科研产出
基于便携式蜜柚光谱仪的金沙柚叶片氮含量监测模型研究
《果树学报 》 2023 北大核心 CSCD
摘要：【目的】旨在检验便携式蜜柚光谱仪（PPS）监测金沙柚叶片氮含量（LNC）的准确性，构建基于PPS的金沙柚LNC光谱监测模型。【方法】通过实施不同施氮量的试验，于幼果期和果实膨大期利用便携式蜜柚光谱仪（PPS）、ASD高光谱仪和RapidSCAN光谱仪测定冠层光谱反射率，计算得到归一化红边指数（NDRE）与归一化植被指数（NDVI），分析比较3种光谱仪测定的冠层植被指数变化规律与相关性，检验PPS的测定精度，构建基于PPS的金沙柚LNC光谱监测模型，采用不同试验点的数据检验模型。【结果】金沙柚LNC、NDVI和NDRE随着施氮量的增加表现为递增趋势；PPS和ASD测定的NDVI、NDRE间拟合的决定系数（R~2）依次为0.909 5和0.900 5,PPS和RapidSCAN测定的NDVI、NDRE间拟合的R~2依次为0.954 3和0.900 2，证明PPS的测定结果与ASD、Rapid SCAN具有很高的一致性。幼果期和果实膨大期的光谱监测模型的监测效果比生长中期好；PPS测定的NDVIPPS与NDREPPS相比，NDVIPPS与LNC之间的相关性高于NDREPPS；基于NDVIPPS的幂函数模型能准确地监测LNC，模型构建R~2介于0.821 0～0.847 2之间，模型检验的相关系数（r）、相对均方根误差（RRMSE）和均方根误差（RMSE）依次为0.895 2～0.933 3、4.4%～8.1%和0.1%～0.2%。【结论】与常规化学测试LNC相比，利用PPS可实时准确获取金沙柚LNC信息，在金沙柚轻简化种植与养分无损监测诊断中具有广阔应用前景。
关键词： 金沙柚 叶片氮含量 便携式蜜柚光谱仪 光谱监测 模型
全文链接
请求原文
基于作物生长监测诊断仪的双季稻叶片氮含量和氮积累量监测
《应用生态学报 》 2020 北大核心 CSCD
摘要：为了验证作物生长监测诊断仪(CGMD)监测双季稻氮素营养指标的准确性和适用性,构建基于CGMD的双季稻叶片氮含量(LNC)和氮积累量(LNA)的监测模型.选用8个不同早、晚稻品种,设置4个不同施氮水平,利用CGMD采集冠层差值植被指数(DVI)、归一化植被指数(NDVI)和比值植被指数(RVI),同步利用ASD FH2高光谱仪采集冠层光谱反射率,并计算DVI、NDVI和RVI;通过比较CGMD和ASD FH2采集的冠层植被指数变化特征,验证CGMD的测量精度,构建基于CGMD的LNC和LNA监测模型,并利用独立试验数据对模型进行检验.结果 表明:早、晚稻LNC、LNA、DVI、NDVI和RVI随施氮水平的增加而增大,随生育进程的推进呈先升后降的趋势;CGMD与ASD FH2采集的DVI、NDVI和RVI间拟合的决定系数(R2)分别为0.9350、0.9436和0.9433,表明CGMD的测量精度较高,可替代ASD FH2采集冠层植被指数.基于CGMD的3个冠层植被指数相比,NDVICGMD与LNC的相关性最高,RVICGMD与LNA的相关性最高;基于NDVICGMD的指数模型可较准确地预测LNC,模型R2为0.8581~0.9318,模型检验的均方根误差(RMSE)、相对均方根误差(RRMSE)和相关系数(r)分别为0.1%~0.2%、4.0% ~ 8.5%和0.9041~0.9854;基于RVICGMD的幂函数模型可较准确地预测LNA,模型R2为0.8684~0.9577,模型检验的RMSE、RRMSE和r分别为0.37~0.89 g·m-2、6.7% ~ 20.4%和0.9191~0.9851.与化学分析方法相比,利用CGMD可便捷准确地获取早、晚稻的LNC和LNA,在双季稻丰产高效栽培和氮肥精确管理中具有应用价值.
关键词： 作物生长监测诊断仪 双季稻 叶片氮含量 叶片氮积累量 监测模型
全文链接
请求原文
首页上一页1下一页尾页
