共查询到20条相似文献，搜索用时 203 毫秒
1.
株高和植被覆盖度（Vegetation Coverage, VC）是估算生物量的重要参数，而生物量的准确估算对农业生产具有重要作用。该研究获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的无人机和地面数码影像，并实测株高、地上生物量和地面控制点（Ground Control Point, GCP）的三维空间坐标。首先基于数字表面模型（Digital Surface Model, DSM）提取马铃薯株高，其次利用地面和无人机数码影像提取马铃薯VC实测值和估测值，然后将提取的株高、VC和二者乘积与选取的11种植被指数和生物量作相关性分析，挑选出相关性较好的前6种植被指数和3种农学参数，最后通过线性回归（Linear Regression，LR）、偏最小二乘回归（Partial Least Square Regression，PLSR）、随机森林（Random Forest，RF）算法和支持向量机（Support Vector Machine, SVM）估算生物量。结果表明，提取株高和实测株高拟合的决定系数为0.86，标准均方根误差为13.42%；提取VC值和实测VC值拟合的决定系数为0.84，标准均方根误差为15.76%；利用LR建模和验证精度由低到高依次为提取的株高、VC和二者乘积，每种变量的估算效果均从现蕾期到块茎增长期逐渐变好，从淀粉积累期到成熟期逐渐变差；每个生育期利用3种方法以不同变量估算生物量效果依次由低到高为植被指数、植被指数结合提取株高、植被指数结合提取VC、植被指数结合提取的株高和VC，其中PLSR模型效果优于RF和SVM模型。该研究为马铃薯长势快速监测提供参考。 相似文献
2.
基于SPOT-5遥感影像估算玉米成熟期地上生物量及其碳氮累积量 总被引：4，自引：0，他引：4
通过构建基于SPOT\|5光谱参数的玉米成熟期地上生物量、 碳氮累积量的遥感估算模型,为耕地生产力估测、 农田生态保护和碳氮循环研究提供依据。利用皮尔逊相关分析法分析玉米成熟期地上生物量、 碳氮累积量与同期14个预选光谱参数之间的相关性,筛选出适宜的光谱参数;通过回归分析,比较得出最优遥感估算模型。在构建的14个光谱参数中,土壤校正植被指数（SAVI）与玉米成熟期地上生物量和碳累积量均呈显著的正相关,相关系数分别达到0.831和0.846,因此以SAVI为底数的幂函数模型估算生物量和碳累积量的拟合效果最好,决定系数（R2）分别达到0.698和 0.722,在0.01水平下的F检验均呈显著性;与氮累积量相关性最强的是由近红外波段和绿波段构建的比值指数（R3/R1）,相关系数达到0.844;从而以R3/R1为自变量的线性模型对氮累积量拟合效果最佳,决定系数（R2）达到0.713,在0.01水平下的F检验呈显著性。因此,利用SPOT\|5的土壤校正植被指数（SAVI）、 近红外波段和绿波段的比值指数（R3/R1）构建的遥感模型来估算玉米成熟期生物量、 碳氮累积量是可行的。 相似文献
3.
利用四川单季稻区7个农业气象观测站5个主栽品种的田间观测数据,结合当地栽培管理措施、土壤条件及逐日气象资料对ORYZA2000模型进行参数调试,并确定四川单季稻区5个主栽品种的作物参数值;利用4～5a各主栽品种的观测数据对单季稻生育期、叶面积指数、生物量和产量等指标的模拟结果进行验证和评价。结果表明,合系39营养生长期发育速率最大,而生殖生长期发育速率最小,Ⅱ优838营养生长期发育速率最小,而D优63和汕优2生殖生长期发育速率最大;模型对5个单季稻主栽品种的生育期模拟效果较好,各品种开花期与成熟期的相对模拟误差均在1～2d,归一化均方根误差（NRMSE）均小于1%;各品种产量的NRMSE在5.26%～10.01%,叶面积指数的NRMSE为10.37%～19.19%,地上部总生物量、茎生物量、绿叶生物量及穗生物量的NRMSE分别为13.17%～18.69%、14.31%～20.41%、18.95%～24.74%和20.85%～25.39%。由此可见,ORYZA2000模型能够较为准确地模拟四川单季稻区5个主栽品种的发育及产量形成过程,适应能力较强,可以应用于四川单季稻生产。 相似文献
4.
利用四川单季稻区7个农业气象观测站5个主栽品种的田间观测数据,结合当地栽培管理措施、土壤条件及逐日气象资料对ORYZA2000模型进行参数调试,并确定四川单季稻区5个主栽品种的作物参数值;利用4～5a各主栽品种的观测数据对单季稻生育期、叶面积指数、生物量和产量等指标的模拟结果进行验证和评价。结果表明,合系39营养生长期发育速率最大,而生殖生长期发育速率最小,Ⅱ优838营养生长期发育速率最小,而D优63和汕优2生殖生长期发育速率最大;模型对5个单季稻主栽品种的生育期模拟效果较好,各品种开花期与成熟期的相对模拟误差均在1～2d,归一化均方根误差（NRMSE）均小于1%;各品种产量的NRMSE在5.26%～10.01%,叶面积指数的NRMSE为10.37%～19.19%,地上部总生物量、茎生物量、绿叶生物量及穗生物量的 NRMSE 分别为13.17%～18.69%、14.31%～20.41%、18.95%～24.74%和20.85%～25.39%。由此可见,ORYZA2000模型能够较为准确地模拟四川单季稻区5个主栽品种的发育及产量形成过程,适应能力较强,可以应用于四川单季稻生产。 相似文献
5.
基于光谱学原理与小波包分解技术预测苹果树叶片氮素含量 总被引：5，自引：5，他引：0
为探索不同生理物候期苹果树叶片氮素含量的快速检测方法。分别在果树坐果期、生理落果期和果实成熟期,使用光谱仪测量了果树叶片在可见光和近红外区域的反射光谱,同时在实验室测定了果树叶片的全氮含量。研究首先将实验所得的光谱反射率与氮素含量以果树为单位进行聚类,利用小波包分析技术对每棵果树的光谱信息进行分解,提取出的低频信号和去除高频噪音后的信号分别组成了低频全光谱和去噪全光谱。针对这两个全光谱均实施了主成分分析,利用提取主成分分别建立了果树不同生长阶段的氮素含量多元线性回归模型。对比基于归一化植被指数（NDVI）建立的氮素含量估测模型发现,利用全光谱信息建立的氮素含量预测模型精度更高;在坐果期和果实成熟期,使用去噪全光谱提取的主成分建立的氮素预测模型最优;而在生理落果期,使用低频全光谱提取的主成分建立的模型最优。结果表明,利用小波包分析技术能够有效地提高苹果果树叶片氮素含量的光谱预测能力。 相似文献
6.
针对已有基于遥感信息的收获指数估算对籽粒灌浆过程中作物生物量变化和收获指数变化过程考虑不足且估算精度有待进一步提高的现状,该研究以冬小麦为研究对象,基于冠层高光谱数据、地上生物量和动态籽粒产量等数据,在提出灌浆至成熟阶段动态收获指数（Dynamic Harvest Index, DHI）和构建花后累积地上生物量比例动态参数（Dynamic fG, D-fG）基础上,提出了敏感波段中心构建归一化差值光谱指数（Normalized Difference Spectral Index, NDSI）估算D-fG的作物动态收获指数估测技术方法并进行精度验证。在此基础上,通过敏感波段宽度扩展确定了冬小麦D-fG估算敏感波段最大宽度,并实现了最大波宽下D-fG和DHI的遥感获取。结果表明,筛选的5个敏感波段中心λ（366 nm, 489 nm）、λ（443 nm, 495 nm）、λ（449 nm, 643 nm）、λ（579 nm, 856 nm）、λ（715 nm, 849 nm）构建NDSI进行D-fG遥感估算均达到了较高精度水平,均方根误差（Root Mean Square Error, RMSE）在0.036～0.050之间,归一化均方根误差（Normalized Root Mean Square Error, NRMSE）在10.46%～14.59%之间;基于敏感波段中心的DHI估算中,RMSE在0.039～0.053之间,NRMSE在10.50%～14.28%之间;估算D-fG的5个敏感波段中心最大波段宽度分别为30、68、58、20和86 nm,基于最大波宽获取DHI估算结果中,RMSE在0.054～0.055之间,NRMSE在14.38%～14.65%之间。可见,该研究所提收获指数遥感估算方法具有一定的可行性,为获取冬小麦动态收获指数提供了新思路和新方法,也为窄波段高光谱卫星遥感和宽波段多光谱卫星遥感获取大范围作物收获指数空间信息提供一定技术参考。 相似文献
7.
基于多源无人机影像特征融合的冬小麦LAI估算 总被引：3，自引：3，他引：0
为探讨无人机多源影像特征融合估测作物叶面积指数的能力,该研究以冬小麦为研究对象,利用多旋翼无人机搭载高清数码相机和UHD185成像光谱仪获取研究区冬小麦关键生育期（扬花期、灌浆期）的可见光和高光谱影像。综合考虑可见光、高光谱影像特征与冬小麦叶面积指数的相关性及影像特征重要性进行特征筛选,然后,以可见光植被指数、纹理特征、可见光植被指数+纹理特征、高光谱波段、高光谱植被指数及高光谱波段+植被指数分别作为输入变量构建多元线性回归、支持向量回归和随机森林回归的叶面积指数估测模型（单传感器数据源）;以优选的两种影像特征结合支持向量回归、随机森林回归构建叶面积指数估测模型（两种传感器数据源）,比较分析单源与多源影像特征监测冬小麦叶面积指数的性能。进一步地,考虑到小区土壤空间异质性会影响冬小麦叶面积指数估测结果,该研究探讨了不同影像采样面积下基于单源遥感数据构建的小麦叶面积指数估测模型精度。研究结果表明：在扬花期和灌浆期,使用两种影像优选特征构建的随机森林回归估测模型精度最佳,验证集决定系数分别为0.733和0.929,均方根误差为0.193和0.118。可见光影像采样面积分别为30%和50%,高光谱影像采样面积为65%时,基于单源影像特征构建的随机森林回归估测模型在扬花期和灌浆期效果最好。综上,该研究结果可为无人机遥感监测作物生理参数提供有价值的依据和参考。 相似文献
8.
基于根系加权土壤水分有效性的冬小麦水分生产函数 总被引：2，自引：2，他引：0
为了准确评估作物水分亏缺程度及其敏感性动态对作物产量的影响,该研究结合基于根系加权土壤水分有效性的植物水分亏缺指数（Plant Water Deficit Index,PWDI）与基于归一化热单元指数的S型累积水分敏感指数,建立了3种不同形式的作物水分生产函数（Crop Water Production Function,CWPF）,即Blank加法模型（PWDI-B）、Jensen（PWDI-J）和Rao（PWDI-R）乘法模型。通过2 a冬小麦栽培田间蒸渗仪试验（北京昌平）和1 a冬小麦栽培田间滴灌试验（山东黄河三角洲）,优化了土壤水分胁迫修正系数中参数,进而对PWDI估算精度及CWPF产量估算效果进行检验与评价。结果表明：蒸渗仪试验基于根系加权估算的PWDI与实测值吻合良好,决定系数R2为0.78,标准化均方根误差（Normalized Root Mean Squared Error,NRMSE）为0.16;滴灌试验PWDI均值与作物株高（r=?0.95）、生物量及产量（r≤?0.79）均具有较好的相关性,表明根系加权PWDI能较准确地反映不同试验条件下冬小麦的水分亏缺程度及其对作物生长的影响;此外,无论是蒸渗仪试验还是滴灌试验,所建的3个CWPF对冬小麦产量的估算精度均在可接受范围内（R2≥0.78,NRMSE≤0.11）,且PWDI-R估算精度依次高于PWDI-J、PWDI-B、以及线性回归模型（即PWDI均值与产量的线性拟合模型）。因此,根系加权PWDI与S型水分敏感指数累积函数融合可用于合理构建冬小麦水分生产函数,其中PWDI-R乘法模型可优先推荐用于研究区冬小麦产量估算和灌溉制度优化,从而为当地冬小麦田间水分管理提供理论依据。 相似文献
9.
针对苹果园缺乏精准施肥指导方法,造成果树养分供应比例不平衡、肥效低,导致果实质量不理想、品质不一致的问题,提出一种基于叶片营养诊断的苹果树精准施肥模型。首先,采用FCM-模糊聚类方法建立苹果树花量估测模型,根据花果叶理论中花量与果实的数量关系,估算苹果树的目标产量。其次,根据养分平衡法,对果树目标产量、土壤养分含量、肥料利用率以及肥料养分含量进行了分析,计算出果树的施肥总量,根据苹果树年生长周期的生长规律、需肥特性及叶片营养诊断结果,建立了苹果树的精准施肥模型。最后,在苹果园示范园内采用对照试验的方式进行施肥模型验证试验,比较两个对照组果园施肥量及果实品质结果。试验结果表明:(1)经验指导施肥导致施肥量变化幅度大、肥料用量大,施肥模型指导施肥使施肥量变化幅度小、肥料用量少,估测结果更加准确;(2)施肥模型指导施肥的果园相较于根据经验施肥的果园,果品质量明显提高:平均单果重增加37 g,果实硬度增加1.7 kg/cm2,可溶性固形物增加2.5个百分点,果实着色面在60%以上的果实数量增加11.5个百分点。综上所述,基于叶片营养诊断的苹果园精准施肥模型能够提高果品质量,降低肥料浪费,实现科学指导苹果园施肥。 相似文献
10.
基于LAI测试的精确人造果树模型 总被引：2，自引：2，他引：0
精确人造果树为叶面积指数LAI和生物量测试提供固定、标准的参数,能避免真树受环境时空变化而参数改变的弊端。通过3D数字化仪（Polhemus Fastrak）采集真树的坐标（枝叶的位置、方向等空间结构参数）,用独特的工艺,进行人造树模型的构建。根据多种方法的对照（图片、三维可视化、坐标误差分析）进行了经过多次、长时间多阶段（粗调、微调和整体精调3个阶段）的枝、干、叶调试,以达到仿真的效果。利用虚拟果树技术,与真树坐标、高度、叶面积、投影面积分布进行对比分析,人造树高度－累积叶面积（LAI）线性回归的决定系数R2为0.9892,人造树阴影面积－叶累积面积线性回归的决定系数R2为0.9973。人造树与真树轮廓外观尺寸相对误差在小于3%,叶子坐标误差服从正态分布。真树-人造树随高度变化的投影面积累积面积误差小于5%,累积投影面积误差为20%,它们在高度为0～65 cm范围段稳定。 相似文献
11.
基于EFAST和PLS的苹果叶片等效水厚度高光谱估算 总被引：2，自引：2，他引：0
叶片等效水厚度(EWT)是评估果树生长状况及产量的一个重要参数。为了快速、准确地估算此参数,该文建立苹果叶片EWT归一化近红外水分指数(NDIWI)和扩展傅里叶幅度灵敏度检测方法和偏最小二乘回归(EFAST-PLS)估算模型并验证。使用2012年和2013年在中国山东省肥城县潮泉镇获取的整个生育期苹果叶片EWT和配套的光谱数据,比较NDIWI和EFAST-PLS联合模型。在EFAST-PLS联合模型中,EFAST用来选择光谱敏感波段,PLS用来回归分析。NDIWI与EFAST-PLS模型的决定系数(R2)分别为0.2831和0.5628,标准均方根误差(NRMSE)分别为8.00%和6.25%。研究结果表明:EFAST-PLS模型估算苹果叶片EWT潜力巨大,考虑到应用简单,NDIWI也有可取之处。 相似文献
12.
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
13.
基于改进YOLOv4模型的全景图像苹果识别 总被引：3，自引：3，他引：0
苹果果园由于密植栽培模式,果树之间相互遮挡,导致苹果果实识别效果差,并且普通的图像采集方式存在图像中果实重复采集的问题,使得果实计数不准确。针对此类问题,该研究采用全景拍摄的方式采集苹果果树图像,并提出了一种基于改进YOLOv4和基于阈值的边界框匹配合并算法的全景图像苹果识别方法。首先在YOLOv4主干特征提取网络的Resblock模块中加入scSE注意力机制,将PANet模块中的部分卷积替换为深度可分离卷积,且增加深度可分离卷积的输出通道数,以增强特征提取能力,降低模型参数量与计算量。将全景图像分割为子图像,采用改进的YOLOv4模型进行识别,通过对比Faster R-CNN、CenterNet、YOLOv4系列算法和YOLOv5系列算法等不同网络模型对全景图像的苹果识别效果,改进后的YOLOv4网络模型精确率达到96.19%,召回率达到了95.47%,平均精度AP值达到97.27%,比原YOLOv4模型分别提高了1.07、2.59、2.02个百分点。采用基于阈值的边界框匹配合并算法,将识别后子图像的边界框进行匹配与合并,实现全景图像的识别,合并后的结果其精确率达到96.17%,召回率达到95.63%,F1分数达到0.96,平均精度AP值达到95.06%,高于直接对全景图像苹果进行识别的各评价指标。该方法对自然条件下全景图像的苹果识别具有较好的识别效果。 相似文献
14.
基于分水岭和凸包理论的自然场景下未成熟苹果直径测量方法 总被引：1，自引：1，他引：0
针对自然场景下生长期内树上未成熟果实的自动探测与大小计算问题,提出了一种基于改进分水岭和凸包理论的自然场景下未成熟苹果识别与直径计算方法。该方法首先对灰度图像进行形态学重构后进行边缘检测,再利用合并局部极小值点分水岭分割方法从粘连区域中提取目标果实,并结合基于凸包理论的真轮廓提取和圆拟合方法,实现目标果实圆拟合直径的自动测量。计算结果与人工测量结果进行对比试验,结果表明:在不考虑扁平型目标果的情况下,该方法的直径计算均方根误差最小值为1.91 mm,均值为2.27 mm,误差范围在品质评定等级差(5 mm)以内,具有较好的推广应用价值。研究结果为生长期内果实的大小监测提供参考。 相似文献
15.
为评估气象变化对棉花生长和县域尺度产量的影响,使用校正的CROPGRO-Cotton模型实现棉花生长模拟和响应气候变化的年际籽棉产量评估。2018年和2019年的田间试验数据被用于校正和验证CROPGRO-Cotton模型,结果表明校正的CROPGRO-Cotton模型对物候发育期模拟精度较好,出苗期、开花期、结铃期和吐絮期的模拟误差分别为+1、+3、+1和-2 d。模拟的生长期地上总产量(TAGP)和叶面积指数(LAI)与实测值吻合较好,D值为0.99,模拟的RMSE值分别为718 kg·hm-2和0.29 m2·m-2, 显示了较高的TAGP模拟精度(10%D值为0.55,NRMSE值为15.8%。不同年际籽棉产量评估的平均D值和NRMSE值分别为0.48和15.6%,不同区域的籽棉产量评估的平均D值和NRMSE值分别为0.44和16.8%,校正的模型均获得了较高的年际和区域产量评估精度(NRMSE≤20%)。研究结果可为分析气候变化对棉花生长和产量的影响提供一种定量分析方法。 相似文献
16.
作物产量准确估算在农业生产中具有重要意义。该文利用无人机获取冬小麦挑旗期、开花期和灌浆期数码影像和高光谱数据,并实测产量。首先利用无人机数码影像和高光谱数据分别提取数码影像指数和光谱参数,然后将数码影像指数和光谱参数与冬小麦产量作相关性分析,挑选出相关性较好的9个指数和参数,最后以选取的数码影像指数和光谱参数为建模因子,通过MLR(multiple linear regression,MLR)和RF(random forest,RF)对产量进行估算。结果表明:数码影像指数和光谱参数与实测产量均有很强的相关性。利用数码影像指数和光谱参数通过MLR和RF构建的产量估算模型均在灌浆期表现精度最高,在灌浆期,数码影像指数和光谱参数构建的MLR模型R~2和NRMSE分别为0.71、12.79%,0.77、10.32%。对模型对比分析可知,以光谱参数为因子的MLR模型精度较高,更适合用于估算冬小麦产量。利用无人机遥感数据,通过光谱参数建立的MLR模型能够快速、方便地对作物进行产量预测,并可以根据不同生育期的产量估算模型有效地对作物进行监测。 相似文献
17.
利用甘肃东部22个县（区、市）1965−2018年气象资料、1995−2018年苹果产量、种植面积资料和近5a的其它社会经济统计资料，综合分析筛选包括危险性、易损性、敏感性和防灾减灾能力4个方面的12个指标，构建苹果气象灾害综合风险评估指标体系，采用折衷方法计算风险指标权重，进一步构建风险指数评估模型，应用GIS技术制作风险区划图，评估苹果气象灾害综合风险。结果表明：甘肃东部苹果气象灾害综合风险分布呈现出由东南向西北加重的趋势，重度以上综合风险区主要分布在沿关山山区和六盘山东西两麓，以及陇东黄土高原北部，风险指数大于0.45；中度综合风险区主要分布在陇东中南部和渭河流域大部，风险指数在0.25～0.45；轻度综合风险区仅分散性分布在渭河流域川区和陇东东南部的小部分地区，风险指数低于0.25。 相似文献
18.
基于长时间序列的河北省142个国家级气象台站大风观测数据、历史苹果大风灾情统计资料、苹果生育期等数据,选择最优机器学习模型延长极大风速时间序列,利用对应站点的极大风速和灾情统计数据确定苹果两个主要生育期内不同等级大风灾害气象指标阈值,分析了苹果大风灾害时空分布特征,对苹果大风灾害的危险性、脆弱性、暴露度和防灾减灾能力等指标进行综合风险评估。结果表明：随机森林模型模拟精度较高,可以较好地延长极大风速时间序列;苹果花期−幼果期的大风灾害阈值为极大风速≥9.1m·s−1,果实膨大-成熟期为极大风速≥7.9m·s−1,并进一步划分了不同等级大风灾害等级,验证结果与历史记录有较高的一致性;苹果大风灾害每年发生次数呈先降后升的趋势,河北省西北部和沧州市东部大风灾害发生频次较高;苹果大风灾害较高和高风险区域较为分散,约占全省面积的20%,主要分布在张家口市东部、承德市东南部、衡水市中部和石家庄市东部等地。 相似文献
19.
生长模型和15N示踪评价施肥处理对苹果树氮肥利用的影响 总被引：2，自引：2，他引：0
为提高果树氮肥利用率，探索一种简便易行的氮肥利用评价方法，该研究以田间5年生延长红（"长富2号"芽变品种）为研究对象，分别采用生长模型和15N示踪技术对比分析不施氮肥（CK）、常规高氮（N800）、优化减氮（N400）和有机无机配施（N200+O200）处理下苹果树对氮肥的吸收利用情况以及各器官氮素的分配特性的差异，结果表明：不同施肥处理对苹果的产量没有显著性的影响（31.7～37.3 t/hm2）；各施氮处理基于生长模型和15N示踪技术的果树氮肥利用率分别为13.13%～31.94%和11.64%～32.40%；基于生长模型，N400和N200+O200处理果树的氮肥利用率比N800处理高84.92%和143.26%；基于15N示踪技术，N200+O200处理的果树氮肥利用率比N800和N400高178.35%和69.28%；不同施肥处理对各器官氮素分配没有显著性的影响。两种评价方法对于果实和叶片的氮肥利用率、各器官氮素的分配情况分别存在显著差异（P<0.05）和极显著差异（P<0.01），但对植株总体氮肥利用率的评价结果无显著差异，平均仅相差3.10%。基于本试验的研究结果可以得出，利用生长模型可以估算苹果树的氮肥利用率。研究结果可为农田管理措施改善以及果树氮肥利用率评价提供理论参考。 相似文献
20.
苹果生长发育受气象因素影响较大,陕西高低温灾害发生频率的增加对苹果的产量和品质有很大影响。物候期的确定是指导果业生产、进行灾害风险管理的重要依据。目前,物候期观测数据十分匮乏,通过构建物候模型可对历史物候期进行重构。在陕西的四个果区,分别选取物候资料记录相对全面的两个代表站点,礼泉和凤翔（关中果区）、旬邑和长武（渭北西部果区）、铜川和白水（渭北东部果区）、延长和洛川（延安果区）。在各果区的两个代表站点中,选取历史物候期记录时间序列更长的站点,利用SPSS软件对该站点物候期日序与所选气象指标进行逐步回归分析,建立多个单项或多项物候期预测模型,再通过回代检验和预测检验两种方法选取最优模型。采用平均绝对误差（MAE）、物候期模拟值与实际值相差0～3d的相对准确率（RA）评估检验结果,并选择最优模型。结果表明：（1）萌芽期模型MAE为0.8～2.4d,RA为84.6%～100%;花期模型MAE为2.5～3.4d,RA为55.6%～75%;果实发育期模型MAE为0.9～2.8d,RA为63.2%～100%;成熟期模型MAE为2.2～3.2d,RA为69.2%～72.2%;模型模拟效果由好到差依次为萌芽期、果实发育期、成熟期和花期。（2）重构1981−2019年延安果区、渭北东部果区、渭北西部果区和关中果区苹果萌芽期年日序分别为72−98、70−88、73−98和71−85,花期年日序分别为102−116、86−107、100−125和84−115;1981−2019年延安果区、渭北东部果区和关中果区苹果果实发育期年日序分别为114−122、89−118和87−117,成熟期年日序为260−301、276−297和224−348。（3）重构物候期的空间分布,1981−2019年延安果区和渭北东部果区萌芽期由东南向西北逐渐推迟,关中果区和渭北西部果区自西向东推迟;花期整体自南向北越来越晚;果实发育期从南向北逐步推迟;延安果区和渭北东部果区成熟期从东向西逐步推迟,关中果区和渭北西部果区自西向东逐步推迟。本研究构建的物候模型的模拟效果总体较好,所重构的苹果物候期数据序列可为苹果生产管理和灾害风险防范提供基础性支撑,对果树物候期模型的研发具有借鉴意义。 相似文献