本文選題：花生 + 葉綠素含量��； 參考：《江蘇農(nóng)業(yè)科學(xué)》2017年01期

【摘要】：葉綠素是植物體進(jìn)行光合作用吸收光能物質(zhì)的主要色素,直接影響植被的光合作用。高光譜遙感為快速、大面積監(jiān)測植被的葉綠素變化提供了可能。實(shí)測了不同品種、肥水條件下,花生冠層的高光譜反射率與葉綠素含量數(shù)據(jù),對二者進(jìn)行了相關(guān)分析;首先采用相關(guān)系數(shù)較大的波段作為變量進(jìn)行葉綠素含量的估算,其次采用特定葉綠素敏感波段建立葉綠素估算模型。經(jīng)對比發(fā)現(xiàn),以原始高光譜反射率所構(gòu)建的估算模型精度不高;一階導(dǎo)數(shù)與葉綠素含量之間的關(guān)系采取同樣的方法,表明線性模型可較好地預(yù)測葉綠素含量;最后在高光譜特征變量中,λr、λg、λo為自變量所構(gòu)建的模型均通過極顯著檢驗(yàn),以λr所構(gòu)建的指數(shù)模型具有最大的決定系數(shù)(r2=0.543 5)和F值(F=33.333);通過精度檢驗(yàn),綜合分析認(rèn)為,以662 nm處的一階微分反射率所構(gòu)建的線性模型和以紅邊位置所構(gòu)建的指數(shù)模型均可作為葉綠素含量估算較為合適的高光譜模型。
[Abstract]:Chlorophyll is the main pigment of photosynthesis, which directly affects the photosynthesis of vegetation. Hyperspectral remote sensing provides the possibility for rapid and large area monitoring of chlorophyll changes in vegetation. The hyperspectral reflectance and chlorophyll content data of peanut canopy were measured and analyzed under different varieties and water conditions. Firstly, the band with high correlation coefficient was used as a variable to estimate chlorophyll content. Secondly, a specific chlorophyll sensitive band is used to establish a chlorophyll estimation model. The comparison shows that the estimation model based on the original hyperspectral reflectance is not accurate, and the relationship between the first derivative and chlorophyll content is the same, which shows that the linear model can predict chlorophyll content well. Finally, among the hyperspectral characteristic variables, the models constructed by 位 _ r, 位 _ g and 位 _ o as independent variables have passed the extremely significant test, and the exponential model constructed by 位 _ r has the largest determinant coefficient (r _ 2n _ (0.543 ~ 5) and F value (F ~ (33) 333C). The linear model based on the first order differential reflectance at 662 nm and the exponential model based on the red edge position can be used as hyperspectral models for estimating chlorophyll content.
【作者單位】： 山東省農(nóng)業(yè)可持續(xù)發(fā)展研究所;中國礦業(yè)大學(xué);
【基金】：山東省農(nóng)業(yè)科學(xué)院科技創(chuàng)新重點(diǎn)項(xiàng)目(編號:2014CXZ09-2)
【分類號】：S565.2;S127

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐新剛;吳炳方;蒙繼華;李強(qiáng)子;黃文江;劉良云;王紀(jì)華;;農(nóng)作物單產(chǎn)遙感估算模型研究進(jìn)展[J];農(nóng)業(yè)工程學(xué)報(bào);2008年02期

2 張正斌;作物水分利用效率和蒸發(fā)蒸騰估算模型的研究進(jìn)展[J];干旱地區(qū)農(nóng)業(yè)研究;1997年01期

3 楊曦光;范文義;于穎;;森林葉綠素含量的高光譜遙感估算模型的建立[J];森林工程;2010年02期

4 姚付啟;張振華;楊潤亞;孫金偉;崔素芳;;基于紅邊參數(shù)的植被葉綠素含量高光譜估算模型[J];農(nóng)業(yè)工程學(xué)報(bào);2009年S2期

5 吳國金;許鐘;楊憲時(shí);郭全友;李學(xué)英;;冰鮮魚貯運(yùn)過程中耗冰量估算模型的建立與驗(yàn)證[J];中國水產(chǎn)科學(xué);2010年06期

6 徐永明;藺啟忠;王璐;黃秀華;;基于高分辨率反射光譜的土壤營養(yǎng)元素估算模型[J];土壤學(xué)報(bào);2006年05期

7 程乾;;基于MOD09產(chǎn)品的水稻葉面積指數(shù)和葉綠素含量的遙感估算模型[J];應(yīng)用生態(tài)學(xué)報(bào);2006年08期

8 張永賀;陳文惠;郭喬影;張清林;;桉樹葉片光合色素含量高光譜估算模型[J];生態(tài)學(xué)報(bào);2013年03期

9 李鳳濤;魯欣欣;王珍珍;楊錦忠;;基于多光譜特征的玉米生物參量估算模型[J];青島農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

10 ;[J];;年期

相關(guān)會議論文 前1條

1 陳朝斌;;鐵礦石經(jīng)濟(jì)評價(jià)模型建立的探討[A];2012年全國煉鐵生產(chǎn)技術(shù)會議暨煉鐵學(xué)術(shù)年會文集（下）[C];2012年

相關(guān)博士學(xué)位論文 前1條

1 程志慶;基于高光譜信息的楊樹人工林生產(chǎn)力遙感估算模型的研究[D];中國林業(yè)科學(xué)研究院;2015年

相關(guān)碩士學(xué)位論文 前10條

1 張小萍;黃土高原溝壑區(qū)太陽輻射時(shí)空分布特征及估算模型研究[D];西北農(nóng)林科技大學(xué);2015年

2 柳燁;參考作物蒸發(fā)蒸騰量的少因子估算模型研究[D];西北農(nóng)林科技大學(xué);2016年

3 王靜;基于衛(wèi)星遙感的長三角主要城市PM2.5估算[D];華東師范大學(xué);2016年

4 劉桂鵬;基于高光譜遙感的玉米冠層參數(shù)及葉綠素估算模型研究[D];沈陽農(nóng)業(yè)大學(xué);2016年

5 賀婷;玉米氮素營養(yǎng)監(jiān)測的高光譜遙感估算模型研究[D];沈陽農(nóng)業(yè)大學(xué);2016年

6 何斐璐;承包商視角下的改進(jìn)掙得值法研究[D];西南交通大學(xué);2015年

7 孫超;軟件估算模型的演化控制技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

8 程博;面向敏捷開發(fā)項(xiàng)目的工作量估算模型的研究與應(yīng)用[D];北京工業(yè)大學(xué);2012年

9 馬劍;軟件開發(fā)工作量估算模型研究及其在項(xiàng)目管理中的應(yīng)用[D];華北電力大學(xué);2012年

10 賀軍亮;基于有機(jī)質(zhì)光譜診斷指數(shù)的土壤重金屬含量估算模型研究[D];南京師范大學(xué);2007年

，

本文編號：1903784