共查询到20条相似文献，搜索用时 390 毫秒
1.
水稻叶片高光谱响应特征及氮素估算 总被引：2，自引：0，他引：2
《江苏农业科学》2017,(23)
将高光谱遥感技术应用于高纬度高海拔宁夏回族自治区,探讨水稻氮素快速无损的监测方法,为科学合理地施肥提供依据。对3个不同施氮水平、5个生育期水稻叶片反射光谱的响应特征及叶片叶绿素相对含量(SPAD值)进行对比分析,将光谱及SPAD值与氮素含量进行相关分析,筛选诊断氮素含量的特征光谱并构建氮素估算模型。结果表明,随着生育期的推进,叶片光谱反射率在可见光范围内呈增加趋势,该变化特征与SPAD值变化规律基本一致,近红外区光谱反射率呈先增加后降低的规律;随氮素含量增加可见光反射率降低,近红外反射率增加,SPAD值与氮素含量呈正相关(r=0.766);各波段对氮素的光谱响应程度不同,可见光波段更敏感,原始光谱612 nm和一阶微分666 nm为特征波长;叶片氮素估算最优模型为y=9.155x1-0.111x2+0.050x3+2.102(x1、x2、x3分别为R612 nm、R666 nm、SPAD值)。 相似文献
2.
磷对杂交水稻根系特性与养分吸收的影响 总被引：2，自引：2，他引：2
为充分利用磷肥资源，确保良好的农田土壤环境质量，采用水培试验，研究了不同磷素水平下杂交水稻根系生理特性与养分吸收的动态效应。结果表明，施磷极大地促进了杂交水稻根系的生长发育和植株干重的增加，保持适当的施磷水平能力增强杂交水稻根系活力并保持较长时间。磷的适宜质量浓度50.4,100.8mg/L处理，杂交水稻各生育期根冠比为：分蘖盛期为0.23-0.24，孕穗期为0.17-0.19,齐穗期约为0.15,灌浆期为0.01-0.11,杂交水稻对N的吸收主要在分蘖盛期和灌浆期,对P的吸收主要在孕穗期,对K的吸收主要在孕穗期和灌浆期,对Ca的吸收主要在分蘖盛期和孕穗期,对Mg的吸收主要在齐穗期和灌浆期,对Si的吸收主要在分蘖盛期,灰色关联分析表明,P对N,K,Ca,Mg,Si的吸收有非常明显的促进作用. 相似文献
3.
为提高枣树种植过程中施用氮肥的精准性,本研究以南疆重要经济作物骏枣(Ziziphus jujuba Mill.)为研究对象,通过对枣树叶片原始光谱和一阶微分光谱与全氮含量的相关性进行分析,利用光谱敏感变量构建植被指数作为衍生变量,再以衍生变量作为变量建立多种线性和非线性的氮素含量预测模型,并对氮素含量预测模型进行精度检验。结果显示：基于枣树原始光谱和一阶微分光谱的模型拟合决定系数均大于0.75,原始光谱变量的预测效果整体好于一阶微分光谱;预测效果最好的是基于原始光谱变量4的幂函数模型：Nit=1.097x0.735,R2为0.821,RMSE为0.024 5。研究表明,建立的氮素含量预测模型能够实现基于高光谱反射率特征对枣树氮素的较好监测效果,能够作为枣树营养素诊断的重要理论依据。 相似文献
4.
《西南农业学报》2016,(3)
利用光谱仪(SVC HR-768)对树龄22年的库尔勒香梨叶片进行光谱反射率测定,采集并分析叶片全氮含量。采用逐步回归法分析库尔勒香梨叶片全氮含量与叶片原始光谱反射率、一阶微分光谱反射率的相关性,并建立叶片全氮含量估测模型。结果表明:不同生育期库尔勒香梨叶片光谱的敏感波段和敏感波长均有差异,依据敏感波长建立库尔勒香梨叶片全氮含量估测模型,并对其进行检验。确定基于光谱一阶微分模型Y=50.535X703-40.586可作为坐果期库尔勒香梨叶片全氮含量的最佳估测模型;基于原始光谱模型Y=0.856X769-29.233可作为膨大期库尔勒香梨叶片全氮含量的最佳估测模型;基于原始光谱模型Y=0.728X761-14.142可作为成熟期库尔勒香梨叶片全氮含量的最佳估测模型。不同生育期库尔勒香梨叶片全氮含量估测模型进行比较,坐果期估测模型的拟合效果更好,预测精度更高。 相似文献
5.
基于冠层高光谱的南方丘陵地区晚稻氮素营养诊断 总被引：2，自引：0，他引：2
《江西农业大学学报》2015,(6)
为研究水稻氮素营养诊断的快速方法、初步构建基于高光谱的水稻氮素营养诊断模型,以南方丘陵区晚稻氮肥试验为例,利用分别测定不同施氮水平及水稻不同生育期水稻冠层叶片的高光谱反射特征,应用一阶微分光谱以及植被指数分别构建基于高光谱的晚稻氮素营养诊断模型。结果表明:不同氮素水平下冠层叶片光谱反射率的差异主要集中在400~650 nm可见光处和730~1350 nm近红外处,随着冠层氮素含量增加可见光处光谱反射率降低,而在近红外范围内反射率增加。随着水稻生长发育,冠层叶片光谱反射率降低,而且反射峰值由519 nm向554 nm移动。应用738 nm处的光谱反射率与叶片氮素含量建模,用一阶微分反射率得到的最优模型为指数模型Y=1.591 4e~(88.794X)(R~2=0.736 2),用比值植被指数(RVI)和归一化植被指数(NDVI)得到的最优模型分别为指数模型Y=18.658e~(-1.040 9X)(R~2=0.630 4)和二次多项式Y=-17.454X~2+0.733 1X+4.130 2(R~2=0.652 3),所有模型中以一阶微分反射率得到的模型最佳,最适合于在供试条件下的水稻氮素营养诊断。 相似文献
6.
以不同施氮量试验小区为依托,对各生育期水稻(Oryza sativa L.)冠层光谱反射率及一阶微分光谱进行分析。结果表明,水稻冠层光谱随生育期的变化规律与其生长发育变化特征相对应;不同施氮条件下水稻冠层光谱反射率随施氮量增加在可见光波段降低、近红外波段升高,其中550~600 nm和800~900nm处差异明显,是诊断氮素的特征波段;红边位置(λr)和红边斜率(Dr)在孕穗期前均随着氮素水平的提高而增加,齐穗期后λr出现蓝移现象,Dr减小;将特征波长的比值指数、λr和Dr与叶片氮积累量进行相关性分析,结果显示,800 nm和550 nm的反射率之比(R800 nm/R550 nm)与叶片氮积累量的相关性较好,其相关系数为0.864,λr和Dr与叶片氮积累量的相关系数分别为0.814、0.908。说明合适的光谱变量可以诊断水稻氮素状况,进而为合理施肥提供参考。 相似文献
7.
《沈阳农业大学学报》2016,(3)
采用高光谱近地遥感技术,获取不同氮素水平下的玉米冠层高光谱数据,通过相关性、线性和非线性的分析方法,探讨玉米整个生育期中各营养器官的全氮含量与多种高光谱参数的相关关系,建立全氮含量的定量估测模型,并利用第2年的数据进行精度检验。结果表明:玉米冠层高光谱数据经过微分、倒数、对数处理后与玉米全氮含量的相关性均有所提高,所选波段基本在可见光波段范围内变化,其中微分处理可以显著提高数据间相关性;在10种植被指数中,玉米叶片全氮含量与植被指数RDVI(811,743)、DVI(811,754)、MSAVI(811,754)相关性都达0.92**以上,玉米叶鞘、茎秆全氮含量分别与RDVI(952,751)、RVI(948,692)相关性达到最大r=0.7867**,r=0.8444**(n=360);植被指数RVI、NDVI与玉米各营养器官叶鞘茎的全氮含量相关性普遍较好,相关系数都在0.75**以上,适合建立玉米植株全氮含量的高光谱估测模型;经过精度检验后,选择均方根误差RMSE小,拟合优度R2大,观测值与预测值的决定系数r2大的回归方程作为估测模型,得出以DVI(811,754)为自变量,估算玉米叶片全氮含量的指数模型y=2.3035e3.6854x(R2=0.859,RMSE=0.0504,r2=0.8772);以RVI(952,743)为自变量,估算玉米鞘全氮含量的二次模型y=1.5964x2-3.5464x+2.8995(R2=0.758,RMSE=0.0261,r2=0.8005);以410nm处的二阶微分为自变量,模拟玉米茎秆全氮含量的二次模型y=7454.8x2+55.335x+0.6496(R2=0.78,RMSE=0.1376,r2=0.8287)。 相似文献
8.
《湖南农业科学》2017,(12)
采用大田试验探明水稻干物质积累与镉(Cd)吸收之间的关联,科学指导水稻安全生产。结果表明:水稻茎、叶干重积累曲线呈先升后降的二次曲线增长模型,齐穗期茎干重最高,达6 945.19 kg/hm2;孕穗期叶干重最高,达5 731.43 kg/hm2;地上部总干重积累曲线则符合逻辑斯蒂曲线增长模型,苗期至分蘖盛期是水稻干物质积累最多的时段,分蘖盛期至齐穗期则是干物质积累最快的时期;水稻茎、叶Cd含量皆符合逻辑斯蒂曲线增长模型,茎、叶在孕穗期之后进入Cd高积累阶段。齐穗期开始,水稻茎、叶Cd含量显著上升,齐穗期的茎Cd含量比孕穗期茎Cd含量增长了194.55%(P0.05),叶Cd含量增长了45.28%(P0.05)。水稻植株Cd含量与干物质积累不完全同步,干物质积累主要在分蘖期至孕穗期,而茎、叶中Cd含量的快速增长时期在齐穗期之后,明显晚于干物质的积累;水稻茎、叶Cd积累总量皆随生育期的后移呈先增后降趋势,其中,孕穗期至乳熟期是水稻Cd积累的最主要阶段。从表观转运与分配上看,减少分蘖盛期至孕穗期水稻对土壤Cd吸收、阻控孕穗期至齐穗期植株Cd转运是降低稻米Cd含量的关键途径。 相似文献
9.
以西双版纳普洱茶为研究对象,利用ASD Field Spec 3地物光谱仪采集叶片高光谱数据,采用导数光谱分析技术对光谱数据进行处理,在实验室测定相应的茶氨酸和氮素含量,分析普洱茶叶片生化参数与原始光谱、光谱一阶微分、光谱对数一阶微分以及高光谱特征变量间的相关性,并利用遗传算法优化的BP神经网络建立了茶氨酸含量和氮素含量的高光谱估测模型。结果表明:普洱茶叶片生化参数含量与高光谱原始反射率间相关性弱,但与光谱一阶微分、光谱对数一阶微分和高光谱特征变量在可见光、近红外波段范围内相关性较强;遗传算法优化下的BP神经网络模型对普洱茶叶片生化参数的估测精度优于普通BP神经网络模型,茶氨酸含量估测精度RMSE为0.21 mg/g,R~2为0.73,氮素含量估测精度RMSE为0.36 g/kg,R~2等于0.88。 相似文献
10.
为提高小麦氮素精准、高效的管理能力,实现实时、便捷、精准的变量施肥.本文在无人机遥感进行冬小麦氮素营养诊断的基础上,依据光谱诊断施肥模型,建立冬小麦返青期、拔节期和抽穗期等关键生育期追肥推荐模型.研究结果表明:无人机影像获得的DVI与冬小麦关键生育时期氮素参数植株氮浓度相关性最好(R2=0.8698);冬小麦返青期、拔节期和抽穗期氮素诊断临界DVI值分别为0.594、0.784和0.807;冬小麦最高产量为11364.3 kg/hm2,最佳产量为11230.9 kg/hm2,总施氮量为272.9 kg/hm2,最佳经济施肥量264.1 kg/hm2,基于光谱诊断的追肥推荐模型分别为返青期y=-39.69x+23.58、拔节期y=-129.97x+101.95、抽穗期y=-159.79x+128.93.诊断指标的建立为冬小麦基于光谱诊断的追肥模型奠定了基础,临界DVI值的确定为诊断冬小麦关键生育期是否补充氮肥提供依据,氮肥效应曲线建立和光谱诊断施肥模型选择实现了定量化的追肥推荐. 相似文献
11.
《江苏农业科学》2017,(5)
基于地面实测的冬小麦的生理生态参数数据和冠层光谱数据,分析返青期、拔节期、抽穗期、开花期冬小麦叶面积指数与原始光谱及其一阶微分的相关性,并构建基于等效TM数据的植被指数,建立不同生育时期的冬小麦叶面积指数(LAI)的高光谱遥感估算模型。结果表明:(1)返青期、拔节期、抽穗期的冬小麦LAI与原始光谱相关性较好,在400~720 nm波长范围内呈负相关,在720~900 nm之间呈正相关,开花期的冬小麦LAI与冠层光谱相关性较差;(2)返青期、拔节期冬小麦LAI与光谱一阶微分显著相关,分别在480~540 nm、550~580 nm形成波峰、波谷,在670~760 nm范围内形成"平台",相关系数达到0.8以上,但抽穗期、开花期LAI与光谱一阶微分的相关性较差;(3)在等效植被指数与返青期、拔节期和抽穗期LAI建立的回归模型中,分别使用m SRI、RVI与MSAVI2建立的幂函数模型或指数模型最佳,最优模型分别为y=0.053e4.962x,y=0.409x0.828,y=18.687x3.061,对应的r2分别为0.589、0.648、0.694,开花期不适宜使用等效植被指数建立遥感监测模型。 相似文献
12.
叶绿素是水稻光合能力的指示器,水稻叶片叶绿素含量直接影响光合速率。高光谱遥感技术可以为水稻叶片叶绿素含量的定量化诊断提供简便有效、非破坏性的数据采集和处理方法,为构建和验证以水稻光谱参数为自变量的水稻叶片叶绿素含量的高光谱估测模型,对不同氮素条件下水稻叶片叶绿素含量和各类"三边"参数间的相关性进行分析。结果表明,各类"三边参数"中以Dr、SDr、SDr/SDb为自变量的二次模型的决定系数R2达到较大值,分别为0.636、0.644、0.632,通过模型预测精度检验,得出最适合估测水稻叶片叶绿素含量的模型是以Dr为自变量建立的水稻叶片叶绿素含量诊断模型[y=1.278+1.943x+0.880x~2(均方根差为0.83,相对误差为1.4),其中x为冠层光谱参数Dr,该模型可以定量估测水稻叶片叶绿素含量。 相似文献
13.
贵州南江3号烟叶全氮含量高光谱估算模型 总被引：1，自引：0，他引：1
为实现烟叶全氮含量快速无损检测,及时获取烤烟生长实时信息,以贵州喀斯特山区主栽品种南江3号为研究对象,利用地物高光谱仪采集烟叶高光谱,并测定其全氮含量,采用相关性和逐步回归方程分析全氮含量与原始光谱反射率、光谱反射率一阶微分、高光谱特征变量之间的关系。结果表明:全氮含量高光谱原始反射率的特征波长为702nm(r=—0.587),呈极显著负相关;光谱反射率一阶微分的特征波长为632nm(r=0.812),呈极显著正相关;绿峰与红谷比值Rg/Rr(r=—0.812)的相关系数较高;基于光谱反射率一阶微分的逐步回归方程对烟叶全氮含量的估测效果较好(R2=0.961,p0.01)。 相似文献
14.
《山东农业科学》2016,(6)
选择山东省泰安市山东农业大学实验田为研究区,利用ADC便携式多光谱相机和SPAD-502叶绿素计采集该区泰农18和山农15两个品种小麦越冬期、返青期、起身期冠层近地多光谱图像和SPAD值,构建不同生育期小麦的归一化植被指数(NDVI)与SPAD值的线性、对数、乘幂、指数、二次函数5种模型,进而优选小麦叶绿素含量最佳估测模型。结果显示:泰农18和山农15两个小麦品种不同时期的SPAD值与NDVI值均具有极显著相关关系(P0.01),相关系数在0.797~0.915之间;泰农18小麦冠层SPAD值估测最佳模型为y=68.585x0.5841,山农15小麦冠层SPAD值估测最佳模型为y=124.4x~2+23.212x+44.973。该研究探索了基于近地多光谱数据的小麦叶绿素含量估测方法,为小麦叶绿素含量估测及营养诊断提供了一种快速有效的技术方法。 相似文献
15.
为进一步挖掘高光谱识别耕地种植属性的能力,掌握典型保供作物在不同生育期时序上的光谱特征,本研究以重庆市南川区大观镇某水稻田为试验区,重点分析了孕穗期、抽穗期、灌浆期和成熟期4个生育期水稻叶光谱的变异系数、光谱特征参量以及光谱一阶导数与氮含量的相关性。结果表明：光谱变异系数在孕穗期最高、灌浆期最低,可见光和短波红外范围变异系数大于其他波段;各生育期“三边”及红谷、绿峰位置变化不大,但是在水稻发育后期,红边位置向短波方向偏移,出现“蓝移”现象;光谱一阶导数与氮含量具有较强的相关性,灌浆期光谱一阶导数与氮含量相关性最大。 相似文献
16.
中华稻蝗危害损失及防治指标研究 总被引：1，自引：0，他引：1
研究结果表明，中华稻蝗若虫有6个龄期，各龄平均食量分别为1.71、4.38、8.43、15.97、24.12和41.66cm^2；成虫平均食量为130.36cm^2。稻蝗的取食量及危害损失率均与虫口密度呈正相关。苗期y=-0.08328+0.5416x(r=0.9963)；分蘖期y=0.06465+0.6891x(r=0.9982)；孕穗期y=0.07999+1.108x(r=0.9966)。水稻不同生育期受稻蝗危害的损失，与危害期距（D）有关，关系式为，y=(0.6891+KD)x-0.06465,经分析，亩产500kg生产水平的稻田，若虫危害期距为6-16天时，防治指标为62.97-51.66头/百丛。 相似文献
17.
《西南农业学报》2019,(10)
【目的】为更快速准确地估算土壤全钾含量。【方法】本文以土壤高光谱数据和实验室分析所得的土壤全钾含量数据为数据源,研究土壤光谱与土壤全钾含量的关系。在土壤原始光谱预处理的基础上,对其进行光谱平滑、一阶微分、二阶微分和倒数对数等光谱变换处理,筛选出与对土壤全钾含量相关性最高的光谱指标,最终建立模型预测土壤全钾含量。【结果】基于一阶微分变换的光谱变量是估算土壤全钾含量的最佳光谱指标,其构建的土壤全钾高光谱反演模型(y=2E+06x~2+11328x+16.372)效果最佳,决定系数R~2为0.64,均方根误差RMSE为4.850 g/kg。【结论】利用该模型快速估算广东省土壤全钾含量是可行的。 相似文献
18.
通过人工田间诱发不同等级小麦条锈病,在不同生育期测定染病冬小麦冠层光谱及其病情指数(DI).把冠层光谱一阶微分数据与相应的DI进行相关分析,采用单变量线性和非线性回归技术,建立小麦DI的估测模型,并利用不同品种小麦样本对模型精度进行可靠性检验.结果表明:DI与一阶微分在432～582 nm、637～701 nm以及715～765 nm区域内有极显著相关性,以红边峰值区(725～735 nm)一阶微分总和与绿边峰值区(521～530 nm)一阶微分总和的比值为变量的线性模型估测DI精度最高,且其对小麦品种相对不敏感.上述研究结果对利用高光谱遥感监测农作物病害及其严重程度都具有实际应用价值. 相似文献
19.
冬小麦条锈病严重度高光谱遥感反演模型研究 总被引：6，自引：0，他引：6
通过人工田间诱发不同等级小麦条锈病,在不同生育期测定染病冬小麦冠层光谱及其病情指数(DI).把冠层光谱一阶微分数据与相应的DI进行相关分析,采用单变量线性和非线性回归技术,建立小麦DI的估测模型,并利用不同品种小麦样本对模型精度进行可靠性检验.结果表明:DI与一阶微分在432～582 nm、637～701 nm以及715～765 nm区域内有极显著相关性,以红边峰值区(725～735 nm)一阶微分总和与绿边峰值区(521～530 nm)一阶微分总和的比值为变量的线性模型估测DI精度最高,且其对小麦品种相对不敏感.上述研究结果对利用高光谱遥感监测农作物病害及其严重程度都具有实际应用价值. 相似文献
20.
基于图像特征的水稻叶片全氮含量估测模型研究 总被引：1，自引：0，他引：1
探究水稻叶片生长外部颜色、几何形态特征与其全含氮量之间的定量描述关系,可以快速且准确地诊断水稻氮素营养状况。研究筛选了全氮含量估测敏感叶位,并比较了基于多元线性回归和机器学习方法的水稻敏感叶位全氮含量估测模型,为构建高性能的氮素营养定量诊断模型提供思路和方法。水稻田间试验于2017—2018年在江西省南昌市成新农场进行,供试水稻品种为两优培九,设置4个施氮水平(施氮水平从低到高为0、210、300和390 kg·hm-2)。在水稻幼穗分化期和齐穗期,分别扫描获取水稻顶部第一完全展开叶叶片(顶1叶)、顶部第二完全展开叶叶片(顶2叶)以及顶部第三完全展开叶叶片(顶3叶)图像,共4 800张图像。通过图像处理技术获取25项水稻扫描叶颜色和几何形态特征,采用多元线性回归进行全氮含量估测,筛选出两个时期的敏感叶位,并应用机器学习方法建立水稻敏感叶位的全氮含量估测模型。与人工测量相比,通过图像处理方法获取的水稻叶片长宽平均相对误差分别为0.328%、3.404%;幼穗分化期顶3叶和齐穗期顶2叶较其他同期叶位更为敏感,且以幼穗分化期顶3叶最为敏感;应用机器学习建立的水稻敏感叶位全氮含量估测模型略优于多元线性回归模型,且采用BP神经网络建模最佳,幼穗分化期顶3叶模型验证集的RMSEv=0.089、MREv=0.034、 $R^{2}_{v}$=0.887,齐穗期顶2叶模型验证集的RMSEv=0.132、MREv=0.046、$R^{2}_{v}$=0.820。幼穗分化期顶3叶和齐穗期顶2叶的叶片图像特征最具有代表性,进行全氮含量估测更具可行性,可作为水稻氮素营养诊断的有效叶位。 相似文献