首页 | 官方网站   微博 | 高级检索  
     

花后浅地下水埋深对小麦高光谱特征的影响及叶绿素估算模型
引用本文:吴启侠,晏军,朱建强,李东伟,周新国,郭树龙.花后浅地下水埋深对小麦高光谱特征的影响及叶绿素估算模型[J].灌溉排水学报,2018(9).
作者姓名:吴启侠  晏军  朱建强  李东伟  周新国  郭树龙
作者单位:中国农业科学院农田灌溉研究所;农业部商丘农业环境科学观测实验站;长江大学农学院
摘    要:江汉平原春季雨水较多,小麦中后期易受渍害。【目的】将高光谱遥感技术应用于渍害监测,为渍害监测提供一种无损、快捷的诊断方法。【方法】在小麦花后设置不同地下水埋深(0、20和40 cm)处理,分别于处理后8、17、28 d监测小麦冠层光谱反射率和旗叶叶绿素量,分析了小麦花后浅地下水埋深对冠层高光谱特征的影响,并建立了叶绿素高光谱估算模型。【结果】小麦花后0 cm、20 cm地下水埋深持续17 d左右时,小麦冠层反射光谱中蓝紫光波段与红光波段形成的2个吸收谷比40 cm的平坦,而2个吸收谷之间的反射峰变陡,红边位置发生蓝移,且地下水埋深越浅,持续时间越长,2个吸收谷越平坦,蓝移位移越大。浅地下水埋深胁迫小麦旗叶叶绿素a(Chla)、叶绿素b(Chlb)、叶绿素(Chl(a+b))量分别与红边位置(λr)、红边偏度(Sr)以及红边峰度(Kr)呈线性、线性和一元二次曲线关系。选取λr、Sr、Kr三个特征因子作为网络输入层建立BP神经网络模型估算浅地下水埋深胁迫小麦旗叶Chla、Chlb、Chl(a+b)量,建立的模型其拟合精度高(决定系数R2分别为0.842 5、0.700 2、0.850 8、均方根误差RMSE分别为0.146、0.048、0.173)。【结论】以λr、Sr、Kr为输入层建立的BP神经网络模型可以作为估算浅地下水埋深胁迫小麦旗叶叶绿素量的高光谱估算模型。

本文献已被 CNKI 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号