共查询到20条相似文献，搜索用时 15 毫秒
1.
大田玉米水分胁迫指数经验模型建立方法 总被引：2，自引：0，他引：2
作物水分胁迫指数(Crop water stress index,CWSI)经验模型的建立与气候和种植条件密切相关。以内蒙古自治区鄂尔多斯市达拉特旗大田玉米为对象,研究了CWSI的最优经验模型。玉米在营养生长阶段(Vegetative stage,V期)、生殖期(Reproductive stage,R期)和成熟期(Maturation stage,M期)分别进行不同灌溉水平的处理,采用红外测温传感器采集玉米冠层温度。分别结合田间和实验地旁标准气象站空气温湿度数据建立了CWSI经验模型的无水分胁迫基线。基于2种无水分胁迫基线,分别利用饱和水汽压梯度获取的无蒸腾作用基线和5℃无蒸腾作用基线建立了4种CWSI经验模型,得出反映大田玉米水分胁迫状况的关系曲线,并进行对比。结果表明,基于实验地旁标准气象站空气温湿度数据建立的CWSI经验模型具有很大的波动性,并不能很好反映玉米的水分胁迫状况,其值常常超出正常范围(0~1)。而基于田间空气温湿度数据建立的CWSI经验模型则可以很好地监测内蒙古自治区大田玉米水分胁迫状况,M期3种不同水分处理100%、52%和28%具有较好的CWSI数值梯度,分别为0.03、0.14和0.32。相比于基于饱和水汽压梯度获取的无蒸腾作用基线,以5℃作为无蒸腾作用基线时得到的CWSI数值较小,可以较好地反映水分胁迫状况,对应上述M期3种不同水分处理CWSI值分别为0.02、0.10和0.22,具有较为合理的梯度。经过初步检验和分析,认为基于田间空气温湿度数据建立的CWSI经验模型较为合理,可以有效监测大田玉米水分胁迫状况。 相似文献
2.
3.
作物缺水指标 CWSI( Crop Water Strese Index)和冠层 -空气温差 ( Tc-Ta)是利用冠层温度评价作物水分状况的重要方法。 1 998和 1 999年在新疆乌兰乌苏农业气象站试验田内开展了对覆膜棉花和玉米的研究。结果表明 :CWSI能够指示作物根系层的水分状况 ,而 ( Tc-Ta)受到环境因素 (太阳辐射、空气饱和差 )的较大影响。另外 ,对用标准化的冠层 -空气温差法 NDT( Normalized Difference of Temperature)定量诊断作物水分状况的可行性进行了研究。结果表明该方法在很大程度上能消除环境因素的影响 ,直接指示作物根系层的水分状况 ,并提出了覆膜棉花和玉米各生育阶段需灌溉的临界 CWSI及 NDT值 相似文献
4.
冠层温度定量诊断覆膜作物水分状况试验研究 总被引：8，自引：0，他引：8
作物缺水指标CWSI（Crop Water Strese Index)和冠层－空气温差（Tc-Ta)是利用冠层温度评价作物水分状况的重要方法。1998年1999年在新乌兰乌苏农业气象站试验田内开展了对覆膜棉花和玉米的研究。结果表明：CWSI能够指示作物根系层的水分状况，而（Tc-Ta)受到环境因素（太阳辐射、空气饱和差）的较大影响。另外，对用标准化的冠层－空气温差法NDT（Normalized Difference of Temperature)定量诊断作物水分状况的可行性进行了研究。结果表明该方法在很大程度上能消除环境因素的影响，直接指标作物根系层的水分状况，并提出了覆膜棉花和玉米各生育阶段需灌溉的临界CWSI及NDT值。 相似文献
5.
茶树水分胁迫建模及试验 总被引：1，自引：0，他引：1
《排灌机械工程学报》2017,(1)
通过观测冬季和春季塑料大棚中不同灌溉条件下茶树的冠层温度、空气温湿度、土壤热流密度、土壤湿度、太阳净辐射照度及风速等因素,利用Idso经验模式确定了冠气温差的下限方程.通过观察不同水分处理条件下茶树作物水分胁迫指数的日变化和季节变化,得出了反映茶树水分状况的关系曲线.研究分析了Jackson的理论模式与Idso的经验模式反映茶树水分胁迫的差异性,针对华南地区经常出现的冬旱及春旱,首先通过人工田间数据采集的方法,分9—12月和1—3月2个阶段测量茶树作物水分胁迫指数中所涉及的各个参数,建立了茶树冬季和春季的作物水分胁迫指数模型.研究结果发现,茶树冬季和春季作物水分胁迫指数模型相差不大,冬季经验模型中,系数A和B的值分别为1.265和-0.220,而春季经验模型中,系数A和B的值分别是1.230和-0.214,这可能与茶树属于多年生植物,冬季和春季叶面积指数等变化不大相关. 相似文献
6.
7.
无人机热红外遥感反演玉米根域土壤含水率方法研究 总被引：1，自引：0，他引：1
为了减少土壤背景带来的干扰,更加准确、高效的获取无人机热红外图像中的玉米冠层温度,进而快速反演玉米地土壤含水率,以4种水分梯度处理的拔节期玉米为研究对象,借助无人机可见光和热红外图像,采用RGRI指数法、Otsu阈值法和不剔除土壤背景3种处理方法提取热红外图像中玉米冠层温度信息,计算作物水分胁迫指数(Crop water stress index,CWSI)并用于反演不同水分梯度处理下玉米地不同深度的土壤含水率,基于3种方法获得的CWSI分别记为CWSIRGRI、CWSIOtsu、CWSIsc.结果表明:①基于RGRI指数法获取的玉米冠层温度与实测冠层温度的相关性最高(R2均大于0.8;RMSE均小于1℃),Otsu方法次之,不剔除土壤背景方法效果最差.②在整个拔节期,CWSIRGRI反演土壤含水率效果最好(R2均大于0.5,P<0.01;效果显著),CWSIOtsu次之、CWSIsc反演效果最差.③选取CWSIRGRI为最优CWSI指标,其在玉米拔节期5个土壤深度内的R2呈现先上升后下降的趋势且都在0～30 cm深度内达到最大值.因此,基于RGRI指数法建立的CWSIRGRI可以作为反演玉米地土壤含水率的有效指标. 相似文献
8.
基于无人机热红外遥感的冬小麦水分胁迫研究 总被引：1，自引：0，他引：1
为探究水分胁迫对冬小麦生长的影响,以不同水分处理的冬小麦为试验对象,利用无人机搭载热红外传感器,通过采集其不同生育期中一天不同时刻(11∶00,13∶00)的冠层热红外图像,提取其冠层温度信息,同时测定小麦叶片的气孔导度(Gs)、蒸腾速率(Tr)和田间土壤体积含水率(SWC)等信息。分别研究不同水分胁迫指数(CWSI、I_G、ICWSI)与各参数之间的关系,同时使用一元线性模型和多元线性回归模型进行建模并验证。结果表明:CWSI、I_G和ICWSI与Gs、Tr和SWC之间存在着显著的相关关系,在一元模型中,SWC对不同水分胁迫指数的预测效果更好,验证R~2均在0.800以上,相对分析误差均在2.0以上,在多元模型中,CWSI的预测效果最好,验证R~2为0.928,相对分析误差为3.041,同时多元模型的预测效果均优于一元模型。该研究可快速获取大量作物信息,为利用无人机热红外遥感探究冬小麦的水分胁迫状况提供了一条新途径。 相似文献
9.
作物冠层或叶片温度的变化可以反映作物的水分状况[1]。为此,根据能量平衡原理分析了作物的冠层(叶片)—空气温差变化的影响因素,并采用模糊推理技术,以叶片—空气温差及相关的环境因素(空气水汽压差、光照强度、空气温湿度和风速等)为输入变量,以CWSI为输出变量,探讨基于植物叶片—空气温差的作物水分亏缺诊断的智能化方法,实现了作物水分亏缺指标的动态分析,有效地解决了环境因素对CWSI计算结果的影响。采用温室生长的黄瓜为对象进行试验,试验表明:该诊断方法可有效地反映作物水分亏缺程度,克服了传统诊断的局限性。 相似文献
10.
剔除土壤背景的棉花水分胁迫无人机热红外遥感诊断 总被引：7，自引：0，他引：7
剔除无人机热红外影像中的土壤背景是提高作物水分诊断精度的有效途径,但也是热红外图像处理的难点问题。本文以不同水分处理的花铃期棉花为研究对象,分别在09:00、13:00和17:00等3个时刻,连续5 d采集无人机高分辨率热红外影像,并采用二值化Ostu算法和Canny边缘检测算法对热红外图像进行掩膜处理,实现对土壤背景的剔除,然后分别计算二值化Ostu算法、Canny边缘检测算法和包含土壤背景下的3种棉花水分胁迫指数(Crop water stress index,CWSI),最后建立不同时刻下3种CWSI与棉花叶片气孔导度Gs的关系模型。研究结果表明,应用Canny边缘检测算法可有效剔除热红外影像中的土壤背景,剔除土壤背景后的温度直方图呈单峰的偏态分布;3种处理方法获得的作物水分胁迫指数CWSI中,Canny边缘检测算法的CWSI最小,二值化Ostu算法的CWSI较高,包含土壤背景的CWSI最大;采用Canny边缘检测算法剔除土壤背景后的CWSI与棉花叶片气孔导度Gs的决定系数R2达到0.84,Ostu算法的结果次之,包含土壤背景的最差。本研究可为无人机热红外遥感监测作物水分状况提供参考。 相似文献
11.
剔除无人机热红外影像中的土壤背景是提高作物水分诊断精度的有效途径,但也是热红外图像处理的难点问题。本文以不同水分处理的花铃期棉花为研究对象,分别在9:00、13:00和17:00等3个时刻,连续5 d采集无人机高分辨率热红外影像,并采用二值化Ostu算法和Canny边缘检测算法对热红外图像进行掩膜处理,实现对土壤背景的剔除,然后分别计算二值化Ostu算法、Canny边缘检测算法和包含土壤背景下的3种棉花水分胁迫指数(Crop water stress index,CWSI),最后建立不同时刻下3种CWSI与棉花叶片气孔导度Gs的关系模型。研究结果表明,应用Canny边缘检测算法可有效剔除热红外影像中的土壤背景,剔除土壤背景后的温度直方图呈单峰的偏态分布;3种处理方法获得的作物水分胁迫指数CWSI中,Canny边缘检测算法的CWSI最小,二值化Ostu算法的CWSI较高,包含土壤背景的CWSI最大;采用Canny边缘检测算法剔除土壤背景后的CWSI与棉花叶片气孔导度Gs的决定系数R2达到0.84,Ostu算法的结果次之,包含土壤背景的最差。本研究可为无人机热红外遥感监测作物水分状况提供参考。 相似文献
12.
基于无人机遥感的玉米水分利用效率与生物量监测 总被引：1，自引：0，他引：1
玉米生物量及水分利用效率是反映作物长势和作物品质的重要指标。为实现农业精准管理,本文以不同水分处理的青贮玉米为研究对象,探讨无人机多光谱遥感平台结合作物生长模型估测青贮玉米生物量及水分利用效率的可行性。首先,将基于高时空分辨率无人机多光谱图像估测的关键作物参数蒸腾系数kt输入到简单的水分效率模型中,来拟合不同水分胁迫处理下玉米水分利用效率WUE和标准化水分利用效率WP*;然后,采用拟合的WUE、WP*估算相同水分和不同水分状况下的玉米生物量,并进行验证;基于高时空分辨的无人机多光谱遥感图像获取了大田尺度上的WUE、WP*和生物量的空间分布图。结果表明,基于无人机多光谱、气象和土壤水分数据计算的实际蒸腾量∑Tc,adj和∑ktkswkst（ksw、kst为环境胁迫因子）与玉米生物量具有极显著（P<0.001）的相关性,不同水分处理下WUE的决定系数R2均不小于0.92,WP*的R2均不小于0.93。在同一水分胁迫下,使用拟合的WUE和WP*对生物量的估测精度几乎相同,玉米V-R4生育期估测精度较高,WUE的RMSE为126g/m2,WP*的RMSE为91.7g/m2,一致性指数d均为0.98,但在R5-R6生育期内精度不高。在不同水分胁迫下,使用WUE和WP*估测生物量时,WUE容易受到水分胁迫影响,精度较低（RMSE为306g/m2,d=0.93）,而WP*的精度较高（RMSE为195g/m2,d=0.97）。研究表明,将无人机遥感平台与作物生长模型相结合能够很好地估测大田玉米生物量及水分利用效率。 相似文献
13.
【目的】探究作物水分胁迫指数(CWSI)与表层土壤含水率的空间分布特征,并分析不同下垫面(葵花、夏玉米、春小麦和甜椒)表层土壤含水率的遥感估算精度。【方法】利用MOD16A2遥感数据和气象数据,结合Penman-Monteith(P-M)模型,基于CWSI反演河套灌区解放闸灌域表层土壤含水率,并对不同下垫面的表层土壤含水率进行验证。【结果】CWSI的空间分布与表层土壤含水率相反,CWSI大的区域,表层土壤含水率小;春小麦下垫面遥感估算的表层土壤含水率效果较好,决定系数(R2)为0.748,其次为葵花,R2为0.357;灌溉次数较多的夏玉米和甜椒的表层土壤含水率估算精度较差,可见基于CWSI的表层土壤含水率遥感估算方法对土壤干旱较为敏感。【结论】基于CWSI的表层土壤含水率遥感估算方法更适用于灌水较少且耐旱作物下垫面的表层土壤含水率估算。 相似文献
14.
15.
基于多视角立体视觉的拔节期玉米水分胁迫预测模型 总被引：2，自引：0，他引：2
针对现有采用生理特性指标的玉米水分胁迫检测方法影响玉米植株生长的问题,提出了一种基于多视角立体视觉的玉米水分胁迫预测模型。首先,利用RGB相机获取玉米拔节期-30°、0°(玉米叶片展开平面)和30°的3视角图像;然后,基于加速稳健特征点(Speeded up robust features,SURF)检测的双目立体视觉原理,建立-30°～0°、0°～30°2个玉米点云模型,采用基于KD树(K-dimensional tree,Kd-tree)的最近迭代(Iterative closest point,ICP)点云配准算法,将2个玉米点云模型数据合并到同一坐标系下;最后,用L1-中值法提取玉米点云骨架,在该玉米骨架基础上提取玉米节间高度、叶片长度及株高等参数,建立基于单一参数的玉米水分胁迫预测模型,并建立基于多参数纠错输出编码思想的支持向量机(Error correcting output codes-support vector machine,ECOC-SVM)水分胁迫预测模型。试验结果表明,玉米叶片长度、节间高度和玉米株高每日生长量与水分胁迫程度呈显著线性关系,故分别以节间高度、株高每日生长量和全展叶叶长为自变量,以土壤含水率为因变量,建立水分胁迫预测模型,得到相关系数分别为0. 892 2、0. 892 8和0. 817 6,RMSE分别为2. 92%、2. 53%和2. 76%。为了准确判断玉米水分胁迫程度,以上述3个玉米参数为特征向量,建立ECOC-SVM水分胁迫预测模型,该模型测试集预测准确率为93. 33%,具有较高的准确性。本研究可以快速检测拔节期玉米的水分胁迫情况,为农情信息精准获取提供技术支持。 相似文献
16.
17.
基于无人机热红外的水分胁迫指数与土壤含水率关系研究 总被引：1，自引：0，他引：1
为了实时快速监测作物根系活动层的土壤含水率,利用低空无人机搭载的热红外相机获取经4种水分处理的棉花花铃期一天中5个时刻的冠层温度,并连续观测5 d,应用水分胁迫指数(CWSI)的理论模式、简化模式、定义模式计算得到3种CWSI,与棉花根系不同土壤深度含水率建立模型。研究表明:3种胁迫指数与土壤含水率具有幂函数关系,其中理论模式与土壤含水率的相关性最佳,定义模式次之,简化模式最差;在一天中不同监测时间点上,3种CWSI的监测精度在13∶00最高,9∶00和17∶00最差;在监测深度上,3种胁迫指数与0～60 cm处的土壤含水率关系最为紧密,0～30 cm次之,0～15 cm最差。该研究可大面积获取作物根系层土壤含水率,提高作物根系层土壤含水率的反演精度。 相似文献
18.
为研究温室内番茄冠层作物水分胁迫指数（CWSI）问题,通过布设多参数传感器,实时获取温室内外各环境参数。利用灰度关联分析,计算各环境参数与番茄冠层CWSI的关联度,根据关联度对环境参数进行排序,同时考虑对模型精度的影响,最终从9个环境参数中选取7个作为模型输入,建立基于LightGBM的温室番茄冠层CWSI预测模型。结合贝叶斯算法优化其中的关键参数,将模型预测结果与通过Jones经验公式计算出的CWSI做相关性分析,在相同的运算环境下,分别与GBRT和SVR模型对比。试验结果表明,基于贝叶斯优化LightGBM模型的决定系数（R2）、平均绝对误差（MAE）、均方根误差（RMSE）和运算时间分别为0.9601、0.0218、0.0314和0.0518s,与GBRT和SVR模型相比,其R2分别提高2.14%和14.05%,MAE分别降低0.0093和0.0612,RMSE分别降低0.0097和0.0591,时间分别缩短0.0459s和0.0612s。表明本研究提出的LightGBM模型性能更有效地提高了温室番茄冠层CWSI的预测精度,为实现温室番茄按需灌溉提供了参考。 相似文献
19.
20.
冠层温度指导冬小麦灌溉的试验研究 总被引：1，自引：0，他引：1
在冬小麦主要生育期,测定了6个不同水分处理的冠层温度、气温以及土壤含水率,计算了冠气温差并分析了它们之间的相互关系。结果表明:作物水分胁迫指数CWSI和冠层-空气温差(Tc-Ta)是利用冠层温度评价作物水分状况的重要方法。冠层温度和冠气温差都有明显的日变化过程,其中冠层温度在下午14:00前后达到最大值;中午12:00~14:00时段冠气温差反应冬小麦的供水状况最具代表性;冬小麦适宜水分处理的冠气温差阈值为-1.5℃<ΔT<1.3℃。冬小麦旺盛生长期间(15/4~25/5)的水分胁迫指数平均值与最终籽粒产量的关系是一种非线性的关系,平均水分胁迫指数在0.18~0.23范围为冬小麦的最优供水标准。 相似文献