期刊专题

10.3964/j.issn.1000-0593(2009)08-2191-05

监测小麦叶片氮积累量的新高光谱特征波段及比值植被指数

引用
实时、快速、无损监测作物氮素状况对于精确氮肥管理具有重要意义.传统的氮素估测方法在时间或空间上难以满足要求,新兴的高光谱遥感技术为作物氮素监测提供了有效手段和技术途径.本研究的目的是基于三个田间试验的系统观测资料,探索可用于小麦叶片氮素监测的新的高光谱敏感波段及比值指数.利用减量精细采样法,系统构建了350~2500 nm范围内所有两两波段形成的比值光谱指数RSI(ratio spectral index),综合分析了小麦叶片氮积累量LNA(leaf nitrogen accumulation)(g N·m-2)与RSI的定量关系,发现了监测叶片氮积累量的新高光谱特征波段(990,720)和光谱指数RSI(990,720),建立了相应的监测模型y=5.095x-6.040,模型的决定系数(R2)为0.814.利用独立试验资料检验模型,决定系数(R2)为0.847,相对根均方差(RRMSE)为24.70%,表明模犁预测值与观察值之间的符合度较高.因此,利用高光谱比值指数RSI(990,720)来估算小麦叶片氮积累量是精确可行的.该结果为便携式小麦氮素监测仪的研制开发及遥感信息的快速提取提供了适用可行的波段选择与技术依据.

小麦、叶片、氮积累量、最佳波段、比值植被指数、监测模型

29

TP79(遥感技术)

教育部新世纪优秀人才支持计划项目NCET-08-0797;国家自然科学基金项目30671215;国家"863"计划项目2006AA10Z202;国家科技支撑计划项目2008BADA4B02

2009-09-23(万方平台首次上网日期,不代表论文的发表时间)

共5页

2191-2195

暂无封面信息
查看本期封面目录

光谱学与光谱分析

1000-0593

11-2200/O4

29

2009,29(8)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn