基于无人机多光谱植被指数的生菜全氮含量预测

文献类型： 中文期刊

第一作者： 连炳瑞

作者： 连炳瑞;李雅豪;张静;李长青;杨小冬;王激清;邹国元;Thompson Rodney;杨俊刚

作者机构：

关键词： 露地生菜;无人机多光谱;NDVI;全氮;预测模型

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2024 年 008 期

页码： 2318-2325

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 我国露地蔬菜种植规模庞大，生产方式高度集约化，但过量施肥等导致的水氮利用效率低下的问题较为严重。为实现露地蔬菜规模化种植中精准施肥、高效生产的目标，以露地生菜为研究对象，设无氮(N0)、低氮(N1)、高氮(N2)三个处理，通过无人机搭载多光谱相机，建立3种多光谱植被指数(NDVI、 RVI和SAVI)与生菜叶绿素、生物量、吸氮量、全氮含量数据集，并构建单生育期和多生育期氮素诊断模型。结果表明：(1)在莲座期和结球期，生菜各处理NDVI、 RVI和SAVI值表现出随施氮量的增加而增大，但在收获期，N1处理达到最大值。(2)在生菜结球期，NDVI与生菜的产量、吸氮量、叶绿素均存在显著相关性，其中生菜全氮含量与叶绿素在p≤0.01水平下显著相关，相关系数(R)为0.51;综合生菜多生育期，NDVI值与生菜的产量、叶绿素、吸氮量和全氮含量均在p≤0.001水平下达到极显著相关，相关系数分别为0.85、 0.82、 0.81和0.71。(3)通过相应数据集拟合出指数、线性、对数和幂函数4种模型关系，建立生菜多生育期植株全氮最佳预测模型：全氮=16.52ln(NDVI)+73.514;应用生菜全氮估层模型反演基地生产田块，其平均相对误差为3.22%、 RMSE=0.556 6、 NRMSE=0.010 8,说明模型估算效果均较好，通过无人机多光谱遥感对蔬菜氮素诊断具有一定的可行性。

分类号： TP391.41%S636.2

  • 相关文献

[1]基于无人机多光谱影像的玉米含水量监测模型研究. 杨淑婷,海云瑞,王微,王蓉,周洋. 2022

[2]基于无人机多光谱信息与纹理特征融合的小麦叶面积指数估测. 齐浩,孙海芳,吕亮杰,李偲,闵家楠,侯亮. 2025

[3]基于光谱反演的青藏高原1982年到2014年植被生长趋势分析. 王志伟,吴晓东,岳广阳,赵林,王茜,南卓铜,秦彧,吴通华,史健宗. 2016

[4]水稻极化散射特征分析及稻田分类方法研究. 张萍萍,申双和,李秉柏,王小妹. 2006

[5]基于小型无人机与MODIS数据的草地植被覆盖度研究——以甘南州为例. 宋清洁,崔霞,张瑶瑶,孟宝平,高金龙,向宇轩. 2017

[6]基于支持向量回归(SVR)和多时相遥感数据的冬小麦估产. 黎锐,李存军,徐新刚,王纪华,杨小冬,黄文江,潘瑜春. 2009

[7]耕地轮作模式遥感监测. 顾晓鹤,潘瑜春,王堃,杨枫,黄文江. 2011

[8]利用NDVI估算云覆盖地区的植被表面温度研究. 刘梅,覃志豪,涂丽丽,张军. 2011

[9]基于新型植被指数的冬小麦覆盖度遥感估算. 陈召霞,徐新刚,徐良骥,杨贵军,邢会敏,贺鹏. 2016

[10]影响大豆NDVI的气象因素多元回归分析. 张智韬,兰玉彬,郑永军,陈立平,宋鹏. 2015

[11]HJ-1CCD与Landsat-8OLI在呼伦贝尔草原区FPAR反演中的比较分析. 李晓宇,包玉海,吴琼,海全胜,李振旺,张保辉,闫瑞瑞,辛晓平. 2015

[12]基于遥感技术的高寒草地覆盖度变化. 王浩,李文龙,许静,朱晓丽. 2011

[13]基于CSCS方法的甘南自然植被NDVI时空分布特征研究. 修丽娜,冯琦胜,梁天刚. 2013

[14]基于小麦长势遥感监测的土壤氮素累积估测研究. 潘瑜春,王纪华,陆安祥,陆洲. 2007

[15]基于近地光谱探测技术的冬小麦变量施肥. 杨玮,王秀,马伟,李民赞. 2007

[16]土壤背景对冠层NDVI的影响分析. 唐怡,刘良云,黄文江,王纪华. 2006

[17]基于MODIS-NDVI的安徽省2009年冬小麦及一季稻面积遥感提取及长势监测. 黄青,邹金秋,邓辉,李丹丹,张莉. 2010

[18]利用有效积温提高冬小麦估产精度的研究. 陈艳玲,顾晓鹤,董燕生,胡圣武,张秋阳,赵静. 2014

[19]2000—2012年中国北方草地NDVI和气候因子时空变化. 张仁平,冯琦胜,郭靖,尚振艳,梁天刚. 2015

[20]基于MODIS数据的东北地区植被物候参数提取. 宫攀,陈仲新. 2009

作者其他论文 更多>>

微信小程序