排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
小波法反演条锈病胁迫下冬小麦冠层叶片全氮含量 总被引：1，自引：3，他引：1
为监测条锈病胁迫下冬小麦的氮素营养状况,该文通过野外试验测量了感染条锈病的冬小麦冠层光谱数据和相应叶片全氮(leaf total nitrogen,LTN)含量,分析了冬小麦条锈病病情指数(disease index,DI)与LTN之间的关系,对冠层光谱进行了连续小波变换(continuous wavelet transform,CWT)处理得到小波系数,并选择一些高光谱指数,分别利用支持向量机(support vector machine,SVM)回归方法构建了小波系数、高光谱指数与冬小麦LTN含量之间的反演模型。研究表明,随着冬小麦DI增大,LTN含量逐渐减小,相关系数为-0.784;CWT处理得到的小波系数为自变量构建的反演冬小麦LTN含量的模型精度普遍高于高光谱指数为自变量的模型精度,其中以Mexican Hat小波函数处理得到的小波系数423(4)建立的反演模型为最优模型,RMSE为0.315,RE为7.62%。因此,该研究表明可以联合应用CWT与SVM方法对条锈病胁迫下冬小麦LTN含量进行反演,且具有较高的估测精度。该研究成果对小麦作物病害预防、指导作物施肥具有重要现实应用意义。 相似文献
2.
碳捕捉与储存（carbon capture and storage,CCS）技术可以减少CO2气体排放,从而减缓全球气候变暖。但把CO2液化后进行地质封存具有泄漏的风险,如何大面积、快速、高效地监测CO2泄漏点是一个技术难题。该文通过野外模拟试验,以大豆为试验对象,研究了地下储存的CO2轻微泄漏对地表植被及其遥感特征的影响。大豆在2008年6月4日播种,自7月4日开始CO2气体以1 L/min的速度持续注入土壤中,每天测量土壤中CO2体积分数（土壤中CO2气体占土壤中总气体体积含量的百分比）、每周测量1次大豆叶片的SPAD值、光谱数据。试验结果表明,当土壤中 CO2体积分数小于15%时,对照（CK）与 CO2泄漏胁迫大豆 SPAD值无显著性差异（P＞0.1）,当土壤中CO2体积分数大于等于15%时,CK与CO2泄漏胁迫大豆SPAD值具有极显著性差异（P＜0.001）,随着胁迫进行大豆会早熟、落叶,甚至枯死。利用连续统去除法对大豆的光谱数据进行处理,发现随着土壤中CO2体积分数的增大,在绿光区的光谱反射率逐渐增大,而其他波段则无明显变化规律。根据CO2泄漏胁迫下大豆的光谱变化特征,设计采用面积植被指数Area(510～590 nm)（510～590 nm光谱曲线所包围的面积）识别遭受CO2泄漏胁迫的大豆。结果表明,当土壤中CO2体积分数大于等于15%时,Area(510～590 nm)指数可以较好地识别出遭受胁迫的大豆,且具有较高的可区分性及稳定性,但当土壤中CO2体积分数小于15%时,该指数在整个生育期内无法准确识别出遭受胁迫的大豆。该研究结果对未来地表生态评估、高光谱遥感监测CO2泄漏点具有重要意义与应用价值。 相似文献
3.
用投影寻踪降维方法估测冬小麦叶绿素密度 总被引：1，自引：0，他引：1
为综合更多有效信息来提高冬小麦叶绿素密度的估测精度,应用投影寻踪降维方法对条锈病胁迫下冬小麦冠层光谱进行降维,生成一维向量,然后采用支持向量机回归方法对其叶绿素密度进行估测,并与高光谱植被指数估测结果进行了比较。结果表明,以小麦冠层一阶微分光谱与叶绿素密度相关性较高的波段(400~500nm、720~770nm和840~870nm)进行投影寻踪降维得到的最优一维向量为自变量,利用支持向量机回归方法构建的冠层叶绿素密度估测模型的精度最高,决定系数为0.867,均方根误差与相对误差均最小,分别为1.135μg·cm-2和13.6%。说明利用投影寻踪降维技术对条锈病胁迫下冬小麦冠层光谱进行降维处理,可以保留有效信息,提高冬小麦叶绿素密度估测精度。 相似文献
1