定量监测植物氮素状况已成为国内外植被遥感的一个重要研究领域。利用快速、无损、准确的方法来估测作物氮素营养状况是农业发展的关键技术之一。本研究的目的是以水稻为对象，基于不同年份、不同氮素水平、不同种植密度和不同品种类型的田间试验，运用拉曼光谱仪Specim V10E获取水稻近地面的高光谱影像，利用决策树分类法，分出未去背景水稻、去背景水稻、光照水稻和阴影水稻四种目标成分。
为了评估不同空间分辨率对水稻LNC预测精度的影响，本研究在南京农业大学如皋实验基地进行了为期2年的水稻实验，并采集了水稻各个生育期的高光谱影像数据，同时生成10组空间分辨率在1.3nm、14nm、28nm、56nm、113 nm、225nm和445nm的图像。利用这些图像，可通过三组植被指数（VI）和两种多变量方法——高斯过程回归（GPR）和偏小二乘回归（PLSR）来确定不同空间分辨率对LNC预测的影响。利用在每个空间分辨率下与背景像素分离的光照、阴影和全叶叶片像素的反射光谱来分别预测具有VI、GPR和PLSR的LNC。
结果表明，无论估计方法如何，全叶片像素通常表现出比光照和阴影叶片像素更稳定的性能。大多数VI在早期分蘖阶段的所有分辨率均小于14 mm，但其他阶段的分辨率均小于56 mm。相比之下，采用GPR或PLSR方法成功建立了整个生长季节预测LNC的模型，其中具有zuijia预测结果的是GPR，zuijia空间分辨率为28 mm。
拉曼光谱：https://gp.chem17.com/
仪器仪表：https://www.ybzhan.cn/
|
1、在论坛里发表的文章仅代表作者本人的观点,与本网站立场无关。
2、论坛的所有内容都不保证其准确性,有效性,时间性。阅读本站内容因误导等因素而造成的损失本站不承担连带责任。
3、当政府机关依照法定程序要求披露信息时,论坛均得免责。
4、若因线路及非本站所能控制范围的故障导致暂停服务期间造成的一切不便与损失,论坛不负任何责任。
5、注册会员通过任何手段和方法针对论坛进行破坏,我们有权对其行为作出处理。并保留进步追究其责任的权利。
发表于