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

自主研制的田间成像高光谱仪农学建模研究

文献类型： 会议论文

第一作者： 黄文江

作者： 黄文江 1 ; 张东彦 1 ; 马智宏 1 ; 王秋平 2 ;

作者机构： 1.国家农业信息化工程技术研究中心,100097

2.中国科学技术大学 230029

关键词： 成像高光谱仪;作物长势;反演模型;植被指数;地面建模;近地遥感

会议名称： 第八届成像光谱技术与应用研讨会暨交叉学科论坛

主办单位： 中国空间科学学会

页码： 158-162

摘要： 以小麦、玉米为研究对象,利用自主研发的推扫式面阵扫描成像光谱仪PushbroomImaging Spectrometer(PIS112)对小麦和玉米近地获取了冠层和叶片的图谱合一的高光谱数据。与同步获取的ASD地物光谱仪获得的光谱进行比对,同时对作物扫描成像光谱获取过程中的影响因素进行了分析。结果表明：成像光谱仪采集的光谱信息与地物光谱仪ASD具有较好的一致性,它能准确收集作物在自然生长状态下的光谱信息,获得了不同生长时期图谱合一的作物长势信息,在对应的波段均表现出相应的波峰、波谷、高反射区等特征,但扫描成像光谱仪获得的反射率值都高于地物光谱仪。对比两仪器15种植被指数和叶绿素含量之间的相关系数得出：扫描成像光谱仪获得的相关系数普遍高于地物光谱仪植被指数与叶绿素含量的相关系数比较结果表明,扫描成像光谱仪获得。表明图谱合一的数据在近地遥感研究中有很大的优势,均达到较好的反演水平,地面建模型研究为利用航空平台影像大面积监测作物长势、营养亏缺和防控病虫害发生积累了算法和模型,奠定了理论基础。

分类号： S127

  • 相关文献

[1]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

[2]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

[3]基于无人机多光谱影像的春玉米田管理分区研究. 卢闯,胡海棠,覃苑,淮贺举,李存军. 2022

[4]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

[5]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

[6]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

[7]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

[8]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. 蒋金豹,陈云浩,黄文江. 2010

[9]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

[10]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

[11]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

[12]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

[13]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

[14]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

[15]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

[16]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

[17]估测作物冠层生物量的新植被指数的研究. 陈鹏飞,Nicolas Tremblay,王纪华,Philippe Vigneault,黄文江,李保国. 2010

[18]水稻成熟过程中高光谱与叶绿素、类胡萝卜素的变化规律研究. 唐延林,王纪华,黄敬峰,王人潮,何秋霞. 2003

[19]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

[20]基于多载荷无人机遥感的大豆地上鲜生物量反演. 陆国政,杨贵军,赵晓庆,王艳杰,李长春,张小燕. 2017

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