您好,欢迎访问山东省农业科学院文献资源数据库平台

基于高光谱遥感的花生叶片氮积累量监测模型的研究

文献类型: 中文期刊

作者: 张晓艳 1 ; 王丽丽 1 ; 刘锋 1 ; 封文杰 1 ; 刘淑云 1 ; 朱建华 1 ;

作者机构: 1.山东省农业科学院科技信息工程技术研究中心

关键词: 花生;高光谱遥感;叶片氮积累量;监测模型

期刊名称: 山东农业科学

ISSN: 1001-4942

年卷期: 2012 年 44 卷 03 期

页码: 13-18+22

摘要: 作物氮素状况是评价长势、提高产量和改善品质的重要指标,因此叶片氮积累量的实时无损估测对作物生产的氮素管理具有重要意义。本研究选用大花生品种丰花1号为试验材料,在大田生产条件下,分析了花生叶片氮积累量与冠层高光谱参数的定量关系。结果表明,叶片氮素含量随生育进程逐渐下降,不同处理之间差异较小;叶片氮素积累量随生育时期推进呈现先升后降的单峰曲线变化趋势,在结荚期达到高峰。花生冠层光谱反射率在740~1 100 nm波段内随叶片氮积累量的增加而增加,叶片氮积累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"区域表现最为显著。通过微分等技术构造多种植被指数,对高光谱参数和叶片氮积累量进行相关回归分析,红边振幅(Dr)、氮素反射指数(NRI)、归一化植被指数(NDVI)各波段组合平均值及比值植被指数(RVI)与叶片氮积累量关系最密切,方程拟合决定系数分别为0.9194、0.8984、0.8918、0.8899、0.8794、0.8797。经另外一组独立数据的检验表明,对叶片氮积累量的预测以红边位置(REP)和Dr两个参数表现最优,预测的根均方差(RMSE)分别为1.78和1.10,相对误差为5.29%和3.59%。NDVI[Average(1230,1240,1250,1260),640]和土壤调整植被指数(SAVI)两个光谱参数预测的RMSE分别为1.15和1.19,预测相对误差为5.42%和7.41%。比较而言,Dr为自变量建立的模型,可以更好地评估不同条件下叶片氮素积累状况。

  • 相关文献

[1]基于冠层尺度的花生叶片糖氮比高光谱监测. 张晓艳,刘锋,孙家波,吴正峰,牛鲁燕,阮怀军. 2017

[2]花生红边特征及其叶面积指数的高光谱估算模型. 张晓艳,王丽丽,封文杰,刘淑云,王风云,张秀兰,朱建华. 2009

[3]花生叶鲜生物量的高光谱估算模型. 颜丙囤,侯学会,梁守真,王猛,陈振,隋学艳. 2017

[4]花生叶绿素含量的高光谱遥感估算模型研究. 颜丙囤,梁守真,王猛,侯学会,陈振,隋学艳. 2017

[5]山东省春季土壤墒情遥感监测模型构建. 杨丽萍,隋学艳,杨洁,郭洪海,张锡金,黄玲. 2009

[6]不同生育期冬小麦叶面积指数高光谱遥感估算模型. 孟禹弛,侯学会,王猛. 2017

[7]花生种子休眠性的遗传分析及影响因素的研究. 胡晓辉,苗华荣,陈静,张建成. 2012

[8]花生水溶性膳食纤维提取工艺研究进展. 于丽娜,杨庆利,禹山林,毕洁,张初署. 2009

[9]利用SSR标记分析山东省花生区试品种的遗传多样性. 陈静,胡晓辉,苗华荣,石运庆,迟玉成,崔凤高,吴兰荣,禹山林. 2009

[10]缓释肥对花生生长发育及产量的影响. Zheng Yaping,郑亚萍,Sun Xuewu,孙学武,Zheng Yongmei,郑永美,Feng Hao. 2012

[11]多效唑对花生组培苗壮苗及生根的影响. 任艳,江晨,王辉,石延茂,李双铃,袁美. 2009

[12]高产大花生新品种花选11号选育及配套栽培技术. 苗华荣,胡晓辉,杨伟强,崔凤高,陈静. 2012

[13]高产大花生新品种花育36号选育及配套栽培技术. 苗华荣,胡晓辉,杨伟强,石运庆,杨珍,陈静. 2013

[14]花生种子休眠性及其与品质性状的关系. 张建成,苗华荣,胡晓辉,石运庆,陈静. 2011

[15]花生NBS类AhAG3抗病基因克隆与初步功能分析. 单世华,万书波,刘宇,闫彩霞,张廷婷. 2010

[16]花生NPR1基因密码子偏好性研究. 吴琪,王秀贞,唐月异,崔凤高,王传堂. 2013

[17]花生抗黄曲霉相关基因的克隆与表达. 张廷婷,闫彩霞,郑奕雄,单世华,李春娟,刘宇,周西. 2011

[18]花生叶斑病对花生生长发育的影响. 迟玉成,程松莲,李玖祚,樊堂群,谢宏峰,刘媛媛. 2009

[19]食用出口型花生新品种花育39号的选育及配套栽培技术. 杨吉顺,李尚霞,陈殿绪,张智猛. 2013

[20]从花生蛋白原粉中提取花生分离蛋白工艺研究. 杨伟强,李鹏,宫清轩,许婷婷,梁丹. 2009

作者其他论文 更多>>