国家教育部博士点基金(20070307035)
- 作品数：12 被引量：231H指数：10
- 相关作者：姚霞朱艳曹卫星田永超杨杰更多>>
- 相关机构：南京农业大学更多>>
- 发文基金：国家教育部博士点基金国家高技术研究发展计划国家自然科学基金更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 高光谱植被指数与水稻叶面积指数的定量关系被引量：42
- 2009年
- 基于不同水稻品种、施氮水平和不同生育期下的大田试验,确立了水稻叶面积指数(LAI)与冠层光谱特征参数的定量关系.结果表明:水稻叶面积指数与部分高光谱植被指数存在良好的相关性,其中原始光谱组成的2波段差值指数(DI)形式相关性最好,其次为比值(RI)和归一化(NI)植被指数.相关最好的原始光谱植被指数是由近红外波段组成的差值指数DI(854,760),相关最好的一阶导数光谱植被指数是红光和近红外光组成的导数差值指数DI(D676,D778),但总体上导数光谱指数不如原始光谱指数与LAI关系密切.独立试验数据检验结果表明,以差值指数DI(854,760)为变量建立的水稻LAI监测模型具有较好的表现,可用于水稻LAI的估测.
- 田永超杨杰姚霞朱艳曹卫星
- 关键词：水稻叶面积指数光谱指数
- 利用叶片高光谱指数预测水稻群体叶层全氮含量被引量：30
- 2010年
- 通过测定叶片高光谱来快速估测整个水稻叶层全氮含量对于水稻氮素诊断有重要意义。本文通过连续3年不同施氮水平和不同品种类型的4个大田试验,分生育期同步测定了不同叶位叶片的高光谱反射率及叶层全氮含量,并系统分析了叶片水平多种高光谱指数与水稻叶层全氮含量的定量关系。结果表明,不同叶位叶片的光谱反射率与叶层全氮含量的相关程度不同,顶二叶(L2)表现最好、顶三叶(L3)次之,而L2和L3的平均光谱(L23)有助于进一步提高光谱指数的敏感性,是估测叶层氮含量的适宜叶位组合。绿光560nm和红边705nm波段附近光谱反射率与叶层全氮含量呈极显著负相关关系,两者分别与近红外波段组合而成的光谱比值指数可较好地监测水稻叶层全氮含量,其中绿光、红边窄波段比值指数SR(R780,R580)和SR(R780,R704)表现较好,与叶层全氮含量的决定系数分别为0.887和0.884;独立试验数据检验的RMSE分别为0.216和0.235。将上述2个窄波段比值指数中的近红外、绿光波段和红边波段宽度分别扩展至100、20和10nm,从而构建的宽波段比值指数SR[AR(750-850),AR(568-588)]和SR[AR(750-850),AR(699-709)]与叶层全氮含量相关性仍具有较高水平,线性回归模型的拟合精度(R2)为0.886和0.883,检验RMSE值分别为0.218和0.237。从而在叶片水平,确立了适于叶层全氮含量估测的基于绿光、红边与近红外波段的比值组合和波段适宜宽度。
- 田永超杨杰姚霞曹卫星朱艳
- 关键词：水稻叶片
- 基于冠层高光谱参数的水稻叶片碳氮比监测被引量：24
- 2009年
- 叶片碳氮比反映了植物碳氮代谢的相对强弱,对诊断和调节植物生长与产量形成具有重要作用。该文基于不同水稻品种和不同施氮水平下2a的田间试验,系统分析了不同生育时期水稻叶片碳氮比与对应冠层高光谱反射特征的定量关系。结果表明,叶片碳氮比与拔节后不同生育时期冠层原始反射率的相关性趋势一致,与可见光波段(350～742nm)极显著正相关,与近红外波段(750～1143 nm)极显著负相关。8个参数与2个品种不同生育时期的叶片碳氮比均有较好的相关性。通过比较模型的拟合决定系数(R2)和预测标准误(SE),确定672 nm的归一化吸收深度(ND672)与冠层叶片碳氮比(LCNR)的线性回归方程为水稻冠层叶片碳氮比的最佳监测模型。模型经过不同生育时期数据的交叉测试和独立试验资料的检验,得出对冠层叶片碳氮比的预测精确度范围为0.687～0.986,准确度为0.907～1.126,相对跟均方差为7.07～18.25,表明水稻冠层高光谱特征可以用来定量估测不同栽培条件下叶片碳氮比的变化状况。
- 周冬琴朱艳杨杰田永超姚霞曹卫星
- 关键词：光谱分析光谱仪
- 一种新的估算水稻上部叶片蛋白氮含量的植被指数被引量：1
- 2009年
- 【目的】阐明水稻顶部4张叶片蛋白氮含量和反射光谱特征的变化规律及其相互关系,建立快速、准确诊断水稻功能叶片蛋白氮含量的方法。【方法】通过3年不同施氮水平和不同品种类型的大田试验,分生育期同步测定顶部4张叶片的光谱反射率及蛋白氮含量,系统分析叶片蛋白氮含量与多种高光谱参数的定量关系。【结果】水稻叶片蛋白氮含量和光谱反射率在不同施氮水平、不同生育期及不同叶位间均存在明显差异,叶片蛋白氮含量的敏感波段主要存在于可见光绿光区530～580nm及红边区域695～715nm,其中红边区域表现最为显著。红边区域700nm附近波段与近红外短波段的比值组合(SRs)可以有效地估算水稻上部功能叶片的蛋白氮含量,其次是绿光区587nm左右的波段与近红外短波段的比值组合。基于新提出的SR(770,700)及已报道的GM-2、SR705、RI-half光谱指数,线性回归模型的拟合精度(R2)分别达到0.874,0.873,0.871和0.867。经独立资料的检验表明,这些回归模型可以实时监测叶片蛋白氮含量变化,预测精度R2分别为0.810、0.806、0.804和0.800,相对误差RE分别为12.1%、12.4%、12.6%和12.9%。【结论】可以利用关键特征光谱指数来诊断水稻上部叶片的蛋白氮含量状况,尤以SR(770,700)、GM-2、SR705和RI-half表现为较强的估测能力。
- 杨杰田永超朱艳陈青春姚霞曹卫星
- 关键词：水稻叶片高光谱遥感
- 估测水稻叶层氮浓度的新型蓝光氮指数被引量：10
- 2010年
- 基于不同氮素水平与品种类型的多个田间试验,综合分析了水稻冠层高光谱植被指数与叶层氮浓度的定量关系.结果表明:对氮反应最敏感的波段为红光665～675nm、蓝光490～500nm和红边区域波段680～760nm.400～2500nm波段范围内两波段植被指数与水稻叶层氮浓度相关性最好的是550～600nm与500～550nm,属绿光波段组合,决定系数(R2)最高的是比值指数SR(533,565).以3个蓝光波段构建的光谱参数R434/(R496+R401)(蓝光氮指数)与水稻叶层氮浓度呈极显著的直线相关关系,与SR(533,565)相比,该参数显著提高了对叶层氮浓度的预测性.独立资料检验结果显示,R434/(R496+R401)对水稻叶层氮浓度具有较好的预测性,检验根均方差(RMSE)和相对误差(RE)值分别为9.67%和8%,是一种适合于水稻叶层氮浓度估测的良好高光谱植被指数.
- 田永超杨杰姚霞朱艳曹卫星
- 关键词：水稻叶层氮浓度
- 基于多种光谱仪的水稻前期植株氮积累量监测被引量：15
- 2011年
- 为了明确水稻穗肥施用前地上部植株氮积累量与各光谱仪冠层光谱参数的定量关系,进而为水稻精确追氮提供决策依据。基于不同品种和不同施氮水平的7个水稻田间试验,于分蘖期和拔节期利用ASD Fieldspec FR2500高光谱仪、Cropscan MSR-16多光谱仪和Greenseeker RT100主动光谱仪同时采集冠层光谱反射率,并同步取样测定地上部植株氮积累量,研究基于不同光谱仪构建的植被指数与植株氮积累量之间的关系。结果表明,部分植被指数与水稻地上部植株氮积累量关系密切,基于3种光谱仪构建的水稻地上部植株氮积累量监测模型的稳定性和适用性有较大差异。对于ASD高光谱仪,虽然基于差值植被指数(760,740)能较好估测植株氮积累量,拟合模型决定系数R2为0.79,但模型检验效果较差,其R2和均方根误差分别为0.15和2.11g/m2;对于Cropscan多光谱仪,差值植被指数(760,710)能较好反演植株氮积累量,拟合模型的R2为0.94,模型检验的R2和均方根误差分别为0.94和0.76g/m2;Greenseeker主动光谱仪的归一化植被指数(770,660)对地上部植株氮积累量的反演效果最好,拟合模型的R2为0.97,模型检验的R2和均方根误差分别为0.97和0.62g/m2。研究结果可为水稻前期植株氮积累量监测过程中的光谱仪选择提供参考,为水稻精确追氮管理提供技术支撑。
- 陈青春田永超顾凯健王薇姚霞曹卫星朱艳
- 关键词：光谱仪氮
- 不同算法红边位置监测小麦冠层氮素营养指标的比较被引量：20
- 2010年
- 【目的】红边位置常被用于监测作物叶片氮素营养状况。本文旨在通过不同算法提取红边位置,分析并比较不同算法提取的红边位置对氮素营养监测模型的准确性和可靠性差异,确定监测小麦叶片氮素营养的最佳红边位置算法及定量模型。【方法】基于不同施氮水平、播种密度、品种类型和生育时期的小麦田间试验,系统分析不同算法的红边位置(一阶微分、倒高斯法、多项式拟合法、四点内插法、拉格朗日法、线性外推法)与冠层叶片氮素营养指标的定量关系,比较不同算法红边位置对氮素营养监测的准确性和可靠性。【结果】线性外推法为计算小麦红边位置的最佳算法,并建立了基于线性外推法的小麦冠层叶片氮素营养定量监测模型。【结论】研究结果为小麦冠层叶片氮素营养指标的可靠监测提供了有效途径。
- 姚霞田永超刘小军曹卫星朱艳
- 关键词：小麦冠层氮素营养
- 水稻高光谱红边位置与叶层氮浓度的关系被引量：14
- 2009年
- 实时无损监测叶片氮素状况对水稻精确氮素管理具有重要意义。本研究基于多年不同施氮水平和不同水稻品种的田间试验观测资料,系统分析了水稻高光谱红边区域和位置特征与冠层叶片氮浓度的定量关系。结果表明,水稻冠层的红边区域光谱受施氮水平和品种影响较大,一阶导数光谱在红边区域出现"三峰"现象。经典的红边位置(660～750nm之间光谱反射率的一阶导数最大值)由于"三峰"特征现象而对水稻氮素浓度变化不够敏感,难以适用于水稻氮素状况的准确监测。基于倒高斯模型、线性内插法和线性外推法构造的红边位置随水稻氮浓度呈现连续变化模式,适用于水稻叶层氮浓度的定量监测;另外,基于695nm、700nm和705nm等3个波段的拉格朗日算法也可估测水稻叶层氮浓度。比较不同红边位置发现,改进型线性外推法较其他几种算法更能有效地监测水稻冠层叶片氮浓度。
- 田永超杨杰姚霞朱艳曹卫星
- 关键词：水稻氮浓度
- 水稻上部叶片叶绿素含量的高光谱估算模型被引量：67
- 2009年
- 叶片叶绿素(Chl)状况是评价植株光合效率和营养胁迫的重要指标,实时无损监测Chl状况对作物生长诊断及氮素管理具有重要意义。以不同生态点、不同年份、不同施氮水平、不同类型水稻品种的4个田间试验为基础,于主要生育期同步测定了水稻主茎顶部4张叶片的高光谱反射率及Chl含量,并计算了350～2500nm范围内任意两波段组合而成的比值(SR[λ1,λ2])和归一化(ND[λ1,λ2])光谱指数以及已报道的对Chl敏感的光谱指数,进一步系统分析了叶片Chl含量与上述光谱指数之间的定量关系。结果表明,红边波段的比值和归一化光谱指数可以较好地预测水稻上部4叶的Chl含量(R2>0.9),但对于不同Chl指标其最佳组合波段有所差异。估算叶绿素a(Chla)、叶绿素总量(Chla+b)和叶绿素b(Chlb)的最佳比值光谱指数分别为SR(724,709)、SR(728,709)和SR(749,745),方程拟合决定系数R2分别是0.947、0.946、0.905;最佳归一化光谱指数分别为ND(780,709)、ND(780,712)和ND(749,745),R2分别是0.944、0.943、0.905。引入445nm波段反射率对上述光谱指数进行修正,可以降低叶片表面反射差异的影响,提高模型的应用范围。利用不同年份独立的试验资料对所建模型进行了检验,结果表明,修正型比值光谱指数mSR(724,709)、mSR(728,709)和mSR(749,745),以及修正型归一化光谱指数mND(780,709)、mND(780,712)和mND(749,745)预测Chla、Chla+b和Chlb的效果更好,其测试的RMSE分别为0.169、0.192、0.052、0.159、0.176、0.052,RE分别为8.18%、7.74%、13.01%、8.26%、7.59%、12.96%,均较修正前降低,说明修正后的光谱指数普适性更好。
- 杨杰田永超姚霞曹卫星张玉森朱艳
- 关键词：水稻叶位叶绿素含量高光谱遥感光谱指数
- 利用高光谱参数反演水稻叶片类胡萝卜素含量被引量：16
- 2010年
- 为了探讨快速、准确预测水稻(Oryza sativa)叶片类胡萝卜素(Car)含量的敏感光谱波段和光谱指数,通过实施涉及不同年份、不同生态点、不同施氮水平和不同品种类型的4个田间试验,于主要生育期同步测定了水稻顶部4张叶片的光谱反射率及Car含量,系统分析了350-2500nm范围内任意两波段组合而成的比值(SR(λ1,λ2))、归一化(ND(λ1,λ2))及已报道的对Car敏感的光谱指数与水稻叶片Car含量间的定量关系。结果表明,不同Car含量水平下水稻叶片光谱反射率存在着明显变化,以绿光及红边波段对水稻叶片Car含量变化最为敏感。723nm附近的波段与近红外波段的比值组合以及713nm附近的波段与近红外波段的归一化组合可以较好地预测水稻叶片Car含量,以SR(723,770)和ND(770,713)表现最好,线性拟合R2分别达到0.897和0.898。基于独立的试验资料的检验表明,预测值和实测值的拟合R2分别为0.856和0.858,均方根差RMSE均为0.072,平均相对误差RE分别为11.9%和12.0%,表明SR(723,770)和ND(770,713)可有效地估算水稻上部叶片的Car含量。
- 杨杰田永超姚霞曹卫星朱艳
- 关键词：类胡萝卜素含量水稻光谱指数
