排序方式： 共有91条查询结果，搜索用时 296 毫秒
1.
【背景】快速、准确地估算水稻产量对于肥水精确管理及国家粮食政策的制定至关重要。高光谱与激光雷达遥感作为2种不同的主被动监测技术,为水稻长势信息获取提供了多样化手段。【目的】对比2种遥感监测手段在不同生态点的独立数据集中的验证精度,寻求可移植性强的产量估算模型,对水稻长势监测提供理论与技术支撑,及为精确农业提供科学指导具有重要意义。【方法】本研究通过实施3年（2016—2018年）包含不同地点、不同品种与不同氮素水平的水稻田间试验,在抽穗后各时期同步获取点云数据和光谱数据,结合线性回归与随机森林回归来估算产量,探究抽穗后点云数据与光谱数据估算水稻产量的差异;同时评估产量模型在不同数据集的时空可移植性,寻求可移植性强的产量估算模型。【结果】利用点云数据估算产量的精度（R2 = 0.64—0.69）优于光谱数据的估算精度（R2 = 0.20—0.58）;基于线性回归的产量估算模型,其验证精度明显优于基于随机森林回归的产量模型;产量模型在同一生态点的可移植性更强（不同生态点：RRMSE 16.69%—17.85%;同一生态点：RRMSE 11.37%—12.41%）。【结论】本研究为抽穗后水稻产量监测提供了新的方法和不同遥感手段的性能比较,为收获前作物产量的实时估算提供重要支撑。激光雷达技术凭借其全天候工作的特点,在长江中下游水稻产量实时监测中有着较好的应用前景。 相似文献
2.
小麦叶片氮含量与冠层反射光谱指数的定量关系 总被引：15，自引：0，他引：15
本文以3种蛋白质类型的小麦品种在不同施氮水平下的3年田间试验为基础，研究了小麦叶片氮含量与冠层反射光谱的定量关系。结果显示，不同试验中拔节后叶片氮含量均随施氮水平呈上升趋势，同时冠层光谱反射率在不同施氮水平下存在明显差异。对于低、中、高籽粒蛋白质含量的品种，叶片氮含量与冠层反射光谱的归一化植被指数NDVI (1 220, 710)和红边位置均有密切的定量关系，决定系数在0.80左右。对于不同品质类型小麦品种，均可利用统一的回归方程描述其叶片氮含量随反射光谱参数的变化，对于低蛋白类型品种，采用单独的回归系数即可提高叶片氮含量估测的准确性。本研究确立的小麦叶片氮含量与冠层反射光谱的定量关系可用于不同的小麦品种、生育时期和施氮水平，为小麦氮素营养的监测诊断与精确施肥等提供理论依据和技术途径。 相似文献
3.
基于WebGIS和知识模型的精确农作决策支持系统 总被引：2，自引：0，他引：2
在提炼和优化作物管理知识模型的基础上,以WebGIS为空间信息平台,运用软构件技术及B/S分布式网络结构,构建了网络化精确农作决策支持系统.系统实现了基本地图操作、信息查询、差异分析、决策支持、结果展示以及系统维护功能,其中决策支持功能可基于田区土壤肥力和苗情长势差异进行数字化管理方案生成和因苗动态调控.在水稻试验示范区的系统应用结果表明,根据系统推荐的方案进行水稻田间管理,可使该区整体产量水平提高12.16%,肥料施用量减少23.55%,产量变异度下降79.49%.研究结果为实现网络化、数字化、广适性的精确农作决策支持提供了基本平台. 相似文献
4.
小麦栽培管理动态知识模型的构建与检验 总被引：5，自引：1，他引：5
将系统分析方法和数学建模技术应用于小麦管理知识表达体系，通过解析和提炼小麦生育及管理指标与环境因子及生产水平之间的基础性关系和定量化算法，创建了小麦管理动态知识模型WheatKnow；充分利用软构件的技术特点，在Visual C++和Visual Basic平台上研制了数字化和组件化小麦管理动态知识模型系统，实现了播前栽培方案的设计和产中适宜调控指标动态的预测2大功能。其中，播前栽培方案包括产量目标、适宜品种、播期、基本苗及播种量、肥料运筹和水分管理；产中调控指标包括适宜生育期、穗分化进程、生长指标、源库指标和营养指标动态。利用不同生态点、不同品种、不同土壤等资料及大田对比试验对所建知识模型进行实例分析和检验的结果表明，所提出的小麦管理动态知识模型总体上具有较好的广适性和决策性。本研究克服了传统作物栽培模式与专家系统地域性强和广适性弱的不足，从而为实现作物栽培管理的精确化和数字化奠定了基础。 相似文献
5.
6.
丹江口水库不同支流浮游藻类和附石藻类的比较研究 总被引：1，自引：0，他引：1
为研究河流生境差异对微型藻类生物多样性的影响,揭示指示藻类在河流生态系统健康评价中的地位,于2010年8月对丹江口水库的典型支流汉江库神定河和丹江库淇河进行了浮游藻和附石藻比较研究。结果显示,在神定河鉴定到浮游藻类7门98属193种(含变种),附石藻类3门36属61种(含变种);淇河浮游藻类为7门82属165种,附石藻类为4门10属48种(含变种)。从采集的样品中共鉴定出污染指示种15属21种(含变种),其中淇河贫营养型指示种(7种)多于神定河(6种),而其富营养指示种均低于神定河。从生物学角度判定淇河水质优于神定河。 相似文献
7.
不同类型土壤的光谱特征及其有机质含量预测 总被引：18，自引：1，他引：17
【目的】构建适合土壤有机质含量估测的高光谱参数及定量反演模型。【方法】系统分析中国中、东部地区5种不同类型土壤风干样本有机质含量与350～2 500 nm波段范围高光谱反射率之间的关系,利用特征光谱参数和BP神经网络建立土壤有机质的定量估测模型。【结果】光谱一阶导数构成的两波段光谱参数与土壤有机质含量的相关性明显优于原始光谱,尤其采用Norris平滑滤波后导数光谱效果更好。光谱参数构成形式以差值指数最好,其次为比值和归一化指数。与土壤有机质含量相关程度最高的光谱参数是由可见光区554 nm和近红外区1 398 nm两个波段的一阶导数组合而成的差值指数DI(D554,D1398),两者呈显著指数曲线关系,拟合方程为y= 184.2 ×exp[-1297×DI(D554,D1398)],决定系数为0.90。经不同类型土壤的观测资料检验,模型预测决定系数为0.84,均方根误差RMSE为3.64,相对分析误差RPD为2.98,显示估测模型具有较好的预测精度。另外,利用BP神经网络结合偏最小二乘法(PLS)对导数光谱进行分析,提取贡献率达到99.56 %的前6个主成分建立了三层BP 神经网络模型,模型决定系数为0.98,经不同类型土壤的观测资料检验,模型预测决定系数为0.96,RMSE为2.24,相对偏差RPD为4.83。比较利用DI(D554,D1398)和BP网络进行土壤有机质含量的预测结果,前者精度低于后者,但可以满足土壤有机质监测的需要。【结论】利用差值光谱指数DI(D554,D1398)和BP神经网络模型均可实现对土壤有机质的精确估测。 相似文献
8.
一种新的估算水稻上部叶片蛋白氮含量的植被指数 总被引：1，自引：0，他引：1
【目的】阐明水稻顶部4张叶片蛋白氮含量和反射光谱特征的变化规律及其相互关系,建立快速、准确诊断水稻功能叶片蛋白氮含量的方法。【方法】通过3年不同施氮水平和不同品种类型的大田试验,分生育期同步测定顶部4张叶片的光谱反射率及蛋白氮含量,系统分析叶片蛋白氮含量与多种高光谱参数的定量关系。【结果】水稻叶片蛋白氮含量和光谱反射率在不同施氮水平、不同生育期及不同叶位间均存在明显差异,叶片蛋白氮含量的敏感波段主要存在于可见光绿光区530～580 nm及红边区域695～715 nm,其中红边区域表现最为显著。红边区域700 nm附近波段与近红外短波段的比值组合(SRs)可以有效地估算水稻上部功能叶片的蛋白氮含量,其次是绿光区587 nm左右的波段与近红外短波段的比值组合。基于新提出的SR（770,700）及已报道的GM-2、SR705、RI-half光谱指数,线性回归模型的拟合精度（R2）分别达到 0.874,0.873,0.871和0.867。经独立资料的检验表明,这些回归模型可以实时监测叶片蛋白氮含量变化,预测精度R2分别为0.810、0.806、0.804和0.800,相对误差RE 分别为12.1%、12.4%、12.6%和12.9%。【结论】可以利用关键特征光谱指数来诊断水稻上部叶片的蛋白氮含量状况,尤以SR（770,700）、GM-2、SR705和RI-half表现为较强的估测能力。 相似文献
9.
[目的]本文旨在克服光照不均引起的低对比度、反光、阴影、光斑及遮挡等对大田复杂背景下小麦冠层图像分割的干扰。[方法]设计了一种结合脉冲耦合神经网络(pulse coupled neural network,PCNN)与同态滤波的自适应图像增强和基于L*a*b*颜色空间α角度模型的K均值聚类分割算法。首先,将小麦冠层图像转换到HSI颜色空间,采用自适应算法对HSI空间的I分量进行增强处理,适当调节饱和度S分量,补偿光照强度分布不均,去除阴影及拉大对比度;其次,将增强处理后的图像映射到L*a*b*颜色空间,提取a*、b*分量建立α角度模型;最后,基于α进行K均值聚类分割处理。[结果]拔节前后光照强度不一、光照不均的冬小麦冠层图像的分割试验结果表明,该算法可一定程度避免基于L*a*b*颜色空间α角度分量K均值聚类的过分割现象;改善基于HSI空间H分量K均值聚类的欠分割缺陷,且对光斑、阴影遮挡、反光突出的图像分割更完整准确。[结论]本算法可为大田复杂背景下光照多变的作物冠层图像分割提供参考方法。 相似文献
10.
快速、准确的监测诊断小麦氮营养状态对于评价小麦长势、指导氮肥运筹并预测籽粒产量均具有重要的意义.基于2009-2011年的大田试验,系统分析了小麦上部4张单叶不同叶位的SPAD值和归一化SPAD指数(NDSPADij)与氮营养指数的定量关系,通过简单分组线性回归筛选出在不同年际和不同品种间表现稳定的氮营养指数(NNI)定量方程.结果表明,小麦上部不同叶位SPAD值和NNI随施氮量提高而提高,而NDSPADij随施氮量的提高而降低.小麦单叶SPAD值与NNI的关系呈显著正相关,但这种关系在品种或年份之间不稳定,对小麦氮素诊断存在风险;除NDSPAD12外,NDSPADij与NNI之间呈显著负相关,经简单分组线性分析发现NDSPAD14与NNI之间在年份和品种之间表现最稳定,能够较好的定量估算氮营养指数,从而快速诊断小麦氮素是否亏缺. 相似文献