共查询到19条相似文献，搜索用时 421 毫秒
1.
2.
基于无人机图像的小麦主要生育时期LAI估算 总被引：1，自引：1，他引：0
LAI是表征作物生长状况的重要指标之一。为了快速无损监测小麦LAI，设置了3个密度和4个氮肥水平以形成不同的小麦生长群体，利用无人机搭载的RGB相机获取田间图像，并同步取样测定LAI。在小麦越冬期、返青期、拔节期、开花期和灌浆期选取R、G、B构建的9种颜色特征指数，与实测的LAI进行相关性分析。结果表明，在小麦生长前期（越冬期、返青期），颜色指数与LAI的相关性均较弱，而到了生育后期（拔节期、开花期、灌浆期），所有颜色指数与LAI的相关性均达到了极显著水平。选出常用的指数、线性、对数、多项式和幂函数等模型中R2最大的作为最终的估算模型，用以估算拔节期、开花期、灌浆期这三个时期的小麦LAI。通过实测的LAI对估算模型的验证，模型可靠且准确率较高。上述结果为作物田间LAI快速测量提供了新的手段。 相似文献
3.
温室网纹甜瓜叶面积与光合生产模拟模型研究 总被引：10，自引：0，他引：10
依据温室温光条件与甜瓜单株叶面积的关系,建立了甜瓜叶面积指数(LAI)模型,结合已有的光合作用驱动的作物生长模型,建立了适合我国种植技术的甜瓜光合作用与干物质积累动态模型。利用不同基质、品种和播期的试验资料对模型进行了检验。结果表明,本模型较用比叶面积和叶干重的SLA法及用积温与叶面积的函数的GDD法更能准确地模拟温室甜瓜的LAI和植株总干重。LAI的模拟值与实测值之间的决定系数(R2)和回归估计标准误(RMSE)分别为0.867和0.404,植株总干重的模拟值与实测值之间的R2和RMSE分别为0.887和645 kg.hm-2。用本模型模拟LAI的精度分别比SLA法和GDD法提高78%和40%;模拟植株总干重的精度分别比SLA法和GDD法提高57%和36%。本模型不仅改善了甜瓜叶面积和干物质生产的模拟精度,而且提高了模型的实用性。 相似文献
4.
《福建林学院学报》2018,(1)
叶面积指数(leaf area index,LAI)是体现林分冠层结构的一项重要参数,其准确估测对于精准林业的实施具有重要意义。为了快速、无损地监测毛竹林LAI,采用ISI921VF-256野外地物光谱辐射计和LAI-2200冠层分析仪获取福建省西北部毛竹林分冠层光谱反射率和LAI值,通过敏感波段的选取,新建了8类植被指数,分析了LAI值与对应植被指数的相关性,进而利用随机森林回归、支持向量回归和反向传播神经网络法构建了毛竹林分冠层LAI高光谱估测模型,以决定系数(R2)、均方根误差(ERMS)、平均绝对误差(EMA)和估测值与实测值的回归线斜率为指标评价并比较了模型预测精度。结果表明:新建的NDVI_(674)、NDVI_(687)、GNDVI_(563)、GRVI_(563)、RVI_(674)、RVI_(687)、DVI_(674)、DVI_(687)八类植被指数与LAI均呈极显著相关(P<0.01)。建立的RFR模型中,决定系数R2达到0.732 3,分别比SVR模型和BP模型提高了0.106 6和0.247 0;其EMA为0.406 2,分别比SVR模型和BP模型减少了0.044 8和0.481 1;其ERMS为0.646 3,略高于SVR模型,但远小于BP模型;其实测值与估测值的回归线斜率接近1,优于SVR模型和BP模型的回归线斜率。RFR模型对毛竹林分冠层LAI的高光谱估测效果优于SVR模型和BP模型,可用于大区域范围毛竹林冠LAI的高光谱估测。 相似文献
5.
为揭示不同钾素水平下辣椒叶面积指数(LAI)随生理发育时间(PDT)的动态变化关系,选用黔椒10号、黔椒5号和中椒6号作为试验材料,设5个钾素水平(0 kg/hm~2、37. 5 kg/hm~2、75. 0 kg/hm~2、112.5 kg/hm~2和187. 5 kg/hm~2),定量分析不同钾素水平下辣椒LAI的变化特征,通过归一化处理,利用Curve Expert 1. 4对辣椒相对叶面积指数(RLAI)和相对生理发育时间(RPDT)进行动态拟合,并通过极限值法筛选出最优辣椒RLAI数学模型。结果表明:不同钾素水平下辣椒LAI随PDT呈左偏单峰曲线变化,同一品种间随钾素水平的增加LAI呈增大趋势;相同钾素水平下,LAI峰值为黔椒10号黔椒5号中椒6号;有理函数能够较好地模拟辣椒RLAI的动态变化,且具有一定的生物学意义;模型检验结果显示:模拟准确度k均接近于1,模拟精确度R~2均大于0. 97,根均方差(RMSE)均小于20%;模型参数在不同处理间具有一定差异性,品种和钾素主要通过控制参数b和d实现辣椒LAI的动态调控;辣椒LAImax对钾素反应比较敏感,呈线性正相关,决定系数R~2 0. 86。该模型的构建可为辣椒生长调控及优质高产奠定一定基础。 相似文献
6.
水旱地冬小麦植株氮素含量的高光谱监测 总被引：4，自引：3，他引：1
作物氮素状况是评价作物长势的关键指标之一,利用高光谱技术对水旱地植株氮素含量进行监测具有重要的实践意义。通过研究闻喜县水旱地小麦植株氮含量与叶面积指数(LAI)的定量关系,探索建立以LAI为中间变量的水旱地冬小麦氮素含量的监测模型的可行性。结果表明,水旱地冬小麦不同生育时期LAI特征波段不同,LAI与植被指数FDDVI,FDNDVI和FDMSAVI的相关性均好;冬小麦LAI与植株氮素含量在拔节期、抽穗期和灌浆期3个主要的生育时期均达到较好的相关性;水地冬小麦以FDNDVI(770,688 nm)为自变量建立的植株氮素含量监测模型最优,R2=0.849 9,RE=0.220 8,RMSE=0.060 2,RE和RMSE最小,预测性最好;旱地冬小麦以FDDVI(771,685 nm)为自变量建立的植株氮素含量监测模型最优,R2=0.802 9,RMSE=0.032 6,RE=0.17。研究结果可为实现水旱地冬小麦氮素的准确、快速、大面积的监测提供新的途径。 相似文献
7.
对春提早、秋延后和越冬茬西葫芦的叶面积指数(LAI)及生育期的有效积温进行归一化处理,分别将最大的LAI和出苗至开花的有效积温定为1,以相对LA(I0～1)和相对有效积温(0～1)为参数,进行LAI动态模拟,筛选、建立了一个适用于这3个茬口西葫芦的相对LAI动态模拟模型:y=(a+bx)(/1+cx+dx2)。其中,春提早为y=(-0.040 0+0.087 5x)/(1-1.473 8x+0.588 2x2)(r=0.992 2**,n=50);秋延后为y=(0.035 5+0.060 0x)(/1-1.390 5x+0.543 1x2)(r=0.991 9**,n=22);越冬茬为y=(-0.046 4+0.146 4x)(/1-1.377 9x+0.559 0x2)(r=0.988 7**,n=70)。准确度(以k表示)分别为0.999 6,1.000 7和1.000 5,精确度(以R2表示)分别为0.983 9,0.982 3和0.976 9。西葫芦LAI动态模型从三叶一心期就能够比较准确地进行西葫芦LAI动态预测。 相似文献
8.
《农业网络信息》2015,(11)
叶面积指数(LAI)作为陆地植被的重要生物物理参数,对农作物长势监测与产量估计具有重要的意义。本研究选取了华北平原一块玉米地为实验区,分设A、B、C、D四个样点,利用图像像素法和长宽法分别计算叶面积,比较二者异同,分析叶长、叶宽、长宽积与叶面积的协同关系,再结合样区植株的测量信息,计算LAI,并分析LAI(真测值)与仪器测量有效值LAIe之间的差异。结果表明:样区玉米叶面积基本处于200~800cm2之间;叶长、叶宽与叶面积呈现幂函数关系,长宽积与叶面积呈现线性关系,长宽积比叶长和叶宽能更好地模拟玉米叶面积。通过长宽积与叶面积模型反算得到长宽法修正系数为0.7017;A、B、C、D四个样点LAI分别为4.40、3.61、4.00、3.42;仪器测量值LAIe比真测值LAI小8.68%。这对LAI田间量测及小区域尺度有效扩展和农作物大面积遥感监测具有重要作用。 相似文献
9.
为探索研究胡杨叶面积指数高光谱反演方法的预测精度和适应性,选择新疆维吾尔族自治区塔里木河流域上游为研究区域,将采集的叶片带回实验室,通过ASD Fieldspec4便携式地物光谱仪扫描胡杨叶片得到反射率光谱并计算胡杨LAI,然后利用回归分析法和BP神经网络法构建胡杨LAI反演模型,将模型预测LAI值和真实LAI值进行建模分析,进而评价2种方法的反演精度。结果显示,BP神经网络法检验方程的决定系数(r2)为0.99、均方根误差(RMSE)为0.304、残差平方和(RSS)为0.0004,较植被指数法和多元回归法估算胡杨LAI的精度有较大提高。 相似文献
10.
【目的】利用3-PG模型估算江苏南部地区杉木人工林各器官生物量和叶面积指数(LAI),为杉木人工林可持续经营提供参考。【方法】以苏南丘陵地区杉木人工林为研究对象,结合当地气候和林分观测历史数据确定3-PG模型参数并运行模型,估算杉木人工林的LAI和林分不同器官生物量随林龄的变化趋势,并对预测值和观测值进行显著性分析。【结果】初始林分密度为4 600株/hm2的杉木人工林在5年时林分达到郁闭,LAI为5.5;干生物量在23年达到最大值,为74.5t/hm2;根和叶的生物量均随着林龄的增加而先增后减,根生物量在第10年达到最大值(17.5t/hm2),叶生物量在第6年达到最大值(10.25t/hm2)。【结论】3-PG模型预测结果较好,除叶生物量外,LAI、干和根生物量预测值均与观测值无显著差异。 相似文献
11.
有效叶面积指数与真实叶面积指数的模型转换 总被引：2，自引：0，他引：2
介绍了叶面积指数主要的测量方法(直接法和间接法),并分析了各种方法的优缺点。同时针对LAI-2000测量的有效叶面积指数较真实值偏小的问题,以小兴安岭林地为研究区,利用外业调查得到的有效叶面积指数,以及根据生物量之间的关系计算得到真实叶面积指数,建立了有效值和真实值二者的线性回归模型,并进行了精度验证,结果表明,该方法可行,精度较高。 相似文献
12.
叶面积指数地面测量方法的研究进展 总被引：29，自引：0，他引：29
介绍了目前使用的直接和间接地面测量叶面积指数(leaf area index,LAI)的方法,指出了其存在的问题,同时对间接方法的仪器进行了比较,并对地面测量LAI的方法、检验LAI测量仪器的测试平台和基于光学模型方法的LAI测量仪器进行了展望。 相似文献
13.
水稻遥感估产的农学机理研究——Ⅱ.农学参数与光谱变量的相关分析 总被引：5，自引：0，他引：5
作者在主要农学参数间相关分析的基础上,进行了叶片含氮量、叶绿素含量、叶面积指数与光谱变量的相关分析和综合分析,明确了最佳农学光谱模式及其在各生育期光谱变异中的作用。从而证明通过光谱测定可以推算出叶绿素含量、叶片和稻株含氮量及叶面积指数。 相似文献
14.
玉米叶面积指数的普适增长模型 总被引：15，自引：0，他引：15
建立了1个模拟叶面积指数动态变化的扩充的Logistic模型,利用禹城、沈阳的玉米叶面积指数(LAI)实测资料进行了拟合,结果表明,此模式是模拟叶面积指数随地理位置、品种、播期、密度变化的统一模型．对叶面积指数与积温间关系的分析,综合了不同地理位置、不同品种、不同播期、不同密度的叶面积指数资料,得到1条相对叶面积指数变化曲线,可反映特定区域作物叶面积指数的动态变化,也可用于区域作物产量模拟和遥感估产的研究。 相似文献
15.
根据玉米田样地生物物理参量的野外实测数据,对PROSAIL模型输入参数的取值范围进行率定。通过PROSAIL模型参数敏感性分析,确定不同的输入参数设置方案,模拟不同的叶面积指数、叶倾角、叶绿素含量对应的玉米冠层反射率,建立叶面积指数的缨帽三角分布模式,从而获得玉米田红光-近红外波段反射率-LAI查找表,选取宁夏中卫市WV-3高分辨率遥感影像对玉米种植区域LAI进行反演。通过与实测数据比较,分析了PROSAIL模型在高分辨率遥感影像农作物LAI反演方面的适用性,为高分辨率遥感影像反演农作物LAI提供了方法参考。结果表明,PROSAIL模型输入参数的范围率定与不同设置方案的确定是有必要的,并且运用该查找表从WV-3影像反演的LAI与实测数据较一致,查找表均方根误差为0.47,LAI反演均方根误差为0.24。研究表明,该方法在利用WV-3遥感影像进行玉米田LAI反演中具有较强的适用性,能够进行准确有效的大面积叶面积指数遥感反演。 相似文献
16.
通过对稻株(含叶片)含氮量、叶面积指数、光谱变量与水稻产量结构间的相关分析,建立了单产光谱模式[y产量=A+B(RVI)+C(RVI)~2]和最佳单产农学光谱模式[LAI=A+B(RVI)+C(RVI)~2];[y产量=A+B(LAI)+C(LAI)~2]。由于仅是试验模式,故扩大应用时还需通过田间试验作修正。 相似文献
17.
对国内外测定叶面积指数的主要方法进行了综述,分析了各种方法的优势与劣势,同时对叶面积指数测量仪器进行了对比,阐述了存在的一些问题,总结了研究进展,并且进行了展望。 相似文献
18.
在物种和群落调查基础上,测算了昆明市26种常见物种的叶面积指数、6种绿地层片及7种绿化类型的叶面积指数,并借助GIS技术,测算了昆明市一环内的总体绿量。研究结果表明:物种的叶面积指数不仅取决于物种间单叶面积的差异,还受物种生长状态(如枝叶密集程度、种植密度、树冠形状等)的影响,其中以绿篱结构生长的灌木物种,其叶面积指数相对较大,多在10以上;昆明市一环内的总绿量为2 429.06 hm2,且不同绿化类型的绿量差异明显:乔—灌型和乔—灌—草型2种绿化类型的单位面积绿量相对较高,在8.48.6 m2/m2,而乔木型和草本型等单层绿化结构的单位面积绿量相对较小,多在4.68.6 m2/m2,而乔木型和草本型等单层绿化结构的单位面积绿量相对较小,多在4.65.0 m2/m2,前者绿量为乔木型或草本型单层结构的1.75.0 m2/m2,前者绿量为乔木型或草本型单层结构的1.71.8倍;保证最大化绿地面积是提高城市绿量的基础。但在同等面积下,尽量选择叶面积指数较高的树种,优化绿地结构层次是提高城市总体绿量的关键,但必须综合考虑不同性质绿地的主要功能。 相似文献
19.
基于MISR数据大兴安岭地区叶面积指数反演及尺度转换验证研究 总被引：1，自引：1，他引：0
叶面积指数(LAI)是气候研究和生态研究中重要的植被冠层结构参数,遥感技术为快速获取大面积叶面积指数提供了有效途径。大兴安岭地区是我国重要的生态功能区,本文以大兴安岭为研究区域,根据森林林分特征,采用基于物理过程的4-Scale几何光学模型,利用多角度MISR遥感数据反演该区域叶面积指数数据。几何光学模型特点在于参数具有物理意义,考虑地面反射的热点效应,模型反演过程不依赖于样本数据适用于大区域反演研究,MISR数据提供同一区域多角度遥感数据,有效解决了单一观测角度植被指数和叶面积指数函数关系饱和点低的问题。由于地面验证数据空间尺度无法满足MISR数据的空间分辨率,本文采用TM数据对样地实测叶面积指数数据进行尺度转换,针对不用坡向叶面积指数空间异质性进行分析,讨论不同空间分辨率验证数据的合理性,研究表明大兴安岭区域使用600m空间分辨率验证数据对MISR数据反演结果检验最优,该分辨率下叶面积指数变化随空间尺度变化趋于稳定,并较好地避免了2种遥感数据几何配准带来的误差。结果表明:4-Scale几何光学模型适用于我国大兴安岭地区森林叶面积指数反演,实验中MISR数据反演叶面积指数的平均绝对误差为25.6%、均方根误差为0.622。本研究为大兴安岭地区叶面积指数大区域快速定量反演提供了研究基础。 相似文献