共查询到18条相似文献，搜索用时 171 毫秒
1.
利用2019年长江中下游早籼稻早中熟组种质资源为材料,分析主要生育期冠层光谱反射率与籽粒粗蛋白含量的关系,筛选出可用于早籼稻籽粒粗蛋白含量预测的敏感生育期和敏感波长,建立了基于敏感波长和光谱参数的籽粒粗蛋白的一元线性、多元线性、指数和多项式预测模型,用决定系数（R 2）、均方根误差（RMSE）和相对误差（RE）对模型精度进行评价,以期找到估测早籼稻籽粒粗蛋白含量的最适模型。研究发现,在孕穗期514、580、638和695nm波长处冠层一阶微分光谱反射率与籽粒粗蛋白含量相关性达到极显著水平;在基于敏感波长的估测模型中,四元线性模型估测效果最佳,其建模集R 2、RMSE和RE分别为0.566、0.342%和2.874%,验证集R 2、RMSE和RE分别为0.518、0.154%和1.303%;在基于光谱参数构建的估测模型中,DSI(R′514和R′638)为自变量构建的多项式模型估测效果较优,其建模集R 2、RMSE和RE分别为0.638、0.312%和2.639%,验证集R 2、RMSE和RE分别为0.581、0.230%和2.307%。 相似文献
2.
作物产量估测关系到人民生活质量和国家粮食安全问题,在田块尺度下及时准确估算产量,对于农事操作管理、收获、销售及种植计划制定均具有重要意义。选择地势起伏及空间差异较大的农田为研究区,利用低空无人机遥感平台搭载多光谱相机、热红外相机和RGB相机,同步获取小麦关键生育时期的无人机遥感影像,并提取光谱反射率、热红外温度和数字高程信息。首先统计不同地形特征下遥感参数和生长指标的空间变异情况,分析植被指数和温度参数与小麦产量的相关性,然后利用多元线性回归(multiple linear regression, MLR)、偏最小二乘回归(partial leastsquaresregression,PLSR)、支持向量机回归(supportvectormachineregression,SVR)和随机森林回归(random forest regression, RFR) 4种机器学习方法以单模态数据和多模态遥感信息融合2种方式进行建模,比较单模态数据和多模态数据融合的产量估测能力。结果表明,坡度是影响作物生长和产量的重要因子,3个生育期内,不同坡度等级下遥感参数差异明显,土壤含水量、植株含水量和地上... 相似文献
3.
基于高光谱分数阶微分估测烟叶SPAD值,旨在提升高光谱数据估测烟叶SPAD值的准确度。首先,确定估测烟叶SPAD值的最优变换方式,并进行分数阶微分处理;然后,基于相关性分析、袋外数据(OOB)重要性、随机森林(RF)相结合的方法,筛选特征波长;最后构建烟叶SPAD值估测模型。结果表明：（1）估测烟叶SPAD值的特征波长主要有绿波段(499、500 nm),红边波段(634、636、702、703、732 nm)、近红外波段(972、1286、1289、1295、1298、1316 nm)、短红外波段(1450、1453、1456、1806 nm)。（2）以1.9阶次的特征波长所构建的RF-SPAD模型的精度最高,R2=0.690,较0、1、2阶次分别提高了22.1%、42.6%、87%,RMSE=2.799,比0、1、2阶分别减少了13.5%,20.2%,27.8%。利用1.9阶次特征波长构建的RF-SPAD模型较整数阶次模型有效提高了烟叶SPAD值的估测精度,为高光谱分数阶微分技术估测SPAD值提供了新的思路。 相似文献
4.
为克服光学卫星遥感只能获取表层土壤光谱信息而不能用于直接估测耕层土壤含水量的局限性,建立基于表层土壤高光谱的耕层土壤含水量间接估测模型。以山东省济阳县85个潮土样本的含水量及高光谱数据为基础,根据表层与耕层土壤含水量的内在关系,建立耕层土壤含水量间接光谱估测模型。结果表明,表层土壤光谱反射率的对数变换效果较好,以1339、1457、1745、1969、1996 nm波段的对数变换值为估测因子,采用多元线性回归模型建立的表层含水量估测模型的决定系数为R 2=0.8911,平均相对误差为13.67%;土壤耕层与表层含水量之间存在着显著的相关性,R 2=0.8131;耕层土壤含水量间接光谱估测模型的精度较高,决定系数R 2=0.8138,平均相对误差为9.66%。研究表明,山东省济阳县潮土表层、耕层含水量之间存在着显著的相关性,利用表层土壤光谱间接估测耕层土壤含水量是可行有效的。 相似文献
5.
基于光谱特征与PLSR结合的叶面积指数拟合方法的无人机画幅高光谱遥感应用 总被引：2，自引：0，他引：2
以冬小麦LAI为研究对象,利用孕穗期、开花期和灌浆期获取的无人机UHD185高光谱影像以及同步测定的地面数据(冬小麦冠层ASD反射率和冬小麦LAI),论证光谱特征(红边参数或植被指数)与偏最小二乘回归算法结合的改进型LAI拟合方法在无人机画幅高光谱遥感LAI探测方面的应用价值。首先,从光谱反射率相关性和植被指数相关性两方面比较UHD185与ASD,验证UHD185数据精度;结果表明,第3~第96波段(458~830 nm)的无人机UHD185高光谱数据具有较好的光谱质量,适宜探测冬小麦LAI。其次,分析光谱特征(6种植被指数和4种红边参数)与LAI的相关性,并通过独立验证和交叉验证方法,依次对基于红边参数或植被指数的传统LAI拟合方法和改进型LAI拟合方法的冬小麦LAI预测精度进行评价,相比于传统LAI拟合方法,改进型LAI拟合方法能大幅度提高冬小麦LAI的预测精度,特别是PLSR+REP。研究结果证实,改进型LAI拟合方法能更加充分地利用无人机UHD185高光谱数据预测冬小麦LAI,可望为无人机高光谱遥感的作物理化参数探测提供几点可借鉴的思路。 相似文献
6.
有机质是反映橡胶园土壤养分状况的重要指标，其含量快速、高精度估算模型的建立，可以更好地指导胶园精细化生产管理。本研究从景洪市东风农场采集到225个橡胶园土壤样品，并获取土壤样品的光谱反射率和有机质含量数据，对光谱反射率进行噪声波段去除和重采样后，应用3种方法[log(1/R)、MSC、SNV]对重采样后的光谱反射率R进行光谱变换处理，然后对光谱反射率R以及3种变换形式光谱数据进行SG平滑或导数变换模式优选，得到最佳的光谱变换模式为log(1/R)结合SG平滑变换，其中，SG平滑变换模式为导数阶数0、SG滤波窗口5、多项式次数2或3。基于最佳光谱变换光谱数据与土壤有机质含量数据，选择CARS、SPA、CARS-SPA等3种方法提取特征波长，并采用MLR、PLSR和SVR3种方法构建土壤有机质高光谱估算模型。结果显示，CARS-SVR模型估算精度最高，R2、RMSE、RPD分别为0.897、3.990 g/kg、2.947。建立的云南山地胶园土壤有机质含量高光谱最优估算模型，RPD位于2.5～3.0之间，具有很好的估算能力。 相似文献
7.
玉米和大豆LAI高光谱遥感估算模型研究 总被引：6，自引：2，他引：4
以ASD FieldSpec光谱仪实测了不同生长季的大田玉米、大豆的冠层高光谱与作物的叶面积指数LAI。采用单变量线性与非线性拟合和逐步回归分析的方式,建立了玉米、大豆LAI高光谱遥感估算模型,并对模型的估算结果进行了初步分析。分析结果表明,绿光波段反射峰区、红光波段以及近红外区的单波段反射率与作物的LAI有较强的相关性,而其他波段的反射率与作物的LAI的相关性相对较弱;以高光谱的窄波段构造的NDVI和RVI与作物的LAI的相关程度高,回归模型的预测水平高;而以多波段逐步回归方式构造的统计模型的预测效果最好。 相似文献
8.
本研究旨在探究大气CO2浓度升高对冬小麦全生育时期冠层光谱特征的影响,并基于筛选的敏感波段建立地上生物量(AGB)与光谱参数的定量关系。为此,在2021—2022年的冬小麦生长季,利用开放式CO2富集系统(Mini-FACE),设定大气CO2浓度(ACO2,(420±20)μL L-1)和高CO2浓度(ECO2,(550±20)μL L-1)两个处理水平,分析了高CO2浓度下光谱特征变化,基于连续投影算法(SPA)、逐步多元线性回归(SMLR)和偏最小二乘法回归(PLSR)筛选AGB敏感波段并构建估算模型。结果表明:CO2浓度升高使冬小麦拔节期和开花期AGB显著增加。红边和近红边反射率及红边面积在拔节期增加,在开花期和灌浆期降低,蓝边、黄边和红边位置在不同生育时期均发生移动;AGB的敏感光谱波段主要分布在红边和近红边区域,CO2浓度升高缩小了AGB... 相似文献
9.
基于无人机多光谱遥感的冬小麦叶绿素含量反演及监测 总被引：2，自引：2，他引：0
旨在实现冬小麦各生育期叶绿素含量的准确估测,探究其时空变化规律。利用无人机获取冬小麦越冬期、返青期、拔节期、孕穗期和灌浆期的高分辨率多光谱图像,同时采集地面SPAD数据。选取三类光谱参数建立反演模型,优选出各生育期的最佳预测模型,并定量监测试验区冬小麦叶绿素含量时间变化和空间分布。结果表明：原始波段模型和波段倒数对数模型分别为越冬期及其他生育期叶绿素含量预测的最佳模型,拟合精度R2>0.59;时空分布上,灌浆期前试验区冬小麦叶绿素含量呈南北高、中部低特点,灌浆期则呈北高南低的趋势,叶绿素含量从越冬期到拔节期逐步增加,拔节期到孕穗期开始降低,孕穗期到灌浆期则大幅度降低。本研究建立的倒数对数预测模型,精度较高,且适用于返青到灌浆的4个生育期,对于试验区冬小麦叶绿素含量有较好的时空监测效果。 相似文献
10.
研究旨在对不同颗粒大小的土样进行土壤有机质含量高光谱估算建模,以期得到土样制备时合适的土样颗粒大小,减少不必要的工作量。笔者对过10、20、60、100目筛的土样进行高光谱数据测量,并对光谱数据进行反射率(R)、反射率一阶导数(R’)和反射率倒数对数[Log(1/R)]3种光谱数据变换,然后运用偏最小二乘回归法(PLSR)、支持向量机法(SVM)和PLSR-SVM相结合的方法建立土壤有机质含量估算模型。研究结果表明：土壤颗粒大小对土壤光谱反射率有明显影响,颗粒越小,土壤光谱反射率越高;运用PLSR-SVM建立的SOM估算模型比只利用PLSR或SVM建立的模型精度高;当土壤颗粒大小＜0.25 mm时,对于SOM光谱估算模型精度的提高没有太大的帮助。该试验为进行土壤有机质含量高光谱估算制备土样提供指导。 相似文献
11.
类胡萝卜素(Car)与叶绿素a含量比值(Car/Chla)的变化与植被生长发育变化、环境胁迫及叶片衰老特征等密切相关,可作为植被生理生态及物候的监测指标。不同植被类型和植被品种其色素变化随植被生长发育呈现出不同的变化特征。为了探究适用于干旱区棉花Car/Chla比值估算的光谱指数和估算方法,本研究通过2011年和2012年连续2年的大面积田间试验,获取了棉花不同生育期的叶片及冠层尺度光谱反射率及色素含量信息,对多种光谱指数及偏最小二乘回归(Partial Least Square Regression, PLSR)用于Car/Chla比值和Car估算进行了探讨。对比表明,基于光化学指数(PhotochemicalReflectanceIndex,PRI)的线性和一元二次模型对Car/Chla比值和Car的估算精度最高,由PRI-Car/Chla线性模型得到的叶片和冠层尺度的Car/Chla比值估算值与实测值之间的决定系数R2大于0.6, PRI-Car的R2大于0.36;基于PLSR模型得到的Car/Chla比值估算值与实测值之间的拟合关系略优于基于PRI的估算模型,由其得到的叶片及冠层尺度Car/Chla比值估算值与实测值之间的决定系数R2大于0.80,Car估算值与实测值之间R2大于0.73;不论基于PRI还是基于PLSR方法,对Car/Chla比值的估算精度均高于Car含量,该结论进一步证实了Car/Chla比值遥感监测的可行性,丰富了对棉花生长高温胁迫、养分胁迫等环境胁迫及病虫害等遥感监测的依据指标。 相似文献
12.
Nitrogen deficiency effects on plant growth, leaf photosynthesis, and hyperspectral reflectance properties of sorghum 总被引：11，自引：0，他引：11
Duli Zhao K. Raja Reddy Vijaya Gopal Kakani V.R. Reddy 《European Journal of Agronomy》2005,22(4):391-403
An experiment was conducted under outdoor pot-culture conditions to determine effects of nitrogen (N) deficiency on sorghum growth, physiology, and leaf hyperspectral reflectance properties. Sorghum (cv. DK 44C) was seeded in 360 twelve-litre pots filled with fine sand. All pots were irrigated with half-strength Hoagland's nutrient solution from emergence to 25 days after sowing (DAS). Thereafter, pots were separated into three identical groups and the following treatments were initiated: (1) the control (100% N) continued receiving the half-strength nutrient solution; (2) reduced N to 20% of the control (20% N); and (3) withheld N from the solution (0% N). Photosynthetic rate (Pn), chlorophyll (Chl) and N concentrations, and hyperspectral reflectance of the uppermost, fully expanded leaves were determined at 3- to 4-day-interval from 21 to 58 DAS during the N treatments. Plants were harvested 58 DAS to determine effects of N deficiency on leaf area (LA), biomass accumulation, and partitioning. Nitrogen deficiency significantly reduced LA, leaf Chl content and Pn, resulting in lower biomass production. Decreased leaf Pn due to N deficiency was mainly associated with lower stomatal conductance rather than carboxylation capacity of leaf chemistry. Among plant components of dry weights, leaf dry weight had the greatest and root dry weight had the smallest decrease under N deficiency. Nitrogen-deficit stress mainly increased leaf reflectance at 555 (R555) and 715 nm (R715) and caused a red-edge shift to shorter wavelength. Leaf N and Chl concentrations were linearly correlated with not only the reflectance ratios of R405/R715 (r2 = 0.68***) and R1075/R735 (r2 = 0.64***), respectively, but also the first derivatives of the reflectance (dR/dλ) in red edge centered 730 or 740 nm (r2 = 0.73–0.82***). These specific reflectance ratios or dR/dλ may be used for rapid and non-destructive estimation of sorghum leaf Chl and plant N status. 相似文献
13.
GF-1和MODIS影像冬小麦长势监测指标NDVI的对比 总被引：3，自引：0，他引：3
作物长势是农情遥感监测的重要内容之一。长期以来, 作物长势遥感监测主要基于卫星影像反演的相关植被参数, 如归一化植被指数(NDVI, normalized difference vegetation index)、叶面积指数(LAI, leaf area index)等。本文通过对比研究16 m分辨率GF-1卫星影像及250 m分辨率MODIS影像的NDVI与冬小麦综合茎数、株高、叶绿素浓度之间的关系, 尝试建立遥感监测作物长势指标与地面实测作物长势指标的定量关系。研究发现GF-1 的NDVI与冬小麦综合茎数的相关性最高(R 2=0.8961), 而与其他指标相关性较弱; MODIS的 NDVI指数与冬小麦综合茎数相关性较低(R 2=0.4432), 对作物长势的遥感监测精度较低。统计MODIS冬小麦像元内GF-1像元的NDVI平均值, 并与MODIS的NDVI对比, 发现两者之间的相关性较低(R 2=0.3944); 在消除MODIS与GF-1影像传感器光谱响应函数差异及NDVI尺度效应后, MODIS影像的冬小麦作物长势遥感监测精度得到一定提高(R 2=0.4633)。对MODIS像元内GF-1 NDVI标准差排序发现, MODIS像元内冬小麦长势一致性越高, MODIS的长势遥感监测精度越高。GF-1和MODIS影像NDVI长势监测主要代表地面冬小麦综合茎数, 且卫星影像分辨率越高, NDVI值越能反映实际的作物长势。MODIS像元内冬小麦长势一致性越高, 基于NDVI的MODIS与GF-1数据冬小麦长势监测结果越一致。从区域长势监测角度来看, 尽管MODIS与GF-1数据的监测结果趋势较为一致, 并且通过光谱、尺度归一化能够进一步提高监测结果的一致性, 但MODIS NDVI长势监测总体精度较低, 为满足作物长势精细化监测的业务需要, 应逐步使用高分辨率的遥感数据替代中低分辨率遥感数据进行作物长势遥感监测, 并将其作为长势监测业务化运行的研究重点。 相似文献
14.
叶面积指数(leaf area index,LAI)是监测作物生长状况的重要参数,准确、快速、大面积估算LAI不仅有助于更好地监测农作物,而且也有助于其在建模、总体作物管理及精准农业中的应用。本研究为了利用国产遥感影像快速、大面积反演冬小麦LAI,以GF-1/2影像作为数据源,提取常用植被指数,结合不同生育期(起身期、拔节期、开花期)实测LAI数据,建立反演冬小麦LAI的单变量和多变量经验模型,并对其进行验证。结果表明,GF-1起身期、GF-1拔节期以及GF-1开花期提取的植被指数中,MSR(modified simple ratio)、GNDVI(green normalized difference vegetation index)、EVI(enhanced vegetation index)与LAI间的相关系数最大,分别为0.708、0.671和0.743,说明这些植被指数与冬小麦LAI间的相关性较显著;GF-1不同生育期的反演模型相比,基于拔节期GNDVIGF-1建立的二次多项式模型和基于开花期EVIGF-1、GSRGF-1(green simple ratio)、NDVIGF-1(normalized difference vegetation index)建立的PLSR(partial least squares regression)模型R2最大,均为0.783,PLSR模型的RMSE小于二次多项式模型,说明该多变量模型的稳定性优于单变量模型;同一个生育期不同影像相比,基于GF-2的NDVIGF-2建立的二次多项式模型和基于NDVIGF-2、MSRGF-2、SAVIGF-2(soil-adjusted vegetation index)建立的PLSR模型精度高于基于GF-1的2种模型,R2分别为0.768和0.809;不同生育期反演的LAI分布图表明,LAI反演值与实测LAI值基本吻合。以上研究结果说明国产高分辨率遥感影像在农作物生理参数反演中有一定的应用价值,可以为以后的相关研究提供一定的参考。 相似文献
15.
为探究异源精子诱导彭泽鲫雌核发育产生子代生长性能,以彭泽鲫为母本,彭泽鲫、团头鲂、翘嘴鲌、鱤为父本构建4个雌核发育组合,测定各组合子代不同日龄体长、体重。结果表明：整个实验过程（0~180天）,各组合生长速度差异显著(P<0.05),彭泽鲫与翘嘴鲌(P-Q)和彭泽鲫与鱤(P-G)显著大于彭泽鲫与团头鲂(P-T)和彭泽鲫自交(P-P);对比各组合肥满度,发现150日龄时各组合肥满度出现显著性差异(P< 0.05),其中P-Q(3.9945)与P-G(3.7819)显著高于P-T(3.3459)与P-P(3.3697);拟合各日龄体长、体重数据,得到各组合生长曲线公式如下：P-P：W=0.0627L2.6705,R2=0.9822;P-T：W=0.0644L2.6469,R2=0.9917;P-Q：W=0.0284L2.9609,R2=0.9813;P-G：W=0.0648L2.6586,R2=0.9697。本研究结果表明：不同精子诱导彭泽鲫,子代均能够正常生长,且生长速度出现显著性差异。彭泽鲫与翘嘴鲌雌核发育子代生长性能优于其他组合,具有潜在的推广前景。 相似文献
16.
为及时、准确地监测土壤含水量（SMC），采用室内条件下人工模拟不同SMC环境的方法，通过测定各时间段的SMC及其对应的土壤光谱反射率，运用连续投影算法（SPA）提取土壤水分的特征波长，结合多元线性回归（MLR）方法，构建SMC的高光谱定量监测模型。结果表明，光谱反射率随着样本SMC的增加而逐渐降低，二者存在明显的负相关关系；采用SPA方法提取的光谱特征波段为422、629、817、976、1121、1258、1359、1448、1830和2022nm；构建的SPA-MLR土壤水分高光谱监测模型表现出良好的预测效果（校正集的R2=0.930、RMSE=8.845、RPD=3.794，验证集的R2=0.927、RMSE=8.799、RPD=3.581）。研究结果可为土壤水分的高效精准监测提供一定的实践探索和理论参考。 相似文献
17.
旨在研究果园土壤有机质与土壤氮素养分的相关性与空间分布变化,为果园土壤的可持续利用提供依据。对庆阳苹果主产区30个果园土壤有机质含量和土壤氮素养分进行农化分析。结果表明：0~20 cm果园土壤有机质与全氮含量的相关关系为y=0.055x+0.140,相关系数R2=0.940,土壤有机质与碱解氮含量的相关关系为y=3.061x+26.65,相关系数R2=0.414,土壤全氮与碱解氮含量的相关关系为y=55.28x+18.83,相关系数R2=0.441;20~40 cm果园土壤的有机质与全氮含量的相关关系为y=0.045x+0.250,相关系数R2=0.721,土壤的有机质与土壤碱解氮含量的相关关系为y=2.237x+23.84,相关系数R2=0.158,土壤的全氮与碱解氮含量的相关关系为y=57.47x+5.141,相关系数R2=0.298。 相似文献
18.
基于随机森林法的棉花叶片叶绿素含量估算 总被引：3，自引：0，他引：3
为了高效和无损地估算棉花叶片的叶绿素含量,本研究测定了棉花光谱反射率及叶绿素含量(soilandplant analyzerdevelopment,SPAD)值,对光谱数据进行包络线去除处理、立方根转换和倒数转换,以SPAD值与反射光谱之间的相关性为基础,通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段,构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression,PLSR)两个模型。结果表明,在605～690nm范围内的反射率与SPAD值相关性达0.01显著水平,均呈负相关,相关系数最高值为-0.619。与原始光谱相比,经过变换后的棉花反射率与SPAD值相关性结果相差较大,其中去除包络线光谱在550～750 nm波段范围有效提高了相关性,相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段,进而提高模型估算精度。在两种模型中,基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R~2分别为0.92、0.83,说明这两种模型的估算能力较好;两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%,表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。 相似文献