基于高光谱遥感的花生叶片氮积累量监测模型的研究

文献类型： 中文期刊

第一作者： 张晓艳

作者： 张晓艳;王丽丽;刘锋;封文杰;刘淑云;朱建华

作者机构：

关键词： 花生;高光谱遥感;叶片氮积累量;监测模型

期刊名称： 山东农业科学

ISSN： 1001-4942

年卷期： 2012 年 44 卷 03 期

页码： 13-18+22

摘要： 作物氮素状况是评价长势、提高产量和改善品质的重要指标,因此叶片氮积累量的实时无损估测对作物生产的氮素管理具有重要意义。本研究选用大花生品种丰花1号为试验材料,在大田生产条件下,分析了花生叶片氮积累量与冠层高光谱参数的定量关系。结果表明,叶片氮素含量随生育进程逐渐下降,不同处理之间差异较小;叶片氮素积累量随生育时期推进呈现先升后降的单峰曲线变化趋势,在结荚期达到高峰。花生冠层光谱反射率在740～1 100 nm波段内随叶片氮积累量的增加而增加,叶片氮积累量的敏感波段主要存在于近红外平台和可见光区,其中,"红边"区域表现最为显著。通过微分等技术构造多种植被指数,对高光谱参数和叶片氮积累量进行相关回归分析,红边振幅(Dr)、氮素反射指数(NRI)、归一化植被指数(NDVI)各波段组合平均值及比值植被指数(RVI)与叶片氮积累量关系最密切,方程拟合决定系数分别为0.9194、0.8984、0.8918、0.8899、0.8794、0.8797。经另外一组独立数据的检验表明,对叶片氮积累量的预测以红边位置(REP)和Dr两个参数表现最优,预测的根均方差(RMSE)分别为1.78和1.10,相对误差为5.29%和3.59%。NDVI[Average(1230,1240,1250,1260),640]和土壤调整植被指数(SAVI)两个光谱参数预测的RMSE分别为1.15和1.19,预测相对误差为5.42%和7.41%。比较而言,Dr为自变量建立的模型,可以更好地评估不同条件下叶片氮素积累状况。

分类号： S565.2

  • 相关文献

[1]基于冠层尺度的花生叶片糖氮比高光谱监测. 张晓艳,刘锋,孙家波,吴正峰,牛鲁燕,阮怀军. 2017

[2]基于作物生长监测诊断仪的双季稻叶片氮含量和氮积累量监测. 李艳大,叶春,曹中盛,孙滨峰,舒时富,黄俊宝,田永超,何勇. 2020

[3]基于便携式作物生长监测诊断仪的红壤花生叶片氮积累量和叶面积指数监测. 黄俊宝,曹中盛,孙滨峰,彭忻怡,李艳大. 2024

[4]基于冠层反射光谱的夏玉米叶片氮积累量估测. 李国强,吴士文,郑国清,张学治,冯晓,张杰,胡峰. 2014

[5]冬小麦生物量高光谱遥感监测模型研究. 贺佳,刘冰峰,郭燕,王来刚,郑国清,李军. 2017

[6]水旱地冬小麦植株氮素含量的高光谱监测. 孙慧,冯美臣,杨武德,李方舟,李广信,王超. 2015

[7]花生叶鲜生物量的高光谱估算模型. 颜丙囤,侯学会,梁守真,王猛,陈振,隋学艳. 2017

[8]花生叶绿素含量的高光谱遥感估算模型研究. 颜丙囤,梁守真,王猛,侯学会,陈振,隋学艳. 2017

[9]基于地—空遥感耦合的冬小麦叶片氮积累量估算. 王来刚,田永超,李文龙,朱艳,曹卫星. 2012

[10]基于机器学习和可见光光谱的冬小麦叶片氮积累量估算. 崔日鲜,刘亚东,付金东. 2016

[11]氮磷互作水稻冠层氮素敏感光谱筛选研究. 李颖,薛利红,马资厚,潘复燕,杨林章. 2015

[12]基于氮素和水分的冬小麦籽粒蛋白质含量监测. 王芊,李存军,王大成,周脚根,杨武德. 2008

[13]基于Landsat TM影像的冬小麦拔节期主要长势参数遥感监测. 谭昌伟,王纪华,朱新开,王妍,王君婵,童璐,郭文善. 2011

[14]利用高光谱植被指数监测紧凑型玉米叶绿素荧光参数F_v/F_m. 谭昌伟,黄文江,金秀良,王君婵,童璐. 2012

[15]棉花植株水分含量的高光谱监测模型研究. 苏毅,王克如,李少昆,肖春华,陈兵,王方永,唐强,陈江鲁,金秀良,吕银亮,王楷. 2010

[16]基于作物生长监测诊断仪的玉米LAI监测模型研究. 贺佳,郭燕,王利军,张彦,赵犇,王来刚. 2019

[17]利用Landsat TM遥感数据监测冬小麦开花期主要长势参数. 谭昌伟,王纪华,赵春江,王妍,王君婵,童璐,朱新开,郭文善. 2011

[18]山东省春季土壤墒情遥感监测模型构建. 杨丽萍,隋学艳,杨洁,郭洪海,张锡金,黄玲. 2009

[19]基于无人机RGB图像的金沙柚叶片叶绿素含量监测研究. 曹中盛,李艳大,潘玉霞,孙滨峰,舒时富,叶春,彭忻怡. 2022

[20]克州地区天然草地生产力评价. 储少林,贠静,阿斯娅·曼力克,赛里克·都曼,郑逢令. 2011

作者其他论文 更多>>

微信小程序