大田玉米作物系數(shù)機地協(xié)同估算方法研究
發(fā)布時間:2021-03-18 18:01
快速準確獲取大田作物系數(shù)Kc是旱區(qū)作物日蒸散量估算的關鍵。本文以2017-2018年內(nèi)蒙古達拉特旗昭君鎮(zhèn)精準灌溉試驗站內(nèi)大田玉米為對象,通過調(diào)節(jié)中心支軸式噴灌機轉(zhuǎn)速來實現(xiàn)各扇形區(qū)域內(nèi)不同水分的處理,利用自主研發(fā)的六旋翼無人機遙感平臺搭載多光譜傳感器獲取大田玉米冠層光譜影像并同步采集地面數(shù)據(jù),實現(xiàn)不同水分處理下玉米作物系數(shù)無人機遙感與地面?zhèn)鞲衅鲄f(xié)同監(jiān)測。同時,采用經(jīng)氣象因子和作物覆蓋度校正后的FAO-56雙作物系數(shù)法計算玉米的作物系數(shù),研究作物系數(shù)與4種植被指數(shù)(比值植被指數(shù)SR、歸一化差值植被指數(shù)NDVI、土壤調(diào)節(jié)植被指數(shù)SAVI、增強型植被指數(shù)EVI)、葉面積指數(shù)(leaf area index,LAI)和表層土壤水分含量(soil water content,SWC)的相關關系,分析了不同氣候條件和不同水分脅迫條件下玉米作物系數(shù)無人機遙感與地面?zhèn)鞲衅鲄f(xié)同估算的可行性。本文的主要研究內(nèi)容及結論如下:(1)由不同深度土壤含水率與作物系數(shù)的相關性分析發(fā)現(xiàn),在不同水分脅迫處理下,表層土壤水分(30cm)均處于強相關水平且在水分脅迫程度最嚴重的情況下相關性最高達到0.7...
【文章來源】:中國科學院大學(中國科學院教育部水土保持與生態(tài)環(huán)境研究中心)陜西省
【文章頁數(shù)】:81 頁
【學位級別】:碩士
【部分圖文】:
技術路線圖
圖 2.1 2017 年試驗地全景圖Figure 2.1 Experimental ground view in 2017種為鈞凱 430,玉米的生長階段為 5 月 11 日進 月 21 日進入抽穗期,8 月 31 日進行收獲(青貯域,在區(qū)域中選取 3 個 6 m×6 m 的方形區(qū)域進
圖 2.1 2017 年試驗地全景圖Figure 2.1 Experimental ground view in 20172018 年玉米品種為鈞凱 430,玉米的生長階段為 5 月 11 日進行播種,5 月18 日開始出苗,7 月 21 日進入抽穗期,8 月 31 日進行收獲(青貯)。實驗地劃劃分為 5 個扇形區(qū)域,在區(qū)域中選取 3 個 6 m×6 m 的方形區(qū)域進行田間實驗數(shù)據(jù)采集(圖 2.2)。
【參考文獻】:
期刊論文
[1]基于無人機高光譜遙感的柑橘黃龍病植株的監(jiān)測與分類[J]. 蘭玉彬,朱梓豪,鄧小玲,練碧楨,黃敬易,黃梓效,胡潔. 農(nóng)業(yè)工程學報. 2019(03)
[2]玉米作物系數(shù)無人機遙感協(xié)同地面水分監(jiān)測估算方法研究[J]. 張瑜,張立元,Zhang Huihui,宋朝陽,藺廣花,韓文霆. 農(nóng)業(yè)工程學報. 2019(01)
[3]基于雙作物系數(shù)法的新疆覆膜滴灌夏玉米蒸散量估算[J]. 李豐琇,馬英杰. 農(nóng)業(yè)機械學報. 2018(11)
[4]基于無人機熱紅外與數(shù)碼影像的玉米冠層溫度監(jiān)測[J]. 楊文攀,李長春,楊浩,楊貴軍,馮海寬,韓亮,牛慶林,韓東. 農(nóng)業(yè)工程學報. 2018(17)
[5]基于無人機熱紅外圖像的核桃園土壤水分預測模型建立與應用[J]. 孫圣,張勁松,孟平,汪貴斌,黃輝,尹昌君,王鑫梅. 農(nóng)業(yè)工程學報. 2018(16)
[6]基于修正雙作物系數(shù)模型估算溫室黃瓜不同季節(jié)騰發(fā)量[J]. 閆浩芳,毋海梅,張川,Samuel Joe Acquah,趙寶山,黃松. 農(nóng)業(yè)工程學報. 2018(15)
[7]大田玉米作物系數(shù)無人機多光譜遙感估算方法[J]. 韓文霆,邵國敏,馬代健,ZHANG Huihui,王毅,牛亞曉. 農(nóng)業(yè)機械學報. 2018(07)
[8]砂石覆蓋條件下冬小麥蒸散量的單、雙作物系數(shù)法估算[J]. 李毅,付亞亞,唐德秀,李思逸,馮浩. 農(nóng)業(yè)機械學報. 2018(03)
[9]基于無人機數(shù)碼影像的玉米育種材料株高和LAI監(jiān)測[J]. 牛慶林,馮海寬,楊貴軍,李長春,楊浩,徐波,趙衍鑫. 農(nóng)業(yè)工程學報. 2018(05)
[10]基于無人機遙感與植被指數(shù)的冬小麥覆蓋度提取方法[J]. 牛亞曉,張立元,韓文霆,邵國敏. 農(nóng)業(yè)機械學報. 2018(04)
本文編號:3088695
【文章來源】:中國科學院大學(中國科學院教育部水土保持與生態(tài)環(huán)境研究中心)陜西省
【文章頁數(shù)】:81 頁
【學位級別】:碩士
【部分圖文】:
技術路線圖
圖 2.1 2017 年試驗地全景圖Figure 2.1 Experimental ground view in 2017種為鈞凱 430,玉米的生長階段為 5 月 11 日進 月 21 日進入抽穗期,8 月 31 日進行收獲(青貯域,在區(qū)域中選取 3 個 6 m×6 m 的方形區(qū)域進
圖 2.1 2017 年試驗地全景圖Figure 2.1 Experimental ground view in 20172018 年玉米品種為鈞凱 430,玉米的生長階段為 5 月 11 日進行播種,5 月18 日開始出苗,7 月 21 日進入抽穗期,8 月 31 日進行收獲(青貯)。實驗地劃劃分為 5 個扇形區(qū)域,在區(qū)域中選取 3 個 6 m×6 m 的方形區(qū)域進行田間實驗數(shù)據(jù)采集(圖 2.2)。
【參考文獻】:
期刊論文
[1]基于無人機高光譜遙感的柑橘黃龍病植株的監(jiān)測與分類[J]. 蘭玉彬,朱梓豪,鄧小玲,練碧楨,黃敬易,黃梓效,胡潔. 農(nóng)業(yè)工程學報. 2019(03)
[2]玉米作物系數(shù)無人機遙感協(xié)同地面水分監(jiān)測估算方法研究[J]. 張瑜,張立元,Zhang Huihui,宋朝陽,藺廣花,韓文霆. 農(nóng)業(yè)工程學報. 2019(01)
[3]基于雙作物系數(shù)法的新疆覆膜滴灌夏玉米蒸散量估算[J]. 李豐琇,馬英杰. 農(nóng)業(yè)機械學報. 2018(11)
[4]基于無人機熱紅外與數(shù)碼影像的玉米冠層溫度監(jiān)測[J]. 楊文攀,李長春,楊浩,楊貴軍,馮海寬,韓亮,牛慶林,韓東. 農(nóng)業(yè)工程學報. 2018(17)
[5]基于無人機熱紅外圖像的核桃園土壤水分預測模型建立與應用[J]. 孫圣,張勁松,孟平,汪貴斌,黃輝,尹昌君,王鑫梅. 農(nóng)業(yè)工程學報. 2018(16)
[6]基于修正雙作物系數(shù)模型估算溫室黃瓜不同季節(jié)騰發(fā)量[J]. 閆浩芳,毋海梅,張川,Samuel Joe Acquah,趙寶山,黃松. 農(nóng)業(yè)工程學報. 2018(15)
[7]大田玉米作物系數(shù)無人機多光譜遙感估算方法[J]. 韓文霆,邵國敏,馬代健,ZHANG Huihui,王毅,牛亞曉. 農(nóng)業(yè)機械學報. 2018(07)
[8]砂石覆蓋條件下冬小麥蒸散量的單、雙作物系數(shù)法估算[J]. 李毅,付亞亞,唐德秀,李思逸,馮浩. 農(nóng)業(yè)機械學報. 2018(03)
[9]基于無人機數(shù)碼影像的玉米育種材料株高和LAI監(jiān)測[J]. 牛慶林,馮海寬,楊貴軍,李長春,楊浩,徐波,趙衍鑫. 農(nóng)業(yè)工程學報. 2018(05)
[10]基于無人機遙感與植被指數(shù)的冬小麥覆蓋度提取方法[J]. 牛亞曉,張立元,韓文霆,邵國敏. 農(nóng)業(yè)機械學報. 2018(04)
本文編號:3088695
本文鏈接:http://sikaile.net/kejilunwen/nykj/3088695.html
最近更新
教材專著