期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
Varietal Difference in Leaf Nitrogen Content and Leaf Area and Their Effects to Ripening Rate During Mature Period of japonica Rice 被引量:4
1
作者 LiRong-tian KojimaNobuyoshi 《Journal of Northeast Agricultural University(English Edition)》 CAS 1999年第2期81-88,共8页
Employing the pot experiment of the complete random block design with 6 replications,four varieties of japonica rice (Fujisaka 5,Honenwase,Akitakomachi and Taichung 65) were used to study the varietal differences in l... Employing the pot experiment of the complete random block design with 6 replications,four varieties of japonica rice (Fujisaka 5,Honenwase,Akitakomachi and Taichung 65) were used to study the varietal differences in leaf nitrogen content(LNC) and leaf area during mature period,their relation and effects to the ripening rate.The results showed that(1) thee were varietal differences in LNC at the heading stage and the LNC decrease rate during the matue period,the high LNC at the heading stage was related to the rapid LNC decrease.(2) There were two phases of the leaf area changing process during the mature period,first was the stable,and second was the decreased phase.There was varietal difference in the critical time of phase 1 and phase 2.The hign leaf area in the phase 1 was in relation to the rapid leaf area decrease in the phase 2.It was not found that there was relation between the leaf quality and quantity.(3)It wa unfavorable to the ripening rate for the high leaf area at the heading stage and the rapid decrease of the leaf area during the mature period.(4)It was put forward that the super high yield rice variety should possess the not very high leaf area and high LNC at the heading stage,slow senescence in the leaf area during the mature period. 展开更多
关键词 japonica rice leaf area leaf nitrogen content(lnc) mature period VARIETY
下载PDF
基于无人机高光谱影像的冬小麦叶片氮浓度遥感估测
2
作者 孙法福 赖宁 +5 位作者 耿庆龙 李永福 吕彩霞 信会男 李娜 陈署晃 《干旱区研究》 CSCD 北大核心 2024年第6期1069-1078,共10页
叶片氮浓度(LNC)是反应作物光合作用、营养状况和长势的重要指标,为精准高效地估测不同生育期冬小麦叶片氮浓度,以新冬22为研究对象,利用无人机搭载Pika L高光谱相机获取4个关键生育期冬小麦冠层反射率数据。基于波段优化算法和相关性... 叶片氮浓度(LNC)是反应作物光合作用、营养状况和长势的重要指标,为精准高效地估测不同生育期冬小麦叶片氮浓度,以新冬22为研究对象,利用无人机搭载Pika L高光谱相机获取4个关键生育期冬小麦冠层反射率数据。基于波段优化算法和相关性分析筛选LNC敏感光谱指数,结合逐步回归、多元线性回归和偏最小二乘回归建立关键生育期冬小麦叶片氮浓度估测模型,并与单变量估测模型进行比较。结果表明:基于波段优化算法筛选的组合光谱指数与LNC的相关性优于传统植被指数,且达到极显著性相关;在单变量LNC估测模型中,组合光谱指数构建的模型精度优于传统植被指数,其中,扬花期差值光谱指数(DSI(R940、R968))建立的估测模型最好,R2为0.789;多变量估测模型精度均优于单变量估测模型,其中,基于偏最小二乘回归构建的LNC估算模型最好,孕穗期和扬花期拟合效果较优,模型决定系数均为0.923,均方根误差为0.082、0.084。本研究结果可以作为冬小麦LNC估测和长势监测的科学依据。 展开更多
关键词 冬小麦 叶片氮浓度 无人机 高光谱 偏最小二乘回归 组合光谱指数
下载PDF
基于无人机多光谱影像的夏玉米叶片氮含量遥感估测 被引量:50
3
作者 魏鹏飞 徐新刚 +7 位作者 李中元 杨贵军 李振海 冯海宽 陈帼 范玲玲 王玉龙 刘帅兵 《农业工程学报》 EI CAS CSCD 北大核心 2019年第8期126-133,I0001,共9页
利用无人机平台搭载多光谱相机组成的遥感监测系统在农业上已取得了一些成果,但利用无人机多光谱影像开展作物氮素估测研究少有尝试。基于此,该文利用国家精准农业基地2017年夏玉米3个关键生育期无人机多光谱影像和田间实测叶片氮含量数... 利用无人机平台搭载多光谱相机组成的遥感监测系统在农业上已取得了一些成果,但利用无人机多光谱影像开展作物氮素估测研究少有尝试。基于此,该文利用国家精准农业基地2017年夏玉米3个关键生育期无人机多光谱影像和田间实测叶片氮含量数据,开展夏玉米叶片氮素含量的无人机遥感估测研究。对该研究选用的15个光谱变量,通过相关性分析解析光谱变量与LNC的相关关系,筛选出对玉米叶片氮素含量敏感的光谱变量;应用后向逐步回归方法分析不同变量指数下估测精度变化,最终确定不同生育期夏玉米LNC估测的光谱变量,实现对夏玉米叶片氮含量的较高精度监测。研究发现:1)在3个生育时期,GRE和GNDVI与LNC都有很强的相关性,表明绿波段可以很好地进行夏玉米生物理化参数的反演;2)在喇叭口期和灌浆期,OSAVI、SAVI与LNC具有高度相关性,证明在夏玉米生长前期和后期选择控制土壤因素的光谱变量可以提高对氮素估测的能力。在筛选最优光谱变量建模过程中发现,喇叭口期选取5个光谱变量(GNDVI、GRE、OSAVI、REG、SAVI)建模效果最好,估测模型的R^2、RMSE和nRMSE分别为0.63、27.63%、11.62%;抽雄吐丝期选取6个光谱变量(REG、GRE、GNDVI、MNLI、RED、NDVI)建模效果最好,估测模型的R^2、RMSE和n RMSE分别为0.64、20.50%、7.80%;灌浆期选取5个光谱变量(GRE、GNDVI、RED、NDVI、OSAVI)建模效果最好,估测模型的R^2、RMSE和n RMSE分别为0.56、31.12%、12.71%;在不同生育期选取最优光谱变量进行夏玉米LNC估测具有很好的效果。应用无人机多光谱遥感影像数据可以很好地监测田块尺度夏玉米LNC的空间分布,可为玉米田间氮素精准管理提供空间决策服务信息支持。 展开更多
关键词 无人机 遥感 多光谱 叶片氮含量 逐步回归 夏玉米
下载PDF
基于随机森林算法的冬小麦叶片氮含量遥感估算研究 被引量:1
4
作者 韩玉杰 丁宁 +1 位作者 冯海宽 张春兰 《现代农业科技》 2019年第13期1-3,5,共4页
精确、快速估算冬小麦叶片氮含量,对冬小麦长势监测及田间管理指导具有重要的研究意义。为精确反演冬小麦叶片氮含量(leaf nitrogen content,LNC),本文利用遥感方法,依托不同氮处理水平对冬小麦的影响试验,基于获取的高光谱遥感数据和LN... 精确、快速估算冬小麦叶片氮含量,对冬小麦长势监测及田间管理指导具有重要的研究意义。为精确反演冬小麦叶片氮含量(leaf nitrogen content,LNC),本文利用遥感方法,依托不同氮处理水平对冬小麦的影响试验,基于获取的高光谱遥感数据和LNC地面实测数据,对比分析光谱指数与随机森林算法(random forest,RF)反演冬小麦叶片氮含量的精度和稳健性。结果表明,以敏感波段496 nm和604 nm为自变量,利用随机森林算法构建的LNC回归模型精度较光谱指数法有了大幅提高,模型的建模精度为R2=0.922,均方根误差为0.290;验证精度为R2=0.873,均方根误差为0.397,并且相对分析误差值为2.220,表明将敏感波段与随机森林算法组合构建的反演模型能较好地反演冬小麦叶片氮含量。 展开更多
关键词 冬小麦 叶片氮含量 遥感 随机森林算法
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部