本文選題：高光譜 + 小麥�。� 參考：《河南農(nóng)業(yè)科學(xué)》2016年04期

【摘要】：為了探索小麥葉片的光譜特征和敏感波段,建立小麥葉綠素含量與光譜特征參量間的定量關(guān)系模型,以促進(jìn)高光譜技術(shù)在小麥精準(zhǔn)施肥以及快速、無(wú)損長(zhǎng)勢(shì)監(jiān)測(cè)中的應(yīng)用。采用相關(guān)分析法分析了葉綠素含量與光譜反射率及其一階導(dǎo)數(shù)的關(guān)系,建立了葉綠素含量監(jiān)測(cè)模型。經(jīng)篩選驗(yàn)證確定小麥葉綠素含量的最佳估測(cè)模型為SPAD=36.75+188.168R387和SPAD=2 094.242R'7153+112 646.744R'7152-1.561E7R'715+42.991。這2個(gè)模型均可較好地估測(cè)小麥葉片的SPAD值,相比較而言,基于波段R387建立的SPAD估測(cè)模型精確度更高。
[Abstract]:In order to explore the spectral characteristics and sensitive bands of wheat leaves, a quantitative relationship model between chlorophyll content and spectral characteristic parameters of wheat was established in order to promote the application of hyperspectral technology in precise fertilization and rapid and non-destructive monitoring of wheat growth. The relationship between chlorophyll content and spectral reflectivity and its first derivative was analyzed by correlation analysis, and a monitoring model of chlorophyll content was established. The best estimation models for wheat chlorophyll content were SPAD=36.75 188.168R387 and SPAD=2 094.242R'7153 112 646.744R'7152-1.561E7R'715 42.991. The SPAD values of wheat leaves can be estimated well by the two models, and the accuracy of the SPAD estimation model based on the band R387 is higher than that of the two models.
【作者單位】： 山東省農(nóng)業(yè)科學(xué)院科技信息研究所;
【基金】：山東省農(nóng)業(yè)重大應(yīng)用技術(shù)創(chuàng)新項(xiàng)目
【分類號(hào)】：S512.1;S127

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曾偉生;周國(guó)芳;廖志云;龔文才;;西藏天然林平均直徑樹高和蓄積估測(cè)模型研究[J];中南林業(yè)調(diào)查規(guī)劃;2007年03期

2 周南;徐天蜀;;云冷杉林生物量遙感估測(cè)模型研究[J];林業(yè)調(diào)查規(guī)劃;2010年04期

3 梁爽;趙庚星;朱西存;;蘋果樹葉片葉綠素含量高光譜估測(cè)模型研究[J];光譜學(xué)與光譜分析;2012年05期

4 李毅;徐天蜀;王曉寧;;基于ENVISAT ASAR數(shù)據(jù)的高山松林蓄積量估測(cè)模型研究[J];中南林業(yè)調(diào)查規(guī)劃;2012年01期

5 安廣馳;舞毒蛾危害柿樹損失估測(cè)模型研究[J];山東林業(yè)科技;1994年03期

6 秦建華,姜志林,錢能志;福建洋口杉木生物量估測(cè)模型的選擇[J];南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);1990年01期

7 楊洪國(guó);李治宇;;應(yīng)用管道模型原理建立柏木榿木葉面積葉量估測(cè)模型[J];四川林勘設(shè)計(jì);2012年01期

8 王佳;宋珊蕓;劉霞;楊慧喬;馮仲科;;結(jié)合影像光譜與地形因子的森林蓄積量估測(cè)模型[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2014年05期

9 董斌;馮仲科;杜林芳;唐雪海;;山東省黃河流域森林蓄積量遙感定量估測(cè)模型研究[J];遙感技術(shù)與應(yīng)用;2010年04期

10 馬玉珠;程棟梁;鐘全林;徐朝斌;靳冰潔;;福建省5種造林樹種幼苗生物量估測(cè)模型[J];江西農(nóng)業(yè)大學(xué)學(xué)報(bào);2013年06期

相關(guān)會(huì)議論文 前1條

1 李亞兵;毛樹春;韓迎春;王香河;王國(guó)平;;基于數(shù)字圖像特征的棉花群體大小估測(cè)模型[A];中國(guó)棉花學(xué)會(huì)2007年年會(huì)論文匯編[C];2007年

相關(guān)博士學(xué)位論文 前3條

1 王妮;基于3S技術(shù)的森林資源變化動(dòng)態(tài)監(jiān)測(cè)[D];南京林業(yè)大學(xué);2012年

2 張正楊;基于水氮互作的煙草高光譜特性及估測(cè)模型研究[D];河南農(nóng)業(yè)大學(xué);2011年

3 李向陽(yáng);煙草高光譜特性與農(nóng)藝、生理、品質(zhì)指標(biāo)關(guān)系和估測(cè)模型研究[D];河南農(nóng)業(yè)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前9條

1 戴超;北京主要樹種樹冠體積及表面積估測(cè)模型研究[D];華北理工大學(xué);2015年

2 張永秀;基于語(yǔ)音質(zhì)量估測(cè)模型的水聲語(yǔ)音通信系統(tǒng)研究[D];廈門大學(xué);2014年

3 王雄偉;基于遙感技術(shù)的森林蓄積量估測(cè)模型研究[D];貴州大學(xué);2008年

4 許甜;基于影響因子的高等級(jí)公路造價(jià)估測(cè)模型研究[D];長(zhǎng)安大學(xué);2012年

5 于楠楠;基于TM數(shù)據(jù)的森林蓄積量估測(cè)模型研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2012年

6 劉英;千島湖水體水質(zhì)參數(shù)遙感及其估測(cè)模型研究[D];浙江大學(xué);2003年

7 謝碧裕;南方丘陵水稻土氧化鐵高光譜特性與估測(cè)模型研究[D];江西農(nóng)業(yè)大學(xué);2015年

8 萬(wàn)紅梅;塔里木河下游植被恢復(fù)的遙感測(cè)度[D];新疆農(nóng)業(yè)大學(xué);2012年

9 于濤;基于模糊識(shí)別的土壤有機(jī)質(zhì)高光譜估測(cè)模型研究[D];山東農(nóng)業(yè)大學(xué);2013年

，

本文編號(hào)：1848977