排序方式： 共有91条查询结果，搜索用时 15 毫秒
81.
82.
83.
84.
基于遥感的作物生长监测与调控系统研究 总被引：3，自引：0，他引：3
为了利用遥感技术快速无损实时地监测作物的生长、产量和品质状况,达到精确作物管理的目的,在集成作物光谱无损监测模型与作物管理知识模型的基础上,利用系统设计原理和组件化程序设计思想,构建了基于遥感的作物生长监测与调控系统,可实现从小尺度单点到大尺度农区的作物生长实时监测与调控.该系统具有文件管理、图像处理、地物分类与识别、植被指数计算、生长指标监测、生理指标监测、产量与品质预测,实时诊断与调控、工具管理以及系统帮助等功能.以江苏省泰州市的小麦为例对该系统进行实例分析,结果表明,该系统能有效实现作物生长监测与调控功能,从而为作物监测与管理的动态化和数字化奠定了基础. 相似文献
85.
基于高空间分辨率卫星影像的新疆阿拉尔市棉花与枣树分类 总被引：1，自引：0，他引：1
【目的】 枣树和棉花是新疆地区的两大优势作物。利用高空间分辨率遥感影像对作物进行识别,更加快速、准确地获取枣树和棉花的种植面积及其分布区域,以利于相关部门政策的制定及农作物的精确管理。【方法】 本文以新疆阿拉尔市主要农作物为研究对象,运用基于像素与面向对象的遥感影像分类方法,通过比较光谱角制图（SAM）、支持向量机（SVM）、CART决策树（DTs）、随机森林（RF）这4种机器学习算法在高空间分辨率卫星影像分类中的作物识别精度,探究影像获取时期（2016-05-10、2016-09-07、2016-10-08）及面向对象的信息提取技术对作物分类精度的影响。【结果】 5月份影像（即棉花覆膜期影像）作物分类精度最高,10月份影像次之,9月份影像最差;与基于像素的作物分类方法相比,面向对象的作物分类方法可以使各时期的作物分类总体精度得到一定提高（除SAM之外）,各时期分类精度分别提高了4.83%、7.77%、7.22%,最高分类精度分别为93.52%（2016-05-10）、85.36%（2016-09-07）、88.88%（2016-10-08）,均实现了较好的作物分类效果。【结论】 5月份（棉花覆膜期）影像对棉花和枣树分类效果最好,该时期的棉花被地膜覆盖,且枣树表现出明显的植被光谱特性,两种作物生长早期呈现出差异化的光谱特征,因此棉花和枣树的遥感识别应在作物生长早期进行;面向对象的分类方法可以综合运用光谱、纹理及空间信息,特别是纹理信息的加入,可以取得比基于像素方法更高的分类精度,且提供一种高效提取田块边界的手段,对当地农田信息化管理具有重要应用价值。在棉花和枣树识别过程中,纹理特征的重要性高于光谱和空间特征,红光和绿光波段在所有波段中对棉花和枣树的识别贡献最大。 相似文献
86.
水稻高光谱红边位置与叶层氮浓度的关系 总被引：4，自引：1，他引：3
实时无损监测叶片氮素状况对水稻精确氮素管理具有重要意义。本研究基于多年不同施氮水平和不同水稻品种的田间试验观测资料,系统分析了水稻高光谱红边区域和位置特征与冠层叶片氮浓度的定量关系。结果表明,水稻冠层的红边区域光谱受施氮水平和品种影响较大,一阶导数光谱在红边区域出现“三峰”现象。经典的红边位置(660~750 nm之间光谱反射率的一阶导数最大值)由于“三峰”特征现象而对水稻氮素浓度变化不够敏感,难以适用于水稻氮素状况的准确监测。基于倒高斯模型、线性内插法和线性外推法构造的红边位置随水稻氮浓度呈现连续变化模式,适用于水稻叶层氮浓度的定量监测;另外,基于695 nm、700 nm和705 nm等3个波段的拉格朗日算法也可估测水稻叶层氮浓度。比较不同红边位置发现,改进型线性外推法较其他几种算法更能有效地监测水稻冠层叶片氮浓度。 相似文献
87.
多光谱作物生长传感器温度特性试验 总被引：2，自引：1，他引：1
基于光谱的作物无损监测技术可实时地获取作物生长信息,进而为作物的生长调控提供数据支持,为推广该技术在农业生产中的应用,南京农业大学国家信息农业工程技术中心研制了低成本的多光谱作物生长传感器。传感器监测作物720和810nm光谱反射率,根据反射率反演作物的叶层氮含量、叶层氮积累量、叶面积指数和叶干重等作物生长信息。为提高传感器田间应用的温度稳定性,该文研究了温度对传感器输出特性的影响,并利用符号回归技术构建了传感器反射率的温度补偿。试验于恒温恒湿试验箱中进行,试验温度分别设定为6、11、15、20、25、30、35、40,44、49、54、62℃,相对湿度保持为40%不变,以40%和60%反射率标准灰度板为传感器的监测对象。研究结果表明,在光强不变的情况下,传感器输出电压随温度的升高呈增加趋势,反射率则表现为下降趋势。构建的温度补偿模型使反射率因温度影响产生的波动由1%~2.6%下降到0.45%以下,成对t检验结果表明反射率的温度补偿模型可显著降低温度对传感器反射率的影响(P=0.0150.05)。该文传感器温度补偿模型的构建方法具有一定的普适性,可为其他传感器的温度补偿研究提供参考。 相似文献
88.
基于主动光源的作物生长信息监测仪的设计与试验 总被引：2，自引：2，他引：0
为了实现大田作物生长信息全天候实时、快速无损监测,基于作物生长光谱分析技术原理,研发了一种基于主动光源的作物生长信息监测仪。该监测仪包括由730和810 nm 2个光学通道组成的作物生长信息传感系统、控制器系统及其他部件,能快速、准确地获得作物冠层归一化植被指数值、比值植被指数值、差值植被指数值、重归一化植被指数值等主要光谱植被指数信息,为大田作物生长指标的实时反演奠定了基础。试验结果表明,在不同光照条件下,监测仪的抗光照稳定性能良好,标准差为1.05%和0.47%;该监测仪与Field Spec3地物光谱仪测得小麦冠层归一化植被指数值、比值植被指数值、差值植被指数值、重归一化植被指数值具有显著相关性,其决定系数分别为0.7017、0.7071、0.8178、0.7804;均方根误差分别为0.05362、0.2118、0.03434、0.04182。该监测仪具有稳定性好、抗干扰能力强、操作简便等优点,能够满足大田作物生长信息监测的要求,该研究为实现作物精确管理调控提供了可行的参考方法。 相似文献
89.
基于近红外光声光谱的土壤有机质含量定量建模方法 总被引：13，自引：7，他引：6
该研究的目的在于应用近红外光声光谱技术结合不同的定量分析方法实现5种不同类型土壤有机质含量的快速估测。对中国中、东部地区5种不同类型土壤风干样本进行光谱扫描,经过多元散射校正、一阶导数、二阶导数及平滑等预处理后,应用逐步多元回归(SMLR)、主成分分析(PCR)、偏最小二乘法(PLS)和偏最小二乘法-反向传播神经网络(PLS-BPNN)等方法建立土壤有机质含量的定量估测模型。结果显示,不同预处理方法对所建土壤有机质含量估测模型的预测精度有较大影响,总体表现为多元散射校正+Norris一阶导数>多元散射校正>Norris一阶导数>标准正态化>Norris二阶导数>吸光度>Savitzky-Golay平滑后一阶导数>Savitzky-Golay平滑后二阶导数。对于4种不同建模方法,均以多元散射校正+Norris一阶导数滤波平滑后的光谱建模精度最高,其中采用PLS-BPNN方法建模效果最好,其次是PLS、SMLR和PCR。采用PLS-BPNN建立有机质校正模型具有极高的预测精度,建模决定系数和均方根偏差分别为0.97和1.88,模型测试决定系数和均方根偏差分别为0.97和1.72。因此,基于多元散射校正+Norris一阶导数光谱建立的PLS-BPNN模型可能是土壤有机质含量估测建模的最优方法。 相似文献
90.
基于高光谱遥感的小麦籽粒产量预测模型研究 总被引：7，自引：0，他引：7
为了确立能够准确预测小麦籽粒产量的敏感光谱参数和定量模型,于2003～2006年连续3个生长季,通过不同小麦品种和不同施氮水平的4个大田试验,在小麦不同生育期采集田间冠层高光谱数据并测定植株氮含量、重量和叶面积指数及成熟期籽粒产量,定量分析小麦籽粒产量与冠层高光谱参数的相互关系.结果显示,小麦籽粒产量随施氮水平的提高而增加,不同地力水平间存在显著差异.灌浆前期叶片氮积累量和叶面积氮指数均能够较好地反映成熟期籽粒产量状况,而叶片氮含量和氮积累量及叶面积氮指数在拔节～成熟期的累积值与成熟期籽粒产量的回归拟合效果更好.对叶片氮含量和氮积累量及叶面积氮指数的光谱反演,在不同品种、氮素水平和年度间可以使用统一的光谱参数.根据"特征光谱参数-叶片氮素营养-籽粒产量"这一技术路径,以叶片氮素营养为交接点将模型链接,建立了基于灌浆前期高光谱参数及拔节期～成熟期特征光谱指数累积值的小麦籽粒产量预测模型.经两年独立试验数据检验表明,利用灌浆前期关键特征光谱指数可以有效地评价小麦成熟期籽粒产量状况,拔节～成熟期特征光谱指数的累积值能够稳定预报不同条件下小麦成熟期籽粒产量的变化.因此,利用冠层特征光谱指数可以快速无损地预报小麦成熟期籽粒产量. 相似文献