简介:摘要 : 含水量是表征水稻生理和健康状况的关键参数,精确预测水稻含水量对于水稻育种和大田精准管理具有重要意义。目前,利用无人机搭载光谱图像传感器监测作物生长的研究主要集中在利用植被指数评估作物在单一或者几个生育期的生长参数,针对作物含水量监测的研究非常有限。本研究主要利用多旋翼无人机低空遥感平台获取不同生育期水稻冠层的 RGB图像和多光谱图像,通过提取植被指数和纹理特征,分析水稻的动态生长变化,并构建了基于随机森林回归方法的含水量预测模型。试验结果表明:( 1)从无人机图像提取的植被指数、纹理特征以及地面测量的含水量都能用于监测水稻生长,并且这些参数随水稻生长呈现出了相似的动态变化趋势;( 2)与 RGB图像相比,多光谱图像评估水稻含水量具有更高的潜力,其中归一化光谱指数 NDSI771,611实现了更好的预测精度( R2=0.68, RMSEP=0.039, rRMSE =5.24%);( 3)融合植被指数和纹理特征能够进一步改善含水量的预测结果( R2=0.86, RMSEP=0.026, rRMSE=3.51%),预测误差 RMSEP分别减小了 16.13%和 18.75%。上述结果表明,基于无人机遥感技术监测水稻含水量是可行的,可为农田精准灌溉和田间管理决策提供新思路。
简介:浅沟侵蚀是土壤水蚀的一种重要形态。卷尺法是测量浅沟体积的重要方法。在使用卷尺法测量垄作耕地中的浅沟时会遇到一个难题,即:浅沟深度的测量位置只能选在垄台或垄沟,但无论选在哪里,所测得的浅沟深度都不能直接用来计算浅沟体积,而是需要先将其换算成无垄状态下的浅沟深度;而如何进行这种换算,尚缺乏相关报道。本研究旨在:建立1个可以将在垄台处测得的浅沟深度(测量深度)换算为无垄状态下的浅沟深度(换算深度)的换算公式,以辅助今后的浅沟测量工作;并结合该换算公式和东北黑土区的实测浅沟数据,计算不换算(直接使用测量深度计算浅沟体积)情况下的误差,以探讨换算的必要性。为此,本研究利用平面几何知识建立换算公式,并在黑龙江省鹤山农场鹤北2号小流域加以应用。结果表明:1)换算深度是1个以测量深度和垄台形态(高度、上宽、下宽)为自变量的函数。2)如果不换算(直接使用测量深度计算浅沟体积),会造成高估。垄作影响到浅沟深度的测量,但只要知道垄台形态,就可以将测量深度换算为换算深度。研究结果可以辅助今后的浅沟测量工作,具有一定实用价值。
简介:以呼和塔拉万亩草原为研究区,选用2001、2010、2013、2016四期TM遥感影像提取归一化植被指数(NDVI),将NDVI结果输入到像元二分模型中计算得到研究区各时期植被覆盖度,然后将植被覆盖度划分为6个等级,最后计算覆盖度差值并结合各级覆盖度转移矩阵,分析了万亩草原生态修复前后的植被覆盖度动态变化特征。结果表明,生态修复之前2001、2010年植被覆盖度主要以0-30%为主;在生态修复之后的2013、2016年植被覆盖度显著增加,主要以45-100%为主,2013年植被覆盖度45-100%的面积为11352亩,占总面积71.62%,2016年植被覆盖度45-100%的面积为14563亩,占总面积91.88%,说明植被生长情况明显好转。