CN115508314A - 一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法 - Google Patents
一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法 Download PDFInfo
- Publication number
- CN115508314A CN115508314A CN202211163318.2A CN202211163318A CN115508314A CN 115508314 A CN115508314 A CN 115508314A CN 202211163318 A CN202211163318 A CN 202211163318A CN 115508314 A CN115508314 A CN 115508314A
- Authority
- CN
- China
- Prior art keywords
- soil
- wheat
- canopy
- chlorophyll content
- spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002689 soil Substances 0.000 title claims abstract description 73
- 241000209140 Triticum Species 0.000 title claims abstract description 65
- 235000021307 Triticum Nutrition 0.000 title claims abstract description 65
- 235000019804 chlorophyll Nutrition 0.000 title claims abstract description 44
- 229930002875 chlorophyll Natural products 0.000 title claims abstract description 42
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000003595 spectral effect Effects 0.000 title claims abstract description 29
- 230000008030 elimination Effects 0.000 title claims abstract description 20
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 20
- 238000000926 separation method Methods 0.000 title claims abstract description 17
- 238000001228 spectrum Methods 0.000 claims abstract description 51
- 238000002310 reflectometry Methods 0.000 claims abstract description 17
- 239000000203 mixture Substances 0.000 claims description 5
- 238000011282 treatment Methods 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000000985 reflectance spectrum Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241001420622 Meris Species 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 235000003715 nutritional status Nutrition 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/121—Correction signals
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提出一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，包括以下步骤：提取小麦冠层反射光谱特征波段的反射率，利用两个特征波段模拟土壤组分的光谱信号，剔除土壤组分得到小麦组分光谱信号，计算植被指数估算小麦叶片叶绿素含量。本发明的方法通过对小麦和土壤反射光谱进行特征分析，分离出土壤和植被光谱的信号，减少土壤背景对叶片叶绿素含量估算的影响，该方法操作步骤简单，运算速度快，适用于冠层水平不同小麦品种、不同栽培处理、不同生育时期，可广泛用于小麦冠层水平的平均叶片叶绿素含量监测。
Description
技术领域
本发明属于作物生长监测领域，尤其是一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法。
背景技术
小麦在我国粮食生产中具有重要的地位，及时监测小麦长势对保障国家粮食安全和农业可持续发展起基础作用。叶绿素含量是作物长势的一个重要指标，能够指示植物光合作用能力。目前，遥感技术已被广泛用于准确、无损地估算植被叶绿素含量。
在过去三十年里，大量研究提出了数百个植被指数，比如MTCI(MERISTerrestrial Chlorophyll Index)和NDVI(Normalized Difference Vegetation Index)，但是这些指数主要用于估算冠层叶绿素含量(Canopy Chlorophyll Content，CCC)。CCC(g/m2)是单位土地面积上所有叶片叶绿素含量的总和，即叶面积指数(Leaf Area Index，LAI)和叶片叶绿素含量(Leaf Chlorophyll Content，LCC)的乘积。CCC是一个群体性指标，同时包含LAI和LCC的信息，不能单独反映叶片水平叶绿素含量。
LCC是单位叶片面积上的叶绿素含量(μg/cm2)，与CCC相比更能体现叶片水平的光合能力和营养状况。为了从冠层光谱直接估算LCC，一些学者提出利用两个植被指数进行比值或者差值运算，比如AWI(Angular Insensitivity Vegetation Index)和LICI(LAIInsensitive Chlorophyll Index)。但是在植被覆盖度较低时(比如作物生长前期，冠层未闭合)，冠层光谱中包含的土壤信号会影响植被指数，从而降低LCC的光谱估算精度。
为了消除土壤背景，有研究采用混合像元光谱分解方法从冠层光谱中提取出纯净植被光谱。然而混合像元光谱分解方法的精度取决于纯净植被和土壤的丰度与反射率估算，在实际应用中这两者具有明显的时空变化，限制了这类方法在区域尺度上的应用。因此需要一种自动消除土壤影响的方法，从而提高LCC的估算精度。
发明内容
本发明所解决的技术问题在于提供一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，通过对小麦和土壤反射光谱进行特征分析，分离出土壤和植被光谱的信号，减少土壤背景对叶片叶绿素含量估算的影响，操作步骤简单，运算速度快，适用于不同小麦品种、不同栽培处理和不同生育时期，可广泛用于小麦冠层水平的平均叶片叶绿素含量监测。
实现本发明目的的技术解决方案为：
一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，包括以下步骤：
步骤1：提取小麦冠层反射光谱特征波段的反射率，利用两个特征波段模拟土壤组分的光谱信号；
步骤2：剔除土壤组分得到小麦组分光谱信号，计算植被指数估算小麦叶片叶绿素含量。
进一步的，本发明的基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，步骤1中小麦冠层反射光谱来源于不同小麦品种、不同栽培处理，土壤组分光谱信号提取步骤包括：
步骤1-1：从反射光谱中提取477nm和677nm波段处的反射率数据，并且计算两个波段之间斜率(slope)，具体公式为：
slope＝(RC，677-RC，477)/(677-477)
其中，RC，477和RC，677分别为小麦冠层反射率在477nm和677nm波段处的小麦冠层反射率。
步骤1-2：利用斜率估算出土壤组分光谱在参考波段(定义为477nm)处的反射率，具体公式为：
其中，RC，477为小麦冠层光谱在477nm波段处的反射率，slopemax为最大斜率，c为调节系数，CRS，477土壤组分光谱在参考波段477nm处的反射率。最大斜率slopemax定义为干土壤斜率。
步骤1-3：利用斜率和土壤组分光谱在参考波段的反射率，模拟土壤组分光谱信号，具体公式为：
CRS，λ＝slope×(λ-477)+CRS，477
其中，CRS，λ为模拟的土壤组分信号，λ为波长。
进一步的，本发明的基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，步骤2中提取小麦组分光谱信号的具体公式为：
CRV，λ＝RC，λ-CRS，λ
其中，RC，λ为小麦冠层反射信号，CRV，λ为小麦组分的光谱信号。
基于小麦组分光谱信号，计算植被指数估算小麦叶片叶绿素含量属于现有技术。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
1、本发明的基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法操作步骤简单，运算速度快，在不同场景的适用性好；
2、本发明的基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法适用于不同小麦品种、不同栽培处理和不同生育时期，可广泛用于消除冠层光谱中的土壤影响；
3、本发明的基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法有利于提高小麦生产中基于光谱学的叶绿素含量估测准确度。
附图说明
图1是本发明的基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法的示意图，其中(A)为选取的一条冠层反射光谱，(B)为估算的土壤组分光谱，(C)为纯净小麦组分光谱，即(A)与(B)的差值。
图2是冠层光谱去除土壤影响前基于AIVI和LICI估算的LCC与实测的LCC的散点图，其中，(A)为AIVI的结果，(B)为LICI的结果。
图3是冠层光谱去除土壤影响后基于AIVI和LICI估算的LCC与实测的LCC的散点图，其中，(A)为AIVI的结果，(B)为LICI的结果。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本发明实施例基于不同生育期、不同施氮水平和不同种植密度处理的小麦试验田，根据获取的反射光谱提取土壤组分光谱，剔除土壤组分光谱之后计算植被指数AIVI和LICI，并且用于监测叶片叶绿素含量，同时与土壤影响消除前的LCC估算结果进行比较。
具体小麦试验田的基本信息和数据采集时间如表1～表2所示。
表1小麦试验田基本信息
表2小麦冠层光谱数据采集时的生育时期信息
| 日期 | 播种后天数 | 生育时期 |
| 2017年3月15日 | 135 | 拔节期 |
| 2017年3月27日 | 147 | 孕穗期 |
| 2017年4月12日 | 163 | 抽穗期 |
| 2017年4月25日 | 176 | 开花期 |
在拔节期、孕穗期、抽穗期和开花期获取小麦冠层反射光谱和叶片叶绿素含量数据。本发明的实验数据获取***性强，涵盖了两种株型的小麦品种，包含主要生育期，且处理因素多(密度和施氮水平)，能够有效地验证本发明基于光谱特征的土壤消除和叶绿素估算方法在不同环境条件和处理下监测小麦叶片叶绿素含量的准确度与适应性。
一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，具体包括以下步骤：
步骤1：获取小麦主要生育期间的冠层反射光谱以及相对应的叶片叶绿素含量数据。采集的反射光谱数据包括不同生育期、不同施氮水平、不同种植密度处理和不同品种类型的小麦。测量的生育时期包括拔节期、孕穗期、抽穗期和开花期。冠层反射光谱测量采用美国Analytical Spectral Device(ASD)公司生产的FieldSpec Pro FR2500型背挂式野外高光谱辐射仪，使用的波段范围为440～800nm。叶片叶绿素含量的测试方式具体为：选择十五张光照叶片，测量它们的Dualex值，求得平均值后根据下面公式转为叶片叶绿素含量，作为冠层水平的平均叶绿素含量。最终使得每个试验区对应一条冠层反射光谱和叶片叶绿素含量(LCC)。
LCC＝Dualex*1.56-11.78
步骤1：利用两个特征波段模拟土壤组分的光谱信号。由于植被组分反射率在477nm和677nm两个波段间差异较小，土壤反射率在440-800nm光谱区间近似线性变化，因此，477nm和677nm两个波段间的冠层反射率差异主要由土壤组分决定，利用这两个波段可以推算出土壤组分的信息，具体步骤包括：
步骤1-1：从反射光谱中提取477nm和677nm波段处的反射率数据，并且计算两个波段之间斜率(slope)，如图1(A)所示，具体公式为：
slope＝(RC，677-RC，477)/(677-477)
其中，RC，477和RC，677分别为小麦冠层反射率在477nm和677nm波段处的小麦冠层反射率。
步骤1-2：利用斜率估算出土壤组分光谱在参考波段(定义为477nm)处的反射率，具体公式为：
其中，RC，477为小麦冠层光谱在477nm波段处的反射率，slopemax为最大斜率(设置为0.48)，c为调节系数(设置为0.6)，CRs，477为土壤组分光谱在参考波段477nm处的反射率。
步骤1-3：利用斜率和土壤组分光谱在参考波段的反射率，模拟土壤组分光谱信号，如图1(B)所示，具体公式为：
CRS，λ＝slope×(λ-477)+CRS，477
其中，CRS，λ为模拟的土壤组分信号。
步骤2：剔除土壤组分得到小麦组分的光谱信号，如图1(C)所示，具体公式为：
CRv，λ＝RC，λ-CRS，λ
其中，RC，λ为小麦冠层反射信号，CRv，λ为小麦组分的光谱信号。
步骤2：植被指数AIVI和LICI计算以及LCC估算的具体公式为：
LCC＝52.85×LICI-16.71
LCC＝53.04×AIVI-13.40
其中，CRV，445，CRV，573，CRV，680，CRV，720和CRV，735分别为573nm，680nm，720nm和735nm处的小麦组分光谱反射率。
下面评价本发明提出的土壤影响消除方法在LCC估算方面的表现，估算精度采用均方根误差(Root Mean Square Error，RMSE)描述，计算公式如下所示：
其中，yi和y′i分别为实测和估算的LCC，n为样本个数。
消除土壤影响前，基于AIVI和LICI估算的LCC与实测的LCC关系散点图如图2所示，从中可以看出RMSE分别7.13μg/cm2和7.25μg/cm2。利用本发明消除土壤影响后，基于AIVI和LICI估算的LCC与实测的LCC关系散点图如图3所示，从中可以看出，消除土壤影响后，RMSE分别为6.54μg/cm2和5.53μg/cm2，与土壤影响消除前相比，估算误差分别降低了8％和23％左右。结果表明，本发明方法可以有效消除土壤影响提高LCC的估算精度，尤其选用LICI植被指数估算LCC的精度最高。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进，这些改进应视为本发明的保护范围。
Claims (4)
1.一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，其特征在于，包括以下步骤：
步骤1：提取小麦冠层反射光谱特征波段的反射率，利用两个特征波段模拟土壤组分的光谱信号；
步骤2：剔除土壤组分得到小麦组分光谱信号，计算植被指数估算小麦叶片叶绿素含量。
2.根据权利要求1所述的基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，其特征在于，步骤1中模拟土壤组分光谱信号步骤包括：
步骤1-1：从反射光谱中提取477nm和677nm波段处的反射率数据，并且计算两个波段之间斜率slope，具体公式为：
slope＝(RC,677-RC,477)/(677-477)
其中，RC,477和RC,677分别为小麦冠层反射率在477nm和677nm波段处的小麦冠层反射率；
步骤1-2：利用斜率估算出土壤组分光谱在参考波段处的反射率，参考波段定义为477nm；具体公式为：
其中，RC,477为小麦冠层光谱在477nm波段处的反射率，slopemax为最大斜率，c为调节系数，CRS,477土壤组分光谱在参考波段477nm处的反射率；
步骤1-3：利用斜率和土壤组分光谱在参考波段的反射率，模拟土壤组分光谱信号，具体公式为：
CRS,λ＝slope×(λ-477)+CRS,477
其中，CRS,λ为模拟的土壤组分信号，λ为波长。
3.根据权利要求2所述的基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，其特征在于，最大斜率slopemax定义为干土壤斜率。
4.根据权利要求1所述的基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，其特征在于，步骤2中得到小麦组分光谱信号的公式为：
CRV,λ＝RC,λ-CRS,λ
其中，RC,λ为小麦冠层反射信号，CRV,λ为小麦组分的光谱信号，CRS,λ为模拟的土壤组分信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211163318.2A CN115508314B (zh) | 2022-09-23 | 2022-09-23 | 一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211163318.2A CN115508314B (zh) | 2022-09-23 | 2022-09-23 | 一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115508314A true CN115508314A (zh) | 2022-12-23 |
| CN115508314B CN115508314B (zh) | 2024-06-18 |
Family
ID=84506811
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211163318.2A Active CN115508314B (zh) | 2022-09-23 | 2022-09-23 | 一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115508314B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103293111A (zh) * | 2013-06-07 | 2013-09-11 | 南京农业大学 | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 |
| CN111398178A (zh) * | 2020-04-07 | 2020-07-10 | 中国科学院空天信息创新研究院 | 叶片叶绿素含量反演方法、装置、电子设备及存储介质 |
| CN114169165A (zh) * | 2021-12-06 | 2022-03-11 | 湘潭大学 | 一种三波段植被指数估算镉胁迫下水稻叶绿素的模型方法 |
| WO2022166939A1 (zh) * | 2021-02-08 | 2022-08-11 | 南京农业大学 | 一种基于Sentinel-2卫星影像红边波段改进小麦生长早期叶面积指数估算的方法 |
-
2022
- 2022-09-23 CN CN202211163318.2A patent/CN115508314B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103293111A (zh) * | 2013-06-07 | 2013-09-11 | 南京农业大学 | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 |
| CN111398178A (zh) * | 2020-04-07 | 2020-07-10 | 中国科学院空天信息创新研究院 | 叶片叶绿素含量反演方法、装置、电子设备及存储介质 |
| WO2022166939A1 (zh) * | 2021-02-08 | 2022-08-11 | 南京农业大学 | 一种基于Sentinel-2卫星影像红边波段改进小麦生长早期叶面积指数估算的方法 |
| CN114169165A (zh) * | 2021-12-06 | 2022-03-11 | 湘潭大学 | 一种三波段植被指数估算镉胁迫下水稻叶绿素的模型方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘焕军 等: "基于室内光谱反射率的土壤线影响因素分析", 遥感学报, vol. 12, no. 01, 15 January 2008 (2008-01-15), pages 119 - 127 * |
| 唐怡 等: "土壤背景对冠层NDVI的影响分析", 遥感技术与应用, vol. 21, no. 02, 30 May 2006 (2006-05-30), pages 142 - 148 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115508314B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109187441B (zh) | 基于冠层光谱信息的夏玉米含氮量监测模型的构建方法 | |
| CN110376167A (zh) | 基于无人机高光谱的水稻叶片氮含量监测方法 | |
| CN109948596B (zh) | 一种基于植被指数模型进行水稻识别和种植面积提取的方法 | |
| CN113268923B (zh) | 一种基于模拟多光谱的夏玉米产量估算方法 | |
| CN110567892B (zh) | 一种基于临界氮浓度的夏玉米氮素高光谱预测方法 | |
| CN110069895B (zh) | 冬小麦含氮量全生育时段光谱监测模型建立方法 | |
| CN102175618A (zh) | 一种稻麦叶片氮含量光谱监测模型建模方法 | |
| CN111044516B (zh) | 一种水稻叶绿素含量遥感估测方法 | |
| CN112215090B (zh) | 融合物候知识的遥感水稻制图方法及其应用 | |
| CN110082309B (zh) | 冬小麦冠层spad值综合光谱监测模型建立方法 | |
| CN109916838A (zh) | 一种基于高光谱成像和人工神经网络的水稻种子发芽能力的检测方法 | |
| CN114140695B (zh) | 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和*** | |
| CN110333195A (zh) | 植物叶片水分含量检测方法及装置 | |
| CN112816618A (zh) | 一种氮高效小麦品种的筛选方法 | |
| CN108732137B (zh) | 基于高光谱遥感数据估算植物物种多样性的模型及方法 | |
| CN110967300B (zh) | 一种维管植物物种丰富度估测的高光谱遥感方法 | |
| CN112129709A (zh) | 一种苹果树冠层尺度氮含量诊断方法 | |
| CN114169165B (zh) | 一种三波段植被指数估算镉胁迫下水稻叶绿素的模型方法 | |
| CN116597157B (zh) | 基于特征光谱变化的植物物候提取方法及装置 | |
| CN113065230A (zh) | 基于优化光谱指数建立水稻叶片spad的高光谱反演模型 | |
| CN115508314B (zh) | 一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法 | |
| CN115508356A (zh) | 一种基于氮分配理论的稻麦叶片氮含量高光谱估算方法 | |
| CN117074340A (zh) | 一种基于无人机高光谱遥感图像的小麦氮含量测算方法 | |
| CN109118488B (zh) | 一种红掌新种质耐寒性的鉴定方法 | |
| CN106872383B (zh) | 一种基于连续小波分析的水稻反射光谱红边位置提取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |