公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

基于C#和ArcEngine技术的灌区需水量计算系统被引量：4: 2017年; 为了及时准确获取灌区需水量数据,利用ArcEngine和C#作为开发平台和语言,结合GIS和RS的数据分析与影像处理功能,开发灌区需水量计算的应用系统。系统以遥感热红外波段反演的不同农作物土壤体积含水率与灌区的土地分类影像为依据,并根据不同作物的灌溉制度设置计算参数,经过系统运算可以快速得到灌区灌溉需水量的大小。通过对陕西泾惠渠灌区实例数据的计算结果分析表明,系统具有动态监测和实效性,为指导灌区进行水资源优化配置和精准灌溉提供重要的基础数据。; 边江张智韬韩文霆付秋萍; 关键词：GIS RS 灌溉需水量水资源优化配置

覆盖度对无人机热红外遥感反演玉米土壤含水率的影响被引量：15: 2019年; 为提高基于冠层温度信息反演土壤含水率的精度,以不同水分处理的拔节期大田玉米为研究对象,采用无人机热红外和可见光相机获取试验区遥感图像,通过不同图像分类方法剔除土壤背景,提取玉米植被覆盖度(Corn vegetation coverage,Vc)及冠层温度(Canopy temperature,Tc),并计算冠气温差(Tca)和冠气温差与覆盖度的比值,分析这两种指数与土壤含水率(Soil moisture content,Smc)之间的关系。结果表明,不同分类方法提取的玉米覆盖度以及冠层温度均存在差异,由灰度分割法、RGRI指数法、GBRI指数法3种分类方法剔除土壤背景后计算的冠气温差、冠气温差与覆盖度之比与土壤含水率均呈线性关系,并且冠气温差、冠气温差与覆盖度之比两种指数反演0~30 cm玉米根域深度的土壤含水率效果较好;其中,未剔除土壤背景的冠气温差反演土壤含水率效果较差,GBRI指数分类法剔除土壤背景的冠气温差反演土壤含水率效果有所提高(0~10 cm、10~20 cm、20~30 cm深度的R^2由0.255、0.360、0.131提高至0.425、0.538、0.258);而冠气温差与覆盖度的比值反演土壤含水率相比于冠气温差精度明显提高,0~10 cm、10~20 cm、20~30 cm深度建模集R^2高达0.488、0.600、0.290,P<0.001,验证集R^2达0.714、0.773、0.446,表明冠气温差与覆盖度之比是反演玉米根域深度土壤含水率效果更优的指标。; 张智韬张智韬谭丞轩边江韩文霆; 关键词：玉米土壤含水率覆盖度热红外遥感冠层温度

冬小麦归一化植被指数日变化规律及拟合模型研究被引量：2: 2018年; 为探究冬小麦归一化植被指数(NDVI)主要生育期内的日变化规律,分别在冬小麦返青期、拔节期和抽穗期,利用Greenseeker手持式光谱仪每日以小时为单位获取冠层NDVI值,各生育期内连续测量7 d,分析冬小麦冠层NDVI在3个生育期的日变化规律,并采用二次多项式、Gauss和Sine等函数对归一化处理后的NDVI日变化过程进行拟合。结果表明,冬小麦冠层NDVI在3个生育期有明显的日变化规律,其变化趋势近似一条反向抛物线; 3种模型均能较好地对NDVI日变化曲线进行拟合,且在拔节期拟合效果最好;二次多项式模型的预测精度最高,3个生育期内其相应的决定系数(R2)分别为0.744、0.923和0.681,均方根误差(RMSE)分别为0.212、0.213和0.187,平均绝对误差(MAE)分别为0.165、0.162和0.142,Gauss和Sine函数拟合效果基本无差别;二次多项式模型作为描述NDVI日变化过程的首选模型。本研究可为今后建立冬小麦NDVI日变化模型提供参考。; 崔婷张智韬崔晨风崔晨风陈硕博边江; 关键词：冬小麦日变化归一化

低空无人机多光谱遥感数据的土壤含水率反演被引量：13: 2018年; 以杨凌地区黏壤土为研究对象,用无人机搭载多光谱相机采集土壤6个波段的光谱信息,探索一种快速监测土壤含水率的方法。试验通过相关系数法筛选光谱对于不同深度土壤水分的敏感波段,然后使用单一敏感波段处的光谱数据建立不同的一元回归模型并分析其定量关系。试验结果表明,一元二次回归模型的拟合效果最好,一元对数回归模型次之。其中,对于表层(约1 cm)土壤含水率的反演,模型拟合度均在0.81以上,预测相关系数均在0.92以上,预测均方根误差均在0.10以内,因此通过采集黏壤土反射率来推算表层土壤含水率是可行的。但随着深度增加,模型拟合效果急剧变差。该研究为利用无人机多光谱遥感对表层土壤含水率的快速、准确监测提供了一条新途径。; 王海峰张智韬付秋萍付秋萍边江边江; 关键词：土壤含水率多光谱遥感无人机

基于无人机热红外的水分胁迫指数与土壤含水率关系研究被引量：8: 2019年; 为了实时快速监测作物根系活动层的土壤含水率,利用低空无人机搭载的热红外相机获取经4种水分处理的棉花花铃期一天中5个时刻的冠层温度,并连续观测5 d,应用水分胁迫指数(CWSI)的理论模式、简化模式、定义模式计算得到3种CWSI,与棉花根系不同土壤深度含水率建立模型。研究表明:3种胁迫指数与土壤含水率具有幂函数关系,其中理论模式与土壤含水率的相关性最佳,定义模式次之,简化模式最差;在一天中不同监测时间点上,3种CWSI的监测精度在13∶00最高,9∶00和17∶00最差;在监测深度上,3种胁迫指数与0～60 cm处的土壤含水率关系最为紧密,0～30 cm次之,0～15 cm最差。该研究可大面积获取作物根系层土壤含水率,提高作物根系层土壤含水率的反演精度。; 尚晓英张智韬边江边江李乐洪苑琪; 关键词：无人机热红外冠层温度 CWSI 土壤含水率

基于无人机多光谱遥感的土壤含水率反演研究被引量：38: 2018年; 为研究无人机多光谱遥感技术对裸土土壤含水率的大范围快速测定和最佳监测深度的确定,以杨凌地区粘壤土为试验材料,分别配制成2种不同深度(5 cm和10 cm)、含水率为3%~30%的土壤样本。用无人机搭载多光谱相机对土样连续监测3 d,监测时刻均为15:00。采集6个波段(490、550、680、720、800、900 nm)处的土壤光谱反射率,同时对2种不同深度的土壤样本表层(约1 cm)含水率和整体含水率进行测定。分别采用偏最小二乘回归法、逐步回归法和岭回归法,建立不同波段光谱反射率因素反演土壤含水率的回归模型,并分析其定量关系。试验结果表明,逐步回归预测精度最佳,决定系数(R2)分别为0.775、0.764、0.798、0.694,而预测均方根误差(RMSE)分别为0.028、0.042、0.037、0.038;其次为岭回归法;偏最小二乘法的预测精度最低。综合比较得最佳回归方法为逐步回归法,最佳监测深度为土壤表层(约1 cm),其次为5 cm深度,最后为10 cm深度。; 张智韬王海峰韩文霆韩文霆边江崔婷; 关键词：土壤含水率多光谱遥感无人机

剔除土壤背景的棉花水分胁迫无人机热红外遥感诊断被引量：26: 2018年; 剔除无人机热红外影像中的土壤背景是提高作物水分诊断精度的有效途径,但也是热红外图像处理的难点问题。本文以不同水分处理的花铃期棉花为研究对象,分别在09:00、13:00和17:00等3个时刻,连续5 d采集无人机高分辨率热红外影像,并采用二值化Ostu算法和Canny边缘检测算法对热红外图像进行掩膜处理,实现对土壤背景的剔除,然后分别计算二值化Ostu算法、Canny边缘检测算法和包含土壤背景下的3种棉花水分胁迫指数(Crop water stress index,CWSI),最后建立不同时刻下3种CWSI与棉花叶片气孔导度Gs的关系模型。研究结果表明,应用Canny边缘检测算法可有效剔除热红外影像中的土壤背景,剔除土壤背景后的温度直方图呈单峰的偏态分布;3种处理方法获得的作物水分胁迫指数CWSI中,Canny边缘检测算法的CWSI最小,二值化Ostu算法的CWSI较高,包含土壤背景的CWSI最大;采用Canny边缘检测算法剔除土壤背景后的CWSI与棉花叶片气孔导度Gs的决定系数R2达到0.84,Ostu算法的结果次之,包含土壤背景的最差。本研究可为无人机热红外遥感监测作物水分状况提供参考。; 张智韬张智韬韩文霆边江陈硕博付秋萍; 关键词：棉花无人机热红外 CANNY边缘检测水分胁迫指数气孔导度

基于无人机热红外遥感的冬小麦水分胁迫研究被引量：9: 2019年; 为探究水分胁迫对冬小麦生长的影响,以不同水分处理的冬小麦为试验对象,利用无人机搭载热红外传感器,通过采集其不同生育期中一天不同时刻(11∶00,13∶00)的冠层热红外图像,提取其冠层温度信息,同时测定小麦叶片的气孔导度(Gs)、蒸腾速率(Tr)和田间土壤体积含水率(SWC)等信息。分别研究不同水分胁迫指数(CWSI、I_G、ICWSI)与各参数之间的关系,同时使用一元线性模型和多元线性回归模型进行建模并验证。结果表明:CWSI、I_G和ICWSI与Gs、Tr和SWC之间存在着显著的相关关系,在一元模型中,SWC对不同水分胁迫指数的预测效果更好,验证R^2均在0.800以上,相对分析误差均在2.0以上,在多元模型中,CWSI的预测效果最好,验证R^2为0.928,相对分析误差为3.041,同时多元模型的预测效果均优于一元模型。该研究可快速获取大量作物信息,为利用无人机热红外遥感探究冬小麦的水分胁迫状况提供了一条新途径。; 姚志华陈俊英张智韬边江边江许崇豪谭丞轩; 关键词：水分胁迫冬小麦无人机热红外遥感图像采集

无人机多光谱遥感反演抽穗期冬小麦土壤含水率研究被引量：15: 2018年; 及时获取田间作物的土壤水分,对指导精准灌溉有重要意义。以抽穗期冬小麦为研究对象,采用低空无人机搭载六波段多光谱相机获取其冠层光谱反射率,并与参考点光谱反射率求差得差值反射率(DR),不同深度的土壤含水率(0~10、0~20、0~30、0~40、0~60 cm)与参考点土壤含水率同样求差得差值土壤含水率(DSM),对DR与DSM进行相关性分析,分别建立2者的一元线性模型和多元线性回归模型并验证。结果表明:一元模型中,40 cm深度的优于60 cm,20 cm的预测效果不佳;多元模型中,宽行距中40 cm深度的最优,建模R2和验证R2均达到了0.9以上,预测均方根误差仅为0.016。该研究可大面积快速获取田间土壤水分,为精准灌溉提供一定的理论依据。; 陈硕博陈俊英张智韬边江边江石树兰; 关键词：土壤含水率冬小麦抽穗期无人机多光谱遥感

全选清除导出

共1页<1>

边江

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

边江

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