排序方式: 共有58条查询结果,搜索用时 296 毫秒
51.
基于植被指数选择算法和决策树的生态系统识别 总被引:1,自引:0,他引:1
植被指数是对绿色植被的特定表达,在不同环境下的效果不同。植被指数的选择需要结合研究区域的环境特征。本研究将植被指数间的相关系数集成到基于马氏距离的植被指数选择算法中,根据所选样本确定最适宜的植被指数,构建决策树模型,以江西省永丰县为例,开展区域生态系统类型的识别研究。该方法首先确定提取对象,明确对象类别与对象间的隶属关系,然后逐层逐项地提取湿地、森林、草地、农田等生态系统信息。结果表明,所提出的植被指数选择算法具有较好的适用性;生态系统识别的总体精度达89. 11%,构建的决策树模型的分类精度高于传统方法,可为区域生态系统信息提取和生态系统管理提供研究方法。 相似文献
52.
53.
为了研究不同行距插秧机对双季稻产量的影响及配套农艺技术,以11个早晚稻品种为材料,设置8寸和9寸两个机插行距,系统测定不同处理的机插质量和产量。结果表明:8寸插秧机的机插质量高,作业性能稳定;8寸插秧机较9寸插秧机,早稻增产347.30 kg/hm2,增产率达5.49%,晚稻增产579.54 kg/hm2,增产率达9.12%。基于试验支持研究和已有相关研究成果,制定了适应8寸插秧机的配套农艺技术。 相似文献
54.
广西丘陵山区水稻机械化生产装备结构优化分析 总被引:2,自引:0,他引:2
为因地制宜地提出广西丘陵山区水稻机械化生产装备结构优化方案,本文以地区经济水平、规模化经营程度和耕种收综合机械化水平三个指标为划分依据重新将广西14个市分成三类区域。并运用数据包络分析方法 (DEA)对装备结构进行效率分析,得出全区成本效率为0.496,整体效率低下。通过构建Cost-C模型分析提出四套区域优化方案,并指出I类区域应逐步引导加强机具的使用和跨区作业,提高机具利用率;II类区域应加大推广应用小型农业机械的力度;III类区域应结合地形特征发展装备结构。 相似文献
55.
56.
57.
通过3个氮肥水平和2个水分处理的田间小区试验,模拟双季稻遭遇不同逆境胁迫的情景,利用农田物联网设备CGMD-502采集早、晚稻归一化红边指数(NDRECGMD),并分析了NDRECGMD与农学参数(SPAD值、LAI)之间的相关关系以及该植被指数对双季稻不同程度缺氮和干旱胁迫的响应。结果发现:NDRECGMD与双季稻LAI之间具有较高的相关性,两者之间线性监测模型(LAI=32.25×NDRECGMD-2.34)的建模决定系数(R2)达到了0.72,检验均方根误差(RMSE)和偏差(bias)分别为1.25和0.80;NDRECGMD对双季稻缺氮和干旱胁迫具有较强的响应能力,在不同胁迫情景下的数值变化幅度略低于LAI,但与SPAD值相当。由此表明,农田物联网设备CGMD-502在生产中具有替代SPAD值和LAI诊断双季稻缺氮和干旱胁迫的实际应用潜力。研究结果对于促进农田物联网技术在双季稻生产中的应用及提高江西双季稻生产智慧管理水平具有重要意义。 相似文献
58.
为推动光谱遥感在快速无损监测花生生长中的应用,明确监测花生叶面积指数(leaf area index,LAI)和地上部生物量(aboveground biomass,AGB)的最优植被指数及适宜的核心波段带宽。设置2个花生品种、4个施氮水平的花生田间试验,在不同生育时期(苗期、开花下针期、结荚期、成熟期)用Analytical Spectral Devices(ASD)公司生产的FieldSpec HandHeld 2型野外高光谱辐射仪,采集325~1075 nm范围冠层反射光谱,筛选敏感植被指数,并研究核心波段带宽对其监测叶面积指数(LAI)和地上部生物量(AGB)时精度的影响。结果显示,对花生LAI和AGB敏感的植被指数均为归一化红边指数(normalized difference red edge),即NDRE(λ790, λ720)。进一步分析这一指数的监测精度随波段带宽的变化,发现监测LAI时,核心波段带宽(bandwidth,b)在(λ790:1~33 nm,λ720:41~59 nm)范围内时能使NDRE(λ790, λ720)保持较高监测精度,其中带宽组合(λ790:33 nm,λ720:53 nm)的带宽和值最大,对核心波段带宽的要求最低,利用其构建监测模型时决定系数(determination coefficient,R2)为0.7482,利用独立试验数据检验模型时相对均方根误差(relative root mean square difference,RRMSE)为13.88%。监测花生AGB时,核心波段带宽在(λ790:1~101 nm,λ720:19~101 nm)范围内时能使NDRE(λ790, λ720)保持较高的监测精度,其中带宽和值最大的核心波段带宽组合为(λ790:89 nm,λ720:89 nm),其建模R2为0.7103,检验RRMSE为20.42%。综上,在花生整个生长进程中,可用上述两个具有不同核心波段带宽的植被指数NDRE(λ790-b33, λ720-b53)和NDRE(λ790-b89, λ720-b89)分别对LAI和AGB进行监测,监测模型为LAI = 0.0296 × exp(14.365×NDRE)和AGB = 0.6240 × exp(20.222×NDRE)。在核心波段适宜带宽上的研究结果,可以为花生长势光谱监测设备研发及评估提供参考。 相似文献