基于高光谱遥感的小麦叶片含氮量监测模型研究.pdfVIP

基于高光谱遥感的小麦叶片含氮量监测模型研究.pdf

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于高光谱遥感的小麦叶片含氮量监测模型研究.pdf

麦类作物学报  2008 ,28 (5) :851 - 860 J ournal of Triticeae Crop s 基于高光谱遥感的小麦叶片含氮量监测模型研究 1 ,2 1 1 1 1 冯  伟 ,姚  霞 ,朱  艳 , 田永超 ,曹卫星 ( 1. 南京农业大学/ 江苏省信息农业高技术研究重点实验室 ,江苏南京 2 10095 ; 2 . 河南农业大学/ 国家小麦工程技术研究中心 , 河南郑州 450002)   摘  要 :为了在作物氮素管理中实现叶片氮含量的实时无损估测 , 以不同类型小麦品种在不同施氮水平 下连续 3 年田间试验为基础 ,研究了小麦叶片氮含量与冠层高光谱参数的定量关系 。结果表明 ,叶片氮含量 随着施氮水平的增加而提高 ,冠层光谱反射率在不同叶片氮含量水平下存在明显差异 。叶片氮含量的敏感波 段主要存在于近红外平台和可见光区 ,其中 , 红边区域最为显著 。红边及面积类参数 R E PI E 、S D rS D b 和 FD 729 与叶片氮含量关系密切 ,方程拟合决定系数 R2 分别为 0 . 829 、0 . 806 和 0 . 856 ,估计标准误差 S E 分别 为0 . 278 、0 . 295 和 0 . 27 1 ;模拟宽光谱波段组合类参数方程拟合精度较低 ,标准误差较大 , 以 A V H R RGV I 为 变量模拟方程 ,R2 和 S E 分别为 0 . 786 和 0 . 3 15 ;多波段组合类参数方程拟合效果较好 , 以 m N D705 为变量建 立方程 ,其 R2 和 S E 分别为 0 . 836 和 0 . 275 。经不同年际独立数据检验 , 红边及面积类参数表现最好 , 以 R E PI E 、S D rS D b 和 FD 729 三个参数为变量 ,模型预测的 R M S E 分别为 0 . 4 18 、0 . 380 和 0 . 395 ,相对误差 R E 分别为 14 . 4 % 、15 . 1 %和 15 . 2 % ;模拟宽光谱波段组合类参数与多波段组合类参数比较 ,模拟宽光谱波段组 合模型预测效果更好 , 以 A V H R RGV I 和 m N D 705 为变量建立模型 ,R M S E 分别为 0 . 436 和 0 . 408 ,R E 分别 为17 . 3 %和 16 . 7 % 。以上结果表明 ,红边及面积类参数与叶片氮含量关系密切且表现稳定 ,利用 R E PI E 、 S D rS D b 和 FD 729 三个参数可以对小麦叶片氮含量进行可靠的监测 。   关键词 :小麦 ;高光谱遥感 ;叶片氮含量 ;监测模型 ( )   中图分类号 :S5 12 . 1 ; S127     文献标识码 : A     文章编号 :1009104 1 2008 Mo nitoring L eaf Nit ro gen Concent r atio n by Hyp er sp ect ral Remot e Sen sing in Wheat FENG Wei1 ,2 ,YAO Xia1 , ZHU Yan1 , TIAN Yongchao1 , CAO Weixing1 ( 1. Nanj

文档评论(0)

ygxt89 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档