基于Landsat/TM遥感的冬小麦长势分级监测研究   总被引：4，自引：1，他引：3  

李卫国  李花  王纪华  黄文江 《麦类作物学报》2010,30(1):92-95

为给遥感技术在冬小麦长势分级监测预报中的应用提供依据,以江苏省兴化市为例,利用TM卫星遥感影像,提取冬小麦的种植面积并分析了长势情况。在利用GPS实地取样调查和建立解译标志的基础上,进行TM影像校正、非监督分类和人机交互式判读解译等操作,并将GPS样点数据校验贯穿到整个分类过程中,信息解译精度在95%以上。结合NDVI指数反演的叶面积指数数据进行小麦长势分级分类,并制作了兴化市冬小麦长势分级监测图。  相似文献   

1-MCP对不同施肥方式丰水梨常温保鲜效果研究   总被引：2，自引：0，他引：2  

张全军  邓家林  张绍铃  李文贵  黄文江 《西南农业学报》2010,23(4)

以丰水梨(Hosu i)为试验材料,研究了1-MCP(1-M甲基环丙烯)处理对不同施肥方式丰水梨的影响,室温条件下1-MCP处理12 h后,室温贮藏。结果表明:1-MCP处理可以明显延缓果实硬度、果实失水率的下降,推迟乙烯高峰的出现,并阻碍果实可溶性固形物(TSS)增加速率,延缓丰水梨在常温下的后熟衰老进程,从而较好地保持果实在贮藏期间的品质和风味。精确定量施肥和常规施肥1-MCP处理效果有明显的差异。在成都平原采用精确定量施肥法能延长丰水梨果实货架期9～12 d,果实贮藏品质最好。  相似文献   

基于近红外网络的小麦品质监测     

朱大洲  黄文江  马智宏  赵柳  杨小冬  王纪华 《中国农业科学》2011,44(9):1806-1814

[目的]利用自行建立的中国谷物主产区的近红外分析网络,研究小麦的品质分布监测、品种鉴别及种植省份的区域划分.[方法]应用FOSS公司的Infratec 1241型近红外分析仪构建谷物品质近红外分析网络,该网络主要由网络主机、参比实验室、网络管理中心和分布于中国粮食主产省区的网络子机构成.利用该近红外分析网络并结合GPS定位采样技术和GIS技术,对2009年的冬小麦品质分布进行监测:采用软独立建模分类法(SIMCA)对获取的近红外光谱进行分析,建立小麦品种、所在省份的识别模型.[结果]通过网络中心建立和管理模型,可以有效节约成本并具有统一的准确度和精度,该网络的一致性较好,子机与主机的相关系数高于0.92.基于该网络可构建不同尺度区域下的小麦品质分布图,从而获得不同地区小麦品质的分布信息.根据近红外网络提供的光谱数据,可进一步对小麦的品种和所在省份进行区分,对山东省5个小麦品种的识别正确率>80%,对北京、山东、江苏三省所种植的小麦的区分准确率>90%.[结论]近红外网络在小麦的品质区划分布、品种鉴别及种植省份识别方面具有较大应用潜力,可提供大范围的小麦品质数据支撑,从而为优质优价收购和政府决策提供技术支撑.  相似文献   

结合冠层光谱和叶片生理观测的小麦条锈病监测模型研究     

艾效夷  宋伟东  张竞成  王保通  杨贵军  黄文江 《植物保护》2016,42(2):38-46

通过开展小麦条锈病接种试验,在多个关键生育期获取被动式的冠层光谱和主动式的叶片生理观测并开展病情调查。在此基础上,结合优选的光谱特征和生理特征采用偏最小二乘回归方法(PLSR)构建病情严重度反演模型,得到不同生育期精度表现最优的特征组合。结果显示,基于光谱观测的优选光谱特征和基于叶片生理观测的Flav(类黄酮相对含量)、Chl(叶绿素含量)的不同组合在小麦挑旗期、灌浆早期和灌浆期分别具有较佳表现,模型精度达到r~2=0.90,RMSE=0.026。相比单纯采用光谱特征,综合冠层光谱和叶片生理观测能够使模型精度提高21%,表明两种数据的结合有利于提高病情严重度估测精度。上述研究可为小麦病害监测仪器的开发提供新的模式和思路。  相似文献   

马蹄金野生种与栽培种在自然降温过程中的抗寒性研究   总被引：9，自引：0，他引：9  

李君  周守标  黄文江 《草业科学》2005,22(6):105-107

在自然降温过程中,马蹄金Dichondra repens的野生种与栽培种叶片内的可溶性糖、游离脯氨酸的含量、相对电导率发生明显变化.其中,脯氨酸先降低后升高;可溶性糖先上升后下降;相对电导率逐渐升高.在观测的温度范围内,野生马蹄金叶内的游离脯氨酸含量高于栽培种;可溶性糖含量上升幅度远大于栽培种;相对电导率的上升幅度低于栽培种.结果表明:马蹄金的野生种比栽培种耐寒.  相似文献   

基于遗传神经网络的全国小麦条锈病长期气象预测   总被引：1，自引：0，他引：1  

靳宁  黄文江  景元书  王大成  罗菊花 《中国农业气象》2009,30(2):243-247

为了提高反向传播（BP）神经网络模型预测小麦条锈病发病率的准确性和效率,以上年1月-当年3月组合的120个大气环流特征量为基础,定量分析大气环流特征量与全国小麦条锈病发病率之间的相关性并从中筛选出主要的影响因子;对影响因子进行主成分分析（PCA）,提取累计贡献达到85．46％的前10个主成分作为预测因子;利用逐步回归、BP神经网络及遗传算法（GA）优化的BP神经网络三种模型进行预测,三种模型的预测精度均在80％以上,其中GA—BP神经网络模型的精度最高,达92．6％,而其训练步长仅为标准BP神经网络的1／4左右。通过PCA简化网络结构,同时运用GA优化网络初始权值和阈值,GA—BP神经网络模型可以较好的预测小麦条锈病的发病率。  相似文献   

地块数据支持下的玉米种植面积遥感测量方法   总被引：11，自引：3，他引：8  

马丽  顾晓鹤  徐新刚  黄文江  贾建华 《农业工程学报》2009,25(8):147-151

统计行政单元内粮食作物种植面积及其空间分布是粮食产量估算的基础,也是制定粮食政策和调整种植结构的重要依据。以3S为代表的空间信息技术,是实现农作物种植面积统计的关键技术,也是实现常规统计进入空间统计的重要因素。该研究以玉米种植面积遥感测量为目标,选取种植结构复杂的农业区河南省原阳县为试验区,通过高分辨率融合影像建立地块边界数据,以TM影像为核心数据源,对TM数据进行预处理,结合NDVI及特征波段信息采用决策树方法对试验区进行预分类,初步获取玉米种植范围;将玉米预分类结果与耕地地块数据空间叠加分析,以地块内玉米的预分类面积比例为分层标志,建立分层模型,结合交通数据,布设野外样方;采用遥感影像与车载GPS结合的方式,设计合理的野外调查路线,开展野外样方实测工作,获取样本地块内的玉米种植比例;然后以野外GPS调查点为依据,通过决策树方法对玉米预分类结果进行修正。最后通过野外测量获取的样本地块玉米百分比及统计数据对TM数据提取的玉米种植面积结果进行评价,求得位置精度为81.8%,总量精度为91.1%。说明借助耕地地块数据库,能够提高多时相TM分类的位置精度和总量精度。  相似文献   

小波分析与支持向量机结合的冬小麦白粉病遥感监测   总被引：6，自引：4，他引：2  

黄林生  刘文静  黄文江  赵晋陵  宋富冉 《农业工程学报》2017,33(14):188-195

为利用遥感影像数据在区域尺度上实现快速、准确地监测小麦白粉病的发生、发展情况,该研究基于环境与灾害监测预报小卫星(HJ-1A/1B)数据对地表温度(land surface temperature,LST)进行反演、提取4个波段反射率数据并构建7个植被指数。耦合K-mean和Relief算法对小麦白粉病遥感特征进行筛选。通过支持向量机(support vector machine,SVM)与小波特征(Gabor)结合SVM(Gabor SVM)的方法分别建立河北省晋州市小麦白粉病发生监测模型,并对2种模型的监测精度进行对比。结果表明:归一化植被指数(normalized difference vegetation index,NDVI)、比值植被指数(simple ratio index,SR)和地表温度3种特征参量可较好地表征小麦白粉病的发生情况,Gabor SVM的总体精度达到86.7%,优于SVM的80%。因此,小波分析与支持向量机结合的方法可用于基于卫星遥感影像的大面积病害监测,对提高病害监测精度具有重要应用价值。  相似文献   

条锈病胁迫下冬小麦冠层叶片氮素含量的高光谱估测模型   总被引：12，自引：6，他引：6  

蒋金豹  陈云浩  黄文江  李京 《农业工程学报》2008,24(1):35-39

为利用高光谱遥感诊断条锈病胁迫下作物的营养状况,测量感染条锈病的冬小麦冠层反射率以及相应叶片全氮(LTN)含量,利用线性和非线性回归方法,建立了微分光谱与小麦LTN含量之间的回归模型.研究表明随病情加重,小麦LTN含量逐渐降低,并与一阶微分光谱在430～518、534～608、660～762 nm以及783～893 nm区域具有极显著相关性.经检验,以红边内一阶微分总和与蓝边内一阶微分总和比值(SDr/SDb)为变量的模型是估测LTN含量的最佳模型,其RMSE为0.3567,相对误差为8.33%.因此,利用高光谱遥感估测条锈病胁迫下作物LTN含量是可行的,且具有较高的反演精度.研究成果可为小麦氮素营养监测、精准施肥以及条锈病情诊断等提供理论依据和指导.  相似文献   

Sentinel-2影像和BP神经网络结合的小麦条锈病监测方法   总被引：7，自引：6，他引：1  

黄林生  江静  黄文江  叶回春  赵晋陵  马慧琴  阮超 《农业工程学报》2019,35(17):178-185

选用包含红边等多种不同波段信息的多光谱卫星数据,为区域尺度上展开作物病害监测研究提供更加丰富有效的信息,相比于常规的宽波段卫星遥感影像,搭载红边波段的Sentinel-2影像对作物病害胁迫更加敏感,能显著提高模型精度。该文以陕西省宁强县小麦条锈病为研究对象,基于Sentinel-2影像共提取了26个初选特征因子:3个可见光波段反射率(红、绿、蓝)、1个近红外波段反射率、3个红边波段反射率、14个对病害敏感的宽波段植被指数和5个红边植被指数。结合K-Means和ReliefF算法筛选病害敏感特征,最终筛选出3个宽波段植被指数,包括:增强型植被指数(enhanced vegetation index,EVI)、结构加强色素指数(structure intensive pigment index,SIPI)、简单比值植被指数(simple ratio index,SR),2个红边波段植被指数:归一化红边2植被指数(normalized red-edge2 index,NREDI2)、归一化红边3植被指数(normalized red-edge3 index,NREDI3)。利用BP神经网络方法(back propagation neural network,BPNN),分别以宽波段植被指数和宽波段植被指数结合红边波段指数作为输入变量构建小麦条锈病严重度监测模型,对比2种模型的监测精度。结果显示,基于宽波段植被指数结合红边波段植被指数的监测模型的总体精度达到83.3%,Kappa系数0.73,优于仅基于宽波段植被指数特征所建监测模型的精度73.3%,Kappa系数0.58。说明红边波段能够为病害监测提供有效信息,采用宽波段植被指数和红边波段植被指数相结合的方法能够有效提高作物病虫害监测模型精度。  相似文献