佳回归模型的精度,发现波段深度分析建立的BP神经网络模型能较好地解决饱和问题,提高水稻叶片色素含量的估算精度。 相似文献
13.
直链淀粉含量是评价稻米品质的重要指标之一,其累积生长过程是多生育期、多因素综合作用的结果。为了探究多生育期信息引入对水稻籽粒直链淀粉含量监测模型的影响,实现水稻品质信息的大规模准确监测。该研究选取水稻孕穗期、抽穗期、灌浆期和成熟期这4个有关水稻籽粒形成发育的生育期的冠层光谱,分析原光谱、植被指数、高光谱特征参数,及其变换形式与水稻籽粒直链淀粉含量的相关性,筛选得到相关性较好的光谱变量,并利用逐步回归的方法进行建模,建立基于多生育期光谱变量的直链淀粉含量预测模型。结果表明:一阶导数、差值植被指数(Difference Vegetation Index,DVI)、比值植被指数(Ratio Vegetation Index, RVI)及成熟期特征参数表现出较高敏感性,最适用于直链淀粉含量预测的生育期为成熟期,而多生育期信息的综合利用能显著提高模型预测精度,最佳多生育期预测模型为孕穗-抽穗-成熟期组合模型,建模决定系数(Coefficient of Determination, R^2)为0.708,均方根误差(Root Mean Square Error, RMSE)为0.711%,平均绝对百分比误差(Mean Absolute Percent Error, MAPE)为3.22%,验证R2为0.631,RMSE为0.768%,MAPE为3.99%,证明该模型能较为精确地预测籽粒直链淀粉含量,为稻米品质指标大尺度统计监测提供一定的技术支撑和应用基础。 相似文献
14.
为了快速、无损地监测花生冠层LAI,获取其长势信息,于2014年通过大田试验选用5个品种花生作为供试品种,使用ASD FieldSpec HandHeld便携式野外光谱仪采集花生不同生育时期的冠层高光谱数据,同时使用SUNSCAN冠层分析系统实测花生冠层叶面积指数（LAI）,并应用光谱微分技术和统计分析技术,分别分析4种光谱形式和6种植被指数与LAI的相关关系,建立估算模型。结果表明：高光谱反射率及其光谱变换形式中最优波段与LAI的相关性均极显著,其中一阶微分光谱ρ'在793nm波段处构建的估测方程对花生冠层LAI的估算效果最好（r=-0.5391,P＜0.01,RE=0.2497）,其模拟值与实测值的拟合度达极显著水平（R=0.4435,P＜0.01）;一阶微分光谱ρ'在734nm波段处LAI的实测值与模拟值的拟合效果最好（R=0.5485,P＜0.01）。6种植被指数所选的最优组合波段与LAI均通过了0.01水平的显著性检验 （r≥0.5731,P＜0.01）,其中归一化植被指数NDVI[760,976]对花生冠层LAI的估算效果最好（r=-0.6421,P＜0.01,RE=0.2167）,模拟值与实测值的拟合度达极显著水平（R=0.6731,P＜0.01）,且优于ρ'对LAI的估算效果;LAI实测值与模拟值拟合效果最好的为DVI[760,976] （R=0.6893,P＜0.01）。研究结果表明一阶导数光谱和植被指数对花生冠层LAI的估算精度均较高,植被指数的估算精度尤高,研究同时进一步证实了导数光谱和植被指数能较好地消除土壤、大气等环境背景信息的影响。 相似文献
15.
地理加权回归模型结合高光谱反演盐生植物叶片盐离子含量 总被引：2，自引：0，他引：2
快速、无损地估算盐生植物叶片盐离子含量在植物生长监测、耐盐植物筛选和土壤盐渍化监测等方面有实用价值。该研究以新疆艾比湖保护区内盐生植物为研究对象,通过分析植物叶片盐离子(K~+、Na~+、Ca~(2+)、Mg~(2+))含量与冠层高光谱数据的光谱变换和二维植被指数(比值型植被指数(ratiovegetationindex,RVI)、差值型植被指数(difference vegetation index,DVI)、归一化型植被指数(normalized difference vegetation index,NDVI))的相关性选取特征波段,构建基于地理加权回归模型(geographically weighted regression,GWR)的叶片盐离子含量估算模型,并与BP神经网络模型(back propagation neural network)进行对比,研究基于GWR模型估算干旱区盐生植物叶片盐离子的可行性。结果表明,选取特征波段集中表现在红及短波红外波段:K~+含量在反射率倒数的对数选取的红光区域内波段使用GWR估算效果最佳;Na~+的特征波段在光谱变换下集中于短波红外区域,二维植被指数集中在近红外、短波近红外及黄、橙、红区域,各种波段选取下GWR对Na~+的含量估算均有较好效果,但反射率对数的一阶估算效果最好;Ca~(2+)含量在反射率平方根的一阶微分下选取的短波红外波段通过GWR模型估算效果最好;Mg~(2+)含量在DVI选取的位于红光区域特征波段估算效果最佳,但使用GWR模型对Mg~(2+)的估算精度不及BP模型。分析基于GWR盐离子模型估算模型发现,含量较高的离子估算效果更好,K~+、Na~+的模型精度优于Ca~(2+)、Mg~(2+)。在使用GWR模型估算植物叶片盐离子含量时,特征波段均指向红及短波红外波段,符合植被光谱机理的响应。 相似文献
16.
采用GA-ELM的寒地水稻缺氮量诊断方法 总被引：2，自引：3，他引：2
为快速、准确、无损实现寒地水稻缺氮量的诊断。该文基于田间试验系统采集的资料,研究东北粳稻氮素含量的亏损或富余与光谱反射率差值之间的关系,并建立东北粳稻氮素含量差值的反演模型。该文采用高光谱反演水稻的缺氮量,并为实施精准施肥提供参考依据,达到减肥不减产的目的,采用产量最高的原则来构建标准氮素含量与标准光谱反射率,并在此基础上,将获取的水稻叶片氮素含量和叶片光谱反射率分别与标准氮素含量和标准光谱反射率做差,得到氮素含量差值和光谱反射率差值,然后对光谱反射率差值分别采用离散小波多尺度分解、连续投影法(successive projections algorithm,SPA)和构建植被指数的方法进行降维处理,将处理后的结果分别作为偏最小二乘(partial least squares regression,PLSR)、极限学习机(extreme learning machine,ELM)和遗传算法优化极限学习机(genetic algorithm-extreme learning machine,GA-ELM)的建模输入,构建东北粳稻氮素含量差值的反演模型。结果分析表明:采用离散小波多尺度分解的结果建立的GA-ELM反演模型预测效果最好,训练集与验证集的R2均在0.7062以上,均方根误差(root mean square error,RMSE)均低于0.51mg/g以下,在预测能力、稳定性和泛化性上比PLSR和ELM的预测模型有明显提高。 相似文献
17.
CropspecTM是一种基于735 nm 和808 nm的车载式主动作物冠层光谱传感器,能够快速、无损地检测作物氮素营养状态。为了评价其检测精度,针对农大8号和京农科等2种玉米作物品种,使用该检测系统在拔节期采集作物冠层在808nm和735nm波段处的反射率。然后组合计算了DVI735, NDVI735, PVI735和 RDV735 等常规的植被指数,并基于RVI735构造了一种新的植被指数MRVI735。通过分析各植被指数与叶绿素含量指标SPAD值之间的相关关系得出 :对于农大8号,MRVI735、NDVI735和RVI735与叶绿素含量指标的相关性较好,相关系数分别是:-0.7482、-0.6763和-0.6786,达到强相关水平。对于京农科,NDVI735、MRVI735和RVI735与叶绿素含量指标的相关性较好,相关系数分别是:0.7270、0.7252和0.7245,达到强相关水平。对于2个玉米品种,都分别选取了相关系数最好的一个和两个植被指数为参数,分别建立了一元线性回归模型和二元线性回归模型。农大8号的一元模型和二元模型的R2 相似文献
18.
通过大田小区试验,测定了2个品种、3个供氮水平处理的水稻抽穗后不同时期冠层的光谱反射率、叶面积指数及最后的理论产量和实际产量,模拟MSS、TM、SPOT、资源一号CCD相机、IKONOS、MODI S和高光谱的波段来构建光谱差值植被指数DVI、比值植被指数RVI、差值归一化植被指数NDVI和绿度G,并模拟建立遥感估产模式.结果表明:单变量估产模式以差值植被指数DVI效果最好,蜡熟期估产效果要优于抽穗期和灌浆期;多时期复合估产模式估产效果要优于单一生育期;成熟期各种数据的DVI估产模式具有相近估产精度,达91%以上,其中MSS波段的估产精度最高. 相似文献