公共文化服务平台

稻茬麦根系构型可视化与三向分型维研究被引量：6: 2015年; 提出一种根系可视化分析方法用于定量稻茬田环境的小麦根系构型。使用根系构型数字化仪测试稻茬麦苗期根系构型,将所测数据导入Pro/E平台进行根系构型的3-D重构,然后对可视化根系进行3向平面投影,计算小麦根系在不同平面的分形维数与分形丰度。结果表明,该方法可以真实反映出田间稻茬麦根系构型的动态变化状况,而根系分形维数与分形丰度随时间逐步递增,正视图面的分形维数和分形丰度总大于左视图面。从播后第98天开始,俯视图面的根系构型分形维数与分形丰度出现突增。在3个投影面上稻茬麦根系的分形维数与分形丰度都高度相关,二者与根总长也存在一定的相关关系。; 陈信信丁启朔李毅念丁为民田永超

水稻不同叶位层物理结构与冠层反射光谱的定量研究被引量：17: 2005年; 研究了不同土壤水分、施氮条件下水稻冠层反射光谱与冠层生长特征(叶面积指数、叶片干质量和鲜质量)的量化关系。结果表明,不同层次叶面积指数、叶片鲜质量和叶片干质量与冠层光谱的相关性大小均为:L12345>L1234>L123>L12>L1,而顶部5张叶片的面积和生物量(干、鲜质量)对冠层特征反射光谱的贡献大小顺序为:L2>L1>L3>L4>L5,顶部2张叶片对冠层光谱作用最大。发现比值指数R (760, 710) 与水稻叶面积指数呈极显著线性相关;而比值指数R(1650,1100) 与水稻地上部鲜质量和干质量均呈极显著幂函数相关关系。因此,比值指数R(760,710) 和R(1650,1100)可分别用来定量反演水稻叶面积信息和地上部生物量信息。; 田永超朱艳曹卫星; 关键词：水稻鲜质量冠层反射光谱叶面积指数叶位

基于近红外光声光谱的土壤有机质含量定量建模方法被引量：41: 2012年; 该研究的目的在于应用近红外光声光谱技术结合不同的定量分析方法实现5种不同类型土壤有机质含量的快速估测。对中国中、东部地区5种不同类型土壤风干样本进行光谱扫描,经过多元散射校正、一阶导数、二阶导数及平滑等预处理后,应用逐步多元回归(SMLR)、主成分分析(PCR)、偏最小二乘法(PLS)和偏最小二乘法-反向传播神经网络(PLS-BPNN)等方法建立土壤有机质含量的定量估测模型。结果显示,不同预处理方法对所建土壤有机质含量估测模型的预测精度有较大影响,总体表现为多元散射校正+Norris一阶导数>多元散射校正>Norris一阶导数>标准正态化>Norris二阶导数>吸光度>Savitzky-Golay平滑后一阶导数>Savitzky-Golay平滑后二阶导数。对于4种不同建模方法,均以多元散射校正+Norris一阶导数滤波平滑后的光谱建模精度最高,其中采用PLS-BPNN方法建模效果最好,其次是PLS、SMLR和PCR。采用PLS-BPNN建立有机质校正模型具有极高的预测精度,建模决定系数和均方根偏差分别为0.97和1.88,模型测试决定系数和均方根偏差分别为0.97和1.72。因此,基于多元散射校正+Norris一阶导数光谱建立的PLS-BPNN模型可能是土壤有机质含量估测建模的最优方法。; 田永超张娟娟姚霞曹卫星朱艳; 关键词：土壤光声光谱神经网络有机质 BP

小麦叶面积指数估测的最佳高光谱参数研究: 作物叶面积指数是评价长势和预测产量的重要指标。小麦叶面积指数的快速监测对于掌握小麦生长状况以及精确水肥管理具有重要作用。本文旨在通过对高光谱信息的精细分析和信息提取，探索小麦叶面积指数估算的最佳波段、光谱参数并建立监测模...; 曹中盛朱艳田永超曹卫星姚霞; 关键词：最佳波段叶面积指数小麦

基于LISS4数据的小麦氮素营养状况反演研究被引量：13: 2008年; 利用LISS4卫星遥感数据在小麦氮素营养状况监测方面进行了初步研究。根据搭载多光谱传感器LISS4的IRS-P6的过境周期,2006年5月3日在江苏省盐城地区进行同步地面取样测试,通过分析试验点小麦LISS4影像光谱信息与小麦叶面积指数及叶片氮含量的相关关系,发现小麦叶面积指数和叶片氮含量与LISS4影像三个波段反射率及植被指数RVI、NDVI、GNDVI均密切相关,表明利用LISS4遥感影像监测小麦氮素营养状况是可行的。比较不同波段原始反射率和植被指数,在本研究中LISS4影像波段4反射率与小麦氮素营养状况相关最密切。检验结果也表明利用LISS4影像波段4反射率估测小麦氮素营养状况是可行的。研究成果为利用遥感技术大面积监测小麦氮素营养状况和实施精确栽培管理提供了理论依据。; 鞠昌华田永超朱洪芬朱艳曹卫星; 关键词：小麦氮素营养反演

秸秆还田与氮肥施用对稻田温室气体排放的影响: 2024年; 秸秆还田与氮肥施用是农田生态系统中碳氮元素的两大主要补给途径,其在调控稻田甲烷(CH_(4))和氧化亚氮(N_(2)O)排放以及水稻产量方面具有重要作用。以往的研究主要关注秸秆还田或氮肥施用单因素对稻田温室气体排放的影响,而双因素互作对甲烷和氧化亚氮排放的影响尚未明确。同时,在秸秆还田条件下如何进行合理的氮肥施用鲜有深入研究。本研究基于3个氮肥处理(0、180、360 kg N/hm^(2))和3个秸秆还田处理(0、2.25、3.75 t/hm^(2))进行多年水稻田间定位试验,研究结果表明:CH_(4)季节累积排放随秸秆还田量增加而增加,与施氮量无显著正相关关系;N_(2)O季节累积排放随施氮量增加而增加,与秸秆还田量无显著正相关关系;秸秆还田对于产量的影响具有不确定性,两年均在秸秆不还田+不施氮处理(S0N0)出现最低产量,2021与2022年最低产量分别为5740.64和4903.75 kg/hm^(2)。2021与2022年最高产量分别在秸秆不还田+高氮(S0N_(2))和高量秸秆还田+高氮(S2N_(2))出现,分别为10938.48和10384.83 kg/hm^(2)。同时,本研究发现在低量秸秆还田条件下,在碳足迹(CF, Carbon Footprint)方面,施氮量为251 kg N/hm^(2)时碳足迹达到最低点,为1.01 kg C/kg;而在生态经济净收益(NEEB, Net Ecosystem Economic Benefits)方面,施氮量为294 kg N/hm^(2)时生态经济净收益达到最高点,为11778.15元/hm^(2)。为协同生态经济净收益与碳排放,在低量秸秆还田(S1)下,配合251—294 kg N/hm^(2)的施氮量为最优施肥方案。研究结果为指导稻田温室气体减排、实现稻田碳中和以及农田管理提供了理论支撑,为实现水稻的高产稳产与低碳生产科学依据。; 吴健成刘卿刘卿陆汝华刘艳刘艳刘艳朱艳曹强曹强; 关键词：温室气体秸秆还田氮肥推荐施肥

基于主成分分析和小波神经网络的近红外多组分建模研究被引量：26: 2009年; 将小麦叶片原始光谱经过预处理后,采用主成分分析(PCA)对数据进行降维,取前3个主成分输入小波神经网络,建立了基于主成分分析和小波神经网络的近红外多组分预测模型(WNN);进一步研究了小波基函数个数的选取(WNN隐层节点数)对小波神经网络模型性能的影响,并将WNN模型与偏最小二乘法(PLS)和传统的反向传播神经网络(BPNN)模型进行了比较。结果表明,所建立的WNN模型能用于同时预测小麦叶片全氮和可溶性总糖两种组分含量,其预测均方根误差(RMSEP)分别为0.101%和0.089%,预测相关系数(R)分别为0.980和0.967。另外,在收敛速度和预测精度上,WNN模型明显优于BPNN和PLS模型,从而为将小波神经网络用于近红外光谱的多组分定量分析奠定了基础。; 汤守鹏姚鑫锋姚霞田永超曹卫星朱艳; 关键词：小波神经网络主成分分析小麦叶片全氮可溶性总糖

一种新的估算水稻上部叶片蛋白氮含量的植被指数被引量：1: 2009年; 【目的】阐明水稻顶部4张叶片蛋白氮含量和反射光谱特征的变化规律及其相互关系,建立快速、准确诊断水稻功能叶片蛋白氮含量的方法。【方法】通过3年不同施氮水平和不同品种类型的大田试验,分生育期同步测定顶部4张叶片的光谱反射率及蛋白氮含量,系统分析叶片蛋白氮含量与多种高光谱参数的定量关系。【结果】水稻叶片蛋白氮含量和光谱反射率在不同施氮水平、不同生育期及不同叶位间均存在明显差异,叶片蛋白氮含量的敏感波段主要存在于可见光绿光区530～580nm及红边区域695～715nm,其中红边区域表现最为显著。红边区域700nm附近波段与近红外短波段的比值组合(SRs)可以有效地估算水稻上部功能叶片的蛋白氮含量,其次是绿光区587nm左右的波段与近红外短波段的比值组合。基于新提出的SR(770,700)及已报道的GM-2、SR705、RI-half光谱指数,线性回归模型的拟合精度(R2)分别达到0.874,0.873,0.871和0.867。经独立资料的检验表明,这些回归模型可以实时监测叶片蛋白氮含量变化,预测精度R2分别为0.810、0.806、0.804和0.800,相对误差RE分别为12.1%、12.4%、12.6%和12.9%。【结论】可以利用关键特征光谱指数来诊断水稻上部叶片的蛋白氮含量状况,尤以SR(770,700)、GM-2、SR705和RI-half表现为较强的估测能力。; 杨杰田永超朱艳陈青春姚霞曹卫星; 关键词：水稻叶片高光谱遥感

一种基于三波段光谱指数估测植物氮含量的方法: 本发明公开了一种基于三波段光谱指数估测植物氮含量的方法，属于植物遥感监测领域，本发明在近红外光波段、可见光红光波段的基础上，增加了蓝绿光波段及其修正系数，建立了三波段光谱指数及氮含量的监测模型，同时提供该模型的检验模型。...; 朱艳姚霞王薇曹卫星田永超倪军刘小军孙传范; 文献传递

小麦叶层氮含量估测的最佳高光谱参数研究被引量：46: 2009年; 【目的】作物体内氮素状况是评价长势和预测产量的重要指标。小麦植株氮素营养的快速监测和无损诊断对于精确氮素管理具有重要作用。本文旨在通过对高光谱信息的精细分析和信息提取,探索建立小麦叶片氮含量(LNC,leaf nitrogen content)估算的最佳波段、光谱参数及监测模型。【方法】利用连续4年的系统观测资料,采用精细采样法,详细分析350～2500nm波段范围内原始光谱反射率及其一阶导数光谱的任意两两波段组合而成的主要高光谱指数与小麦冠层叶片氮含量的定量关系。【结果】发现小麦叶片氮含量的最佳波段为位于红边的690、691、700和711nm以及近红外波段的1350nm;基于归一化光谱指数NDSI(R1350,R700)和NDSI(FD700,FD690)、比值光谱指数RSI(R700,R1350)和RSI(FD691,FD711)、土壤调节光谱指数SASI(R1350,R700)(L=0.09)和SASI(FD700,FD690)(L=-0.01)构建氮含量监测模型,决定系数(R2)分别为0.851和0.857、0.842和0.893、0.860和0.866。利用独立试验资料对模型检验的结果显示,模型测试的精度(R2)均大于0.758,RRMSE均小于0.266,尤其是高光谱参数RSI(FD691,FD711)和SASI(FD700,FD690)表现最好。【结论】总体上,利用精细采样法确定最佳波段,构建植被指数和氮含量监测模型,可显著提高模型的精确度和可靠性,从而为快速无损诊断小麦叶层的氮素状况提供新的波段选择和技术途径。; 姚霞朱艳田永超冯伟曹卫星; 关键词：小麦最佳波段叶片氮含量

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

田永超

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

田永超

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈