以拔節(jié)期冬小麥為研究對(duì)象,通過(guò)人工模擬低溫脅迫,對(duì)冬小麥高光譜和SPAD之間關(guān)系進(jìn)行研究.結(jié)果表明:在735和802 nm處建立的NDVI指數(shù)與SPAD的相關(guān)系數(shù)為0.86;在735和803 nm處建立的RVI指數(shù)與SPAD的相關(guān)系數(shù)也為0.86;基于RVI[735,803]波段構(gòu)建了SPAD估算模型,表達(dá)式為C_SPAD=273.9X_RVI[735,803]-257.47.研究結(jié)果可為大面積冬小麥凍害快速無(wú)損監(jiān)測(cè)提供有效的技術(shù)支撐. 

【文章來(lái)源】：福建農(nóng)林大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,49(06)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

冬小麥拔節(jié)期葉片SPAD與高光譜的相關(guān)性分析

利用NDVI和RVI植被指數(shù)對(duì)原始光譜數(shù)據(jù)進(jìn)行組合運(yùn)算,建立光譜反射率與葉片SPAD值之間的相關(guān)性(圖2).從NDVI的P值中可以看出600 nm附近,700～2 250 nm附近以及1 200～1 500 nm附近的NDVI值與SPAD值相關(guān)性較低,其余波段的NDVI值與SPAD值均具有極顯著相關(guān)關(guān)系(P<0.01);從R2值中可以看出500 nm附近和1 000～1 500 nm附近的NDVI值與SPAD值相關(guān)性較低,其余波段的NDVI值與SPAD值相關(guān)性較高.其中735與802 nm處建立的NDVI值與SPAD值相關(guān)性最高,達(dá)到了0.86.從RVI的P值可以得出,在1 000～1 500 nm附近的RVI值與SPAD值相關(guān)性較低,其余波段的RVI值與SPAD值均具有極顯著相關(guān)關(guān)系;RVI值與SPAD值的R2值結(jié)果與NDVI值的R2值相似,相關(guān)性最好的波段也極為相近,其中735和803 nm波段建立的RVI值與SPAD值相關(guān)性最大,達(dá)到了0.86.2.3 基于高光譜的SPAD估測(cè)模型的建立與驗(yàn)證

【參考文獻(xiàn)】：
期刊論文
[1]冬小麥葉片光合特征高光譜遙感估算模型的比較研究[J]. 張卓,龍慧靈,王崇倡,楊貴軍.  中國(guó)農(nóng)業(yè)科學(xué). 2019(04)
[2]基于GA-BP神經(jīng)網(wǎng)絡(luò)高光譜反演模型分析玉米葉片葉綠素含量[J]. 陳春玲,金彥,曹英麗,于豐華,馮帥,周長(zhǎng)獻(xiàn).  沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào). 2018(05)
[3]基于光譜指數(shù)的古爾班通古特優(yōu)勢(shì)種沙蒿葉綠素含量的估算模型[J]. 徐悅,劉衛(wèi)國(guó),霍舉頌,劉建國(guó),李宏俠,瑪麗婭·奴爾蘭.  人民珠江. 2018(10)
[4]農(nóng)田不同粒級(jí)土壤含水量光譜特征及定量預(yù)測(cè)[J]. 盧艷麗,白由路,王磊,楊俐蘋.  中國(guó)農(nóng)業(yè)科學(xué). 2018(09)
[5]基于多植被指數(shù)組合的冬小麥地上干生物量高光譜估測(cè)[J]. 賈學(xué)勤,馮美臣,楊武德,王超,肖璐潔,孫慧,武改紅,張松.  生態(tài)學(xué)雜志. 2018(02)
[6]棉花全生育期葉片SPAD值的遙感估算模型[J]. 馬文君,常慶瑞,田明璐,班松濤.  干旱地區(qū)農(nóng)業(yè)研究. 2017(05)
[7]冬小麥苗期葉綠素含量檢測(cè)光譜學(xué)參數(shù)尋優(yōu)[J]. 毛博慧,李民贊,孫紅,劉豪杰,張俊逸,Zhang Qin.  農(nóng)業(yè)工程學(xué)報(bào). 2017(S1)
[8]采用可見(jiàn)/近紅外光譜檢測(cè)大麥葉片過(guò)氧化氫酶與過(guò)氧化物酶含量的研究[J]. 趙蕓,張初,劉飛,孔汶汶,何勇.  光譜學(xué)與光譜分析. 2014(09)
[9]冬小麥凍害脅迫高光譜分析與凍害嚴(yán)重度反演[J]. 王慧芳,王紀(jì)華,董瑩瑩,顧曉鶴,霍治國(guó).  光譜學(xué)與光譜分析. 2014(05)
[10]低溫脅迫下三角梅若干生化指標(biāo)的變化[J]. 邢海盈,佘文琴.  福建農(nóng)林大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(05)

博士論文
[1]基于GEP算法和高光譜數(shù)據(jù)的植物主要理化參數(shù)估算研究[D]. 楊樂(lè)嬋.南京大學(xué) 2017

碩士論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的冬小麥抽穗期葉片生理生化指標(biāo)的高光譜估測(cè)研究[D]. 呂瑋.山東農(nóng)業(yè)大學(xué) 2018
[2]基于高光譜成像技術(shù)小麥玉米長(zhǎng)勢(shì)監(jiān)測(cè)研究[D]. 辛延斌.山東農(nóng)業(yè)大學(xué) 2017
[3]不同生育期冬小麥生理生化參數(shù)高光譜估測(cè)研究[D]. 殷紫.西北農(nóng)林科技大學(xué) 2016
[4]大田作物冠層無(wú)損檢測(cè)設(shè)備應(yīng)用及車載平臺(tái)開(kāi)發(fā)[D]. 劉仁杰.東北農(nóng)業(yè)大學(xué) 2015
[5]不同生育時(shí)期低溫對(duì)小麥生理生化特性的影響[D]. 余海波.河南師范大學(xué) 2012
[6]不同冬小麥品種對(duì)低溫脅迫的生理生化反應(yīng)及抗凍性分析[D]. 王樹(shù)剛.山東農(nóng)業(yè)大學(xué) 2011



本文編號(hào)：3490331