【目的】研究融合无人机遥感影像多光谱信息和纹理特征估算马铃薯Solanum tuberosum叶面积指数(Leaf area index,LAI)方法,提高马铃薯LAI反演精度。【方法】利用大疆P4M无人机采集2021年2-4月南方冬种马铃薯幼苗期、现蕾期、块茎膨大期...
详细信息
【目的】研究融合无人机遥感影像多光谱信息和纹理特征估算马铃薯Solanum tuberosum叶面积指数(Leaf area index,LAI)方法,提高马铃薯LAI反演精度。【方法】利用大疆P4M无人机采集2021年2-4月南方冬种马铃薯幼苗期、现蕾期、块茎膨大期多光谱影像,用LAI-2000冠层分析仪实测LAI数据。提取影像光谱、纹理等信息,分析植被指数、纹理特征与LAI的相关性,基于R^(2)_(adj)的全子集分析优选特征变量。采用主成分分析,融合光谱和纹理特征,用PCA-MLR(Principal component analysis-multiple linear regression)模型估算马铃薯LAI。【结果】从幼苗期到块茎膨大期,PCA-MLR估算模型优于T-MLR(Texture multiple linear regression)和VIMLR(Vegetation index multiple linear regression)模型,R2分别为0.73、0.59和0.66。【结论】本研究提出一种估算马铃薯LAI的PCA-MLR方法,为马铃薯的长势监测和田间管理提供数据支持。
基于2×2列联表,采用方差比率法(R_(v))、x^(2)检验、Pearson相关系数检验和Spearman秩相关系数检验等方法,对福建君子峰国家级自然保护区江南油杉(Keteleeria fortunei var. cyclolepis)群落乔木层主要树种进行种间关联性分析,并...
详细信息
基于2×2列联表,采用方差比率法(R_(v))、x^(2)检验、Pearson相关系数检验和Spearman秩相关系数检验等方法,对福建君子峰国家级自然保护区江南油杉(Keteleeria fortunei var. cyclolepis)群落乔木层主要树种进行种间关联性分析,并通过主成分分析(PCA)划分生态种组。结果表明,21种主要树种总体表现为不显著负关联,且江南油杉与其他物种多呈不显著相关。210个种对中,正相关的有110对,负相关的有81对,不相关的有19对,正负比1.36。绝大多数种对间呈不显著相关,显著率仅为0.48%,物种间相互独立。Pearson相关系数和Spearman秩相关系数检验结果具有一致性,负相关种对数大于正相关种对数,绝大多数种对不显著,显著率分别为6.19%和7.14%。与x^(2)检验相比,Pearson相关系数和Spearman秩相关系数检验方式更加灵敏。运用PCA二维排序可将主要树种划分为4个生态种组,同一生态种组内物种的生态习性和资源需求相似,多呈正相关,种对间相互依赖共存;不同生态种组间物种多呈负相关,种对间相互竞争。江南油杉群落乔木层主要树种的种间关联性较为松散,大多数物种为独立分布,幼苗存在更新障碍,且幼树个体竞争压力较大,种群规模呈逐渐缩小的趋势。为促进江南油杉种群正常生长与更新,应对江南油杉幼苗进行重点保护。
暂无评论