您好,欢迎访问北京市农林科学院 机构知识库!

用高光谱微分指数估测条锈病胁迫下小麦冠层叶绿素密度

文献类型: 中文期刊

作者: 蒋金豹 1 ; 陈云浩 2 ; 黄文江 3 ;

作者机构: 1.中国矿业大学(北京)地测学院

2.北京师范大学资源学院

3.国家农业信息化工程技术研究中心

关键词: 高光谱遥感;小麦;条锈病胁迫;冠层叶绿素密度;饱和度分析;反演模型

期刊名称: 光谱学与光谱分析

ISSN: 1000-0593

年卷期: 2010 年 30 卷 08 期

页码: 2243-2247

收录情况: EI ; SCI ; 北大核心 ; CSCD

摘要: 通过人工田间诱发不同等级条锈病,在不同生育期测定感染不同严重程度条锈病的冬小麦冠层光谱与冠层叶绿素密度(canopy chlorophyll density,CCD)。把CCD与高光谱指数进行相关性分析,选取相关系数大于0.7的指数构建反演模型,并对模型进行检验,结果表明微分指数(D750-D550)/(D750+D550)反演精度以及稳定性最好,其次是微分指数(D725-D702)/(D725+D702)。对上述两个微分指数分别进行饱和度分析,发现当CCD大于12μg.cm-2时微分指数(D750-D550)/(D750+D550)易达到饱和,因此当CCD小于12μg.cm-2时,微分指数(D750-D550)/(D750+D550)反演CCD结果较好;但当CCD大于12μg.cm-2时,利用微分指数(D725-D702)/(D725+D702)反演CCD较好,该指数不易达到饱和状态。由于CCD与小麦病情指数(diseaseindex,DI)之间存在极显著负相关性,利用高光谱遥感精确估测小麦冠层CCD,不仅可以帮助判断作物的长势,而且可为识别小麦病害提供辅助信息。因此,该研究对于农业防灾减灾也具有重要现实意义。

  • 相关文献

[1]主成分分析法与植被指数经验方法估测冬小麦条锈病严重度的对比研究. 陈云浩,蒋金豹,黄文江,王圆圆. 2009

[2]冬小麦条锈病严重度高光谱遥感反演模型研究. 蒋金豹,陈云浩,黄文江,李京. 2007

[3]用冠层光谱比值指数反演条锈病胁迫下的小麦含水量. 蒋金豹,黄文江,陈云浩. 2010

[4]基于植被指数的叶绿素密度遥感反演建模与适用性研究. 张苏,刘良云,黄文江. 2013

[5]无人机观测时间对玉米冠层叶绿素密度估算的影响. 周丽丽,冯海宽,聂臣巍,许晓斌,刘媛,孟麟,薛贝贝,明博,梁齐云,苏涛,金秀良. 2024

[6]利用遥感红边参数估算夏玉米农学参数的可行性分析. 谭昌伟,王纪华,郭文善,陆建飞,张洪程,蒋海荣. 2006

[7]利用高光谱红边与黄边位置距离识别小麦条锈病. 蒋金豹,陈云浩,黄文江. 2010

[8]棉花单叶黄萎病病情严重度高光谱反演模型研究. 竞霞,黄文江,王纪华,王锦地,王克如. 2009

[9]利用高光谱微分指数进行冬小麦条锈病病情的诊断研究. 蒋金豹,陈云浩,黄文江. 2007

[10]大田作物病害遥感监测技术及模型的研究现状与展望. 赵倩,刘长斌,梅新,梅广源,陶婷,赵培钦,杨小冬. 2024

[11]小波变量与传统变量估测冬小麦条锈病病情严重度的对比研究. 黄文江,鲁军景,张竞成. 2014

[12]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

[13]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

[14]高光谱遥感监测冬小麦条锈病的研究进展(综述). 黄木易,王纪华,黄义德,黄文江,赵春江,刘良云. 2004

[15]高光谱遥感在植被理化信息提取中的应用动态. 谭昌伟,王纪华,黄文江,刘良云,黄义德,严伟才. 2005

[16]高光谱遥感叶面积指数(LAI)反演研究现状. 邢著荣,冯幼贵,李万明,王萍,杨贵军. 2010

[17]用高光谱微分指数监测冬小麦病害的研究. 蒋金豹,陈云浩,黄文江. 2007

[18]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. 孙焱鑫,王纪华,李保国,刘良云,黄文江,赵春江. 2007

[19]应用波段深度分析和偏最小二乘回归的冬小麦生物量高光谱估算. 付元元,王纪华,杨贵军,宋晓宇,徐新刚,冯海宽. 2013

[20]小麦条锈病高光谱近地与高空遥感监测比较研究. 蔡成静,马占鸿,王海光,张玉萍,黄文江. 2007

作者其他论文 更多>>