|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 冬小麦叶面积指数高光谱遥感反演方法对比显示文摘冬小麦叶面积指数(LAI,leafarea index)是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性。针对国际上普遍应用的2种高光谱遥感反演LAI模型方法,即回归分析法和BP神经网络法,在介绍2种LAI反演模型的基础上,选择位于黄淮海平原的山东省济南市长清区为研究区域,通过ASD地物光谱仪和SunScan冠层分析系统对冬小麦的冠层光谱及LAI变化进行田间观测,然后利用回归分析法和BP神经网络法构建冬小麦LAI反演模型,将模型估算LAI值和田间观测LAI值进行比对,分析评价2种方法的反演精度。结果表明,BP神经网络法较回归分析法估算冬小麦LAI的精度有较大提高,检验方程的决定系数(R2)为0.990、均方根误差(RMSE)为0.105。利用BP神经网络法构建反演模型能较好的对冬小麦LAI进行反演。研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持,并为大尺度传感器监测冬小麦长势和估产提供参考。 | 夏天 吴文斌 周清波 周勇 | 2013 | 农业工程学报2013，29，3： | 81 |
| 2 | 水稻叶面积指数的高光谱遥感估算模型显示文摘通过不同氮素营养水平的水稻田间试验 ,采用单变量线性与非线性拟合模型和逐步回归分析 ,用1 999年试验数据为训练样本 ,建立水稻LAI的高光谱遥感估算模型 ,用 2 0 0 0年试验数据作为测试样本数据 ,对其精度进行评价和验证。结果表明 ,高光谱变量与LAI之间的拟合分析中 。 | 王秀珍 黄敬峰 李云梅 王人潮 | 2004 | 遥感学报2004，8，1： | 92 |
| 3 | 叶面积指数(LAI)的遥感定量方法综述显示文摘总结了当前遥感定量研究叶面积指数(LAI)的两种主要方法:统计模型法和光学模型法,阐述了各自的机理和研究进展,在此基础上,讨论了两种方法的优缺点及未来的发展趋势。 | 方秀琴 张万昌 | 2003 | 国土资源遥感2003，15，3： | 148 |
| 4 | 植被指数-地表温度构成的特征空间研究显示文摘植被指数和地表温度是描述陆表过程的重要参数,综合通过遥感手段得到的植被指数和地表温度信息,来分析地表的各种植被覆盖、水分含量等变化过程,有助于更好地认知和评价陆表变化过程,是目前遥感和陆表过程研究中比较前沿的一个方向.文中试图解释清楚归一化植被指数(NDVI)和地表温度(Ts)的各种存在关系及其相互转换过程,尤其是根据NDVI和LAI、地表蒸散的关系,利用LAI-Ts构成的三角形特征空间,解释NDVI达到饱和以后的情况,以便更有效地进行应用. | 韩丽娟 王鹏新 王锦地 刘绍民 | 2005 | 中国科学(D辑)2005，35，4： | 65 |
| 5 | 玉米高产创建栽培技术研究进展显示文摘玉米高产创建栽培技术一直是国内外玉米专家研究的热点。通过汇总国内外专家在玉米高产创建方面取得的成绩,得出高产玉米需要关注的2大主要生理指标——不同生育期地上部干物质的变化和不同生育期叶面积指数(LAI);最后总结出玉米高产体系栽培技术:选择合适的品种;选择播种期及播种密度,构建适宜的植株群体结构;培肥土壤和充足的水肥供应;精细播种,加强田间管理,适期收获。 | 冯国良 刘福虎 | 2012 | 山西农业科学2012，40，12： | 63 |
| 6 | 遥感提取植物生理参数LAI/FPAR的研究进展与应用显示文摘植物生理参数LAI/FPAR是2个重要的陆地特征参量。利用遥感光谱模型并结合地面验证是提取区域尺度的LAI/FPAR最有效的途径。提取LAI/FPAR的模型主要有光谱指数模型和辐射传输模型两类,经过精确的辐射标定和大气纠正的遥感数据可以得到较高精度的LAI/FPAR数据。影响LAI/FPAR精度的因素很多,其中主要因素是像元的异质性、植被类型和物候期等。LAI/FPAR与作物产量有更直接的关系,也是大量作物生长模型的基础,利用这些参数可以实现真实的作物产量预测,特别是开展全球尺度的单产预测。 | 吴炳方 曾源 黄进良 | 2004 | 地球科学进展2004，19，4： | 54 |
| 7 | 长白山自然保护区叶面积指数测量及结果显示文摘叶面积指数(LAI)是一个重要的生物结构参数,但是大范围叶面积指数的获取比较困难。当前遥感技术为大范围叶面积指数的测量提供了条件,但遥感得到的叶面积指数需要进一步的地面验证。因此实地叶面积指数的获取具有重要意义。叶面积指数实地测量方法包括直接测量方法和间接光学测量方法,由于直接测量方法具有局限性,而光学测量方法中集聚效应又很重要,该研究采用了考虑集聚效应的光学测量方法,通过观测和计算,长白山自然保护区主要植被类型的叶面积指数分别是:红松阔叶林7 7,云冷杉林6 6,阔叶林3 9,岳桦林3 4。在测量结果的基础上,分析了不同植被类型的叶面积指数的分布情况。通过对实际叶面积指数和有效叶面积指数的比较和分析,发现集聚效应对于使用光学测量方法测量叶面积指数有重要影响。 | 周宇宇 唐世浩 朱启疆 李江涛 孙睿 刘素红 | 2003 | 资源科学2003，25，6： | 54 |
| 8 | 高产棉花打顶调控的群体适宜性研究显示文摘以北疆高产棉花为研究对象,对3种密度条件下不同打顶时间调控的高产棉花光合势、最大叶面积指数(LAImax)、冠层透光率、纤维品质和产量等进行了研究。在密度梯度上,随密度增加棉花产量增加。在225?03和300?03株穐a-1高密度条件下,与同密度下1次打顶(7月5日)相比,2次打顶增产8.4%和13.4%,3次打顶增产6.4%和7.1%。在150?03株穐a-1密度情况下,7月5日1次打顶处理产量最高,2次、3次打顶处理产量分别下降8.2%和6.2%。低密度情况下,棉田苗蕾期LAI较小、漏光损失大,光合势低,是实现高产、超高产的主要限制因子,分期打顶使群体适宜性降低,导致减产。高密度条件下棉花苗蕾期LAI增加,提高了棉花群体光合势;分期打顶使LAI在冠层中的分布向上向下“分异”,保证了较适宜的LAImax及其在冠层中的合理分布。当密度增加至300?03株穐a-1时,纤维比强度显著下降。生产上宜将最高密度(实际收获密度)设定在225?03株穐a-1左右,既能增强棉花群体的适应性,提高产量,且对品质影响不明显。 | 马富裕 程海涛 李少昆 张红 杨建荣 郑重 李鲁华 | 2004 | 中国农业科学2004，37，12： | 41 |
| 9 | 基于PROSPECT+SAIL模型的遥感叶面积指数反演显示文摘以PROSPECT+SAIL模型为基础,从物理机理角度反演植被叶面积指数(LAI)。首先,通过FLAASH模型进行大气校正,使得图像像元值表达植被冠层反射率;然后,根据LOPEX 93数据库和JHU光谱数据库选择植物生化参数和光谱数据,以PROSPECT模型模拟出的植物叶片反射率和透射率作为SAIL模型的输入参数,得到植被冠层反射率,将结果与遥感影像的植被冠层反射率对应,回归出植被LAI;最后,以地面实测数据对遥感反演数据进行验证,并分析了误差的可能来源。 | 蔡博峰 绍霞 | 2007 | 国土资源遥感2007，19，2： | 44 |
| 10 | 夏玉米冠层内PAR截获及FPAR与LAI的关系显示文摘论文通过对河北栾城地区夏玉米生长期内晴天和昙天冠层中PAR的观测,研究了入射PAR、玉米冠层的反射PAR、透过玉米冠层到达地表的PAR、地表的反射PAR、地表反射率、玉米冠层吸收的PAR(APAR)、玉米冠层的反射率及地表反射率的日变化情况;根据冠层中各PAR分量计算出一天中各时刻的PAR吸收系数(FPAR)和日平均值,发现从玉米拔节期到灌浆期FPAR和叶面积指数(LAI)之间有很好的线性关系,其相关系数达0.994。 | 周晓东 朱启疆 王锦地 孙睿 陈雪 吴门新 | 2002 | 自然资源学报2002，17，1： | 41 |
| 11 | MODIS光谱指数监测小麦长势变化研究显示文摘利用多个时次的小麦地面光谱与相应的生理参量测量数据(140组),构建了常见宽波段植被指数形式的MODIS(中分辨率成像光谱仪)光谱指数。首先确定反映作物长势的因子为生物量和LAI(叶面积指数),以地面光谱模拟MODIS的波段1~19,穷尽所有波段两两组合,寻找同时与生物量和LAI关系显著且有物理意义的光谱指数NDSI和RDSI。综合分析得出了3个最佳的波段组合:(b19,b2),(b19,b17)和(b19,b16),这3种组合所对应的NDSI和RDSI与两个长势因子都达到99%显著相关,而且明显优于MODIS自身的植被指数产品MODIS-NDVI和MODIS-EVI。与NDSI相比,RDSI对LAI更敏感。MODIS-EVI比MODIS-NDVI有显著改进,它与长势因子的相关性可达到95%置信度。对MODIS图像的初步分析表明,NDSI(b19,b17)能够增强云与其他地物的差异,有可能改进云的识别精度。 | 张霞 张兵 卫征 陈正超 郑兰芬 | 2005 | 中国图象图形学报(A辑)2005，10，4： | 37 |
| 12 | 西藏高原草原化嵩草草甸生态系统CO_2净交换及其影响因子显示文摘了解生态系统CO2净交换(NEE)的季节变化规律和主要生物因子及环境因子对这些过程的影响将有助于生态系统碳循环过程机理的理解以及大尺度过程的模拟.本研究利用涡度相关技术对位于西藏高原腹地的、世界海拔最高的草地碳通量观测站的NEE及生物和环境因子进行近3年观测,阐明NEE及其组分的动态变化特征和影响因子.草原化嵩草草甸生态系统碳吸收的最大值出现在8月,最大碳排放出现在11月,在生长季初的6月,受降水和植物返青快慢的影响,会出现生态系统碳吸收或排放的年际差异,7~9月表现为碳吸收,其余月份均为碳排放.在生长季,白天的NEE主要受光合有效辐射变化的控制,同时又与叶面积指数交互作用,共同调节光合速率和光合效率的强度.生态系统呼吸主要受温度的控制,同时也受到土壤含水量的显著影响,呼吸商(Q10)与温度呈负相关,而与土壤含水量呈正相关关系.生长季昼夜温差大并不利于生态系统的碳获取.10℃时标准呼吸速率(R10)与土壤水分、温度、叶面积指数和地上生物量呈正相关关系.降水格局影响了土壤水分动态,土壤含水量会显著影响生态系统呼吸的季节变化.生长季初和末期的脉冲性降水会导致生态系统呼吸的迅速上升,从而导致生态系统碳的流失.西藏高原草原化嵩草草甸生长季短,温度低,致使生态系统的叶面积指数偏低,生态系统碳吸收较少,降水格局引起的土壤湿度动态和脉冲性降水将对生态系统呼吸产生了重要影响,从而会影响到生态系统的碳收支水平. | 石培礼 孙晓敏 徐玲玲 张宪洲 何永涛 张东秋 于贵瑞 | 2006 | 中国科学(D辑)2006，36，A01： | 35 |
| 13 | 大豆不同群体叶面积指数及干物质积累与产量的关系显示文摘以垦农4号和垦鉴21号大豆为试验材料,研究了大豆在3种不同密度条件下的叶面积指数及干物质积累动态与产量的关系。结果表明:各品种在不同群体条件下叶面积指数的变化趋势大致呈一抛物线,叶面积指数与产量的相关性在V3和R1达显著水平,R3、R5和R6达极显著水平;不同种植密度、品种间的干物质积累动态均存在差异;各阶段干物质积累量与产量的关系,在R3呈显著正相关,R5呈极显著正相关;KJ21后期群体发育在高密度下仍能维持较高的叶面积指数和干物质积累量,适合密植。 | 张晓艳 杜吉到 郑殿峰 冯乃杰 张玉先 梁喜龙 丁希武 | 2006 | 中国农学通报2006，22，11： | 34 |
| 14 | 基于PROBA/CHRIS遥感数据和PROSAIL模型的春小麦LAI反演显示文摘大面积区域作物叶面积指数(LAI)遥感反演,对指导作物管理具有重要的意义。该文基于2008年5-7月在黑河流域开展的大型星-机-地遥感综合试验获取的多角度高光谱PROBA/CHRIS数据及地面同步观测数据,利用PROSAIL辐射传输模型和神经元网络方法反演春小麦LAI,并利用地面实测LAI进行验证和分析,结果表明:PROBA/CHRIS数据的最佳组合波段为band4(555.1nm)、band9(696.9nm)和band15(871.5nm),利用PROBA/CHRIS数据反演LAI时,3角度组合(0°、36°、55°)反演LAI精度最高(R2=0.854,RMSE=0.344;MAE=0.213)。随着观测角度增加LAI反演精度相应提高,但超过3个角度后,多观测角度数据会带来较大不确定性,影响神经元网络建模,导致LAI反演精度下降。 | 杨贵军 赵春江 邢著荣 黄文江 王纪华 | 2011 | 农业工程学报2011，27，10： | 33 |
| 15 | 水稻叶面积指数及产量信息的空间结构性分析显示文摘通过对水稻抽穗期叶面积指数及产量信息的采样研究,探讨了叶面积指数及产量信息的空间结构性,并建立了半方差函数模型,结果表明该变量具有明显的区域化变量特征和较好的空间结构特征。该文引入区域化变量理论,弥补了单纯采用经典概率统计法对作物信息进行分析的片面性。水稻抽穗期叶面积指数与产量信息之间呈抛物线关系,相关性达显著水平,说明可以通过对叶面积指数的科学调控,使一定尺度范围内的水稻产量获得全面提高。对作物信息进行空间结构性和定量化研究为精确农业的实施提供了必要的技术支撑。 | 薛亚锋 周明耀 徐英 王俊农 顾玉芬 | 2005 | 农业工程学报2005，21，8： | 29 |
| 16 | 图像处理技术在冬小麦叶面积指数测定中的应用显示文摘为了探讨利用图像处理技术测定冬小麦叶面积指数的可行性,在室外光照条件下,固定数码相机高度垂直拍摄冬小麦群体图像,利用图像处理技术获取小麦冠层的图像叶面积指数(ILAI),并用手工测量获得小麦群体实际叶面积指数(LAI),建立ILAI和LAI间与施肥处理有关的关系模型,对该模型的稳定性和实用性进行统计检验。试验结果表明,利用图像处理技术通过ILAI获取小麦LAI是可行的,且简便易行,测量精度和效率都很高。 | 王桂琴 郑丽敏 朱虹 梁振兴 廖树华 | 2004 | 麦类作物学报2004，24，4： | 28 |
| 17 | 基于NDVI与LAI的水稻生长状况研究显示文摘在水稻反射光谱特性与水稻生物参数关系的支持下 ,以吉林省德惠市夏家店镇为研究区 ,探讨了一条基于 TM遥感影像反演得到的归一化植被指数 (NDVI)与地面观测数据叶面积指数(LAI)的水稻生长状况的研究途径 ,并利用 NDVI和 LAI对该区 2 0 0 0年和 2 0 0 1年的水稻生长状况进行了分析研究。 | 彭虓 张树文 | 2002 | 遥感技术与应用2002，17，1： | 27 |
| 18 | 无人机影像反演玉米冠层LAI和叶绿素含量的参数确定显示文摘小型低空无人机(Unmanned Aerial Vehicle,UAV)机动灵活、操作简便,可以按需获取高空间分辨率影像,是育种玉米长势监测的一种重要技术手段。针对UAV影像反演玉米冠层叶面积指数(LAI,Leaf Area Index)和叶绿素含量的参数确定问题,该研究以DJI S1000+无人机为平台,搭载法国Parrot Sequoia相机,获取海南三亚市崖城玉米育种基地的多光谱影像。基于预处理后的UAV影像,采用重采样的方式获得不同分辨率下(0.1~1 m)的不同植被指数,所构建的植被指数包括归一化植被指数(Normalized Difference Vegetation Index,NDVI)、叶绿素指数(Grassland Chlorophyll Index,GCI)、比值植被指数(Ratio Vegetation Index,RVI)、归一化红边红指数(Normalized Difference rededge-red Index,NDIrer)、归一化红边绿指数(Normalized Difference rededge-green Index,NDIreg)和重归一化植被指数(Renormalized Difference Vegetation Index,RDVI),通过将不同分辨率下的不同植被指数与地面实测数据进行回归分析,以获得各分辨率下植被指数与冠层LAI和叶绿素含量的关系模型及其决定系数,以决定系数的大小为依据来确定玉米冠层LAI和叶绿素含量反演的最优空间分辨率和最优植被指数。通过试验发现,在分辨率为0.6 m时,NDVI与地面实测LAI之间的决定系数R^2为0.80,决定系数达到了最大,利用该分辨率下的NDVI反演得到的LAI验证精度R^2达到0.73;在分辨率为0.1 m时,NDIreg与地面实测叶绿素含量之间的决定系数R^2为0.70,决定系数达到最大,利用该分辨率下的NDIreg反演得到的叶绿素含量验证精度R^2达到了0.63。因此得出结论:1)植被指数的选择:①对于玉米冠层LAI的反演来说,不包含绿波段的植被指数的LAI反演精度较高,这说明绿波段对LAI的变化不敏感;②对于玉米冠层叶绿素含量反演来说,包含红边波段的植被指数的反演精度较高,因此影像的红边波段对叶绿素含量的变化非常敏感。2)UAV影像空间分辨率的选择:反演LAI的最优分辨率是0.6 m,此时NDVI与实测LAI的决定系数达到最大;反演冠层叶绿素含量的最优分辨率是0.1~0.3 m范围内,此时NDIreg与实测叶绿素含量的决定系数达到最大。该研究可为UAV反演玉米表型参数时的分辨率和植被指数选择提供参考。 | 苏伟 王伟 刘哲 张明政 边大红 崔彦宏 黄健熙 | 2020 | 农业工程学报2020，36，19： | 28 |
| 19 | 杂交稻新组合再生稻头季及再生季源库特征分析显示文摘以6个两系杂交组合和2个三系杂交组合为材料,比较研究了杂交稻头季与再生季的源库特性和再生稻产量形成的源库关系。结果表明:(1)再生季LAI为头季的1/3左右,再生稻单茎叶面积约为头季稻的1/7~1/3,头季总库容约为再生季的1.5倍,再生稻粒叶比约为头季稻的1.5~2倍;(2)头季稻较大的粒叶比对高产有利;头季稻成熟期LAI较大、粒叶比较小、成熟期单茎鞘干质量较大、茎鞘物质输出率高,有利于再生稻的高产;(3)再生季齐穗期LAI与产量成显著正相关;对高节位再生稻而言,齐穗期单茎叶面积与单茎产量呈极显著正相关,粒叶比与结实率呈负相关、与产量呈极显著负相关。再生稻,特别是高节位再生稻,其源库关系属增源增产型;(4)陆18S/53159、康两优2054、培矮64S/E32和培两优500再生季产量较高,均在5200kg/hm2以上。综合考虑再生季产量与两季总产,在2002年气候条件下,长沙地区最适于再生栽培的杂交稻是培矮64S/E32,其次是康两优2054和T98A/259。 | 易镇邪 屠乃美 陈平平 | 2005 | 中国水稻科学2005，19，3： | 26 |
| 20 | 烟草叶面积指数的高光谱估算模型显示文摘叶面积指数(1eaf area index,LAI)是重要的生物物理参数,亦是各种生态模型、生产力模型以及碳循环研究等的重要生物物理参量,因此具有重要的研究意义。为了探索不同高光谱模型监测烟草LAI的精度,采用盆栽试验,在烟草伸根期,旺长期和成熟期,通过ASD Fieldspec HH光谱仪测定了不同水氮条件和品种下烟草冠层的高光谱反射率,并统计相应的叶面积指数数据。选用4个常用的植被指数RVI(ratio vegetation index)、NDVI(normalized difference vegetation index)、MTVI2(Modifiedsecond triangular vegetation index)、MSAVI(Modified Soil-adjusted vegetation index)和PCA(principal component analysis)、neuralnetwork(NN)3种方法对烟草LAI进行了估算,比较分析了3种方法的估算结果。结果表明,植被指数法,主成分分析,神经网络方法LAI都取得了较为理想的结果,其中植被指数法可以较为精确反演烟草LAI,验证模型确定性系数在0.768—0.852之间,主成分分析方法和神经网络方法精度较高,分别为0.938和0.889。主成分分析方法验证模型的稳定性更好,其验证模型的RMSE(root mean square error)为0.172,低于4个植被指数和神经网络。MTVI2和MSAVI能较好地去除土壤、大气等条件影响,反演精度高于RVI和NDVI。与基于植被指数建立的模型相比,主成分分析和神经网络可以更好的提高LAI的反演精度。 | 张正杨 马新明 贾方方 乔红波 张营武 | 2012 | 生态学报2012，32，1： | 24 |
您所在的机构暂未开通此部分的功能，请联系管理员