科研产出
指示冬小麦条锈病严重度的两个新的红边参数
《遥感学报 》 2007 北大核心 CSCD
摘要：通过人工田间诱发不同等级条锈病,在不同生育期测定了36条感染不同严重程度条锈病的冬小麦冠层光谱及相应叶片的生理生化参量。对测定的冬小麦红边一阶微分光谱进行分析,发现随着病情严重度的增加,红边一阶微分的前峰(700nm附近)越来越明显,后峰(约在725—740nm)越来越不突出,以红边一阶微分的双峰特征随病情指数的变化为基础,设计了两个新型的红边参数:DSr和Ar,它们可以分别用来描述红边一阶微分光谱曲线的陡峭度和不对称性,与其他常用的红边参数(红边位置、红边一阶微分最大值,红边一阶微分所包围面积)相比,新参数反演病情严重度的精度更高。
全文链接
请求原文
不同尺度冬小麦氮素遥感监测方法及其应用研究
《农业工程学报 》 2007 EI 北大核心 CSCD
摘要：该文以航空影像、地面冠层光谱数据及同步观测的植被生化数据为基础,探讨了冬小麦冠层氮素监测的遥感方法。该方法应用于Lukina变量施肥模型,研究了基于遥感影像变量施肥量的计算方法。为实现以上目标,首先采用矩匹配和反射率转换方法,对获取的机载实用模块化成像光谱仪(OMIS)影像进行辐射校正;然后结合航拍相片及地面高精度差分GPS定位点坐标对高光谱影像进行几何校正。以预处理后的反射率影像和冠层光谱数据为数据源,采用倒高斯模型拟合冬小麦红边光谱曲线,并构建红谷位置、红边位置和红边宽度等光谱特征参量。通过对红边光谱特征量和实测氮素进行统计分析,寻找相关性显著、拟合误差小的最佳光谱特征量,并用于预测冬小麦冠层的氮素含量。统计相关分析结果表明:拟合曲线和图像反射率曲线面积差和实测的氮素含量有最高的相关性,且相关性达到极显著。最后,把该氮素预测方法集成到Lukina变量施肥模型中,结合反射率影像数据生成变量施肥处方图。文中探讨的最佳氮素预测方法改善了氮素预测的精度;基于影像的面状信息获取技术克服了点状信息的不足,使变量施肥技术更利于实用和推广。
全文链接
请求原文
基于GA的GRNN高光谱遥感反演冬小麦叶片氮含量模型的建立与验证
《土壤通报 》 2007 北大核心 CSCD
摘要：基于人工神经网络理论,针对高光谱遥感中数据冗余问题,本文建立了基于遗传算法(GA)的广义回归神经网络(GRNN)模型,利用回归分析问题中参数筛选方法,对表征冬小麦叶片全氮的光谱参数进行了筛选,并和线性回归方法对比,线性回归方法的均方根误差(RMSEP):在冬小麦叶片氮含量为34.0g kg-1~62.5g kg-1预测范围内,逐步回归模型为14.4g kg-1,后向选择为11.8g kg-1,而广义回归神经网络为3.40g kg-1。说明神经网络方法所筛选到的光谱参数更能反映小麦叶片全氮含量,且神经网络模型预测精度高。
关键词： 高光谱遥感 广义回归神经网络 遗传算法 光谱参数筛选
全文链接
请求原文
基于小麦长势遥感监测的土壤氮素累积估测研究
《农业工程学报 》 2007 EI 北大核心 CSCD
摘要：农田长时间被植被所覆盖给遥感直接监测农田土壤养分及其动态带来巨大难度。由于不同的土壤条件和施肥量会在一定程度上引起作物长势的差异,并最终反映在作物冠层光谱反射率的差异,因此,通过遥感监测作物长势动态实现农田土壤养分与环境质量将是遥感监测土壤质量的一个重要方法。该文利用追肥前后两期高光谱航空影像提取反映小麦长势状况的归一化植被指数N DV I,并结合小麦种植前后的土壤采样数据,分析了追肥前后N DV I及其增量与小麦种植前后土壤碱解氮增量之间的关系。研究结果表明:与追肥前后N DV I绝对增量相比,追肥前的N DV I能够较好地估测小麦生育期内土壤碱解氮增量,追肥前后N DV I绝对增量与追肥前的N DV I的比值是估测小麦生育期内土壤碱解氮增量的最好指标,而追肥后的N DV I与土壤碱解氮增量之间没有显著的相关关系,不能用于土壤碱解氮增量的估测。
全文链接
请求原文
近红外光谱法测定紫花苜蓿青贮鲜样的营养价值
《光谱学与光谱分析 》 2007 EI SCI 北大核心 CSCD
摘要：应用近红外光谱技术(NIRS)直接分析新鲜饲草的营养价值,如饲草中干物质(DM),粗蛋白(CP),中性洗涤纤维(NDF),酸性洗涤纤维(ADF)含量,对畜牧业生产具有重要意义。鲜草中由于含有较多的水分,不易制备均一的样品和进行光谱中有用信息的提取,因此难于进行近红外光谱分析。本试验应用偏最小二乘回归法(PLS)、傅里叶变换近红外光谱技术和液氮冷冻制样技术,建立了适合于不同品种,不同生育期,不同茬次和不同青贮方法即时测定青贮苜蓿鲜样中DM,CP,NDF,ADF的模型,以期对NIRS在测定紫花苜蓿青贮鲜样品这些成分测定的可行性进行分析。所建DM,CP,NDF和ADF模型的交叉检验决定系数(R2cv)为0.884 6~0.989 8,交叉检验标准误(RMSECV)为3.9~9.7 g.kg-1鲜重。用50个样品对模型进行外部检验,预测相关系数(r)为0.939 7~0.994 9,预测标准误为1.9~8.3 g.kg-1鲜重。结果表明:采用适当的样品处理方法和光谱分析技术可以实现近红外光谱技术对苜蓿青贮鲜样的营养价值评定。
全文链接
请求原文
基于近地光谱探测技术的冬小麦变量施肥
《吉林大学学报(工学版) 》 2007 EI 北大核心 CSCD
摘要：首先利用GreenSeeker RT200变量施肥机器系统按小区测量了田间试验区冬小麦在拔节期的归一化植被指数NDVI,然后根据改进的氮肥优化算法,由测得的NDVI数据和预测的谷物可能产量等参数,计算出氮肥需要量FNR,进而根据不同小区的氮肥需要量进行了田间变量施肥。试验结果表明,采用变量施肥之后,冬小麦的NDVI空间变异明显变小,作物长势趋于平衡。对比常规管理区和精准管理区的产量分布,精准管理区的产量不仅空间变异小,而且产量明显提高。
全文链接
请求原文
基于改进型蚁群算法和Gauss-Markov随机场的植物病斑自适应分割
《沈阳农业大学学报 》 2007 北大核心 CSCD
摘要：针对植物病害图像成分复杂、病斑排列无规则等特点,提出了基于改进型蚁群算法和Gauss-Markov随机场的自适应病斑分割算法。该算法采用自适应信息素更新策略,对信息量进行有差别的动态更新,克服了标准蚁群算法容易陷入局部最优造成的早熟、停滞现象。同时,利用Markov随机场的局部相关特性并结合Gauss分布组成线性平稳自回归模型,针对植物病斑特征建立分割模型。最后,采用改进型蚁群算法对其进行优化,并结合Gauss-Markov随机场最大后验概率估计,实现对植物病斑的自适应分割。仿真试验表明,改进后的算法能够针对植物病斑特性实现自适应分割,鲁棒性较好。然而,对于蚁群算法与Markov的最佳耦合方式及参数初始值的设置仍需作进一步研究。
关键词： 植物病斑 蚁群算法 Gauss-Markov随机场 自适应分割
全文链接
请求原文
基于光谱指数的变量施肥对冬小麦产量构成的影响及其效益分析
《麦类作物学报 》 2007 北大核心 CSCD
摘要：为给小麦变量施肥提供依据,利用冬小麦起身期和拔节期冠层光谱数据,选用反映冬小麦长势信息的优化土壤调节植被指数(OSAVI)和变量施肥模型进行变量施肥管理,以相邻地块常规非变量(均一)施肥区为对照区,研究了基于光谱指数的变量施肥对冬小麦产量构成的影响及其效益。结果表明,变量区OSAVI的变异系数较对照区有所降低;变量区产量、穗数和穗重高于对照,且变异系数均较对照区有所降低;变量区的穗粒重低于对照区,但变异系数增加;变量区的千粒重高于对照区,变异系数相近。变量区籽粒蛋白质含量高于对照,变异系数低于对照。变量区农作物经济效益高于对照区,土壤硝态氮浓度降低,生态效益明显。
全文链接
请求原文
