排序方式： 共有37条查询结果，搜索用时 31 毫秒
11.
为提取果树的空间分布信息,以果树生长期内不同月份的Sentinel-2多光谱遥感影像为数据源,以大沙河流域果树为研究对象,通过分析不同月份的光谱信息得出最佳监测时期,并在此基础上,选择不同时期的5种植被指数[归一化植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)、结构密集型色素指数(SIPI)和归一化水指数(NDWI)],结合机器学习技术构建决策树提取模型。结果发现,3、4、7、8月份的影像适于果树面积提取。通过Feature_importances_属性筛选出贡献度高的不同时期的植被指数作为输入特征,结合超参数学习曲线和网格搜索技术确定决策树模型的Max_depth和Min_samples_leaf参数分别为5和10时模型的效果最佳。参数调整后绘制决策树模型,模型在训练集和测试集上的精度分别达到了0.919 4和0.875 1。提取结果表明,研究区内的果树主要种植在大沙河两岸,东部与西北部的果树种植地块较为零碎,总的果树种植面积为6 838 hm2。在验证样本的基础上,通过混淆矩阵计算提取结果的精度,结果显示,Kappa系数为0.87,果树种植区提取的用户精度和制图精度分别为92.91%和90.77%。结果说明,本文所提出的方法适用于大区域果树的遥感提取,可为基于中高分辨率遥感影像的果树种植区监测提供有效的技术手段。 相似文献
12.
基于TM和PLS的冬小麦籽粒蛋白质含量预测 总被引：5，自引：3，他引：2
为进一步提高遥感预测冬小麦籽粒蛋白质含量精度,分析了卫星遥感变量与冬小麦籽粒蛋白质含量间的定量关系,运用偏最小二乘法构建了遥感预测籽粒蛋白质含量模型,制作了冬小麦籽粒蛋白质含量空间等级分布图,结果表明,该模型的最佳主成分数为5,且归一化植被指数、冠层结构不敏感色素指数、比值植被指数、氮反射指数和植被衰减指数为预测籽粒蛋白质含量的敏感变量;籽粒蛋白质含量预测的均方根误差为0.307%,决定系数为0.642,为提高遥感预测小麦品质的精度提供了一种有效途径,有利于大面积应用和推广。 相似文献
13.
基于高光谱的冬小麦氮素营养指数估测 总被引：14，自引：7，他引：7
为了准确定量诊断氮素状况,为施肥和产量、品质的估测提供参考,该文通过设置不同氮素水平和品种类型的冬小麦田间试验,分析孕穗至灌浆初期不同光谱参数在小麦氮素营养状况监测上的差异,筛选叶片氮素含量和冠层氮素密度反演效果较好的参数,建立其与氮营养指数(NNI,nitrogen nutrition index)的经验模型。研究表明,线性内插法红边位置(REPLI)、修正红边单比指数(mSR705)、比值指数(RI-1dB)、简单比值色素指数(SRPI)、红边指数(VOG)等光谱参数与氮素营养指标具有良好的相关性(r0.85),且不受生育期影响,可用来反演评价冠层氮素营养状况;研究对筛选的光谱参数与各氮素指标进行回归建模,并用独立试验数据对所建模型进行验证,结果显示,REPLI在氮营养指数估测方面表现较好(r=0.93),估测模型精度较高(决定系数R2=0.86,均方根误差RMSE=0.08)。NNI在氮素营养状况诊断方面有一定的优势,通过高光谱反演氮营养指数进行氮素营养状态的定性定量诊断有一定的可行性。 相似文献
14.
安徽省皖南地区优质烟叶栽培管理专家系统的研究 总被引：2，自引：0，他引：2
以中科院合肥智能所最新研制的智能化农业信息处理开发平台AIP 1.0为系统开发工具 ,科技人员的科研成果、烟农的实际经验和资料知识为基础 ,运用人工智能技术、神经网络技术、多媒体技术、GIS技术、AGENT技术等与专家群经验相结合的方式 ,开发出了适合安徽省皖南地区优质烟叶栽培管理专家系统MESTCM。该系统由知识库、数据库、模型库、信息库、推理机、人机交互等综合而成 ,具有可视化、网络化、知识化、构件化、智能化的特点。该系统的开发可以为科技人员和烟农生产优质烟叶提供一个平台 ,通过该系统还可以帮助烟农做出合理的生产布局和科学决策 ,及时指导烟叶生产 ,进一步提高安徽省烟叶质量 相似文献
15.
基于开花期卫星遥感数据的大田小麦估产方法比较 总被引：4，自引：2，他引：2
【目的】卫星遥感具有覆盖范围广、获取速度快、信息量大、动态性强等优势,能够及时准确地获取作物产量信息,反映作物产量空间变化趋势。遥感技术作物估产已成为现代农业生产中研究热点。通过改善遥感估产建模方法,以实现进一步提高大田作物遥感估产精度,为宏观了解不同区域作物产量形成情况及变化趋势提供直观、可靠的参考。【方法】论文结合2011—2012年江苏省大丰、兴化、姜堰、泰兴、仪征5个县区的定点观测试验,以国产卫星产品HJ-1A/1B影像为遥感数据,于小麦开花期开展大田定位观测区卫星遥感植被指数、关键生长指标与收获期单产间的定量分析。通过对产量与小麦生长指标以及植被指数进行定量关系分析,进一步增强遥感反演的机理性和重演性。将卫星遥感变量与小麦产量进行相关关系分析作为遥感估产的直接建模方法,间接建模方法则是选取与产量相关性较好的遥感变量以及与遥感变量相关性较好的主要苗情指标,利用筛选得到的敏感遥感变量,首先监测对应的小麦生长指标,结合该小麦生长指标与产量间的定量关系,进而建立间接估产模型,利用此模型进行小麦遥感间接估产。利用直接和间接建模方法,以相关性最高为原则,筛选估算产量的敏感卫星遥感变量。以2012年试验数据为建模样本,采用线性回归分析方法,分析小麦开花期苗情指标、产量与卫星遥感变量两两之间的相关性,分别构建以遥感植被指数为基础的大田小麦估产模型,与地面实测结果一起建立模型共同分析。以2011年试验数据为验证样本,选取评价指标拟合度(R2)和均方根误差(RMSE),对两类模型的估算精度进行验证和比较,以提高遥感反演的定量化水平和可信度。【结果】分别以差值植被指数(difference vegetation index,DVI)和比值植被指数(ratio vegetation index,RVI)为基础的单因子直接估产模型的均方根误差(root mean square error,RMSE)为918 kg·hm-2和1 399.5 kg·hm-2,以DVI和RVI遥感变量构建双变量估产模型的RMSE为1 036.5 kg·hm-2,以归一化植被指数(normalized difference vegetation index,NDVI)和叶片氮积累量为基础构建的间接估产模型的RMSE为805.5 kg·hm-2,说明开花期HJ-1A/1B影像估算小麦区域产量是可行的,且精度较高;经比较,以NDVI和叶片氮积累量为基础的间接估产模型精度明显高于直接估产模型,相较于DVI直接估产模型RMSE降低了112.5 kg·hm-2,相较于RVI直接估产模型RMSE降低了594 kg·hm-2,相较于双因子模型RMSE降低了231 kg·hm-2。【结论】国产卫星HJ-1A/B可以较好满足估测小麦产量要求,且利用间接方法建立作物遥感估产模型要好于直接方法,研究结果为利用遥感技术更为准确估算大田小麦产量提供了一种新的途径。 相似文献
16.
基于HJ-1A/1B影像的冬小麦开花期主要生长指标遥感定量监测研究 总被引：2，自引：0，他引：2
为建立冬小麦开花期生长状况的遥感监测方法和技术,结合2011-2013年定点观测试验,以环境减灾卫星HJ-1A/1B数据为遥感影像源,着重分析了样本试验区冬小麦开花期主要生长指标间及其与籽粒品质、产量和卫星遥感变量间的定量关系,分别构建及评价基于HJ-1A/1B影像遥感变量的开花期叶面积指数、生物量、SPAD值和叶片含氮量监测模型。结果表明,在冬小麦开花期,作物氮反应指数(NRI)、绿色归一化植被指数(GNDVI)可分别作为监测冬小麦叶面积指数和生物量的敏感遥感变量,结构加强色素植被指数(SIPI)和SIPI可作为监测冬小麦SPAD值和叶片含氮量的敏感遥感变量,所构建的遥感监测模型可靠,模型的决定系数(r2)分别为0.73、0.69、0.62和0.61,均方根误差(RMSE)分别为0.79、1 068kg·hm-2、4.66和0.42%。利用遥感数据绘制的冬小麦开花期主要生长指标遥感监测等级分布空间量化表达图与实际相符。 相似文献
17.
18.
玉米叶片纤维素含量与冠层光谱特征的研究 总被引：9，自引：2，他引：7
以株型相近的高赖氨酸玉米“中单9409”、粮饲兼用型玉米“中原单32”和高油玉米“高油115”为供试材料,研究了不同生育时期和冠层中不同高度叶片中纤维素、半纤维素含量的差异及其冠层水平的光谱响应。结果表明：在相同栽培密度和施肥水平下,不同品玉米品种叶片的纤维素、半纤维素含量存在差异,其中以中、上层叶片相差较大,不同品种间同层叶片纤维素含量相差可达34.9%,下层叶片相差较小。通过对同步获取的冠层近红外光谱与叶片中纤维素、半纤维素含量进行相关分析,分别筛选出1420、1450、1490、2100和2270 nm可作为反演纤维素含量的特征波长;而2270、2280和2340 nm可作为反演半纤维素含量的特征波长,达到了显著或极显著水平。 相似文献
19.
基于多时相和多角度光谱信息的作物株型遥感识别初探 总被引：2，自引：1，他引：1
作物群体具有一定的冠层几何结构(株型),对于不同株型的品种,在相同的叶面积指数时冠层反射光谱往往不同,使得利用冠层反射光谱来反演叶面积指数等生物物理和生物化学参数时存在不同株型产生的误差,该文定量研究了不同叶面积指数条件下,作物株型对冠层反射光谱的影响,并提出运用波长800 nm处起身期的冠层反射光谱与该波长处拔节期和起身期冠层反射光谱的比值,可以初步实现高密度披散型品种、低密度披散型品种、高密度中间型品种、低密度中间型品种、高密度直立型品种和低密度直立型品种的遥感识别,结合一定条件下选取的15°、30°和45°观测天顶角下,与可见光和近红外波段(波长)处的二向反射冠层反射光谱数值大小进行结合,可以初步实现作物株型的遥感识别。 相似文献
20.
为进一步探究利用中低分辨率影像监测小麦苗情的机理,丰富小麦长势动态监测的模式,结合2017-2018年定点观测试验,以GF-WFV数据为遥感影像源,研究了孕穗-开花期冬小麦主要长势变化量参数和产量及其与植被指数变化量间的定量关系,以逐步回归方法筛选目标长势变化量参数,分别构建及评价基于GF-WFV影像遥感植被指数变化量的孕穗-开花期叶片含氮量变化量和叶绿素含量变化量监测模型。结果表明,冬小麦叶片含氮量变化量（ΔLNC）和叶绿素含量变化量（ΔCHL）与产量密切相关,而孕穗-开花期的归一化植被指数变化量（ΔNDVI）、比值植被指数变化量（ΔRVI）分别与ΔLNC和ΔCHL相关性最好,因此选择这两个植被指数变化量作为敏感参量构建冬小麦长势监测模型。经验证,基于ΔNDVI和ΔRVI构建的长势线性模型可靠且精度高,其决定系数分别为0.70和0.64,均方根误差分别为0.39%和0.08 mg·L-1FW。基于预测模型和实测数据分级量化表达冬小麦长势的空间分布状况,能够很好实现了基于GF-WFV时相影像长势不同等级的遥感监测。 相似文献