共查询到17条相似文献，搜索用时 203 毫秒
1.
无人机影像反演玉米冠层LAI和叶绿素含量的参数确定 总被引：6，自引：4，他引：2
小型低空无人机（unmanned aerial vehicle, UAV）机动灵活、操作简便，可以按需获取高空间分辨率影像，是育种玉米长势监测的一种重要技术手段。针对UAV影像反演玉米冠层叶面积指数（LAI, Leaf Area Index）和叶绿素含量的参数确定问题，该研究以DJI S1000+无人机为平台，搭载法国Parrot Sequoia相机，获取海南三亚市崖城玉米育种基地的多光谱影像。基于预处理后的UAV影像，采用重采样的方式获得不同分辨率下（0.1～1 m）的不同植被指数，所构建的植被指数包括归一化植被指数（normalized difference vegetation index，NDVI）、叶绿素指数（grassland chlorophyll index，GCI）、比值植被指数（ratio vegetation index，RVI）、归一化红边红指数（normalized difference rededge-red index，NDIrer）、归一化红边绿指数(normalized difference rededge-green index，NDIreg)和重归一化植被指数(renormalized difference vegetation index，RDVI)，通过将不同分辨率下的不同植被指数与地面实测数据进行回归分析，以获得各分辨率下植被指数与冠层LAI和叶绿素含量的关系模型及其决定系数，以决定系数的大小为依据来确定玉米冠层LAI和叶绿素含量反演的最优空间分辨率和最优植被指数。通过试验发现，在分辨率为0.6 m时，NDVI与地面实测LAI之间的决定系数R2为0.80，决定系数达到了最大，利用该分辨率下的NDVI反演得到的LAI验证精度R2达到了0.73；在分辨率为0.1 m时，NDIreg与地面实测叶绿素含量之间的决定系数R2为0.70，决定系数达到了最大，利用该分辨率下的NDIreg反演得到的叶绿素含量验证精度R2达到了0.63。因此得出结论：1）植被指数的选择：① 对于玉米冠层LAI的反演来说，不包含绿波段的植被指数的LAI反演精度较高，这说明绿波段对LAI的变化不敏感；② 对于玉米冠层叶绿素含量反演来说，包含红边波段的植被指数的反演精度较高，因此影像的红边波段对叶绿素含量的变化非常敏感。2）UAV影像空间分辨率的选择：反演LAI的最优分辨率是0.6 m，此时NDVI与实测LAI的决定系数达到最大；反演冠层叶绿素含量的最优分辨率是0.1～0.3 m范围内，此时NDIreg与实测叶绿素含量的决定系数达到最大。该研究可为UAV反演玉米表型参数时的分辨率和植被指数选择提供参考。 相似文献
2.
无人机机载激光雷达提取果树单木树冠信息 总被引：5，自引：3，他引：2
定株管理是未来果园精准生产管理的趋势，果树单木树冠信息的提取是定株管理的关键。该研究利用无人机采集的苹果园激光探测与测量数据（Light Detection and Ranging，LiDAR）检测和测量每棵果树的树冠面积和树冠直径，并评价空间分辨率对于果树单木树冠检测与提取的影响。该方法主要包括使用反距离权重插值法间接生成冠层高度模型（Canopy Height Model，CHM）；使用局部极大值滤波算法和标记控制分水岭分割算法（Marked-Controlled Watered Segmentation，MCWS）对果树进行单木树冠检测与提取，通过与参考数据的比较，评估了该方法的精度，并定量分析了空间分辨率对于单木树冠检测与信息提取结果的敏感性。结果表明，该方法有效地实现果树单木树冠检测与信息提取，代表果树检测精度的F1得分为94.86%，树冠轮廓提取准确率为86.39%，树冠面积的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.81和20.56%，树冠直径的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.85和14.79%，树冠面积和直径不同程度地被高估。此外，冠层高度模型的空间分辨率接近果树平均树冠直径的1/10时精度最高，可以有效检测果树单木树冠及提取树冠轮廓，从而准确提取果树单木树冠信息。 相似文献
3.
基于无人机数码影像的冬小麦氮含量反演 总被引：9，自引：7，他引：2
准确、快速地获取关键生育期冬小麦氮素含量,对农业管理者进行田间氮素施肥有重要的决策作用。利用无人机(unmannedaerialvehicle,UAV)搭载数码相机,可以短时间内获取冬小麦长势信息,实现对冬小麦氮素含量动态监测。该研究利用2015年北京市小汤山冬小麦无人机数码影像,采用3种阈值分割方法,将田间植株作物与土壤背景分离。对比影像分割方法的时效性与准确性,最终确定可见光波段差异植被指数VDVI(visible-band difference vegetation index)提取植被信息。按照试验方案要求,在不同的氮肥与水分胁迫管理下,将冬小麦3次重复试验分成48个试验小区,依据小区边界提取小区的红、绿和蓝通道的平均DN(digitalnumber)值,选取25个植被指数,同时与各个试验小区冬小麦不同器官氮含量进行相关性分析,筛选数码影像变量。由于植被指数之间耦合度较高,因此采用主成分分析对原始数据进行成分提取,提取特征向量参与建模,最后利用多元线性回归分析建立氮素反演模型,通过决定系数(R2)、均方根误差(RMSE)和归一化的均方根误差(nRMSE)3个指标筛选出最佳模型,探究各器官氮素含量与数码变量的相关性。结果表明,实验室实测氮素含量与UAV数码影像氮素反演结果及基本一致。在反演模型构建精度方面,3种数据处理结果整体部分植被指数,反演效果叶氮植株氮茎氮。以冬小麦挑旗期为例,叶片氮含量整体信息提取验证模型的R2、RMSE和nRMSE分别为0.85、0.235和6.10%,比部分信息提取验证模型的R2高0.14,RMSE和nRMSE分别降低0.068和1.77个百分点;比植被指数信息提取验证模型的R2高0.43,RMSE和nRMSE分别降低0.141和3.67个百分点。研究表明,基于UAV数码影像利用多元线性回归构建冬小麦氮素含量反演模型,对试验小区整体提取作物信息的方式反演冬小麦叶氮含量效果最好,相比传统反演方法,模型稳定性更高,可为冬小麦田间水肥决策管理提供参考。 相似文献
4.
为解决当前果园探测技术难以在恶劣的果园环境中提取果树冠层信息的问题。该研究将毫米波雷达应用于果园冠层探测,搭建了基于毫米波雷达的果园冠层探测系统,利用该系统扫描得到了果园点云,检测和估算得到每棵果树的株高、冠幅和体积参数。针对毫米波雷达在不同距离下产生点云密度不同的问题,该研究提出了一种基于可变轴的椭球模型自适应密度聚类算法,用以提高果树点云识别效果,进而使用Alpha-shape算法和随机抽样一致算法（Random Sample Consensus）对果树进行了表面重建和结构参数的提取。通过与人工测量数据比较,该研究提出的聚类算法可以有效的识别和提取单木冠层点云,代表果树识别精度的 F1 分数为 93.7%;检测到的果树的株高和冠幅的平均相对误差分别为8.7%和8.1%,决定系数分别为0.84和0.92,均方根误差分别为16.39和7.82 cm;使用Alpha-shape算法计算得到平均果树体积为5.6 m3,相比传统几何法测量体积,体积计算准确度提高了59.4%。该研究表明毫米波雷达可以用于果园冠层信息的准确提取,为采集果园冠层信息提供了技术,对农业信息采集和自动化作业技术的发展具有重要意义。 相似文献
5.
玉米作物系数无人机遥感协同地面水分监测估算方法研究 总被引：1，自引：1，他引：0
该文研究不同水分胁迫条件下无人机遥感与地面传感器协同估算玉米作物系数的可行性。利用自主研发的六旋翼无人机遥感平台搭载多光谱传感器获取内蒙古达拉特旗昭君镇试验站不同水分胁迫下大田玉米冠层光谱影像,计算植被指数,采用经气象因子和作物覆盖度校正后的FAO-56双作物系数法计算玉米的作物系数,研究作物系数与简单比值植被指数(simple ratio index,SR)、叶面积指数(leaf area index,LAI)和表层土壤含水率(surface soil moisture,SM)的相关关系,结果表明,作物系数与SR、LAI和SM的相关程度与水分胁迫程度有关,但均呈现出显著或极显著的线性关系,说明了基于这些指标建立作物系数估算模型的可能性。利用逐步回归分析方法建立了作物系数的估算模型,其估算模型,修正的决定系数、均方根误差和归一化的均方根误差分别为0.63、0.21、25.16%。经验证,模型决定系数、均方根误差和归一化的均方根误差分别为0.60、0.21、23.35%。研究结果可为利用无人机多光谱遥感平台进行作物系数估算提供技术参考。 相似文献
6.
基于无人机遥感影像的大豆叶面积指数反演研究 总被引：16，自引：0，他引：16
作物叶面积指数的遥感反演是农业定量遥感研究热点之一,利用无人机遥感监测系统获取农作物光谱信息精确反演叶面积指数对精准农业生产与管理意义重大。本研究以山东省嘉祥县一带的大豆种植区为试验区,设计以多旋翼无人机为平台同步搭载Canon Power Shot G16数码相机和ADC-Lite多光谱传感器组成的无人机农情监测系统开展试验,分别获取大豆结荚期和鼓粒期的遥感影像。使用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合田间同步实测叶面积指数(leaf area index,LAI)数据,采用经验模型法分别构建了单变量和多变量LAI反演模型,通过决定系数(R2)、均方根误差(RMSE)和估测精度(EA)3个指标筛选出最佳模型。研究表明,有选择性地分时期进行农作物的叶面积指数反演是必要的,鼓粒期作为2个生育期中大豆LAI反演的最佳时期,其NDVI线性回归模型对大豆LAI的解释能力最强,R2=0.829,RMSE=0.301,反演大豆LAI最准确,EA=85.4%,生成的鼓粒期大豆LAI分布图反映了当地当时大豆真实长势情况。因此,以多旋翼无人机为平台同步搭载高清数码相机和多光谱传感器组成的无人机农情监测系统对研究大豆叶面积指数反演是可行性,可作为指导精准农业研究的一种新方法。 相似文献
7.
利用日光诱导叶绿素荧光监测水稻叶片叶绿素含量 总被引：2，自引：1，他引：1
快速准确地监测作物叶片叶绿素含量对于研究作物光合作用、氮素营养以及胁迫状况至关重要。该研究基于不同品种、不同密度、不同氮素水平的水稻田间小区试验,分别获取冠层和单叶的辐亮度光谱、反射率光谱及生理生态指标等,计算日光诱导叶绿素荧光（Sun-Induced Chlorophyll Fluorescence,SIF）指数和植被指数,进一步基于线性回归和辐射传输模型2种方法来建立叶绿素含量监测模型,评估多个叶绿素监测模型的精度及适用性。结果表明,1）在冠层尺度,冠层761 nm处SIF强度（F761）与冠层叶绿素含量相关性最高,决定系数（Determination coefficient,R2）为0.72,略高于表现最好的红边叶绿素指数（Red edge Chlorophyll index,CIred edge）（R2=0.63）;2）在单叶尺度,归一化下行SIF指数（↓FY NDFI）与单叶叶绿素含量相关性最高,R2为0.77,比表现最好的上行荧光产量双峰比值指数（↑FY687/↑FY741）R2高出0.10,与表现最好的植被指数CIred edge效果相当（R2=0.81）;3）基于SCOPE（Soil Canopy Observation, Photochemistry and Energy fluxes ）模型反演水稻冠层叶绿素含量的验证R2为0.57,均方根误差（Root Mean Squared Error,RMSE）为56.54 μg·cm-2,效果差于PROSAIL模型（模型检验的R2为0.91,RMSE为22.59 μg·cm-2）;4）单叶Fluspect-B模型反演水稻单叶叶绿素含量的验证R2为0.55,均方根误差RMSE为19.45 μg·cm-2,效果差于PROCWT模型反演结果（R2为0.72,RMSE为6.42 μg·cm-2）。综上,SIF指数在监测冠层和单叶叶绿素含量时效果较好,基于SIF的辐射传输模型也可以用来反演水稻冠层和单叶的叶绿素含量。研究结果可为SIF监测作物叶绿素含量提供理论依据,并对未来利用SIF进行植物光合作用研究提供理论支持。 相似文献
8.
无人机多光谱遥感反演各生育期玉米根域土壤含水率 总被引：1，自引：3，他引：1
为准确及时地获取植被覆盖条件下农田土壤水分信息,该文以不同水分处理的大田玉米为研究对象,利用无人机遥感平台对夏玉米进行多期遥感监测,并同步采集玉米根域不同深度土壤含水率(Soil Water Content,SWC)。基于2018年夏玉米拔节期、抽雄-吐丝期和乳熟-成熟期的无人机多光谱遥感影像数据集,通过支持向量机(Support Vector Machine,SVM)分类剔除土壤背景,提取玉米冠层光谱反射率并计算10种植被指数(VegetationIndex,VI),然后利用全子集筛选(FullSubsetSelection)法对不同波段和植被指数进行不同深度土壤含水率的敏感性分析,并分别采用岭回归(Ridge Regression,RR)和极限学习机(ExtremeLearningMachine,ELM)2种方法构建全子集筛选后0～20、20～45和45～60cm不同深度下的土壤含水率定量估算模型。结果表明:基于贝叶斯信息准则(BayesianInformationCriterion,BIC)的全子集筛选法可以有效筛选最优光谱子集,筛选变量基本都通过了显著性检验,自变量个数较少;在同一生育期、同一深度条件下,ELM模型效果均优于RR模型;玉米在拔节期、抽雄-吐丝期的最佳监测深度为0～20cm,在乳熟-成熟期的最佳监测深度为20～45cm;乳熟-成熟期的20～45cm深度下的ELM反演模型效果最优,其建模集和验证集的决定系数Rc2和Rv2分别为0.825和0.750,均方根误差RMSEc和RMSEv分别为1.00%和1.32%,标准均方根误差NRMSEc和NRMSEv分别为10.85%和13.55%。利用全子集筛选法与机器学习相结合的方法可以提高土壤含水率的反演精度和鲁棒性,本研究为快速、准确地监测农田土壤墒情、实施精准灌溉提供了一种新的途径。 相似文献
9.
利用无人机多光谱估算小麦叶面积指数和叶绿素含量 总被引：6，自引：4，他引：2
利用无人机遥感的方式进行农作物长势监测是目前精准农业、智慧农业发展的重要方向,为了探究无人机多光谱反演小麦叶面积指数(Leaf Area Index,LAI)和叶绿素含量的模型估算潜力,该研究在3个飞行高度(30、60、120 m)采集多光谱影像,通过使用全波段差值光谱指数(Difference Spectral Index,DSI)、比值光谱指数(Ratio Spectral Index,RSI)、归一化光谱指数(Normalized Spectral Index,NDSI)和经验植被指数与地面实测数据进行相关性分析,获得不同高度下的光谱指数与LAI和叶绿素含量的关系模型及其决定系数,以决定系数为依据分别构建多元逐步回归、偏最小二乘回归和人工神经网络模型,分析不同飞行高度无人机多光谱反演小麦冠层LAI和叶绿素含量SPAD(Soil and Plant Analyzer Development)值的精度。结果表明:1)30 m高度下,绿-红比值光谱指数与小麦LAI的相关性最高,相关系数为0.84;60 m高度下,红-蓝比值光谱指数与小麦叶绿素含量的相关性最高,相关系数为0.68;2)在60 m高度下,经验植被指数与小麦LAI和叶绿素含量的相关性较好,最大相关系数分别为0.77和0.50;3)利用偏最小二乘回归反演小麦LAI的精度最高,决定系数为0.732,均方根误差为0.055;利用人工神经网络模型反演小麦叶绿素含量的精度最高,决定系数为0.804,均方根误差0.135。该研究成果可为基于无人机平台的高通量作物监测提供理论依据,并为筛选无人机多光谱波段实现作物长势参数快速估测提供应用参考。 相似文献
10.
为了获取近似真实的苹果树冠层反射率,该文以山东省栖霞市为研究区,应用DEM数据和6S辐射传输模型,对苹果树花期TM影像进行辐射校正、混合像元分解,获取26个果园苹果树冠层反演反射率,将反演结果与相同时段地面实测冠层反射率以及表观反射率、表观—像元分解反射率进行比较,分析了反演效果及精度。结果表明,地表反演反射率有效减弱了地形和大气的影响,恢复了阴影处的地物,影像清晰度明显提高;苹果树冠层反演反射率样本平均值误差较表观、表观—像元分解、地表反演3类反射率小,与实测值的相关系数提高,而且样本间变化趋势与实测值基本一致。此反演方法具有一定可行性,对于苹果树冠层反射率和苹果园管理基础数据获取与应用具有积极意义,也可为其他农业遥感反演研究及应用提供借鉴。 相似文献
11.
基于无人机高光谱遥感的柑橘黄龙病植株的监测与分类 总被引：10，自引：5，他引：5
柑橘黄龙病(Huanglongbing,HLB)是柑橘产业的毁灭性病害,及早发现并挖除病株是防治HLB的有效手段。通过无人机低空遥感监测大面积果园,可大大减少HLB排查工作量和劳动力。该文获取了无人机低空柑橘果园的高光谱影像,分别提取并计算健康和感染HLB植株冠层的感兴趣区域的平均光谱,并对初始光谱进行Savitzky-Golay平滑、异常数据剔除和光谱变换,得到原始光谱、一阶导数光谱和反对数光谱3种光谱,对这3种光谱采用主成分分析法进行降维,与全波段信息比较,分别采用k近邻(kNN)和支持向量机(SVM)进行建模和分类。结果表明,以二次核SVM判别模型对全波段一阶导数光谱的分类准确率达到94.7%,对测试集的误判率为3.36%。表明低空高光谱遥感监测HLB的手段具有可行性,可大大提高果园管理效率和政府防控病情力度。 相似文献
12.
Sebinasi Dzikiti Stephan J. VerreynneJan Stuckens Albert StreverWillem W. Verstraeten Rony SwennenKaren I. Theron Pol Coppin 《Agricultural and Forest Meteorology》2011,151(8):1035-1044
This study describes the diurnal and seasonal dynamics of the canopy reflectance, water use and water status of Midknight Valencia citrus trees under semi-arid conditions. Hyperspectral canopy reflectance data was collected on 30 trees at monthly intervals over a period of 16 months in a commercial orchard in South Africa. The mean canopy reflectance in the wavelength range 350-2500 nm followed a clear seasonal trend influenced by environmental conditions and tree phenology. Mean monthly reflectance peaked in summer (∼22%) while the lowest value (∼15%) was reached in winter with the seasonal changes in the sun's position accounting for a significant proportion of the variations. A sensitivity analysis of a Penman-Monteith transpiration model showed that water use by individual trees changed by up to 13% when the canopy reflectance was varied over the seasonal range of measured values. This suggested that the seasonal changes in tree water use influenced the seasonal trend of the canopy reflectance. Thus monitoring the canopy reflectance of citrus trees could offer information on the tree water status. To test this, sap flow data of water uptake and loss by the trees were compared with the canopy spectra. Sap flow data showed a heavy reliance by the citrus trees on the internally stored water with up to 25% of the daily total transpiration withdrawn from the trees’ internal water storage pools when soil water was limited. This depletion of internally stored water, and hence the change in tree water status, was detected using spectral indices based on the first order derivatives of the canopy reflectance centered at two and, at most, four spectral bands. We conclude that even if citrus trees are evergreen, their canopy reflectance changes significantly throughout the year with a considerable impact on tree energy balance and water use. In addition, the contribution of the internally stored water to daily transpiration is a possible indicator of drought stress for citrus trees detectable from changes in canopy reflectance and it has potential applications in irrigation scheduling using canopy level spectral information. 相似文献
13.
Jan StuckensSebinasi Dzikiti Willem W. Verstraeten Stephan Verreynne Rony Swennen Pol Coppin 《Agricultural and Forest Meteorology》2011,151(7):1002-1015
Hyperspectral remote sensing for monitoring horticultural production systems requires the understanding of how plant physiology, canopy structure, management and solar elevation affect the retrieved canopy reflectance during different stages of the phenological cycle. Hence, the objective of this study was to set up and to interpret a hyperspectral time series for a mature and healthy citrus orchard in the Western Cape province of South Africa considering these effects. Based on the remotely sensed data, biophysical parameters at the canopy level were derived and related to known observed physiological and phenological changes at the leaf level and to orchard management. Fractions of mature fruit, flowers, and sunburnt leaves were considered, and indices related to canopy structure chlorophyll content and canopy water status were calculated.Results revealed small cover fractions of mature fruit, flowers and sunburnt leaves of respectively 2.1%, 3.1% and 7.0%, but the high spectral contrast between flowers and leaves allowed a successful classification of flowering intensity. Furthermore, it was shown that canopy level time series of vegetation indices were sensitive to changes in solar elevation and soil reflectance which could be reduced by applying an empirical soil line correction for the most affected indices. Most trends in vegetation indices at the canopy level could be explained by a combination of changes at the leaf level (chlorophyll, carotenoids, dry matter), changes in canopy structure (leaf area index and leaf angle distribution) and changes in cover fractions of vegetative flushes, flowers and sunburnt leaves. The transformed chlorophyll absorption ratio index over the optimised soil adjusted vegetation index (MCARI/OSAVI) was best related to leaf level trends in chlorophyll content. Seasonal changes in the photochemical reflectance index (PRI) were linked to inverse changes in the carotenoid-to-chlorophyll ratio. Canopy structure indices (the modified triangular vegetation index or MTVI2 and the standardized leaf area index determining index or sLAIDI) were sensitive to changes in leaf area index, average leaf angle as well to management interactions (pruning and harvest). Canopy water status was highly impacted during the spring flush due to expanding leaves that concealed trends in the underlying mature leaves. Seasonal trends in soil and weeds reflectance were related to changes in volumetric soil water content and to the earlier and reduced growth period of non-irrigated weeds. 相似文献
14.
设施果园自动对靶精准变量施肥控制系统 总被引：1，自引：1，他引：0
针对目前果园条施肥过程中缺乏精准变量对靶施肥装置的问题,该研究研制了一种排肥轮槽口体积可根据果树目标施肥量及冠层直径大小自动调节,排肥轮转速随施肥车速自动变化的果园精准变量自动对靶施肥装置与控制系统。该装置采用外槽轮式结构,槽口体积可连续调节自动变化。采用激光雷达传感器实时探测果树冠层位置,使用霍尔传感器检测施肥车行驶速度,以STM32F407VET6单片机为核心设计了控制器。分别以尿素、复合肥、有机复合肥3种颗粒肥料为试验材料,标定了不同排肥轮槽口开度在不同排肥轮转速下的排肥量,单个槽口排肥量与排肥轮转速呈负线性关系,决定系数R2不小于0.93;建立了单棵果树目标施肥量与排肥轮转速、施肥车速、槽口体积以及果树冠层直径4个变量之间的关系及排肥轮转速控制规则。室内台架试验结果表明,单棵柑橘树实际施肥量与给定目标施肥量相对误差最大为5.17%,变异系数最大为1.47%,可在施肥车速变化情况下准确施用不同颗粒肥料。大棚柑橘果园自动对靶施肥试验结果表明,单棵柑橘树实际施肥量与给定目标施肥量相对误差最大为4.83%,变异系数最大为6.96%,且施肥均在果树冠层直径范围内完成。该装置能够根据果树冠层直径大小对靶按需施肥,适应不同种类颗粒肥的少量或较大量定量施肥,满足不同大小果树不同需肥量的精准变量自动施肥要求。 相似文献
15.
基于无人机影像自动检测冠层果的油茶快速估产方法 总被引：2，自引：2，他引：0
快速准确的产量估算对油茶经营管理和可持续发展具有重要意义。该研究针对油茶快速估产的应用现状,提出一种基于无人机影像自动检测冠层果的方法用于油茶快速估产。首先借助无人机航拍影像,通过随机抽样选取120株油茶树进行无人机近景摄影和人工采摘称量;然后利用Mask RCNN(Mask Region Convolutional Neural Networks)网络开展基于近景影像的油茶冠层果自动检测与计数;采用线性回归和K最邻近建立冠层果数与单株果数之间的关系,同时结合研究区典型样木株数和平均单果质量,构建基于冠层果自动检测的估产模型。结果表明:1)无人机超低空近景影像结合Mask RCNN网络能够有效检测不同光照条件油茶果,平均F1值达89.91%;2)同传统卫星遥感相比,基于无人机近景摄影的冠层果自动检测在作物产量估测方面显示出明显优势,Mask RCNN网络预测的冠层果数与油茶样木单株果数之间具有良好的一致性,拟合决定系数R2达0.871;3)结合线性回归和K最邻近构建的模型估产精度均较高,拟合决定系数R~2和标准均方根误差NRMSE(Normalized Root Mean Square Error)分别在0.892～0.913和28.01%～31.00%之间,表明基于无人机影像自动检测冠层果的油茶快速估产是一种切实可行的方法。研究结果可为油茶快速估产和智能监测提供参考。 相似文献
16.
黄土高原沟壑区苹果园土壤剖面水分及矿质氮分布特征 总被引：2，自引：2，他引：0
面对苹果园大量施肥带来的潜在环境问题,在黄土高原沟壑区典型流域,分别选取不同树龄和地貌类型的苹果园,分析土壤水分含量和土壤矿质氮在土体剖面中的变化,为促进该流域农业发展提供相关数据支持。在陕西长武县王东沟流域,分别选取不同树龄(14,18,23,28,32树龄)和地貌类型(塬、梁、坡地)的果园,用直径为4 cm的土钻,在每株果树周围距离树干1 m处,采集15个不同样地0—400 cm土层样品,12个果园样地0—600 cm土层样品,分别测定土壤水分、硝态氮、铵态氮含量。结果表明:随着树龄的增加,0—600 cm土壤含水量和贮水量出现明显下降,尤其在300—600 cm处,不同树龄果园贮水量差异显著(P<0.05),贮水量大小表现为18树龄>23树龄>32树龄。流域内各树龄果园各土层铵态氮含量均较低,对矿质氮在土体中的分布基本不构成影响;硝态氮含量较高,矿质氮在土壤中的分布主要受其影响。各果园不同树龄600 cm以上土层硝态氮含量变化幅度较大,且硝态氮主要分布在土层深处。坡地果园18,23,32树龄0—200 cm土层硝态氮累积总量分别占0—400 cm土层累积总量的50%,41%和38%,表现出土壤硝态氮随树龄的增长而向深层累积的趋势。3种地貌类型下硝态氮累积量都表现出随果园树龄增长而增加的特点。黄土高原沟壑区果园土壤深层干燥化和硝态氮累积现象明显,而且随着果园树龄的增加趋于严重。 相似文献
17.
为探明间作豆科作物对幼龄果园土壤水分、硝态氮含量以及树木生长的影响，并对黄土高原旱作果园土壤肥力提升与可持续发展提供指导，以黄土丘陵区苹果/黄豆复合系统为研究对象，通过测定种植黄豆整个生育期内试验小区水分、硝态氮含量以及果树叶片含氮量和生理指标的变化来评价不同间作密度黄豆对果树生长的影响。结果表明：(1)相较于清耕果园，中密度间作在黄豆花期前对果园土壤水分含量有一定的提升作用，而高密度间作加剧行间水分的消耗，显著降低土壤含水量。(2)不同土层硝态氮相对累积量随黄豆生育期后移呈现逐渐下移且分布逐渐均衡的趋势，土壤总硝态氮累积量处理间未表现出显著差异。(3)中、高密度间作均可有效提升果树叶片氮含量，促进果树生长，而中密度间作黄豆使土壤含水量最高提升17.6%,叶片氮含量最高增加8.04%。因此，中密度间作黄豆在黄土高原旱作苹果园更具有间作优势。 相似文献