您好，欢迎访问北京市农林科学院 机构知识库！
北京市农林科学院机构知识库

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

基于无人机多光谱遥感的春玉米叶面积指数和地上部生物量估算模型比较研究

文献类型： 中文期刊

作者： 樊鸿叶 1 ; 李姚姚 2 ; 卢宪菊 3 ; 顾生浩 3 ; 郭新宇 3 ; 刘玉华 1 ;

作者机构： 1.河北农业大学农学院

2.中国农业科学院作物科学研究所

3.北京农业信息技术研究中心数字植物北京重点实验室

关键词： 春玉米;叶面积指数;地上部生物量;多光谱遥感;植被指数;回归模型

期刊名称： 中国农业科技导报

ISSN： 1008-0864

年卷期： 2021 年 009 期

页码： 112-120

收录情况： 北大核心 ; CSCD

摘要： 明确基于无人机多光谱遥感的玉米叶面积指数（LAI）和地上部生物量的最优估算模型对获取即时、无损、可靠的长势关键参量具有重要意义。2018—2019年,以郑单958（ZD958）和先玉335（XY335）为研究对象,设置4个施氮处理,通过无人机搭载多光谱相机获取多光谱影像,分析两品种LAI和地上部生物量与植被指数相关性,分别构建了基于植被指数的LAI和地上部生物量预测模型。结果表明:同一植被指数在两品种中对施氮量的变化响应规律不同;在吐丝期,幂函数对ZD958的LAI和地上部生物量估算效果最好,指数函数对XY335的LAI估算效果好,幂函数对地上部生物量估算效果好;在灌浆期,幂函数对两品种的LAI估算效果最佳,而指数函数对两品种的地上部生物量估算效果最好。研究结果为进一步提高春玉米长势监测的精度提供了重要依据。

  • 相关文献

[1]轻小型无人机多光谱遥感技术应用进展. 孙刚,黄文江,陈鹏飞,高帅,王秀. 2018

[2]基于光谱特征与PLSR结合的叶面积指数拟合方法的无人机画幅高光谱遥感应用. 高林,杨贵军,李长春,冯海宽,徐波,王磊,董锦绘,付奎. 2017

[3]基于CASI高光谱数据的作物叶面积指数估算. 唐建民,廖钦洪,刘奕清,杨贵军,冯海宽,王纪华. 2015

[4]基于成像高光谱仪的大豆叶面积指数反演研究. 陆国政,李长春,杨贵军,于海洋,赵晓庆,张晓燕. 2016

[5]基于无人机遥感影像的大豆叶面积指数反演研究. 高林,杨贵军,王宝山,于海洋,徐波,冯海宽. 2015

[6]基于多源遥感数据的大豆叶面积指数估测精度对比. 高林,李长春,王宝山,杨贵军,王磊,付奎. 2016

[7]基于分段方式选择敏感植被指数的冬小麦叶面积指数遥感反演. 李鑫川,徐新刚,鲍艳松,黄文江,罗菊花,董莹莹,宋晓宇,王纪华. 2012

[8]基于支持向量机回归的冬小麦叶面积指数遥感反演. 梁栋,管青松,黄文江,黄林生,杨贵军. 2013

[9]基于无人机高光谱遥感的冬小麦株高和叶面积指数估算. 陶惠林,徐良骥,冯海宽,杨贵军,代阳,牛亚超. 2020

[10]基于热点植被指数的冬小麦叶面积指数估算. 陈瀚阅,牛铮,黄文江,黄妮,张瀛. 2012

[11]冬小麦不同株型品种光谱响应及株型识别方法研究. 卢艳丽,李少昆,王纪华,谢瑞芝,黄文江,高世菊,刘良云,王之杰. 2005

[12]用神经网络和高光谱植被指数估算小麦生物量. 王大成,王纪华,靳宁,王芊,李存军,黄敬峰,王渊,黄芳. 2008

[13]自主研制的田间成像高光谱仪农学建模研究. 黄文江,张东彦,马智宏,王秋平. 2010

[14]小麦条锈病高光谱遥感监测技术研究. 蔡成静,王海光,安虎,史延春,黄文江,马占鸿. 2005

[15]太赫兹光谱技术用于干旱胁迫下大豆冠层含水量检测研究. 赵旭婷,张淑娟,李斌,李银坤. 2018

[16]复合支持向量机方法及其在光谱分析中的应用. 安欣,苏时光,王韬,徐硕,黄文江,张录达. 2007

[17]吉富罗非鱼成鱼脏器系数的研究. 徐娟娟,王卓群,舒秀君,程波,任源远,张欣,王赛赛,韩刚,穆迎春,宋怿. 2021

[18]叶幕微域环境对无患子果实产量和品质的影响. 张赟齐,刘晨,刘阳,叶常奇,张萌,贾黎明,郝艳宾,苏淑钗. 2020

[19]移动中肥料养分含量的在线高通量测量方法——基于近红外光谱和化学计量学. 王晓珂,赵春江,董大明. 2018

[20]小麦条锈病高光谱遥感监测技术研究. 蔡成静,王海光,安虎,史延春,黄文江,马占鸿. (Mis

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：北京市农林科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台