公共文化服务平台

搜索到1653篇“ 氮积累量“的相关文章

基于便携式作物生长监测诊断仪的红壤花生叶片氮积累量和叶面积指数监测: 2024年; 通过分析红壤花生不同生育期的生长指标动态变化特征及其与冠层光谱植被指数间的定量关系,以赣花5号和航花2号这2个花生品种为试验对象,设置4个施氮水平,在花生关键生育期(苗期、花针期、结荚期和饱果期)利用便携式作物生长监测诊断仪(CGMD-402)采集冠层光谱植被指数,并同步取样测定各处理的地上部生物量、叶片氮积累量(LNA)和叶面积指数(LAI),构建基于CGMD-402的红壤花生LNA和LAI监测模型。结果表明:施氮水平会对红壤花生植株的生长产生影响,地上部植株的生物量会随着施氮量的增加而增大;叶片氮积累量和叶面积指数均随生育进程的推进整体上表现为先升后降的动态变化特征;花针期与结荚期的花生冠层归一化植被指数(NDVI)与LAI和LNA均具有较好的相关性。因此,可利用便携式作物生长监测诊断仪CGMD-402监测红壤花生的LAI和LNA,为江西省红壤花生的精确施氮管理提供技术支撑。; 黄俊宝曹中盛孙滨峰彭忻怡李艳大; 关键词：叶面积指数叶片氮积累量

一种基于光谱与RGB-D融合图像的小麦氮积累量预测方法: 本发明公开了一种基于光谱与RGB‑D融合图像的小麦氮积累量预测方法，属于精准农业技术领域。该方法根据RGB图像与深度图像对应像素之间的相关性，提出RGB图像与深度图像的像素级融合算法；通过构建结合小麦冠层颜色与结构信息的...; 倪军徐可曹卫星朱艳庞方荣蒋小平汤亮姚霞张小虎

基于无人机多光谱技术的马铃薯地上部氮积累量估算: 马铃薯是我国主要粮食作物,具有高产、适应性强、生育周期短的特点。合理施氮是保证马铃薯高产优质的重要措施之一,快速准确地进行氮素营养诊断是合理施氮的前提。氮含量是指示田间作物氮素营养生长状况的常用农学参数,地上部氮素积累量...; 马浩然; 关键词：马铃薯

无人机飞行高度对冬小麦植株氮积累量预测模型的影响被引量：8: 2022年; 无人机具有快速、高效、无损获取作物信息的优势,但是飞行高度直接影响作物信息获取效率。通过设置30、60、90 m飞行高度获取冬小麦拔节期、开花期、灌浆期不同分辨率的无人机遥感影像,探索无人机飞行高度对冬小麦植株氮积累量预测模型的影响。首先将不同高度植被指数和纹理特征与冬小麦植株氮积累量进行相关性和共线性分析,筛选出6个植被指数(NDVI、RDVI、RERDVI、GBNDVI、OSAVI、EXG)和4个纹理特征(Green-mean、Green-sm、Red-mean、Red-var)。基于筛选出的植被指数和纹理特征,采用偏最小二乘回归(PLSR)和BP神经网络(BPNN)法建立了植被指数、纹理特征与植被指数+纹理特征的冬小麦植株氮积累量预测模型,并将模型在不同高度进行交叉验证,采用决定系数(R^(2))、均方根误差(RMSE)和相对分析误差(RPD)指标对模型的稳定性进行分析。结果表明,2种方法均是30 m飞行高度遥感影像提取的植被指数、纹理特征、植被指数+纹理特征建立的预测模型稳定性最好,3种建模信息构建的模型验证时的R^(2)、RMSE、RPD分别为0.57~0.89、1.27~4.16 g/m^(2)、1.67~3.65。BPNN在3种建模信息下构建的模型稳定性整体优于PLSR,验证模型的R^(2)、RPD分别提高0.01~0.39、0.05~1.44,RMSE下降0.08~8.53 g/m^(2)。3个高度植被指数、纹理特征、植被指数+纹理特征的植株氮积累量预测模型稳定性顺序:植被指数+纹理特征>植被指数>纹理特征。融合3个飞行高度遥感影像的植被指数、纹理特征、植被指数+纹理特征进行植株氮积累量预测可以提高估算精度,R^(2)、RMSE、RPD分别为0.89~0.93、1.80~2.03 g/m^(2)、3.54~4.03。因此,在兼顾效率与精度的情况下,适当提高无人机飞行高度,综合利用植被指数和纹理特征可以对植株氮积累量达到较好的预测效果。; 井宇航郭燕张会芳戎亚思张少华冯伟王来刚贺佳刘海礁郑国清; 关键词：无人机冬小麦飞行高度植被指数纹理特征

基于无人机多光谱和高分二号遥感影像的冬小麦植株氮积累量监测: 氮肥的合理管理是现代农业的先决条件,只有在充足的氮供应情况下,才能获得优质小麦和最佳产量。为实现冬小麦氮素营养的快速、无损监测,本研究通过无人机搭载多光谱相机获取30m冬小麦主要生育期冠层多光谱影像,探究了无人机多光谱提...; 井宇航; 关键词：冬小麦无人机多源信息飞行高度

基于LassoLars回归算法的水稻叶片氮积累量遥感反演模型和方法: 本发明提供一种基于LassoLars回归算法的水稻叶片氮积累量遥感反演模型，基于LassoLars回归算法的水稻叶片氮积累量遥感反演模型为Python语言的LassoLars回归模型，并进一步提供了该LassoLars回...; 陈青春吴莹莹朱元励万小荣陈小琳张悦王靖岳海峰邢明梅蒋锋; 文献传递

一种基于高光谱遥感技术的小麦植株氮积累量监测方法: 本发明公开了一种基于高光谱遥感技术的小麦植株氮积累量监测方法，具体包括以下步骤：(1)采集光谱数据；(2)测定小麦植株氮积累量；(3)构建新植被指数；(4)筛选出对小麦植株氮积累量相关性R<Sup>2</Sup>>...; 宋晓许端阳黄绍敏黄晨晨张珂珂郭斗斗张水清岳克郭腾飞; 文献传递

一种基于光谱与RGB-D融合图像的小麦氮积累量预测方法: 本发明公开了一种基于光谱与RGB‑D融合图像的小麦氮积累量预测方法，属于精准农业技术领域。该方法根据RGB图像与深度图像对应像素之间的相关性，提出RGB图像与深度图像的像素级融合算法；通过构建结合小麦冠层颜色与结构信息的...; 倪军徐可曹卫星朱艳庞方荣蒋小平汤亮姚霞张小虎; 文献传递

基于CatBoost回归算法的水稻地上部蛋白氮积累量遥感反演模型和方法: 本发明提供一种基于CatBoost回归算法的水稻地上部蛋白氮积累量遥感反演模型，为Python语言的CatBoost回归模型，并进一步提供了该CatBoost回归模型的模型参数。还提供了基于CatBoost回归算法的水稻...; 姜晓剑邵文琦钟平朱元励汪伟吴莹莹李卓陈青春任海芳; 文献传递

基于作物生长监测诊断仪的双季稻叶片氮含量和氮积累量监测被引量：10: 2020年; 为了验证作物生长监测诊断仪(CGMD)监测双季稻氮素营养指标的准确性和适用性,构建基于CGMD的双季稻叶片氮含量(LNC)和氮积累量(LNA)的监测模型。选用8个不同早、晚稻品种,设置4个不同施氮水平,利用CGMD采集冠层差值植被指数(DVI)、归一化植被指数(NDVI)和比值植被指数(RVI),同步利用ASD FH2高光谱仪采集冠层光谱反射率,并计算DVI、NDVI和RVI;通过比较CGMD和ASD FH2采集的冠层植被指数变化特征,验证CGMD的测量精度,构建基于CGMD的LNC和LNA监测模型,并利用独立试验数据对模型进行检验。结果表明:早、晚稻LNC、LNA、DVI、NDVI和RVI随施氮水平的增加而增大,随生育进程的推进呈先升后降的趋势;CGMD与ASD FH2采集的DVI、NDVI和RVI间拟合的决定系数(R^2)分别为0.9350、0.9436和0.9433,表明CGMD的测量精度较高,可替代ASD FH2采集冠层植被指数。基于CGMD的3个冠层植被指数相比,NDVI_(CGMD)与LNC的相关性最高,RVI_(CGMD)与LNA的相关性最高;基于NDVI_(CGMD)的指数模型可较准确地预测LNC,模型R^2为0.8581~0.9318,模型检验的均方根误差(RMSE)、相对均方根误差(RRMSE)和相关系数(r)分别为0.1%~0.2%、4.0%~8.5%和0.9041~0.9854;基于RVI_(CGMD)的幂函数模型可较准确地预测LNA,模型R^2为0.8684~0.9577,模型检验的RMSE、RRMSE和r分别为0.37~0.89 g·m^(-2)、6.7%~20.4%和0.9191~0.9851。与化学分析方法相比,利用CGMD可便捷准确地获取早、晚稻的LNC和LNA,在双季稻丰产高效栽培和氮肥精确管理中具有应用价值。; 李艳大叶春曹中盛孙滨峰舒时富黄俊宝田永超何勇; 关键词：双季稻叶片氮含量叶片氮积累量

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈