基于作物生长监测诊断仪的双季稻叶干重监测模型

本文旨在验证作物生长监测诊断仪(crop growth monitoring and diagnosis apparatus,CGMD)监测双季稻长势指标的准确性,建立基于CGMD的双季稻叶干重监测模型.通过实施8个不同早、晚稻品种和4个施氮水平的小区试验,采用CGMD获取从分蘖期至灌浆期的冠层归一化植被指数(normalized difference vegetation index,NDVI)、差值植被指数(differential vegetation index,DVI)和比值植被指数(ratio vegetation index,RVI),同步采用高光谱仪(analytical sp...

Full description

Saved in:
Bibliographic Details
Published in作物学报 Vol. 47; no. 10; pp. 2028 - 2035
Main Authors 李艳大, 曹中盛, 舒时富, 孙滨峰, 叶春, 黄俊宝, 朱艳, 田永超
Format Journal Article
LanguageChinese
Published 江西省农业科学院农业工程研究所 / 江西省智能农机装备工程研究中心 / 江西省农业信息化工程技术研究中心, 江西南昌330200%南京农业大学 / 国家信息农业工程技术中心, 江苏南京 210095 12.10.2021
Subjects
作物生长监测诊断仪
植被指数
双季稻
叶干重
监测模型
Online AccessGet full text
ISSN0496-3490
DOI10.3724/SP.J.1006.2021.02077

Cover

Abstract 本文旨在验证作物生长监测诊断仪(crop growth monitoring and diagnosis apparatus,CGMD)监测双季稻长势指标的准确性,建立基于CGMD的双季稻叶干重监测模型.通过实施8个不同早、晚稻品种和4个施氮水平的小区试验,采用CGMD获取从分蘖期至灌浆期的冠层归一化植被指数(normalized difference vegetation index,NDVI)、差值植被指数(differential vegetation index,DVI)和比值植被指数(ratio vegetation index,RVI),同步采用高光谱仪(analytical spectral devices field-spec handheld 2,ASD FH2)获取冠层光谱反射率计算NDVI、DVI和RVI;分析2种光谱仪获取的植被指数间的相关关系,验证CGMD的测量精度,建立基于CGMD的叶干重监测模型,并用独立试验数据对模型进行检验.结果表明:早、晚稻叶干重随施氮水平的增加而增大,随生育进程的推进呈"低—高—低"动态变化趋势;CGMD与ASD FH2获取的NDVI、DVI和RVI呈极显著相关,相关系数(correlation coefficient,r)分别为0.9535～0.9972、0.9099～0.9948和0.9298～0.9926,表明2种光谱仪获取的植被指数具有高度的一致性,CGMD可替代价格昂贵的ASD FH2获取NDVI、DVI和RVI.CGMD获取的3个植被指数相比,RVICGMD与叶干重的相关性最高;基于RVICGMD的幂函数模型可准确地监测叶干重,模型建立的决定系数(determination coefficient,R2)为0.8604～0.9216,模型检验的均方根误差(root mean square error,RMSE)、相对均方根误差(relative root mean square error,RRMSE)和r分别为12.97～17.87 g m-2、4.88％～16.79％和0.9951～0.9992.与人工采样测定叶干重相比,利用CGMD可实时准确地获取双季稻叶干重动态变化,在双季稻长势精确诊断和丰产高效栽培中具有应用价值.
AbstractList 本文旨在验证作物生长监测诊断仪(crop growth monitoring and diagnosis apparatus,CGMD)监测双季稻长势指标的准确性,建立基于CGMD的双季稻叶干重监测模型.通过实施8个不同早、晚稻品种和4个施氮水平的小区试验,采用CGMD获取从分蘖期至灌浆期的冠层归一化植被指数(normalized difference vegetation index,NDVI)、差值植被指数(differential vegetation index,DVI)和比值植被指数(ratio vegetation index,RVI),同步采用高光谱仪(analytical spectral devices field-spec handheld 2,ASD FH2)获取冠层光谱反射率计算NDVI、DVI和RVI;分析2种光谱仪获取的植被指数间的相关关系,验证CGMD的测量精度,建立基于CGMD的叶干重监测模型,并用独立试验数据对模型进行检验.结果表明:早、晚稻叶干重随施氮水平的增加而增大,随生育进程的推进呈"低—高—低"动态变化趋势;CGMD与ASD FH2获取的NDVI、DVI和RVI呈极显著相关,相关系数(correlation coefficient,r)分别为0.9535～0.9972、0.9099～0.9948和0.9298～0.9926,表明2种光谱仪获取的植被指数具有高度的一致性,CGMD可替代价格昂贵的ASD FH2获取NDVI、DVI和RVI.CGMD获取的3个植被指数相比,RVICGMD与叶干重的相关性最高;基于RVICGMD的幂函数模型可准确地监测叶干重,模型建立的决定系数(determination coefficient,R2)为0.8604～0.9216,模型检验的均方根误差(root mean square error,RMSE)、相对均方根误差(relative root mean square error,RRMSE)和r分别为12.97～17.87 g m-2、4.88％～16.79％和0.9951～0.9992.与人工采样测定叶干重相比,利用CGMD可实时准确地获取双季稻叶干重动态变化,在双季稻长势精确诊断和丰产高效栽培中具有应用价值.
Author 李艳大
孙滨峰
叶春
田永超
黄俊宝
曹中盛
舒时富
朱艳
AuthorAffiliation 江西省农业科学院农业工程研究所 / 江西省智能农机装备工程研究中心 / 江西省农业信息化工程技术研究中心, 江西南昌330200%南京农业大学 / 国家信息农业工程技术中心, 江苏南京 210095
AuthorAffiliation_xml – name: 江西省农业科学院农业工程研究所 / 江西省智能农机装备工程研究中心 / 江西省农业信息化工程技术研究中心, 江西南昌330200%南京农业大学 / 国家信息农业工程技术中心, 江苏南京 210095
Author_FL LI Yan-Da
SUN Bin-Feng
TIAN Yong-Chao
ZHU Yan
YE Chun
HUANG Jun-Bao
CAO Zhong-Sheng
SHU Shi-Fu
Author_FL_xml – sequence: 1
  fullname: LI Yan-Da
– sequence: 2
  fullname: CAO Zhong-Sheng
– sequence: 3
  fullname: SHU Shi-Fu
– sequence: 4
  fullname: SUN Bin-Feng
– sequence: 5
  fullname: YE Chun
– sequence: 6
  fullname: HUANG Jun-Bao
– sequence: 7
  fullname: ZHU Yan
– sequence: 8
  fullname: TIAN Yong-Chao
Author_xml – sequence: 1
  fullname: 李艳大
– sequence: 2
  fullname: 曹中盛
– sequence: 3
  fullname: 舒时富
– sequence: 4
  fullname: 孙滨峰
– sequence: 5
  fullname: 叶春
– sequence: 6
  fullname: 黄俊宝
– sequence: 7
  fullname: 朱艳
– sequence: 8
  fullname: 田永超
BookMark eNotj8tKw0AYRmdRwVr7Bu5dJf5zTWapxSsFBXVdMpOJKJKAoVRcC6KtFkFdqFjETRWKICjYIr5MLvYtrNTV2XycjzOFCmEUGoRmMNjUIWxuc8NeszGAsAkQbAMBxymgIjApLMokTKJyHO8qoNhh4LqyiBbSTj_pXyRf9_npc37VGV5_53eX2Xvz5_Usu-klg5f89jhtt9LeU94dpO2P9PNteHI-3mTdx_ShOY0mAm8_NuV_ltD20uJWZcWqri-vVuarVoyBCMtX3OBAMxEw4WouNaXUeBoCB7hPicRKCSJ8YYzi3NdYcsmwEVy7rpbEFbSEZsfehhcGXrhT24vqB-HosXZUjxqH6i951I4F_QVn8GW6
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.3724/SP.J.1006.2021.02077
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
DocumentTitle_FL Model for monitoring leaf dry weight of double cropping rice based on crop growth monitoring and diagnosis apparatus
EndPage 2035
ExternalDocumentID zuowxb202110016
GrantInformation_xml – fundername: (本研究由国家重点研发计划项目); "万人计划"青年拔尖人才项目; (国家自然科学基金项目); (江西省科技计划项目); 江西省"双千计划"项目; 江西省"远航工程"项目资助
  funderid: (本研究由国家重点研发计划项目); "万人计划"青年拔尖人才项目; (国家自然科学基金项目); (江西省科技计划项目); 江西省"双千计划"项目; 江西省"远航工程"项目资助
GroupedDBID -04
23M
2B.
4.4
4A8
5GY
5XA
5XE
92G
92I
93N
AAHBH
ABJNI
ACGFS
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CHDYS
CS3
CW9
EBS
EJD
GROUPED_DOAJ
P2P
PSX
RIG
TCJ
TGD
U1G
U5N
ID FETCH-LOGICAL-s1026-db5e1fc46f468c59c333eac0f705d3291bb626d6eeb55dc195941e65c88c92863
ISSN 0496-3490
IngestDate Thu May 29 04:05:30 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 10
Keywords 作物生长监测诊断仪
植被指数
双季稻
叶干重
监测模型
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1026-db5e1fc46f468c59c333eac0f705d3291bb626d6eeb55dc195941e65c88c92863
PageCount 8
ParticipantIDs wanfang_journals_zuowxb202110016
PublicationCentury 2000
PublicationDate 2021-10-12
PublicationDateYYYYMMDD 2021-10-12
PublicationDate_xml – month: 10
  year: 2021
  text: 2021-10-12
  day: 12
PublicationDecade 2020
PublicationTitle 作物学报
PublicationTitle_FL Acta Agronomica Sinica
PublicationYear 2021
Publisher 江西省农业科学院农业工程研究所 / 江西省智能农机装备工程研究中心 / 江西省农业信息化工程技术研究中心, 江西南昌330200%南京农业大学 / 国家信息农业工程技术中心, 江苏南京 210095
Publisher_xml – name: 江西省农业科学院农业工程研究所 / 江西省智能农机装备工程研究中心 / 江西省农业信息化工程技术研究中心, 江西南昌330200%南京农业大学 / 国家信息农业工程技术中心, 江苏南京 210095
SSID ssib031740889
ssib002263356
ssib051369771
ssj0037550
ssib001101042
Score 2.2821534
Snippet 本文旨在验证作物生长监测诊断仪(crop growth monitoring and diagnosis apparatus,CGMD)监测双季稻长势指标的准确性,建立基于CGMD的双季稻叶干重监测模型.通过实施8个不...
SourceID wanfang
SourceType Aggregation Database
StartPage 2028
Title 基于作物生长监测诊断仪的双季稻叶干重监测模型
URI https://d.wanfangdata.com.cn/periodical/zuowxb202110016
Volume 47
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVAON
  databaseName: DOAJ Directory of Open Access Journals
  issn: 0496-3490
  databaseCode: DOA
  dateStart: 20210101
  customDbUrl:
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: https://www.doaj.org/
  omitProxy: true
  ssIdentifier: ssj0037550
  providerName: Directory of Open Access Journals
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3Na9RAFA-1vXgRRcVvenBOJTXJfOzMcZLNUnoQDy30VjYfq6cWtEXpWRCtWgT1oGIRL1UogqBgi_jPdLv2v_C9l-xu2l3c6iXMTn6Z93vvzSbzwssbx7kuk4Ab2Wy6spkKV2Re5hpYZbstCMT8TMMzPKcs35tqZl7MLsiFsYmdStbS6koyna4N_a7kf7wKfeBX_Er2HzzbGxQ6oA3-hSN4GI7H8jGLJTMNFloWCzzqmBp1ZiIW15g2zBpsGIGw2DAjWdignpAZn8WKhZLpkMWa2QbTFnuMYrZO44TMWgLDyAJlacBE2ACA5XjKaoQVp0KFjdCwMEBZGgjUh8lSeJX1iXwMPdX18TD-hTiFFwJDK7tzhMjWSWmN2JATVjBbOwQJkROOq0mxglDYh8DFmpmAsLVSC7RG1IcQBWNIiRDpo6KchV71pUlAWXt-P8QmuE-mB9E900eweieTKdKTiBkytK2RpXoKG5Rpg2FgGK2GYxY-QLNCw0NPY8OQGgqtor0prEz_Vy4K5eAsgpE42r8vkI7FKfC4lqWJwbnHotCzOknUfDSXQVUFAizRBAB4BjERztMhFGiOaK8kbhvHIYW3mWGcJE5gmBI4FowecQ5Rj8cCWTlF_zsbDXcRzcWeP0vdJc1Ikm7jLp9BBUf6e1DTkXrBZboxSH4q8DEGqqwJhFEuF8UOu90FTFGytnuj9qrLEa-svJCXP4vSQEeXTbwWCEzcuDU9i1lTmLkVYCljr9xh6XBB-rXV5fsPEoRg_TZ1wpkIYEXlVV5nUSjm45ueSsZGoHilFCaELQIzLLu_pc8VhKK99Dxek7S7dk_h4rNnZHpjGE_65nKp1Vy6XQkP5k47p8q4ftIWN-kzztjanbNO2N7c2dt5vvfzXefxp87LzYNXvzpvX-x_W__95cn-6-293c-dNw_bG0_b2x87W7vtje_tH18PHj0rMPtbH9rv18858414Lppxy01r3HsQqyk3S2Tut1KhWkLpVJqUcw6LW69V82TGA-MniQpUpvI8kTJLsbaX8HMlU61TE2jFzzvjS8tL-QVn0k-aftbELRtTIZJM61zzTAa5Vs2sqbP0ojNZ6rxYPpTuLR5xzqXRkMvOyf4d8oozvnJ3Nb8KgdZKco08-gfK2Qaa
linkProvider Directory of Open Access Journals
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E4%BD%9C%E7%89%A9%E7%94%9F%E9%95%BF%E7%9B%91%E6%B5%8B%E8%AF%8A%E6%96%AD%E4%BB%AA%E7%9A%84%E5%8F%8C%E5%AD%A3%E7%A8%BB%E5%8F%B6%E5%B9%B2%E9%87%8D%E7%9B%91%E6%B5%8B%E6%A8%A1%E5%9E%8B&rft.jtitle=%E4%BD%9C%E7%89%A9%E5%AD%A6%E6%8A%A5&rft.au=%E6%9D%8E%E8%89%B3%E5%A4%A7&rft.au=%E6%9B%B9%E4%B8%AD%E7%9B%9B&rft.au=%E8%88%92%E6%97%B6%E5%AF%8C&rft.au=%E5%AD%99%E6%BB%A8%E5%B3%B0&rft.date=2021-10-12&rft.pub=%E6%B1%9F%E8%A5%BF%E7%9C%81%E5%86%9C%E4%B8%9A%E7%A7%91%E5%AD%A6%E9%99%A2%E5%86%9C%E4%B8%9A%E5%B7%A5%E7%A8%8B%E7%A0%94%E7%A9%B6%E6%89%80+%2F+%E6%B1%9F%E8%A5%BF%E7%9C%81%E6%99%BA%E8%83%BD%E5%86%9C%E6%9C%BA%E8%A3%85%E5%A4%87%E5%B7%A5%E7%A8%8B%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83+%2F+%E6%B1%9F%E8%A5%BF%E7%9C%81%E5%86%9C%E4%B8%9A%E4%BF%A1%E6%81%AF%E5%8C%96%E5%B7%A5%E7%A8%8B%E6%8A%80%E6%9C%AF%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%2C+%E6%B1%9F%E8%A5%BF%E5%8D%97%E6%98%8C330200%25%E5%8D%97%E4%BA%AC%E5%86%9C%E4%B8%9A%E5%A4%A7%E5%AD%A6+%2F+%E5%9B%BD%E5%AE%B6%E4%BF%A1%E6%81%AF%E5%86%9C%E4%B8%9A%E5%B7%A5%E7%A8%8B%E6%8A%80%E6%9C%AF%E4%B8%AD%E5%BF%83%2C+%E6%B1%9F%E8%8B%8F%E5%8D%97%E4%BA%AC+210095&rft.issn=0496-3490&rft.volume=47&rft.issue=10&rft.spage=2028&rft.epage=2035&rft_id=info:doi/10.3724%2FSP.J.1006.2021.02077&rft.externalDocID=zuowxb202110016
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fzuowxb%2Fzuowxb.jpg