CN103048276A - 一种用于检测作物冠层叶片碳氮比的光谱指数构造方法 - Google Patents
一种用于检测作物冠层叶片碳氮比的光谱指数构造方法 Download PDFInfo
- Publication number
- CN103048276A CN103048276A CN2012105451906A CN201210545190A CN103048276A CN 103048276 A CN103048276 A CN 103048276A CN 2012105451906 A CN2012105451906 A CN 2012105451906A CN 201210545190 A CN201210545190 A CN 201210545190A CN 103048276 A CN103048276 A CN 103048276A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- wavelength
- wavelength band
- reflection rate
- relative reflectance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种用于检测作物冠层叶片碳氮比的光谱指数构造方法,所述方法包括步骤:(1)获取作物冠层500nm~910nm波段范围的高光谱原始反射率数据;(2)利用获取的作物冠层原始反射率计算相对反射率;(3)计算相对反射率光谱曲线中500nm~550nm、680nm~760nm以及760nm~910nm三个子波段范围光谱曲线的斜率;(4)构建用于检测作物冠层叶片碳氮比的光谱指数RCN。采用本发明构造的光谱指数进行作物冠层叶片碳氮比的检测,可以消除光照条件差异对碳氮比检测的影响,同时还可避免已有光谱指数所存在的相邻波长反射率间存在高度相关的问题。
Description
技术领域
本发明涉及一种光谱指数构造方法,尤指一种用于检测作物冠层叶片碳氮比的光谱指数构造方法。
背景技术
碳与氮是作物植株的两个基本元素,它们的代谢状况对作物产量与品质的形成具有重要影响。作物叶片碳氮比(叶片碳含量与氮含量的比值)能够说明碳与氮二者的代谢状况,是一个综合诊断作物植株体内碳氮平衡、营养状况、生长活性和抗病性的重要指标,因此实时、有效和准确地检测作物叶片碳氮比对于田间作物长势诊断和栽培管理具有重要意义。
常规的作物冠层叶片碳氮比的检测,通常是采用田间取样、实验室化验的方式实现,检测不仅耗时费力、成本高,而且具有破坏性和滞后性。近年来,随着高光谱遥感技术的快速发展,应用光谱无损探测技术对诸如作物叶片碳、氮含量的生理生化组分进行无损、快速的检测,已成为当前田间作物长势、营养诊断应用的重要内容。
当前,应用高光谱技术检测作物叶片氮含量的光谱指数方法很多,但用于检测碳氮比的光谱指数方法的报道却不多见,已报道的少数几个用于检测碳氮比的光谱指数,也多是使用两三个特征波长的原始反射率通过简单地数学运算得到,但由于使用的波长较少,相邻波长原始反射率间存在着高度相关性,使得构造的光谱指数用于碳氮比检测时缺乏应有的稳定性。此外,已有的光谱指数使用的是原始反射率信息,而在实际应用中,田间获取作物冠层光谱时易受天空局部云斑阴影暂时或偶然性遮挡,以及一天中不同时间段太阳高度角变化等因素造成的光照条件差异的影响,使得用原始反射率计算的光谱指数往往携带一定的测量误差,用于作物叶片碳氮比检测时必然会产生不必要的检测误差。
发明内容
(一)要解决的技术问题
针对现有技术中的上述缺陷,本发明要解决的技术问题是:提供一种用于检测作物冠层叶片碳氮比的光谱指数构造方法,其能够挖掘高光谱数据中丰富的多波段反射率信息,避免已有光谱指数因使用的波长数过少,相邻波长原始反射率间存在高度相关性,导致检测碳氮比时产生的不稳定问题,同时在一定程度上消除由偶然性云斑阴影或不同测量时段太阳高度角变化等因素产生的光照条件差异造成的光谱测量误差问题,以提高所构造的光谱指数对作物冠层叶片碳氮比检测的准确性和可比性。
(二)技术方案
为解决上述问题,本发明提供了一种用于检测作物冠层叶片碳氮比的光谱指数构造方法,所述方法包括步骤:
(1)获取作物冠层500nm~910nm波段范围的高光谱原始反射率数据;
(2)利用获取的作物冠层原始反射率计算相对反射率;
(3)计算相对反射率曲线中500nm~550nm、680nm~760nm以及760nm~910nm三个子波段范围光谱曲线的斜率;
(4)构建用于检测作物冠层叶片碳氮比的光谱指数RCN。
进一步,步骤(1)按以下方法获取500nm~910nm波段范围的高光谱原始反射率数据:使用可测量作物冠层500nm~910nm波段范围光谱的便携式地物高光谱测量仪,在田间直接测量作物冠层辐亮度或DN值数据,则通过相应的参考板校正参数计算得到作物冠层高光谱原始反射率。
进一步,步骤(1)按以下方法获取500nm~910nm波段范围的高光谱原始反射率数据:使用包含了500nm~910nm波段范围的高光谱遥感影像数据,则通过相应的辐射定标与大气校正处理,得到地表作物冠层的高光谱原始反射率数据。
进一步,步骤(2)按以下方法计算相对反射率:对于获取的由500nm~910nm波段范围内各波长对应的原始反射率形成的光谱曲线,首先进行三点平滑计算得到平滑反射率,然后计算平滑处理后的该光谱曲线反射率的均值,紧接着使用平滑处理后的光谱曲线上各波长对应的反射率除以该均值,所得结果即为500nm~910nm波段范围内各波长对应的相对反射率。
进一步,所述平滑反射率的计算公式为Ri=(ri-1+ri+ri+1)/3,Ri指三点平滑处理后第i个波长所对应的平滑反射率,ri指500nm~910nm波段范围内第i个波长所对应的原始反射率;平滑处理后反射率的均值的计算公式为n指500nm~910nm波段范围内波长的个数,A指平滑处理后反射率的均值;所述500nm~910nm波段范围内各波长对应的相对反射率的计算公式为R′i=Ri/A,R′i指计算得到的第i个波长所对应的相对反射率。
进一步,步骤(3)按以下方法分别计算相对反射率光谱曲线中500nm~550nm、680nm~760nm以及760~910nm三个子波段范围光谱曲线的斜率:以各子波段范围内的波长为自变量,以各波长所对应的相对反射率为因变量,通过一次线性拟合的方式计算得到三个子波段范围的光谱曲线的斜率k。
进一步,所述一次线性拟合的计算公式为R’=b+k×λ,式中,R’为相对反射率;λ为波长;b为线性拟合方程的截距;k为光谱曲线的斜率。
进一步,步骤(4)按以下方法计算可用于检测作物冠层叶片碳氮比的光谱指数RCN:记步骤(3)中的500nm~550nm、680nm~760nm以及760~910nm三个波段范围相对反射光谱曲线的斜率分别为kg、kr和kn,则RCN的计算公式为RCN=(kg+kn)/(2×kr)。
进一步,所述500nm~910nm波段范围的高光谱原始反射率数据是指光谱分辨率小于10nm波段宽度的光谱数据。
(三)有益效果
本发明构造的用于检测作物冠层叶片碳氮比的光谱指数具有以下优点:
(1)避免相邻波长反射率间存在的高度相关性问题。本发明构造的光谱指数使用了500nm~550nm、680nm~760nm以及760~910nm三个波段范围的光谱数据信息,每个光谱范围都包含数十个波长,反射率信息更加丰富,从而可避免现有的只用少数波长反射率所构造的光谱指数,因相邻波长反射率间存在高度相关性而产生检测碳氮比不稳定的问题。
(2)消除光照条件差异的影响。由于光谱测量一般要求晴天无云的天气条件,但在实际田间光谱测量过程中,临时或偶然性天空中云斑对光照的遮挡,以及一天不同时间段太阳高度角变化等原因,往往使得实际田间作物冠层的光照条件发生变化,致使从田间获得的光谱反射率数据携带测量误差,使用这些情况下获取的光谱原始反射率在一定程度上缺乏相互间的可比性和同质性,势必造成计算的光谱指数用于碳氮比的检测时会产生不必要的误差。而本发明由于使用的是相对反射率,可在一定程度上消除不同光照差异条件下获取的原始反射率间的异质性,增强检测叶片碳氮比时光谱数据间的可比性。
(3)适用性强。本发明所构造的光谱指数主要使用500nm~550nm、680nm~760nm以及760~910nm三个波段范围的高光谱数据,这三个范围涉及绿光、红边和近红外高反射平台光谱波段区域,也是与作物生长紧密相关的特征波段范围,既然碳与氮是作物生长器官的基本组成元素,其代谢变化必然也会在多个反射光谱波段范围有所反应,而不只是表现在两三个特征波长反射率的变化响应上,因此以反射率曲线的斜率作为光谱指数的输入参数,既充分应用了多个光谱波长所蕴含的丰富的光谱响应信息,又以简单明了的表现形式来实现,计算方法简单,使得本发明所构造的光谱指数用于检验作物冠层叶片碳氮比具有更好的扩展性和稳定性,适用性较强。
附图说明
图1为本发明所述用于检测作物冠层叶片碳氮比的光谱指数构造方法流程图;
图2为应用光谱指数RCN分别估测冬小麦与大麦叶片碳氮比的效果;
图3为不考虑作物类别时RCN检测作物叶片碳氮比的效果。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,本发明所述用于检测作物冠层叶片碳氮比的光谱指数构造方法,包括步骤:
(1)获取作物冠层500nm~910nm波段范围的高光谱原始反射率数据:如果使用可测量作物冠层500nm~910nm波段范围光谱的便携式地物高光谱测量仪,在田间直接测量作物冠层辐亮度或DN值数据,则通过相应的参考板校正参数计算得到作物冠层高光谱原始反射率;如果使用包含了500nm~910nm波段范围的高光谱遥感影像数据,则通过相应的辐射定标与大气校正处理,得到地表作物冠层的高光谱原始反射率数据。
例如,构造用于检测冬小麦和大麦作物冠层叶片碳氮比的光谱指数RCN,本步骤中应用美国ASD(Analytical Spectral Device)公司生产的便携式地物野外地物高光谱仪,于2010年7月在内蒙古自治区海拉尔农垦大麦田间测量大麦拔节至抽穗期的冠层辐亮度或DN值数据;于2012年4月至5月间在北京昌平小汤山测量了冬小麦拔节到灌浆期间的冠层辐亮度或DN值数据,并通过相应的参考板校正参数各自计算获得两个作物冠层500nm~910nm波段范围高光谱原始反射率。
(2)利用获取的作物冠层原始反射率计算相对反射率;
本步骤中,对于已获取的冬小麦和大麦500nm~910nm波段范围内各波长对应的原始反射率形成的光谱曲线,首先进行三点平滑计算得到平滑反射率(如公式(1)所示),然后计算平滑处理后的该光谱曲线反射率的均值(如公式(2)所示),紧接着使用平滑处理后的光谱曲线上各波长对应的反射率除以该均值,所得结果即为500nm~910nm波段范围内各波长对应的相对反射率(如公式(3)所示)。
Ri=(ri-1+ri+ri+1)/3 (1)
R′i=Ri/A (3)
式中,ri——指500nm~910nm波段范围内第i个波长所对应的原始反射率;
n——指上述500nm~910nm波段范围内波长的个数;
Ri——指三点平滑处理后第i个波长所对应的平滑反射率
R′i——指计算得到的第i个波长所对应的相对反射率;
A——指平滑处理后反射率的均值。
(3)计算相对反射率曲线中500nm~550nm、680nm~760nm以及760nm~910nm三个子波段范围光谱曲线的斜率;
本步骤中,按以下方法分别计算冬小麦和大麦两个作物相对反射率光谱曲线中500nm~550nm、680nm~760nm以及760~910nm三个子波段范围光谱曲线的斜率:以各子波段范围内的波长为自变量,以各波长所对应的相对反射率为因变量,通过一次线性拟合的方式计算得到,三个子波段范围的光谱曲线的斜率即为计算公式(4)中的k值。
R'=b+k×λ (4)
式中,R’——相对反射率;
λ——波长(nm);
b——线性拟合方程的截距;
k——线性拟合方程的斜率,亦即计算所要的光谱曲线的斜率。
(4)构建用于检测作物冠层叶片碳氮比的光谱指数RCN。
本步骤中,分别计算用于检测冬小麦和大麦作物冠层叶片碳氮比的光谱指数RCN时,记步骤(3)中的500nm~550nm、680nm~760nm以及760~910nm三个波段范围相对反射光谱曲线的斜率分别为kg、kr和kn,则RCN的计算如公式(5)所示:
RCN=(kg+kn)/(2×kr) (5)
为进一步说明本发明构造的用于检测叶片碳氮比的光谱指数的应用效果,应用冬小麦与大麦田间实测样点数据来评价本发明涉及的光谱指数RCN检测作物叶片碳氮比的效果。图2显示的是使用本发明构造的光谱指数RCN分别估测冬小麦和大麦冠层叶片碳氮比的拟合方程模型,从图中可以看出拟合的决定系数R2分别为0.612和0.621,均达到极显著水平(p>0.01)。如果不考虑作物类别,将冬小麦与大麦所有样本进行RCN检测叶片碳氮比的效果评价,从图3可以看,利用RCN估算作物叶片碳氮比时,决定系数R2高达0.648,仍是极显著水平,进一步表明本发明所构造的光谱指数RCN检测作物叶片碳氮比具有很强的适用性。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (9)
1.一种用于检测作物冠层叶片碳氮比的光谱指数构造方法,其特征在于,所述光谱指数构造方法包括以下步骤:
(1)获取作物冠层500nm~910nm波段范围的高光谱原始反射率数据;
(2)利用获取的作物冠层原始反射率计算相对反射率;
(3)计算相对反射率曲线中500nm~550nm、680nm~760nm以及760nm~910nm三个子波段范围光谱曲线的斜率;
(4)构建用于检测作物冠层叶片碳氮比的光谱指数RCN。
2.如权利要求1所述的光谱指数构造方法,其特征在于,步骤(1)按以下方法获取500nm~910nm波段范围的高光谱原始反射率数据:使用可测量作物冠层500nm~910nm波段范围光谱的便携式地物高光谱测量仪,在田间直接测量作物冠层辐亮度或DN值数据,则通过相应的参考板校正参数计算得到作物冠层高光谱原始反射率。
3.如权利要求1所述的光谱指数构造方法,其特征在于,步骤(1)按以下方法获取500nm~910nm波段范围的高光谱原始反射率数据:使用包含了500nm~910nm波段范围的高光谱遥感影像数据,则通过相应的辐射定标与大气校正处理,得到地表作物冠层的高光谱原始反射率数据。
4.如权利要求1所述的光谱指数构造方法,其特征在于,步骤(2)按以下方法计算相对反射率:对于获取的由500nm~910nm波段范围内各波长对应的原始反射率形成的光谱曲线,首先进行三点平滑计算得到平滑反射率,然后计算平滑处理后的该光谱曲线反射率的均值,紧接着使用平滑处理后的光谱曲线上各波长对应的反射率除以该均值,所得结果即为500nm~910nm波段范围内各波长对应的相对反射率。
6.如权利要求1所述的光谱指数构造方法,其特征在于,步骤(3)按以下方法分别计算相对反射率光谱曲线中500nm~550nm、680nm~760nm以及760~910nm三个子波段范围光谱曲线的斜率:以各子波段范围内的波长为自变量,以各波长所对应的相对反射率为因变量,通过一次线性拟合的方式计算得到三个子波段范围的光谱曲线的斜率k。
7.如权利要求6所述的光谱指数构造方法,其特征在于,所述一次线性拟合的计算公式为R’=b+k×λ,式中,R’为相对反射率;λ为波长;b为线性拟合方程的截距;k为光谱曲线的斜率。
8.如权利要求1所述的光谱指数构造方法,其特征在于,步骤(4)按以下方法计算可用于检测作物冠层叶片碳氮比的光谱指数RCN:记步骤(3)中的500nm~550nm、680nm~760nm以及760~910nm三个波段范围相对反射光谱曲线的斜率分别为kg、kr和kn,则RCN的计算公式为RCN=(kg+kn)/(2×kr)。
9.如权利要求1所述的光谱指数构造方法,其特征在于,所述500nm~910nm波段范围的高光谱原始反射率数据是指光谱分辨率小于10nm波段宽度的光谱数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210545190.6A CN103048276B (zh) | 2012-12-14 | 2012-12-14 | 一种用于检测作物冠层叶片碳氮比的光谱指数构造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210545190.6A CN103048276B (zh) | 2012-12-14 | 2012-12-14 | 一种用于检测作物冠层叶片碳氮比的光谱指数构造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103048276A true CN103048276A (zh) | 2013-04-17 |
CN103048276B CN103048276B (zh) | 2014-09-03 |
Family
ID=48060995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210545190.6A Active CN103048276B (zh) | 2012-12-14 | 2012-12-14 | 一种用于检测作物冠层叶片碳氮比的光谱指数构造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103048276B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103900989A (zh) * | 2014-04-21 | 2014-07-02 | 上海交通大学 | 盐渍土光谱曲线红外波段遥感反演构建方法 |
CN106248626A (zh) * | 2016-10-09 | 2016-12-21 | 塔里木大学 | 一种土壤腐殖酸含量的检测方法 |
CN106568730A (zh) * | 2016-11-21 | 2017-04-19 | 南京农业大学 | 一种基于近地面高光谱影像的水稻阴阳叶穗识别方法 |
CN109142236A (zh) * | 2018-09-13 | 2019-01-04 | 航天信德智图(北京)科技有限公司 | 基于高分卫星影像的感染松材线虫病枯死马尾松识别系统 |
CN109580493A (zh) * | 2018-11-16 | 2019-04-05 | 长江大学 | 一种快速检测对节白蜡批量种子质量的方法 |
CN111829965A (zh) * | 2020-08-04 | 2020-10-27 | 淮阴师范学院 | 水稻地上部淀粉积累量遥感反演模型和方法 |
CN111855589A (zh) * | 2020-08-04 | 2020-10-30 | 淮阴师范学院 | 水稻叶片氮积累量遥感反演模型和方法 |
CN111855592A (zh) * | 2020-08-04 | 2020-10-30 | 淮阴师范学院 | 水稻单位面积内地上部干物重遥感反演模型和方法 |
CN111855591A (zh) * | 2020-08-04 | 2020-10-30 | 淮阴师范学院 | 水稻地上部碳氮比遥感反演模型和方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08277189A (ja) * | 1995-03-31 | 1996-10-22 | Kawasaki Steel Corp | 堆肥の熟成度評価方法 |
CN102072884A (zh) * | 2010-11-12 | 2011-05-25 | 南京农业大学 | 一种基于光谱技术的小麦叶片糖氮比快速检测方法 |
-
2012
- 2012-12-14 CN CN201210545190.6A patent/CN103048276B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08277189A (ja) * | 1995-03-31 | 1996-10-22 | Kawasaki Steel Corp | 堆肥の熟成度評価方法 |
CN102072884A (zh) * | 2010-11-12 | 2011-05-25 | 南京农业大学 | 一种基于光谱技术的小麦叶片糖氮比快速检测方法 |
Non-Patent Citations (4)
Title |
---|
冯伟等: "基于高光谱遥感的小麦叶片糖氮比监测", 《中国农业科学》, vol. 41, no. 6, 10 June 2008 (2008-06-10) * |
周冬琴等: "基于冠层高光谱参数的水稻叶片碳氮比监测", 《农业工程学报》, vol. 25, no. 3, 31 March 2009 (2009-03-31) * |
李国强等: "基于冠层反射光谱的夏玉米叶片碳氮比监测", 《玉米科学》, vol. 20, no. 3, 15 June 2012 (2012-06-15) * |
田永超等: "用冠层反射光谱预测小麦叶片糖氮量及糖氮比", 《作物学报》, vol. 31, no. 3, 31 March 2005 (2005-03-31) * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103900989A (zh) * | 2014-04-21 | 2014-07-02 | 上海交通大学 | 盐渍土光谱曲线红外波段遥感反演构建方法 |
CN106248626A (zh) * | 2016-10-09 | 2016-12-21 | 塔里木大学 | 一种土壤腐殖酸含量的检测方法 |
CN106568730A (zh) * | 2016-11-21 | 2017-04-19 | 南京农业大学 | 一种基于近地面高光谱影像的水稻阴阳叶穗识别方法 |
CN106568730B (zh) * | 2016-11-21 | 2019-02-05 | 南京农业大学 | 一种基于近地面高光谱影像的水稻阴阳叶穗识别方法 |
CN109142236A (zh) * | 2018-09-13 | 2019-01-04 | 航天信德智图(北京)科技有限公司 | 基于高分卫星影像的感染松材线虫病枯死马尾松识别系统 |
CN109580493A (zh) * | 2018-11-16 | 2019-04-05 | 长江大学 | 一种快速检测对节白蜡批量种子质量的方法 |
CN111829965A (zh) * | 2020-08-04 | 2020-10-27 | 淮阴师范学院 | 水稻地上部淀粉积累量遥感反演模型和方法 |
CN111855589A (zh) * | 2020-08-04 | 2020-10-30 | 淮阴师范学院 | 水稻叶片氮积累量遥感反演模型和方法 |
CN111855592A (zh) * | 2020-08-04 | 2020-10-30 | 淮阴师范学院 | 水稻单位面积内地上部干物重遥感反演模型和方法 |
CN111855591A (zh) * | 2020-08-04 | 2020-10-30 | 淮阴师范学院 | 水稻地上部碳氮比遥感反演模型和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103048276B (zh) | 2014-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103048276B (zh) | 一种用于检测作物冠层叶片碳氮比的光谱指数构造方法 | |
Xu et al. | Retrieving leaf chlorophyll content using a matrix-based vegetation index combination approach | |
CN102313699B (zh) | 作物冠层叶片的全氮含量估算方法 | |
Damm et al. | Modeling the impact of spectral sensor configurations on the FLD retrieval accuracy of sun-induced chlorophyll fluorescence | |
CN107796764B (zh) | 一种基于三波段植被指数的小麦叶面积指数估算模型的构建方法 | |
CN103868880B (zh) | 基于光谱双峰指数的小麦叶片氮含量监测方法及其监测模型的构建方法 | |
Feng et al. | Measuring leaf nitrogen concentration in winter wheat using double-peak spectral reflection remote sensing data | |
CN101762463B (zh) | 一种基于冠层多光谱的烤烟鲜烟叶叶绿素含量测定方法 | |
Sakamoto et al. | Estimating daily gross primary production of maize based only on MODIS WDRVI and shortwave radiation data | |
CN110160967A (zh) | 一种作物冠层叶片的全氮含量估算方法 | |
Li et al. | Prediction of soil organic matter content in a litchi orchard of South China using spectral indices | |
Gitelson et al. | Derivation of canopy light absorption coefficient from reflectance spectra | |
Zude et al. | NIRS as a tool for precision horticulture in the citrus industry | |
CN111044516B (zh) | 一种水稻叶绿素含量遥感估测方法 | |
CN108520127A (zh) | 一种树种叶面积指数的高光谱反演方法 | |
CN113252583B (zh) | 一种基于枯草植被指数计算高寒枯草覆盖度的方法 | |
CN109754127A (zh) | 基于无人机成像高光谱的水稻籽粒直链淀粉含量估测方法 | |
Zhang et al. | Remote estimation of the fraction of absorbed photosynthetically active radiation for a maize canopy in Northeast China | |
CN109543654A (zh) | 一种反映农作物生长状况的改进型植被指数的构建方法 | |
Peng et al. | Assessing spectral indices to estimate the fraction of photosynthetically active radiation absorbed by the vegetation canopy | |
CN109060676A (zh) | 基于高光谱的夏玉米冠层spad值估算模型的确定方法 | |
CN108982406A (zh) | 一种基于算法融合的土壤氮素近红外光谱特征波段选取方法 | |
CN106990056A (zh) | 一种土壤全氮光谱估算模型校正样本集构建方法 | |
CN106018331A (zh) | 多通道光谱系统的稳定性评价方法及预处理优化方法 | |
CN102207453A (zh) | 一种基于冠层多光谱的烤烟地上鲜生物量测定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210508 Address after: 100097 room 301-a315, 03 / F, 11 Shuguang Huayuan Middle Road, Haidian District, Beijing Patentee after: NONGXIN TECHNOLOGY (BEIJING) Co.,Ltd. Address before: 100097, A, building 11, agricultural building, 318 middle garden, Shuguang garden, Beijing, Haidian District, China Patentee before: BEIJING RESEARCH CENTER FOR INFORMATION TECHNOLOGY IN AGRICULTURE |