检索结果-内蒙古大学图书馆

光谱学与光谱分析 2023年第5期43卷 1532-1540页

作者：樊意广冯海宽刘杨边明博赵钰杨贵军钱建国农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097 南京农业大学国家信息农业工程技术中心江苏南京210095 国家农业信息化工程技术研究中心北京100097 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

植株氮含量(PNC)是评价作物长势和营养状况的重要指标,快速准确获取作物的PNC信息可为农田管理策略的制定与实施提供重要依据。已有研究表明,仅采用影像的光谱信息估算作物的PNC存在饱和现象,该研究尝试采用植被指数(VIs)结合二维离散... 详细信息

植株氮含量(PNC)是评价作物长势和营养状况的重要指标,快速准确获取作物的PNC信息可为农田管理策略的制定与实施提供重要依据。已有研究表明,仅采用影像的光谱信息估算作物的PNC存在饱和现象,该研究尝试采用植被指数(VIs)结合二维离散小波分解技术(DWT)提取的多个尺度的高频信息(HFI)构建一种光谱空间特征(VIs+HFI),探究VIs、 HFI和VIs+HFI估算PNC的能力。首先,以无人机为遥感平台获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期5个氮营养关键生育期的数码影像并实测各生育期的PNC数据。其次,基于预处理的无人机影像,提取各生育期冠层的光谱信息构建VIs,并采用DWT提取各生育期1~5尺度的HFI。然后,将各生育期提取的VIs和HFI与马铃薯PNC进行相关性分析,分别筛选出相关系数绝对值较大的前7个VIs和前10个HFI。为降低共线性对实验结果的影响,根据KMO检验结果对筛选的HFI进行主成分分析(PCA)降维处理。最后,采用岭回归和极限学习机(ELM) 2种方法分别以VIs、 HFI主成分和VIs+HFI主成分为模型变量构建马铃薯各生育期的PNC估算模型,并进行评估。结果表明:(1)马铃薯各生育期,1~5尺度的HFI对估算PNC均有贡献。(2)以VIs+HFI为模型变量构建的马铃薯PNC估算模型的精度和稳定性高于单一VIs和HFI。(3)马铃薯各生育期,以岭回归方法构建的PNC估算模型优于ELM方法。其中,以VIs+HFI为模型变量构建的PNC估算模型效果最优,5个生育期的建模R^(2)分别为0.833、 0.764、 0.791、 0.664和0.435, RMSE分别为0.332%、 0.297%、 0.275%、 0.286%和0.396%;NRMSE分别为9.113%、 9.425%、 10.336%、 9.547%和15.166%,该研究可为马铃薯氮营养状况的实时高效监测提供一种新的技术支撑。

关键词：无人机马铃薯植株氮含量植被指数高频信息

来源：评论

学校读者我要写书评

暂无评论

基于无人机成像高光谱估算马铃薯植株氮含量

引用

光谱学与光谱分析 2023年第5期43卷 1524-1531页

作者：樊意广冯海宽刘杨龙慧灵杨贵军钱建国农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097 南京农业大学国家信息农业工程技术中心江苏南京210095 国家农业信息化工程技术研究中心北京100097 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

植株氮含量(PNC)是评价作物长势和氮营养状况的重要指标,因此,准确高效地获取PNC信息,对动态监测马铃薯长势及精准施控氮肥具有重要意义。首先于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期获取无人机高光谱影像,并基于... 详细信息

植株氮含量(PNC)是评价作物长势和氮营养状况的重要指标,因此,准确高效地获取PNC信息,对动态监测马铃薯长势及精准施控氮肥具有重要意义。首先于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期获取无人机高光谱影像,并基于预处理的影像提取5个生育期冠层的原始光谱和一阶微分光谱;其次将提取的冠层光谱与马铃薯PNC进行相关性分析,筛选出PNC的敏感波长;然后分别利用灰度共生矩阵和1~3阶颜色矩,提取冠层原始光谱特征波长处高光谱图像的纹理和颜色2种图像特征,并将提取的特征与马铃薯PNC进行相关性分析,筛选出相关性较高的前5个图像特征;最后分别基于光谱特征、图像特征和图谱融合特征利用弹性网络回归(ENR)、贝叶斯线性回归(BLR)和极限学习机(ELM)3种方法建立马铃薯PNC估算模型。结果表明:(1)马铃薯5个生育期的冠层光谱特征波长存在差异,但多数位于可见光区域。(2)冠层原始光谱特征波长图像的纹理和颜色特征与PNC的相关性较高,且现蕾期到淀粉积累期的相关性明显高于成熟期。(3)基于单一光谱特征和单一图像特征构建的马铃薯PNC估算模型在现蕾期到淀粉积累期效果较好,成熟期效果较差。(4)现蕾期到淀粉积累期,基于图谱融合特征的马铃薯PNC估算效果明显优于单一光谱特征和单一图像特征。(5)马铃薯各生育期,基于同种变量利用ENR构建的PNC估算模型效果较好,BLR次之,ELM较差。其中,以图谱融合特征为模型变量,利用ENR构建的PNC估算模型精度和稳定性最好,5个生育期的建模R^(2)分别为0.91、0.75、0.82、0.77和0.69,RMSE分别为0.24%、0.31%、0.26%、0.22%和0.29%,NRMSE分别为6.59%、9.79%、9.58%、7.87%和11.03%。该研究可为马铃薯的氮营养监测提供一种快捷高效的技术手段。

关键词：无人机马铃薯高光谱图像特征植株氮含量

来源：评论

学校读者我要写书评

暂无评论

白粉病对小麦光合特性的影响及病害严重度的定量模拟

引用

中国农业科学 2023年第6期56卷 1061-1073页

作者：常春义曹元 Ghulam Mustafa 刘红艳张羽汤亮刘兵朱艳姚霞曹卫星刘蕾蕾南京农业大学农学院/国家信息农业工程技术中心/智慧农业教育部工程研究中心/农业农村部农作物系统分析与决策重点实验室/江苏省信息农业重点实验室/江苏省现代作物生产协同创新中心

【目的】明确白粉病胁迫对小麦光合特性的影响规律，构建白粉病胁迫下小麦光合生产的模拟模型。【方法】以小麦为试验材料，分别于拔节期和孕穗期进行不同接种程度的小麦白粉病试验，明确白粉病对小麦光合特性的影响规律；在此基础上构... 详细信息

【目的】明确白粉病胁迫对小麦光合特性的影响规律，构建白粉病胁迫下小麦光合生产的模拟模型。【方法】以小麦为试验材料，分别于拔节期和孕穗期进行不同接种程度的小麦白粉病试验，明确白粉病对小麦光合特性的影响规律；在此基础上构建小麦白粉病严重度预测模型，量化白粉病对小麦的生理影响；基于单叶净光合速率（P_n）和叶面积指数（LAI），实现小麦白粉病严重度预测模型与作物生长模型（WheatGrow）的耦合。【结果】白粉病胁迫下，小麦单叶P_n和LAI均呈现下降趋势，与对照（CK）相比分别平均下降18.81%和23.41%，且与初始接种程度相比，发病时期对小麦P_n和LAI的影响更为严重；小麦白粉病田间病情发展具有明显的平缓期、指数爆发期和稳定期，总的来说各处理下小麦白粉病流行的时间动态变化特征符合Logistic函数，基于白粉病胁迫对小麦影响的拟合结果，构建小麦白粉病病害胁迫因子，用以反映白粉病对小麦生理指标影响的胁迫效应；基于WheatGrow模型的光合生产子模型，结合小麦白粉病病害胁迫因子，提出模拟白粉病对小麦叶片P_n和LAI效应的算法，并利用独立年份的数据资料对改进后的WheatGrow模型进行检验。【结论】耦合白粉病胁迫因子的WheatGrow模型对白粉病胁迫下小麦叶片P_n、LAI、地上部生物量和产量的预测精度均好于原模型，模拟精度较原模型分别提高了53.29%、43.61%、60.09%和67.57%，改进后的模型可为小麦白粉病严重度的预测与小麦产量损失的定量评估等提供数字化工具和技术支撑。

关键词：冬小麦白粉病光合特性病害严重度预测模型 WheatGrow模型耦合

来源：评论

学校读者我要写书评

暂无评论

二向反射和方向半球反射光谱差异及其对小麦叶片叶绿素含量反演的影响

引用

作物学报 2023年第2期49卷 485-496页

作者：王雪王文辉李栋姚霞朱艳曹卫星程涛南京农业大学国家信息农业工程技术中心/江苏省信息农业重点实验室/农业农村部农作物系统分析与决策重点实验室/智慧农业教育部工程研究中心/现代作物生产省部共建协同创新中心江苏南京210095

二向反射率因子(bidirectional reflectance factor,BRF)和方向半球反射率因子(directional-hemispherical reflectance factor,DHRF)是反射光谱的两种形式,但在生化参数监测过程中,多数研究忽略了BRF和DHRF光谱的差异及其对叶片叶绿素含量(leaf chlorophyll content,LCC)反演的影响。本研究以不同品种、密度及氮素处理的小麦田间小区试验为基础,在叶片尺度获取了BRF和DHRF光谱,并计算相应的植被指数和小波系数,建立了基于植被指数和小波系数的LCC监测模型,定量分析BRF和DHRF光谱、植被指数和小波系数的差异及其对LCC反演的影响。结果表明,1)BRF和DHRF随LCC变化趋势一致,但两种光谱存在显著差异,且BRF光谱值高于DHRF光谱值;2)在一定程度上,应用植被指数和小波系数均可消除BRF和DHRF光谱差异的影响,其中归一化红边植被指数(normalized differential red edge vegetation index,NDRE)和红边叶绿素指数(red edge chlorophyll index,C_(Ired-edge))可以消除BRF和DHRF光谱差异的影响(R^(2)=0.930),但小波系数的性能要优于植被指数(R^(2)=0.995);3)基于DHRF光谱的植被指数和小波系数对LCC的估测能力优于BRF光谱,所有植被指数中NDRE反演效果最好(DHRF:R^(2)=0.957;BRF:R^(2)=0.938;All:R^(2)=0.892),第4尺度765 nm处的小波系数WF(4,675)反演LCC的效果优于NDRE(DHRF:R^(2)=0.985;BRF:R^(2)=0.971;All:R^(2)=0.973),且WF(4,675)消除BRF和DHRF光谱差异对LCC反演的影响能力强于NDRE(WF(4,675):R^(2)=0.973;NDRE:R^(2)=0.892)。综上所述,BRF和DHRF光谱存在差异,且这种差异不能直接忽略。研究明确了BRF和DHRF光谱的差异,为构建基于BRF和DHRF光谱的统一模型及提升冠层尺度LCC精确反演提供理论基础。

关键词：小麦二向反射方向半球反射叶片叶绿素含量植被指数小波系数

来源：评论

学校读者我要写书评

暂无评论

数学形态学辅助下基于光谱指数的作物冠层组分分类

引用

农业工程学报 2022年第7期38卷 163-170页

作者：张羽杨涛马吉锋黄宇郑恒彪程涛田永超朱艳姚霞南京农业大学国家信息农业工程技术中心/江苏省信息农业重点实验室/农业农村部农作物系统分析与决策重点实验室/智慧农业教育部工程研究中心/现代作物生产省部共建协同创新中心南京210095

近地遥感常被用于获取作物冠层组分信息,但在提取叶片反射率时常受到土壤背景、穗和阴影效应的影响。为准确分类并提取作物冠层组分信息,该研究通过分析小麦冠层各组分(光照/阴影叶片、土壤、穗)的光谱及纹理差异,提出了一种光谱指数与... 详细信息

近地遥感常被用于获取作物冠层组分信息,但在提取叶片反射率时常受到土壤背景、穗和阴影效应的影响。为准确分类并提取作物冠层组分信息,该研究通过分析小麦冠层各组分(光照/阴影叶片、土壤、穗)的光谱及纹理差异,提出了一种光谱指数与数学形态学结合的作物冠层组分分类方法,探讨不同生育时期的最佳冠层组分分类方法,并定量分析不同组分的归一化光谱指数与小麦叶片氮含量的关系。结果表明:光谱指数法能较好地区分小麦抽穗前的不同冠层组分,而抽穗期的分类效果易受麦穗影响;光谱指数与数学形态学结合的分类方法能较好地消除麦穗对光照/阴影叶片提取的干扰(总体分类精度为97.80%,Kappa系数为0.97,运行时间3.87 min),该方法的分类精度及运行效率均优于传统分类方法(迭代自组织数据分析算法(Iterative Selforganizing Data Analysis Techniques Algorithm, ISODATA)和最大似然估计(Maximum Likelihood Estimation, MLE));而且,基于光照和阴影叶片的归一化光谱指数对叶片氮含量最敏感。研究结果可为其他作物冠层组分分类和精准农业中农学参数的定量反演提供技术参考。

关键词：冠层组分光谱指数数学形态学高光谱影像光照叶片阴影叶片

来源：评论

学校读者我要写书评

暂无评论

基于不同叶位日光诱导叶绿素荧光信息的水稻叶瘟病早期监测

引用

智慧农业（中英文） 2023年第3期5卷 35-48页

作者：程宇馨薛博文孔媛媛姚东良田龙王雪姚霞朱艳曹卫星程涛南京农业大学国家信息农业工程技术中心/江苏省信息农业重点实验室/农业农村部农作物系统分析与决策重点实验室/智慧农业教育部工程研究中心/现代作物生产省部共建协同创新中心江苏南京210095

[目的/意义]基于遥感手段的稻叶瘟(Rice Leaf Blast,RLB)无损早期监测对于抗性育种和植保防控具有重要作用。目前对稻瘟病的研究多使用反射光谱在其显症阶段进行监测,针对稻叶瘟早期侵染阶段的日光诱导叶绿素荧光(Solar-Induced Chlorop... 详细信息

[目的/意义]基于遥感手段的稻叶瘟(Rice Leaf Blast,RLB)无损早期监测对于抗性育种和植保防控具有重要作用。目前对稻瘟病的研究多使用反射光谱在其显症阶段进行监测,针对稻叶瘟早期侵染阶段的日光诱导叶绿素荧光(Solar-Induced Chlorophyll Fluorescence,SIF)光谱监测研究尚未见报道。本研究的目的是基于不同叶位的日光诱导叶绿素荧光信息,实现水稻叶瘟病早期阶段感病叶片的准确识别。[方法]基于一年的温室接种试验和大田采样实验,配合使用主动光源、ASD(Analytical Spectral Devices)地物光谱仪和FluoWat叶片夹,获取了拔节期和抽穗期水稻植株顶1至顶4叶位的叶片SIF光谱,并人工标注了被测样本的发病等级。研究基于连续小波分析(Continue Wavelet Analysis,CWA)提取对稻叶瘟敏感的小波特征,比较了不同叶位敏感特征及其感病叶片识别精度,最后基于线性判别分析(Linear Discriminant Analysis,LDA)算法构建了稻叶瘟识别模型。[结果和讨论]各叶位感病叶片远红光区域的上行和下行SIF均显著高于健康叶片;基于SIF小波特征的感病叶片识别精度显著高于原始SIF波段,顶1叶的稻瘟病识别精度显著高于其他三个叶位,其识别精度最高可达70%;提取的适用于多叶位的共性敏感小波特征↑WF832,3和↓WF809,3在顶1至顶4叶的精度分别达到69.45%、62.19%、60.35%、63.00%和69.98%、62.78%、60.51%、61.30%。[结论]本研究揭示了稻瘟病胁迫下水稻叶片SIF光谱响应规律,提取了对稻叶瘟敏感的SIF小波特征,结果证明了连续小波分析和SIF技术用于诊断稻叶瘟的潜力,为实现稻瘟病的田间早期、快速、原位诊断提供了重要参考与技术支撑。

关键词：稻瘟病日光诱导叶绿素荧光连续小波光谱分析叶位早期病害监测

来源：评论

学校读者我要写书评

暂无评论

利用无人机高光谱估算冬小麦叶绿素含量

引用

光谱学与光谱分析 2022年第11期42卷 3575-3580页

作者：冯海宽陶惠林赵钰杨福芹樊意广杨贵军农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097 南京农业大学国家信息农业工程技术中心江苏南京210095 河南工程学院土木工程学院河南郑州451191

叶绿素含量(SPAD)是作物长势评价的重要指标,可以监测农作物的生长状况,对农业管理至关重要,因此快速、准确地估算SPAD具有重要意义。以冬小麦为研究对象,利用无人机高光谱获取了拔节期、挑旗期和开花期的影像数据,获取植被指数和红边参... 详细信息

叶绿素含量(SPAD)是作物长势评价的重要指标,可以监测农作物的生长状况,对农业管理至关重要,因此快速、准确地估算SPAD具有重要意义。以冬小麦为研究对象,利用无人机高光谱获取了拔节期、挑旗期和开花期的影像数据,获取植被指数和红边参数,研究植被指数与红边参数估算SPAD的能力。先将植被指数与红边参数分别与不同生育期的SPAD进行相关性分析,再基于植被指数、植被指数结合红边参数,通过偏最小二乘回归(PLSR)方法估算SPAD,最后制作SPAD分布图验证模型的有效性。结果表明,(1)大部分植被指数与红边参数在3个主要生育期与SPAD相关性均达到极显著水平(0.01显著);(2)单个植被指数构建的SPAD估算模型中,LCI表现最好(R^(2)=0.56,RMSE=2.96,NRMSE=8.14%),红边参数中Dr/Dr_(min)表现最好(R^(2)=0.49,RMSE=3.18,NRMSE=8.76%);(3)基于植被指数结合红边参数构建的SPAD估算模型效果最佳,优于仅基于植被指数构建的SPAD估算模型,同时,随着生育期推移,两种模型均在开花期达到最高精度,R^(2)分别为0.73和0.78,RMSE分别为2.49和2.22,NRMSE分别为5.57%和4.95%。因此,基于植被指数结合红边参数,并使用PLSR方法可以更好地估算SPAD,可以为基于无人机遥感的SPAD监测提供一种新的方法,也可为农业管理提供参考。

关键词：冬小麦叶绿素含量植被指数红边参数偏最小二乘回归

来源：评论

学校读者我要写书评

暂无评论

利用无人机多源传感器估算马铃薯植株氮含量

引用

光谱学与光谱分析 2022年第10期42卷 3217-3225页

快速准确地获取作物的植株氮含量(PNC)信息,是农业精细化管理的关键和数字农业发展的研究热点。近年来,随着无人机和传感器技术的发展,利用多种传感器信息监测作物理化参数逐渐引起国内外学者的关注。以马铃薯为研究对象,首先,基于无人... 详细信息

快速准确地获取作物的植株氮含量(PNC)信息,是农业精细化管理的关键和数字农业发展的研究热点。近年来,随着无人机和传感器技术的发展,利用多种传感器信息监测作物理化参数逐渐引起国内外学者的关注。以马铃薯为研究对象,首先,基于无人机获取了马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的高光谱影像和数码影像,同时采集各生育期的地面数码影像,并实测了株高(H)、PNC和11个地面控制点(GCPs)的三维空间坐标。其次,利用无人机数码影像结合GCPs生成试验区域的数字表面模型(DSM),分别从无人机数码影像和DSM中提取马铃薯的地面覆盖度(VC)和株高(H),并利用地面数码影像计算的覆盖度(VC)和实测H验证提取的VC和H的精度。然后,根据高光谱反射率数据计算绿边参数(GEPs),构造GEPs×H×VC,GEPs/(1+VC),(GEPs+VC)×H和GEPs/(1+H)4种融合特征参数(FFPs),对高光谱影像信息和数码影像信息进行融合。最后,将各生育期提取的GEPs和构造的FFPs分别与PNC作相关性分析,筛选最优绿边参数(OGEP)和最优融合特征参数(OFFP)构建5个生育期的PNC线性估算模型,并根据相关性较高的GEPs和FFPs利用偏最小二乘(PLSR)和人工神经网络(ANN)2种回归方法构建PNC的多参数估算模型,结果表明:(1)基于无人机数码影像提取的H和VC具有较高的精度,可以代替实测H和VC估算作物理化参数。(2)与GEPs相比,前4个生育期,构造的大部分FFPs与PNC的相关性更高,能更好地反映马铃薯的氮营养状况。(3)马铃薯5个生育期,OFFP估算PNC的效果优于OGEP。(4)与单参数模型相比,基于GEPs和FFPs利用PLSR和ANN 2种方法构建的模型精度和稳定性均明显提高,其中,以FFPs为模型因子利用ANN方法构建的模型效果最好。该研究表明融合高光谱绿边参数和高清数码相机传感器提取的株高和覆盖度信息能显著提升PNC的估算精度,可为马铃薯氮营养状况的动态无损监测和多源传感器信息的应用提供参考。

关键词：植株氮含量无人机多源传感器绿边株高覆盖度

来源：评论

学校读者我要写书评

暂无评论

基于成像高光谱的小麦冠层白粉病早期监测方法

引用

中国农业科学 2022年第6期55卷 1110-1126页

作者：蔡苇荻张羽刘海燕郑恒彪程涛田永超朱艳曹卫星姚霞南京农业大学农学院/国家信息农业工程技术中心/智慧农业教育部工程研究中心/农业农村部农作物系统分析与决策重点实验室/江苏省信息农业重点实验室/现代作物生产省部共建协同创新中心

【目的】本研究利用近地面成像高光谱仪，获取接种白粉病菌后的小麦田间冠层时序影像，探索光谱信息与纹理信息的结合在冠层尺度上早期监测小麦白粉病的能力和表现。【方法】本试验以不同年份、不同抗病性小麦品种的田间试验为基础，利... 详细信息

【目的】本研究利用近地面成像高光谱仪，获取接种白粉病菌后的小麦田间冠层时序影像，探索光谱信息与纹理信息的结合在冠层尺度上早期监测小麦白粉病的能力和表现。【方法】本试验以不同年份、不同抗病性小麦品种的田间试验为基础，利用连续小波（continuous wavelet transform,CWT）方法提取对小麦白粉病敏感的小波特征，并基于小波特征获取对应的纹理特征，用以构建归一化纹理指数（normalized difference texture index,NDTI），同时选取具有代表性的传统植被指数（vegetation indices,VIs），然后利用偏最小二乘判别分析模型（partial least squares-linear discrimination analysis,PLS-LDA）基于上述特征及组合，建立小麦冠层健康与感病状态识别模型，并利用偏最小二乘回归（partial least-squares regression,PLSR）构建了小麦冠层病情严重度估测模型，并利用该技术基于最优特征及组合判别接种后不同天数的小麦健康与感病状态。【结果】基于 CWT算法入选的 4 个小波特征分别是 6 尺度的 595 nm（黄光区域），5 尺度的 614 nm（红光区域），3 尺度的 708 nm（近红外区域）和 4 尺度的 754 nm（近红外区域）；进一步确定了构建最佳纹理指数组合的纹理特征有：754 nm 处的熵（entropy,ENT）、均值（mean,MEA）、均一性（homogeneity,HOM）,7 008 nm 处的 ENT、HOM,614 nm 处的 ENT、HOM、异质性（dissimilarity, DIS）,595 nm 处的 ENT、HOM、DIS。其中，近红外波段 754 nm 处的纹理特征 MEA表现最优越，与病情严重度的相关性最高（R2=0.67）。本研究进一步发现基于小波特征与纹理特征结合构建的小麦健康与病害判别 PLS-LDA 模型的精度最高，其总体分类精度为 81.17%,Kappa 系数为 0.63；基于光谱指数与纹理指数组合构建的小麦病情严重度 PLSR 模型效果最优，建模和检验 R2分别为 0.76 和 0.71。本研究中最早能够识别的小麦冠层白粉病的病情严重度为 26%左右（接种后 24 d 左右）。【结论】基于小波特征与纹理特征结合构建的小麦健康与病害识别模型能够显著提高病害的分类精度，而光谱指数与纹理指数的特征组合能够显著提高病情严重度的估测精度以及稳定性。本研究方法和结果可为其他作物的病害监测提供借鉴和参考，对现代智慧农业的精确施药提供了技术支持。

关键词：小麦白粉病冠层成像高光谱连续小波纹理特征

来源：评论

学校读者我要写书评

暂无评论

不同光合-CO_(2)响应模型对水稻快速A-C_(i)响应(RACiR)曲线拟合效果的比较研究

引用

南京农业大学学报 2022年第6期45卷 1099-1106页

作者：王雪康敏王偲媛曹卫星朱艳刘兵南京农业大学国家信息农业工程技术中心/智慧农业教育部工程研究中心/农业农村部农作物系统分析与决策重点实验室/江苏省信息农业重点实验室/现代作物生产省部共建协同创新中心江苏南京210095

[目的]光合-CO_(2)响应(photosynthetic carbon assimilation CO_(2)response,A-C_(i))模型是定量研究植物光合特性对环境因子响应的主要手段,也是植物生理和生态学领域的重要研究工具。本文旨在探究合适的测试方法以及数学模型来更好... 详细信息

[目的]光合-CO_(2)响应(photosynthetic carbon assimilation CO_(2)response,A-C_(i))模型是定量研究植物光合特性对环境因子响应的主要手段,也是植物生理和生态学领域的重要研究工具。本文旨在探究合适的测试方法以及数学模型来更好地获取水稻光合参数。[方法]以水稻为试验材料,采用快速A-C_(i)响应(rapid A-C_(i)response,RACiR)曲线与传统的光合-CO_(2)响应曲线测试方法对水稻单叶光合参数进行测量。使用生化模型(FvCB)、直角双曲线模型、Michaelis-Menten模型、非直角双曲线模型、指数函数模型、分段函数模型、叶子飘模型以及指数修正模型对试验数据进行拟合。[结果]RACiR方法通过不同模型获得的参数与A-C_(i)方法测试得到的参数具有较好的一致性,且RACiR技术可节约近50%的测试时间。但也存在不能同步测量荧光数据以及难以实时查看测试数据是否存在异常等弊端。除FvCB外的7种光合-CO_(2)响应模型中,叶子飘模型整体上拟合出的光合特征参数较为可靠。[结论]RACiR测试方法具有较好的可靠性,且相对于传统方法其测试效率显著提高;叶子飘模型在水稻光合作用参数拟合上具有更优的性能。研究结果将为水稻光合作用-CO_(2)响应研究选用合适的测试方式和拟合模型等提供理论依据。

关键词：水稻光合作用 CO_(2)响应模型快速光合-CO_(2)响应曲线

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：