搜索到138篇“ 红边参数“的相关文章
- 冠层光谱红边参数结合随机森林机器学习估算冬小麦叶绿素含量被引量:9
- 2024年
- 作物光谱红边参数与叶绿素含量密切相关,是作物生长发育和营养状况的指示器。基于红边参数构建叶绿素含量探测模型是大尺度监测作物长势的有效方法。为提升冬小麦叶绿素含量探测精度,构建适用于不同生育期和施氮水平条件的叶片叶绿素相对含量(chlorophyll content,CHL)估算模型。该研究通过4 a大田试验,获取冬小麦4个关键生育期(拔节期、抽穗期、开花期和灌浆期)和3种施氮水平条件下的冠层光谱反射率和叶片CHL。系统比较和评估了47种光谱红边参数对CHL的敏感性,同时采用逐步选择红边参数相对重要性提升了随机森林机器学习模型估算冬小麦CHL的精度。结果表明:光谱红边参数对CHL的敏感性受到冬小麦生育期和施氮水平的影响,在单一生育期中的最佳红边参数与CHL的决定系数R^(2)在0.39和0.89之间。全生育期中最佳红边参数为NDDRmid,与CHL的决定系数R^(2)为0.76。灌浆期敏感性最高,红边参数REPRpi、NDDRmid、RVI2、RVI4、RVI5、RVI6、NDRE、RVI12和RVI13与CHL的决定系数都高于0.80,红边参数RVI5与CHL的决定系数R^(2)为0.89。单一施氮水平条件下敏感性最佳的红边参数与CHL的决定系数在0.75和0.81之间。在N1和N2条件下,最佳红边参数为NDDRmid。在N3条件下RIDRfd与CHL的决定系数最高,R^(2)为0.81。在所评估的光谱红边参数中,NDDRmid、RVI5、RVI12和DIDA在单一生育期和施氮水平条件下都表现出较高的相关性。逐步选择相对重要性红边参数特征优化随机森林模型提升了CHL的估算精度,全生育期中最佳估算精度为R^(2)=0.80和RMSE=4.25。不同生育期和施氮水平条件下,红边参数DIDA和RVI13都作为随机森林模型的重要特征。研究结果揭示了光谱红边参数在不同生育期和施氮条件下估算冬小麦CHL的潜力,同时也为基于红边参数特征的其他类型农作物叶绿素含量探测研究提供了参考。
- 王震李映雪吴芳邹晓晨
- 关键词:冬小麦叶绿素红边参数SPAD
- 一种基于红边参数的枸杞土壤水分反演模型研究
- 本发明涉及一种基于红边参数的枸杞土壤水分反演模型研究,一种基于红边参数的枸杞土壤水分反演模型研究,包括以下步骤:1、试验材料种植管理与对应检测试验;2、不同土壤水分传统红边特征分析;3、枸杞土壤水分分析反演;4、整体数据...
- 袁念念吴娟李亚龙刘凤丽熊玉江黄志强付浩龙
- 基于红边参数的枸杞土壤水分反演模型研究被引量:4
- 2021年
- 为了快速准确地诊断枸杞水分需求,利用地物光谱仪实测枸杞关键生育期不同灌溉水平的叶片反射高光谱数据,应用光谱一阶微分方程,获取枸杞微分光谱680~760 nm波段的红边参数,分析红边位置λ_(re)、红边面积S_(dre)、红边振幅D_(λre)、红边偏度D_(λre)和红边峰度K_(λre)在不同处理下的变化,探讨了不同生育期内土壤水分与红边参数的相关性。结果表明,同一生育期内红边位置不会随着灌溉水平变化而发生偏移,各处理同一生育期内红边位置基本相同;土壤水分在枸杞休眠期和开花期与红边偏度相关性最好,在新梢开花期与红边峰度的相关性最好,展叶期与红边面积的相关性最好,选择各生育期与土壤水分相关性最好的红边参数建立水分估算反演模型,反演方程分别为休眠期:Y=151.581 X-261.325 X^(2)-3.169;开花期:Y=e^((1.748-0.016/X));新梢开花期:Y=e^((-28.786-44.38/X));展叶期:Y=82.116X-116.648 X^(2)+13.037。
- 袁念念吴娟熊玉江包玉斌杨静刘凤丽李虎
- 关键词:遥感红边参数土壤水分枸杞
- 干旱胁迫对冬小麦冠层光谱及红边参数的影响被引量:9
- 2020年
- [目的]干旱是影响我国北方麦区的重要气象灾害之一。及时准确获取和掌握麦田干旱情况,对各级政府部门做出相应决策、采取积极有效的防旱、抗旱措施具有重要意义。作物冠层光谱分析是进行作物长势监测及灾害诊断的基础和有效手段,探索干旱胁迫下冠层光谱特征的变化规律,可为作物田间干旱遥感监测的展开提供先决条件。[方法]利用野外光谱测量仪对干旱胁迫下冬小麦冠层光谱进行采集,并对光谱特征及红边参数变化趋势进行分析。[结果]在可见光波段,光谱反射率为成熟期>灌浆期>抽穗期>开花期>拔节期>孕穗期;在近红外波段,光谱反射率为抽穗期>开花期>拔节期>孕穗期>灌浆期>成熟期。随着生育期的推进,红边幅值先增大后减小(max=0.0076,min=0.0013),红边位置先红移后蓝移(max=739 nm,min=700 nm),红边面积先增加后减小(max=0.31673,min=0.07069)。干旱胁迫越重,绿峰越不明显,红谷越浅,近红外平台越低;干旱胁迫越轻,绿峰越凸出,红谷越深,近红外平台越高。随着干旱胁迫程度的增大,红边幅值逐渐减小(max=0.008,min=0.00571)、红边位置逐渐蓝移(max=737 nm,min=727 nm)红边面积也逐渐减小(max=0.32065,min=0.24366)。[结论]研究结果可为实现快速、精准的农业干旱遥感监测提供参考及依据。
- 肖璐洁杨武德冯美臣孙慧王超
- 关键词:冬小麦干旱胁迫冠层光谱红边参数
- 基于红边参数不同品种的估算模型被引量:3
- 2019年
- 【目的】利用红边参数的动态变化规律建立不同品种滴灌棉花叶面积指数估测模型。【方法】以棉花品种新陆早50号、新陆早58号和鲁棉研24号(杂交棉)为材料,分析LAI和红边位置的动态变化,构建滴灌棉花叶片红边参数-LAI估算模型。【结果】LAI增长最快时期均出现在40~70 d,不同品种滴灌棉花的LAI增长速率有明显的差异,表现为:鲁棉研24号>新陆早50号>新陆早58号;不同品种棉花均在病虫害发生期出现蓝移现象,在棉花正常生长下,出现红移现象。红边参数与LAI均达到极显著相关,构建3个估算模型中,鲁棉研24号精度最高(R^2=0.816 8,RMSE=0.77)。【结论】建立的估算模型均可对LAI进行有效估测。
- 葛元梅陈翔宇洪帅马露露吕新张泽
- 关键词:棉花叶面积指数红边参数遥感
- 基于红边参数和人工神经网络的苹果叶片叶绿素含量估算被引量:7
- 2019年
- 【目的】应用人工神经网络来解决苹果叶片叶绿素含量与高光谱数据之间的非线性关系,建立估测苹果叶片叶绿素含量的最佳模型,为苹果叶片叶绿素含量的快速无损监测提供参考。【方法】以位于陕西扶风杏林镇的树龄为4~5年的15棵苹果树为研究对象,2015年分别于果树花期(4月27日)、幼果期(5月30日)、果实膨大期(7月6日)、果实着色期(8月5日)、果实成熟期(9月11日)采集叶片样本,利用SVC HR-1024i型高光谱仪和SPAD-502叶绿素仪同步获取苹果叶片光谱值和对应的叶绿素含量,对原始光谱和一阶导数光谱与叶绿素含量之间的关系进行分析,从一阶导数光谱中提取苹果叶片光谱的5个红边参数,从5个红边参数中筛选出相关性好的红边参数,使用传统单变量回归算法、反向传播(back propagation,BP)神经网络和径向基函数(radial basis function,RBF)神经网络,建立叶绿素含量估测模型,用决定系数(R2)、均方根误差(RMSE)和相对误差(RE)来验证模型的准确性。【结果】与原始光谱相比,一阶导数光谱与苹果叶片叶绿素含量的相关性更高。5个红边参数中,红边位置、峰度系数、偏度系数与叶绿素含量的相关系数均较高,且均达极显著水平。建立的传统单变量回归模型中,基于红边位置、峰度系数和偏度系数的R2均大于0.7,其中基于偏度系数建立的多项式模型模拟精度最高,验证结果R2为0.872,RMSE为4.631,RE为8.81%。选取红边位置、峰度系数和偏度系数为人工神经网络的输入变量,分别优化BP神经网络的隐含层节点数和网络类型以及RBF神经网络的扩展系数(SPREAD值)来提高预测精度,结果发现,建立隐含层节点数为4的双隐含层BP神经网络最优模型R2为0.891,RMSE为3.844,RE为7.55%;当SPREAD值为0.6时,建立的RBF神经网络最优模型的R2为0.955,RMSE和RE分别为2.517和3.69%。【结论】估算苹果叶片叶绿素含量时,人工神经网
- 罗丹常庆瑞齐雁冰
- 关键词:叶绿素红边参数人工神经网络苹果
- 基于冠层光谱红边参数和植被指数的冬小麦水分胁迫监测被引量:9
- 2019年
- 基于冬小麦不同水分胁迫试验,采用便携式光谱仪测定冬小麦抽穗期、开花期和灌浆期受不同水分胁迫处理的冠层光谱反射率,分析不同水分处理下冬小麦冠层光谱特性,并对植被指数、红边参数与冠层叶片含水率和土壤含水率进行相关性分析,构建各生育期叶片含水率和土壤含水率的最佳监测模型,实现对冠层叶片含水率以及土壤含水率的监测评估。结果显示,在整个生育期,冬小麦的冠层光谱反射率在可见光范围呈现绿峰红谷,尤其在旺盛生长时期,随着水分胁迫程度加深,绿峰红谷逐渐变得不明显,红谷抬升幅度增大;相反,在近红外波段范围内水分胁迫主要使得反射率表现为明显下降;冬小麦红边参数随生长进程呈蓝移现象,灌浆期受胁迫程度越重的红边参数越低;植被指数(EVI、NDVI、SAVI、WI)在开花期之后具有不同程度的下降趋势,至灌浆期有大幅度减小,且随受胁迫程度加深植被指数下降幅度增大;植被指数和红边位置、红边面积在灌浆期与叶片含水率和土壤含水率有显著相关,其中植被水分指数WI、归一化植被指数NDVI和红边位置λred相关性较佳,其建立的叶片含水率和土壤含水率估算模型效果较好,决定系数r2均大于0.84,平均相对误差(MRE)≤0.207。综合分析认为,冠层反射光谱特征和植被指数与冬小麦冠层叶片含水率和土壤含水率相关性良好,可利用高光谱遥感参数对冬小麦的水分状况进行快速、准确监测。
- 郭建茂王星宇李淑婷谢晓燕刘荣花于庚康
- 关键词:冬小麦植被指数红边参数土壤含水率
- 基于冠层高光谱的油菜角果期红边参数及叶片SPAD值反演模型被引量:8
- 2019年
- 以湖南省为研究区,探索不同栽培因子条件下油菜的高光谱特征,建立基于高光谱特征的叶绿素预测模型,并将其应用于田间生产实践,以期为油菜营养诊断、高产栽培和生产管理的信息化提供一定的理论依据和技术支撑。使用便携式地物光谱仪和SPAD-502叶绿素仪分别对油菜冠层反射光谱和SPAD值进行实测,分析不同栽培因子条件下角果期的油菜冠层光谱特征,并得到其相应的红边参数(包括红边位置、红边振幅与红边面积),最后运用多种方法对红边参数与角果期的油菜SPAD值进行相关性分析,以期建立SPAD值的最佳反演模型。结果表明,在红光波段(680~760 nm),油菜角果期的冠层反射光谱趋于稳定,冠层的三峰两谷现象比较明显,而且在整个角果期,红边位置都稳定在760 nm这个点,不随栽培因子的改变而改变。但是栽培因子对红边振幅和红边面积有着明显影响,因此可用红边参数来预测油菜的SPAD值。经过5种不同的建模比较分析可以得出,基于支持向量机(SVM)的预测模型最好,R^2为0.912 6,均方误差为0.326 6。
- 张锐廖桂平王访刘凡
- 关键词:油菜SPAD值
- 油菜红边参数与SPAD值估算模型研究
- 本研究以油菜作为研究对象,使用美国ASD FieldSpec○R3Hi-Res波谱仪在油菜不同生育时期获得冠层光谱反射率,使用一阶导数的方法计算出不同时期油菜的红边参数。采用matlab数据分析与仿真软件和数据分析SPS...
- 刘凡
- 关键词:油菜SPAD值反演模型
- 基于红边参数的芦苇叶绿素的反演研究被引量:4
- 2017年
- 干旱区荒漠植物的叶绿素定量反演是动态监测、快速有效评估植物生物量及长势的有效方法。利用便携式可见-近红外光谱仪FieldSpecPro3测定绿洲、盐碱地及沙漠3种生境内的芦苇高光谱值,对高光谱数据一阶微分以及红边参数与叶绿素含量进行了相关分析,选取最佳红边参数建立经验估算模型与神经网络模型,并评估检验。模型显示,三种生境下均为二项式回归模型的决定系数最佳,检验精度的决定系数(R^2)分别为0.8466、0.8672和0.7935,均方根误差RMSE(root-mean-square error)分别为2.3601、1.4112和2.8002;BP神经网络模型的检验精度的决定系数(R^2)分别为0.9147、0.9331和0.8813,RSME分别为1.4010、0.9964和0.5559。结果表明,利用BP(back propagation)神经网络估算的模型精确度显著提高,可作为芦苇叶绿素高光谱反演的有效模型而使用,为荒漠植物叶片叶绿素的光谱特征反演提供了借鉴,为监测荒漠植物生长、产量估算及动态监测等提供可行的手段。
- 李春刘卫国丁旭邹杰马建伟王凤凤林喆
- 关键词:芦苇红边参数叶绿素含量反演模型
相关作者
- 王人潮

- 作品数:194被引量:3,561H指数:39
- 供职机构:浙江大学
- 研究主题:水稻 遥感 地理信息系统 遥感估产 基于GIS
- 唐延林

- 作品数:112被引量:1,182H指数:22
- 供职机构:贵州大学
- 研究主题:水稻 高光谱反射率 外电场 红边参数 分子结构
- 黄敬峰

- 作品数:294被引量:3,647H指数:38
- 供职机构:浙江大学
- 研究主题:水稻 遥感 GIS 植被指数 基于GIS
- 黄文江

- 作品数:428被引量:3,593H指数:37
- 供职机构:安徽大学
- 研究主题:冬小麦 遥感 遥感监测 叶面积指数 植被指数
- 冯美臣

- 作品数:162被引量:717H指数:13
- 供职机构:山西农业大学农学院
- 研究主题:冬小麦 植被指数 燕麦 干旱胁迫 冠层光谱