基于作物生长监测诊断仪的双季稻叶面积指数监测模型
发布时间：2021-09-02 05:55
为探索作物生长监测诊断仪（Crop Growth Monitoring and Diagnosis Apparatus,CGMD）在不同株型双季稻长势指标监测应用的准确性和适用性,该研究开展了不同株型品种和施氮量的田间试验,采用CGMD获取冠层差值植被指数（Differential Vegetation Index,DVI）、归一化植被指数（Normalized Difference Vegetation Index,NDVI）和比值植被指数（RatioVegetationIndex,RVI）,并同步采用高光谱仪（AnalyticalSpectralDevices,ASD）获取冠层光谱反射率,构建DVI、NDVI和RVI;通过比较2种光谱仪获取的植被指数变化特征及相互定量关系,评价CGMD的监测精度,建立基于CGMD的不同株型双季稻叶面积指数（Leaf Area Index,LAI）监测模型,并用独立数据对模型进行检验。结果表明:不同株型品种的LAI、DVI、NDVI和RVI随施氮量增加而增大,随生育进程推进呈"低—高—低"的变化趋势;基于CGMD与ASD的DVI、NDVI和RVI间的...
【文章来源】：农业工程学报. 2020,36(10)北大核心EICSCD
【文章页数】：9 页
【部分图文】：
不同施氮量下不同生育期双季稻冠层植被指数的变化（以试验I 2017年早稻为例）
由图2（试验I 2017年的数据）可以看出，利用ASD测定的紧凑型和松散型品种的冠层DVIASD、NDVIASD和RVIASD值分别为0.01～0.30和0.02～0.32、0.05～0.36和0.06～0.40、1.10～2.31和1.13～2.35，利用CGMD测定的紧凑型和松散型品种的冠层DVICGMD、NDVICGMD和RVICGMD值分别为0.01～0.32和0.02～0.34、0.04～0.38和0.05～0.41、1.04～2.34和1.09～2.36。将2种光谱仪获取的不同株型品种冠层DVI、NDVI和RVI进行差异显著性t检验，所得统计概率Pt值均大于0.05（图2），说明2种光谱仪获取的冠层植被指数间差异不显著。进一步将2种光谱仪获取的不同株型品种和不同生育期的DVI、NDVI和RVI进行拟合分析，比较2种光谱仪获取冠层植被指数的一致性。结果显示，基于CGMD的紧凑型品种DVICGMD、NDVICGMD、RVICGMD与基于ASD的紧凑型品种DVIASD、NDVIASD、RVIASD间的决定系数（R2）分别为0.959、0.961、0.957；基于CGMD的松散型品种DVICGMD、NDVICGMD、RVICGMD与基于ASD的松散型品种DVIASD、NDVIASD、RVIASD间的R2分别为0.968、0.966、0.959。说明2种光谱仪获取的冠层植被指数具有高度的一致性，CGMD具有较高的监测精度，可替代价格昂贵的ASD高光谱仪获取DVI、NDVI和RVI。2.4 不同株型双季稻叶面积指数监测模型的建立
【参考文献】：
期刊论文
[1]基于无人机成像高光谱影像的冬小麦LAI估测[J]. 陶惠林,冯海宽,杨贵军,杨小冬,刘明星,刘帅兵. 农业机械学报. 2020(01)
[2]基于作物生长监测诊断仪的玉米LAI监测模型研究[J]. 贺佳,郭燕,王利军,张彦,赵犇,王来刚. 农业机械学报. 2019(12)
[3]田间作物NDVI测量仪可靠性分析及标定环境研究[J]. 杨钧森,杨贵军,徐波,张凯选,杨小冬,李振海,李贺丽,杨浩,韩亮. 农业工程学报. 2019(08)
[4]基于新型植被指数的冬小麦LAI高光谱反演[J]. 束美艳,顾晓鹤,孙林,朱金山,杨贵军,王延仓,张丽妍. 中国农业科学. 2018(18)
[5]冬小麦叶面积指数的品种差异性与高光谱估算研究[J]. 郭建彪,马新明,时雷,张娟娟,杜盼,魏钦钦. 麦类作物学报. 2018(03)
[6]基于归一化法的双季稻叶面积指数动态预测模型[J]. 李艳大,舒时富,陈立才,叶春,王康军,黄俊宝. 中国农学通报. 2017(29)
[7]基于双波段光谱仪CGMD-302的小麦叶面积指数和叶干重监测[J]. 周晓楠,黄正来,张文静,马尚宇. 中国农业大学学报. 2017(01)
[8]基于无人机高光谱遥感的冬小麦叶面积指数反演[J]. 高林,杨贵军,于海洋,徐波,赵晓庆,董锦绘,马亚斌. 农业工程学报. 2016(22)
[9]基于低空无人机成像光谱仪影像估算棉花叶面积指数[J]. 田明璐,班松涛,常庆瑞,由明明,罗丹,王力,王烁. 农业工程学报. 2016(21)
[10]基于4波段作物光谱测量仪的小麦分蘖数预测[J]. 张猛,孙红,李民赞,Zhang Qin,郑立华. 农业机械学报. 2016(09)
本文编号：3378446
【文章来源】：农业工程学报. 2020,36(10)北大核心EICSCD
【文章页数】：9 页
【部分图文】：
不同施氮量下不同生育期双季稻冠层植被指数的变化（以试验I 2017年早稻为例）
由图2（试验I 2017年的数据）可以看出，利用ASD测定的紧凑型和松散型品种的冠层DVIASD、NDVIASD和RVIASD值分别为0.01～0.30和0.02～0.32、0.05～0.36和0.06～0.40、1.10～2.31和1.13～2.35，利用CGMD测定的紧凑型和松散型品种的冠层DVICGMD、NDVICGMD和RVICGMD值分别为0.01～0.32和0.02～0.34、0.04～0.38和0.05～0.41、1.04～2.34和1.09～2.36。将2种光谱仪获取的不同株型品种冠层DVI、NDVI和RVI进行差异显著性t检验，所得统计概率Pt值均大于0.05（图2），说明2种光谱仪获取的冠层植被指数间差异不显著。进一步将2种光谱仪获取的不同株型品种和不同生育期的DVI、NDVI和RVI进行拟合分析，比较2种光谱仪获取冠层植被指数的一致性。结果显示，基于CGMD的紧凑型品种DVICGMD、NDVICGMD、RVICGMD与基于ASD的紧凑型品种DVIASD、NDVIASD、RVIASD间的决定系数（R2）分别为0.959、0.961、0.957；基于CGMD的松散型品种DVICGMD、NDVICGMD、RVICGMD与基于ASD的松散型品种DVIASD、NDVIASD、RVIASD间的R2分别为0.968、0.966、0.959。说明2种光谱仪获取的冠层植被指数具有高度的一致性，CGMD具有较高的监测精度，可替代价格昂贵的ASD高光谱仪获取DVI、NDVI和RVI。2.4 不同株型双季稻叶面积指数监测模型的建立
【参考文献】：
期刊论文
[1]基于无人机成像高光谱影像的冬小麦LAI估测[J]. 陶惠林,冯海宽,杨贵军,杨小冬,刘明星,刘帅兵. 农业机械学报. 2020(01)
[2]基于作物生长监测诊断仪的玉米LAI监测模型研究[J]. 贺佳,郭燕,王利军,张彦,赵犇,王来刚. 农业机械学报. 2019(12)
[3]田间作物NDVI测量仪可靠性分析及标定环境研究[J]. 杨钧森,杨贵军,徐波,张凯选,杨小冬,李振海,李贺丽,杨浩,韩亮. 农业工程学报. 2019(08)
[4]基于新型植被指数的冬小麦LAI高光谱反演[J]. 束美艳,顾晓鹤,孙林,朱金山,杨贵军,王延仓,张丽妍. 中国农业科学. 2018(18)
[5]冬小麦叶面积指数的品种差异性与高光谱估算研究[J]. 郭建彪,马新明,时雷,张娟娟,杜盼,魏钦钦. 麦类作物学报. 2018(03)
[6]基于归一化法的双季稻叶面积指数动态预测模型[J]. 李艳大,舒时富,陈立才,叶春,王康军,黄俊宝. 中国农学通报. 2017(29)
[7]基于双波段光谱仪CGMD-302的小麦叶面积指数和叶干重监测[J]. 周晓楠,黄正来,张文静,马尚宇. 中国农业大学学报. 2017(01)
[8]基于无人机高光谱遥感的冬小麦叶面积指数反演[J]. 高林,杨贵军,于海洋,徐波,赵晓庆,董锦绘,马亚斌. 农业工程学报. 2016(22)
[9]基于低空无人机成像光谱仪影像估算棉花叶面积指数[J]. 田明璐,班松涛,常庆瑞,由明明,罗丹,王力,王烁. 农业工程学报. 2016(21)
[10]基于4波段作物光谱测量仪的小麦分蘖数预测[J]. 张猛,孙红,李民赞,Zhang Qin,郑立华. 农业机械学报. 2016(09)
本文编号：3378446
本文链接：https://www.wllwen.com/nykjlw/nygclw/3378446.html
