基于高光谱的低温胁迫下冬小麦SPAD估算

发布时间：2021-11-12 06:14

　　以拔节期冬小麦为研究对象,通过人工模拟低温胁迫,对冬小麦高光谱和SPAD之间关系进行研究.结果表明:在735和802 nm处建立的NDVI指数与SPAD的相关系数为0.86;在735和803 nm处建立的RVI指数与SPAD的相关系数也为0.86;基于RVI[735,803]波段构建了SPAD估算模型,表达式为C_SPAD=273.9X_RVI[735,803]-257.47.研究结果可为大面积冬小麦冻害快速无损监测提供有效的技术支撑. 

【文章来源】：福建农林大学学报(自然科学版). 2020,49(06)北大核心CSCD

【文章页数】：6 页

【部分图文】：

冬小麦拔节期叶片SPAD与高光谱的相关性分析

利用NDVI和RVI植被指数对原始光谱数据进行组合运算,建立光谱反射率与叶片SPAD值之间的相关性(图2).从NDVI的P值中可以看出600 nm附近,700～2 250 nm附近以及1 200～1 500 nm附近的NDVI值与SPAD值相关性较低,其余波段的NDVI值与SPAD值均具有极显著相关关系(P<0.01);从R2值中可以看出500 nm附近和1 000～1 500 nm附近的NDVI值与SPAD值相关性较低,其余波段的NDVI值与SPAD值相关性较高.其中735与802 nm处建立的NDVI值与SPAD值相关性最高,达到了0.86.从RVI的P值可以得出,在1 000～1 500 nm附近的RVI值与SPAD值相关性较低,其余波段的RVI值与SPAD值均具有极显著相关关系;RVI值与SPAD值的R2值结果与NDVI值的R2值相似,相关性最好的波段也极为相近,其中735和803 nm波段建立的RVI值与SPAD值相关性最大,达到了0.86.2.3 基于高光谱的SPAD估测模型的建立与验证

【参考文献】：
期刊论文
[1]冬小麦叶片光合特征高光谱遥感估算模型的比较研究[J]. 张卓,龙慧灵,王崇倡,杨贵军.  中国农业科学. 2019(04)
[2]基于GA-BP神经网络高光谱反演模型分析玉米叶片叶绿素含量[J]. 陈春玲,金彦,曹英丽,于丰华,冯帅,周长献.  沈阳农业大学学报. 2018(05)
[3]基于光谱指数的古尔班通古特优势种沙蒿叶绿素含量的估算模型[J]. 徐悦,刘卫国,霍举颂,刘建国,李宏侠,玛丽娅·奴尔兰.  人民珠江. 2018(10)
[4]农田不同粒级土壤含水量光谱特征及定量预测[J]. 卢艳丽,白由路,王磊,杨俐苹.  中国农业科学. 2018(09)
[5]基于多植被指数组合的冬小麦地上干生物量高光谱估测[J]. 贾学勤,冯美臣,杨武德,王超,肖璐洁,孙慧,武改红,张松.  生态学杂志. 2018(02)
[6]棉花全生育期叶片SPAD值的遥感估算模型[J]. 马文君,常庆瑞,田明璐,班松涛.  干旱地区农业研究. 2017(05)
[7]冬小麦苗期叶绿素含量检测光谱学参数寻优[J]. 毛博慧,李民赞,孙红,刘豪杰,张俊逸,Zhang Qin.  农业工程学报. 2017(S1)
[8]采用可见/近红外光谱检测大麦叶片过氧化氢酶与过氧化物酶含量的研究[J]. 赵芸,张初,刘飞,孔汶汶,何勇.  光谱学与光谱分析. 2014(09)
[9]冬小麦冻害胁迫高光谱分析与冻害严重度反演[J]. 王慧芳,王纪华,董莹莹,顾晓鹤,霍治国.  光谱学与光谱分析. 2014(05)
[10]低温胁迫下三角梅若干生化指标的变化[J]. 邢海盈,佘文琴.  福建农林大学学报(自然科学版). 2013(05)

博士论文
[1]基于GEP算法和高光谱数据的植物主要理化参数估算研究[D]. 杨乐婵.南京大学 2017

硕士论文
[1]基于BP神经网络的冬小麦抽穗期叶片生理生化指标的高光谱估测研究[D]. 吕玮.山东农业大学 2018
[2]基于高光谱成像技术小麦玉米长势监测研究[D]. 辛延斌.山东农业大学 2017
[3]不同生育期冬小麦生理生化参数高光谱估测研究[D]. 殷紫.西北农林科技大学 2016
[4]大田作物冠层无损检测设备应用及车载平台开发[D]. 刘仁杰.东北农业大学 2015
[5]不同生育时期低温对小麦生理生化特性的影响[D]. 余海波.河南师范大学 2012
[6]不同冬小麦品种对低温胁迫的生理生化反应及抗冻性分析[D]. 王树刚.山东农业大学 2011



本文编号：3490331