期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到6篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
河南省冬小麦长势遥感监测指标的适宜性 被引量：6
1
作者 王来刚 邹春辉 +2 位作者 刘婷 程永政 胡峰 《麦类作物学报》 CAS CSCD 北大核心 2013年第5期1006-1011,共6页
为了解不同监测指标在河南省各个监测地域分区中对小麦不同生育期长势监测的有效性和适宜性,以MODIS为主要数据源,在长势监测地域分区的基础上,从小麦实时监测和生长过程监测两个角度出发,对NDVI、LAI、NPP、NDWI和TCI等监测指标与长势... 为了解不同监测指标在河南省各个监测地域分区中对小麦不同生育期长势监测的有效性和适宜性,以MODIS为主要数据源,在长势监测地域分区的基础上,从小麦实时监测和生长过程监测两个角度出发,对NDVI、LAI、NPP、NDWI和TCI等监测指标与长势等级和单产进行了相关分析。结果表明,在各长势监测地域分区中,NDVI、LAI和NPP都与长势等级呈负相关,与单产呈正相关,一般在抽穗期和开花期相关性最高。NDWI在各个监测分区都表现不稳定,且在不同生育期与长势等级和单产的相关性也较低。TCI在豫西山地丘陵区和豫南地区与长势等级呈正相关,与单产呈负相关,相关性在起身期和拔节期相对较高。说明,不同长势监测分区需要用不同监测指标进行长势监测,在同一长势监测分区不同生育期遥感监测的适宜指标也存在差别。 展开更多
关键词 冬小麦 河南省 长势指标 遥感监测 适宜性
下载PDF
基于无人机高光谱长势指标的冬小麦长势监测
2
作者 裴鹏飞 《农业科技与信息》 2022年第20期126-128,共3页
本文以冬小麦为主要研究对象,获取其不同生育期的无人机高光谱影像,并根据其高光谱数据建立光谱指数,利用多元线性回归等分析方法建立冬小麦各种生育期的GMI反演模型,在无人机高光谱影像中应用最佳模型得到冬小麦最终的长势监测图,以期... 本文以冬小麦为主要研究对象,获取其不同生育期的无人机高光谱影像,并根据其高光谱数据建立光谱指数,利用多元线性回归等分析方法建立冬小麦各种生育期的GMI反演模型,在无人机高光谱影像中应用最佳模型得到冬小麦最终的长势监测图,以期为相关人员提供参考。 展开更多
关键词 无人机高光谱 长势指标 冬小麦长势 监测
下载PDF
松嫩平原农情遥感监测系统的设计与实现 被引量：1
3
作者 张亮 那晓东 臧淑英 《安徽农业科学》 CAS 2018年第7期170-173,共4页
利用MATLAB语言进行可视化设计出松嫩平原农情遥感监测系统,客观地对松嫩平原农作物生长状况的历史数据进行评估和实时监控。松嫩平原农情遥感监测系统主要功能为农作物长势监测(NDVI、VCI、MVCI、RMNDVI、RPNDVI)和自动化提取农作物(... 利用MATLAB语言进行可视化设计出松嫩平原农情遥感监测系统,客观地对松嫩平原农作物生长状况的历史数据进行评估和实时监控。松嫩平原农情遥感监测系统主要功能为农作物长势监测(NDVI、VCI、MVCI、RMNDVI、RPNDVI)和自动化提取农作物(玉米、水稻、大豆)等松嫩平原重要粮食作物遥感信息,同时对3类地表(湿地、林地、草地)等分类。该监测系统解决了松嫩平原植被遥感信息提取研究中需要处理大量影像数据的问题,为未来研究松嫩平原植被特征变化和规律提供了非常好的技术支持;也可以应用于其他区域和影像数据研究中,具有稳定性好、处理数据速度快、分类精确度高的特点。 展开更多
关键词 松嫩平原 农情遥感监测 长势指标 自动化分类 MATLAB编程 可视化
下载PDF
基于综合指标的冬小麦长势无人机遥感监测 被引量：51
4
作者 裴浩杰 冯海宽 +3 位作者 李长春 金秀良 李振海 杨贵军 《农业工程学报》 EI CAS CSCD 北大核心 2017年第20期74-82,共9页
作物长势监测可以及时获取作物的长势信息,该文尝试建立新型长势指标,监测小麦总体长势情况。将反映小麦长势的叶面积指数(leaf area index,LAI)、叶片叶绿素含量、植株氮含量、植株水分含量和生物量5个指标按照均等权重综合成一个指标... 作物长势监测可以及时获取作物的长势信息,该文尝试建立新型长势指标,监测小麦总体长势情况。将反映小麦长势的叶面积指数(leaf area index,LAI)、叶片叶绿素含量、植株氮含量、植株水分含量和生物量5个指标按照均等权重综合成一个指标,综合长势指标(comprehensive growth index,CGI)。利用450~882 nm范围内单波段和任意两个波段构建归一化光谱指数(normalized difference spectral index,NDSI),比值光谱指数(ratio spectral index,RSI)和简单光谱指数(simple spectral index,SSI),计算CGI与光谱指数的相关性,筛选出相关性好的光谱指数,结合偏最小二乘回归(partial least squares regression,PLSR)建立反演模型。以CGI为指标,运用无人机高光谱影像对2015年小麦多生育期的长势监测。结果表明:1)冬小麦各生育期,总体上CGI与光谱指数的决定系数R^2均好于各项单独指标与相应光谱指数的R^2。仅孕穗期CGI和RSI(754,694)的R^2比叶绿素和RSI(486,518)的R^2低,开花期的CGI和R570的R^2比生物量和R834的R^2低以及灌浆期CGI和SSI(582,498)的R^2比植株含水量和SSI(790,862)的R^2低。2)拔节期,孕穗期,开花期,灌浆期和全生育期PLSR模型的建模R^2分别为0.70,0.72,0.78,0.78和0.61。拔节期,孕穗期和开花期的无人机CGI影像验证模型的均方根误差RMSE(root mean square error)分别为0.050,0.032和0.047。CGI与相应光谱指数的R^2高于单独各项指标与相应光谱指数的R^2,光谱指数能够很好反映CGI包含的信息。无人机高光谱影像反演CGI精度较高,能够判断出小麦总体的长势差异,可为监测小麦长势提供参考。 展开更多
关键词 无人机 光谱分析 作物 长势监测 冬小麦 综合长势指标
下载PDF
基于熵权-模糊综合评价法的无人机多光谱春玉米长势监测模型研究
5
作者 赵经华 马世骄 房城泰 《农业机械学报》 EI CAS CSCD 北大核心 2024年第8期214-224,共11页
为实现春玉米长势的快速监测,实时掌握田间作物的生长状况,本文以新疆维吾尔自治区克拉玛依地区种植的春玉米作为研究对象,利用无人机多光谱影像对春玉米进行长势监测。基于地面采集的春玉米叶片叶绿素含量、叶面积指数、地上部生物量... 为实现春玉米长势的快速监测,实时掌握田间作物的生长状况,本文以新疆维吾尔自治区克拉玛依地区种植的春玉米作为研究对象,利用无人机多光谱影像对春玉米进行长势监测。基于地面采集的春玉米叶片叶绿素含量、叶面积指数、地上部生物量和株高等数据,结合熵权法(EWM)和模糊综合评价法(FCE)建立综合长势指标CGMI_(EWM)和CGMI_(FCE)。通过无人机遥感影像数据构建光谱指数,并利用皮尔逊相关性分析法和方差膨胀因子确定模型最佳输入变量。采用偏最小二乘法(PLS)、随机森林回归(RF)及粒子群算法(PSO)优化RF模型建立春玉米长势反演模型,结合模型精度评价指标,最终确定春玉米空间影像长势分布图。结果表明,以CGMI_(EWM)和CGMI_(FCE)构建综合长势指标的相关性均高于单一长势指标的相关性;利用CGMI_(FCE)长势指标结合PSO-RF模型反演春玉米长势的效果最优,其决定系数(R^(2))为0.823,均方根误差(RMSE)为0.084%,相对分析误差(RPD)为2.345;研究区春玉米长势集中在生长正常(ZZ)等级,说明全区春玉米长势较为稳定。研究结果可为春玉米的田间管理提供科学依据。 展开更多
关键词 春玉米 熵权法 模糊综合评价法 综合长势指标 多光谱 无人机监测
下载PDF
变异系数法结合优化神经网络的无人机冬小麦长势监测 被引量：12
6
作者 徐云飞 程琦 +4 位作者 魏祥平 杨斌 夏沙沙 芮婷婷 张世文 《农业工程学报》 EI CAS CSCD 北大核心 2021年第20期71-80,共10页
高效、快速、准确获取冬小麦长势信息在农业发展和经营决策中具有重要作用。该研究以冬小麦为对象,开展无人机冬小麦长势监测,获取冬小麦生物量、株高、叶绿素含量和植株含水率数据,基于变异系数法(Coefficient of Variation Method,CV... 高效、快速、准确获取冬小麦长势信息在农业发展和经营决策中具有重要作用。该研究以冬小麦为对象,开展无人机冬小麦长势监测,获取冬小麦生物量、株高、叶绿素含量和植株含水率数据,基于变异系数法(Coefficient of Variation Method,CV)构建综合长势监测指标(Comprehensive Growth Monitoring Indicators,CGMI_(CV)),通过16种植被指数与CGMI_(CV)进行相关性分析,计算植被指数间的方差膨胀因子,筛选最优植被指数作为模型输入变量,采用偏最小二乘(Partial Least Squares Regression,PLSR)、随机森林(Random Forest,RF)、反向传播神经网络(Back Propagation Neural Networks,BPNN)及遗传算法(Genetic Algorithm,GA)优化的BPNN模型建立冬小麦长势反演模型,结合评价指标获得冬小麦最优长势反演模型,最终得到研究区冬小麦长势空间分布信息。研究结果表明:以变异系数法得到的冬小麦CGMI_(CV)相关性比单一指标的相关性有不同程度的提高;利用变异系数法结合BPNN得到的冬小麦长势最佳反演模型CGMICV-BPNN,其决定系数R^(2)可达0.71,模型精度较传统赋权法构建的CGMI_(mean)-BPNN模型提高了26.79%;采用GA优化后的BPNN模型的不稳定显著下降,其平均相对误差中位数下降了22.22%,决定系数R^(2)也有所提高;研究区内半数以上的冬小麦长势集中于第Ⅲ等级,其所占比例为55.83%,其次集中于第Ⅰ等级,其所占比例为36.08%,研究区冬小麦整体长势较为稳定。研究结果可为冬小麦长势监测及区域作物生产监测提供重要参考。 展开更多
关键词 无人机 农作物 遥感 变异系数法 综合长势监测指标 反向传播神经网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部