共查询到10条相似文献，搜索用时 15 毫秒
1.
作物叶片氮含量的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义。该文以经济作物生姜为研究对象,获取了2015年4月-9月不同品种、不同生育期和不同氮肥梯度下生姜叶片的高光谱和氮含量数据,对比分析了比值植被指数、归一化植被指数、植被指数组合形式对生姜叶片氮含量的估算效果。在此基础上,基于波段组合算法,筛选出了生姜叶片氮含量的敏感波段,并构建了两个新型光谱指数NDSI_((754,713))和RSI_((754,713))。结果表明,所选择的植被指数中,MCARI(705,750)/OSAVI(705,750)对生姜叶片氮含量估算效果最好,模型精度R~2、RMSE和RE分别为0.73、0.27、11.64%;利用波段组合算法构建的归一化光谱指数NDSI(754,713)对生姜叶片氮含量估算效果要优于MCARI(705,750)/OSAVI(705,750),模型估算精度R~2达0.83,使用的敏感波段713 nm与754 nm均位于植被的"红边"区域。对所建模型进行验证,叶片氮含量的预测值和实测值具有较好的一致性,验证样本R~2为0.78,RMSE为0.20,RE为9.81%。上述分析结果可为农业管理部门及时掌握生姜长势信息、制定施肥策略提供技术支持。 相似文献
2.
不同光谱植被指数反演冬小麦叶氮含量的敏感性研究 总被引：6，自引：0，他引：6
【目的】氮素是作物生长发育过程中最重要的营养元素之一,研究叶氮含量反演的有效光谱指标设置,为应用高光谱植被指数反演作物叶氮含量,以及作物的实时监测与精确诊断提供重要依据。【方法】以冬小麦为例,选取涵盖冬小麦全生育期不同覆盖程度225组冠层光谱与叶氮含量数据,通过遥感方法建立模型,模拟了不同光谱指标,即中心波长、信噪比和波段宽度对定量模型的影响,通过模型精度评价指标决定系数(coefficient of determination,R~2)、根均方差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、平均相对误差(mean relative error,MRE)和显著性检验水平(P0.01)确定最优模型及最佳指标,分析光谱指标对叶氮含量定量模型反演的敏感性和有效性。【结果】反演冬小麦叶氮含量的最佳植被指数为MTCI_B,与实测叶氮含量的相关性最好(R~2=0.7674,RMSE=0.5511%,MAE=0.4625%,MRE=11.11个百分点,且P0.01),对应的最佳指标为中心波长420 nm、508 nm和405 nm,波段宽度1 nm,信噪比大于70 DB;高覆盖状况反演的最优指数为RVIinf_r(R~2=0.6739,RMSE=0.2964%,MAE=0.2851%,MRE=6.44个百分点,且P0.01),最优中心波长为826 nm和760 nm;低覆盖状况反演的最优指数为MTCI(R~2=0.8252,RMSE=0.4032%,MAE=0.4408%,MRE=12.22个百分点,且P0.01),最优中心波长为750 nm、693 nm和680 nm;应用最适于高低覆盖的植被指数RVIinf_r和MTCI构建的联合反演模型(R~2=0.9286,RMSE=0.3416%,MAE=0.2988%,MRE=7.16个百分点,且P0.01),明显优于最佳单一指数MTCI_B;模拟Hyperion和HJ1A-HSI传感器数据,联合反演模型精度(R~2为0.92—0.93,RMSE在0.37%—0.39%,MAE为0.285%左右,MRE约为7.00个百分点)明显优于单一植被指数反演精度(R~2为0.79—0.81,RMSE为0.63%—0.66%,MAE为0.455%左右,MRE约为10.90个百分点)。【结论】利用高光谱植被指数可有效实现作物叶氮含量反演,作物叶氮含量定量反演对不同光谱指标—中心波长、信噪比和波段宽度,具有较强敏感性。应用多指数联合反演模型,可显著提高反演精度,并且联合反演模型在不同高光谱传感器下有一定普适性。 相似文献
3.
以水稻叶片光谱和光合入射有效辐射(PARin)为数据源,分别使用8种叶绿素相关植被指数和其与PARin的乘积对珞优9348和丰两优4号品种水稻叶片在3种氮肥浓度下的净光合速率进行反演,建立不同氮肥水平下,品种无关的水稻叶片净光合速率估算模型,并验证精度。结果表明:1)仅基于叶绿素相关植被指数反演叶片净光合速率是不可行的,模型R~2均0.48;2)考虑区分品种与氮浓度,使用叶绿素相关植被指数与PARin的乘积来反演叶片净光合速率可以显著提高模型精度,植被指数CI(Chlorophyll Index, CI)反演效果最好,R~2均0.75,RMSE不超过1.85μmol/(m~2·s);3)区分高、低氮水平进行反演,基于CI的模型R~2分别为0.80和0.89,RMSE分别为1.25和1.37μmol/(m~2·s),可满足反演需求。因此,基于叶绿素植被指数CI的模型可适用于不同品种的水稻叶片净光合速率统一反演。 相似文献
4.
【背景】近年来随着遥感技术的快速发展，实时无损监测作物生长状况已成为当前研究热点，遥感获取的农情信息将为实现大面积作物精确管理提供指导。在众多遥感监测平台里，无人机因其操作简单、使用成本低等特点而受到广泛关注，无人机搭载多光谱相机可以快速获取作物的长势信息。【目的】尝试将固定翼无人机多光谱影像纹理信息与光谱信息结合，探究“图谱”信息对水稻长势指标的监测效果。【方法】通过开展两年涉及不同播期、品种、播栽方式、施氮水平的水稻田间试验，在水稻关键生育期使用固定翼无人机搭载Sequoia多光谱相机获取水稻冠层遥感影像，同步进行地上部破坏性取样以获取水稻叶面积指数(LAI)、地上部生物量(AGB)和植株氮含量(PNC)等农学指标，采用简单线性回归、偏最小二乘回归和人工神经网络回归算法，构建基于固定翼无人机多光谱影像的水稻长势指标监测模型，比较分析光谱纹理信息在不同模型中的监测效果。【结果】利用简单线性回归方法探究了植被指数(VI)、单波段纹理特征与水稻LAI、AGB和PNC间的定量关系，结果表明植被指数与LAI和AGB之间有较强的相关性，表现最好的植被指数为CIRE和NDRE,R 2分别为0.8... 相似文献
5.
[目的]为了实现烤烟氮碱量及氮碱比田间动态变化的实时无损监测,设计了基于MSR216型多光谱辐射计的烤烟氮碱量及氮碱比监测试验。[方法]设置2种施氮模式,以基于SPAD(叶绿素仪)值精准氮素施肥管理(阈值为43)进行建模,利用当地生产上农家常规施氮模式进行验证。用多光谱辐射计采集烤烟的冠层光谱数据,并对烤烟6个生长时期的氮碱量、氮碱比与可见光波段及近红外波段反射率组成的比值植被指数、归一化植被指数、差值植被指数进行相关性分析。[结果]叶片烟碱含量与归一化植被指数NDVI(870,510)的相关系数最高(r=0.900);全氮含量和氮碱比则与比值植被指数RVI(1 650,710)的相关系数最高(r=0.898、0.911)。氮碱量、氮碱比与植被指数均构建了最佳的监测模型,模型预测精度分别达到0.935、0.827、0.926,RMSE分别为0.574、0.553、1.245,预测效果较好。[结论]冠层光谱能够较好地监测和跟踪冠层氮碱量以及氮碱比的动态变化。 相似文献
6.
基于近地遥感的冬小麦生物量动态监测方法 总被引：1，自引：0，他引：1
《山东农业科学》2021,(3)
为探寻准确高效的冬小麦生物量动态监测方法,以2018—2020年SRS-NDVI观测仪监测数据为基础,将冬小麦生物量观测数据以返青期为界分为两个阶段。选取归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)、增强型植被指数(EVI2),计算逐日累积植被指数(CVI)并分别进行曲线拟合分析,建立回归模型,研究各植被指数与实测冬小麦生物量之间的关系。结果表明:冬小麦播种至返青期,最优模型为二次多项式,基于NDVI的累积植被指数模型估测精度最高,y=-0.0479x~2+7.0481x-25.5040,R~2为0.9829,均方根误差(RMSE)为9.61,平均相对误差(MRE)为10.51%;冬小麦返青至成熟期,最优模型为幂函数,最佳估测模型仍为基于NDVI的累积植被指数模型,y=0.0126x~(2.3938),R~2为0.9553,RMSE为150.25,MRE为10.22%。因此,基于NDVI的累积植被指数是冬小麦生物量动态监测的最佳方法,可为作物自动化观测提供新的思路和方法。 相似文献
7.
【目的】利用敏感波段构建适宜的植被指数,对于提高光谱技术诊断作物营养状况的精确度具有十分重要的意义。【方法】采用单因素随机区组设计的方法,通过设置5种不同施氮处理,研究夏玉米在吐丝期穗位叶光谱反射率与氮素含量的关系,进而比较了前人的植被指数与构建的8种不同形式宽窄波段组合植被指数的优越性,并对构建的氮素含量估测模型进行精度验证。【结果】穗位叶原始光谱反射率在近红外波段(700～1000 nm)随施氮量增加而升高,与氮素含量的变化表现一致;一阶导数光谱的红边位置随施氮量增加依次为698、703、709、714和714 nm,出现"红移"现象;利用氮素敏感波段构建宽窄波段组合的植被指数与叶片氮含量进行相关性分析,优于前人所采用的植被指数;植被指数[R(800-900)-R(692-729)]/R711和植被指数[R(800-900)+R(650-670)]/R711构建的乘幂函数估测模型检验精度较高,R~2和RMSE分别为0.92和0.09。【结论】利用氮素敏感波段构建的宽窄波段组合植被指数,提高了光谱参量与氮素含量的相关性,可以实现对夏玉米吐丝期氮素营养的诊断。 相似文献
8.
小麦籽粒蛋白质含量高光谱遥感预测模型比较 总被引：1，自引：0，他引：1
【目的】利用高光谱遥感技术实现冬小麦籽粒蛋白质含量的精准预测,比较筛选小麦籽粒蛋白质含量预测模型,实现优质小麦栽培生产。【方法】设置不同品质类型小麦品种和施氮量处理,测定开花期叶片叶绿素含量（SPAD）、叶片干物质质量（LDW）、地上生物量（AGB）、叶片氮含量（LNC）、叶片氮积累量（LNA）、叶面积指数（LAI）、植株氮含量（PNC）、植株氮积累量（PNA）和氮营养指数（NNI）9个农学参数及小麦冠层光谱,通过一阶导数和偏最小二乘法,构建基于不同农学参数的小麦籽粒蛋白质含量高光谱预测模型。【结果】一阶导数处理可以提高光谱数据与农学参数的相关性。运用偏最小二乘法构建的高光谱农学参数估测模型中以SPAD的模型建模精度与验证精度相对较优,建模集决定系数R2与预测集标准均方根误差nRMSE分别为0.99和4.10%;NNI反演模型验证结果较好,相对预测偏差RPD为2.04;利用线性回归构建的农学参数-籽粒蛋白质预测模型中以LNC的建模精度与验证精度最佳,其建模集R2、预测集均方根误差RMSE和RPD分别为0.64、0.79和2.11。最终构建的“... 相似文献
9.
基于冬小麦冠层高光谱的干生物量监测 总被引：1，自引：0，他引：1
冬小麦地上干生物量(AGB)能够表征麦田生态系统生产力的大小,提取AGB光谱特征信息和实现其准确估算,对于掌握冬小麦长势情况具有重要的作用。基于连续2 a的氮运筹试验,利用连续投影算法(SPA)提取原始光谱和一阶微分光谱的重要波段,并基于所提取的光谱特征利用多元线性回归(MLR)方法构建AGB的光谱监测模型。结果表明,利用SPA算法可有效降低光谱维度,基于原始光谱所筛选的重要波段分别为528,671,734,910,1 235 nm,而基于一阶微分光谱所筛选的波段为530,669,740,817,1 209 nm;基于一阶微分处理所建立的模型校正集与验证集模型均达到了较高的精度,Y=-5.01+2 043.86R530-7 772.11R669+348.54R740+14 462.04R817+14 196.13R1209,其R2,RMSE和RPD分别为0.72,1.92 t/hm2和2.53;验证集R2和RMSE分别为0.67,2.25 t/hm2。研究表明,结合SPA和MLR可以实现冬小麦AGB的实时估算,研究结果对冬小麦生长状况监测具有一定的参考价值。 相似文献
10.
基于冠层反射光谱的水稻追氮调控效应研究 总被引：4，自引：2，他引：2
【目的】利用实时冠层反射光谱监测水稻(Oryza sativa)植株氮素营养状况并推荐氮肥追用量,以实现高产、优质、高效水稻生产。【方法】基于不同基施氮量处理,利用水稻拔节期的差值植被指数(differential vegetation index,DVI)实时估测植株氮积累量,进而根据构建的追氮调控模型精确估算穗肥用量,最后研究基于反射光谱的水稻追氮调控效应。【结果】不同基施氮量处理下的水稻植株在穗肥施用期的氮素积累状况差异较大,基于追肥调控模型,高施基氮量处理的追氮量较对照调低(高氮低调),中施基氮量处理的追氮量较对照微高(中氮微调),而低施基氮量处理的追氮量较对照显著调高(低氮高调)。追施氮肥后,各调控处理间的植株氮含量(PNC)和差值植被指数(DVI)逐渐趋于一致。而调控处理的叶片净光合速率(Pn)和氮肥农学利用率较各自对照明显提高,并获得了更高的经济效益。与常规高产施氮处理相比,低氮高调、高氮低调处理Pn、干物质积累量、氮积累量、产量以及氮肥农学利用率等均有所提高。【结论】与传统非定量经验施肥相比,基于反射光谱的水稻追氮调控技术根据植株氮积累量和土壤供氮量而精确量化氮肥追用量,是一种较好的追肥精确管理技术。 相似文献