基于分区和多时相遥感数据的山区植被分类研究

山区地形的特殊性导致了山区植被分类的复杂性。位于不同光照区域的同种植被,其光谱亮度值具有较大差异,分区使分类规则及阈值的设计更具针对性。多时相遥感数据能够充分利用不同植被类型间光谱特征时间效应。基于此提出了利用分区和多时相遥感数据进行山区植被的分类研究。研究表明,该方法在山区植被分类中具有明显的技术优势,分类总体精度和kappa系数分别为81.3%和0.72。     

冬小麦红边参数变化规律及其营养诊断

研究了冬小麦冠层光谱红边参数随作物生育期的变化规律,并进行了红边参数与各组分间的相关分析,发现可利用用红边位置反演叶片可溶性糖和叶绿素含量,利用红边振幅反演叶片全氮含量,利用红谷反演叶面积指数。建立了基于红边参数的各组分的统计回归模型,可为生产上利用遥感手段大面积、无破坏、及时评价冬小麦生长状态及营养诊断提供重要依据。     

玉米根系几何造型研究

通过对玉米根系形态建成过程根系的结构、生长及分布特点和规律观测研究,构建了描述玉米根系形态变化的数学模型。结合粒子系统和计算机图形学技术,在计算机上实现了玉米根系生长的三维显示。其结果和实际的玉米根系的生长发育过程基本一致,为农学研究者提供了一个可视化的根系模型。本模型结构简单、可交互、真实感强,可以较好地虚拟玉米根系的生长过程。     

冬小麦播期的卫星遥感及应用

播种日期对冬小麦生长发育、产量和品质形成均有一定的影响。利用2003年拔节期的Landsat TM卫星的NDVI数据．成功地监测了冬小麦的播种日期。提出了基于NDVI和播种日期的冬小麦的遥感估产的优化模型，并在抽穗期至乳熟期的3次生育期的遥感估产中得到了成功验证与应用。利用出粉率与播种日期的显相关特性，采用拔节期的Landsat TM卫星的NDVI数据，成功预测了小麦籽粒的出粉率。     

基于TM影像的冬小麦苗期长势与植株氮素遥感监测研究

叶面积指数和叶片氮素含量是决定小麦群体长势的重要生理指标,也是制定栽培管理措施的必要依据。利用遥感监测小麦返青后的叶面积指数和叶片氮素含量,便于及时采取施肥、灌溉、中耕等调控措施,达到优质、高产稳产、高效的目的。本文使用TM影像数据与实地GPS定位相结合的方法,研究了冬小麦返青后叶面积指数及植株氮素含量的变化态势。结果表明:(1)TM影像的NDVI的地域性差异较大,且随纬度呈现极明显的线型负相关变化态势;(2)将用NDVI反演的LAI与实测的LAI进行比较,二者较为一致,其均方差根(RMSE)为0.111;(3)利用NDVI监测的小麦植株氮素含量与实地观测的植株氮素含量较为相近,二者的RMSE为0.085。总之,利用TM影像的NDVI可以快速、精确地监测返青期小麦的LAI和植株氮素营养状况。同时,本研究结果也可为冬小麦返青期的苗情诊断和管理决策提供及时、准确的信息支持。     

基于GA的GRNN高光谱遥感反演冬小麦叶片氮含量模型的建立与验证

基于人工神经网络理论,针对高光谱遥感中数据冗余问题,本文建立了基于遗传算法(GA)的广义回归神经网络(GRNN)模型,利用回归分析问题中参数筛选方法,对表征冬小麦叶片全氮的光谱参数进行了筛选,并和线性回归方法对比,线性回归方法的均方根误差(RMSEP):在冬小麦叶片氮含量为34.0g kg-1~62.5g kg-1预测范围内,逐步回归模型为14.4g kg-1,后向选择为11.8g kg-1,而广义回归神经网络为3.40g kg-1。说明神经网络方法所筛选到的光谱参数更能反映小麦叶片全氮含量,且神经网络模型预测精度高。     

烤烟鲜烟叶成熟度的量化

利用SPAD-502叶绿素计进行了连续两年的田间试验,研究了烤烟鲜烟叶的成熟度量化判别。结果表明不同成熟度鲜烟叶的差异主要表现在叶绿素含量上。选取与叶绿素含量关系密切的叶绿素相对值(SPAD)作为鲜烟叶成熟度的判别指标,并建立了烟叶成熟度的叶绿素计读数模型TMDSPADV,该模型的判别分类与先验的成熟度分类符合率为91%。因此,基于SPAD的成熟度TMDSPADV模型,可以进行量化的鲜烟叶成熟度判别。     

黑宝石李品质参数的近红外漫反射无损检测模型的建立

以黑宝石李为试材,研究其品质参数的近红外漫反射无损检测模型的建立方法,并从数学建模算法、导数处理及测试部位等方面优化模型。结果表明,改进偏最小二乘法结合一阶导数处理建立分析模型的定标效果相对较好,其中可溶性固形物(SSC)和干物质/水分模型的定标系数达0.9;四个测试部位光谱混合所建模型的预测精度显著高于单独测试部位光谱模型;SSC、干物质/水分的定标与预测的决定系数、均方根误差和相对分析误差分别在0.9、0.45和3.0左右,预测效果很好;而可滴定酸的预测误差偏大。