CN114354545A - 一种考虑有机质影响的土壤水分遥感反演方法 - Google Patents
一种考虑有机质影响的土壤水分遥感反演方法 Download PDFInfo
- Publication number
- CN114354545A CN114354545A CN202111581592.7A CN202111581592A CN114354545A CN 114354545 A CN114354545 A CN 114354545A CN 202111581592 A CN202111581592 A CN 202111581592A CN 114354545 A CN114354545 A CN 114354545A
- Authority
- CN
- China
- Prior art keywords
- soil
- water
- remote sensing
- organic matter
- water content
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 191
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000005416 organic matter Substances 0.000 title claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 127
- 230000003595 spectral effect Effects 0.000 claims description 32
- 238000002310 reflectometry Methods 0.000 claims description 30
- 238000001228 spectrum Methods 0.000 claims description 21
- 239000002245 particle Substances 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 230000005855 radiation Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 5
- 238000005507 spraying Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000007921 spray Substances 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 2
- 230000031700 light absorption Effects 0.000 claims description 2
- 230000001678 irradiating effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000003556 assay Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000004016 soil organic matter Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010946 mechanistic model Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 244000037666 field crops Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003333 near-infrared imaging Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种考虑有机质影响的土壤水分遥感反演方法,涉及涉及农业环境检测技术领域,针对现有技术中反演方法不能适用于所有的土壤水分测定的问题,本申请通过一定数学建模方法及统计规律分析得出土壤质量含水量SMCg与土壤颗粒平均水层厚度(L*ε)的关系,并进一步去除土壤有机质含量对反演效果的影响,从而实现土壤高光谱遥感数据快速获得土壤含水量数据,且可结合遥感技术将土壤水含量直观显示于遥感地图,从而为农业、林业和畜牧业提供丰富的土壤水分资料,便于对农业生产进行科学规划,为制定农业生产计划提供依据。并且本申请可以适用于所有的土壤水分测定。
Description
技术领域
本发明涉及涉及农业环境检测技术领域,具体为一种考虑有机质影响的土壤水分遥感反演方法。
背景技术
土壤水分是水文学、气象学、土壤学、生态学和农业科学领域的重要参数,是植物生长和生存的物质基础,它不仅影响林木、大田作物、蔬菜、果树的产量,还影响陆地表面植物的分布。同时也是陆面生态水文循环的重要组成部分,对农业的发展起着重要的作用。
遥感是应用探测仪器且不与探测目标相接触,记录目标的电磁波特性,通过分析揭示出物体的特征性质及其变化的综合性探测技术。遥感技术具有范围广和信息传输快等优点,根据不同的任务,遥感技术可选用不同波段和遥感仪器来获取信息,利用不同波段对物体不同的穿透性,还可获取地物内部信息。
辐射传输方程模型是根据对象、生产过程的内部机制或者物质流的传递机理建立起来的精确数学模型。它是基于质量平衡方程、能量平衡方程、动量平衡方程、相平衡方程以及某些物性方程、化学反应定律、电路基本定律等而获得对象或过程的数学模型。机理模型的优点是参数具有非常明确的物理意义。模型参数易于调整,所得的模型具有很强的适应性。其缺点是对于某些对象,人们还难以写出它的数学表达式,或者表达式中的某些系数还难以确定时,就不能适用。机理模型往往需要大量的参数,这些参数如果不能很好地获取,也会影响到模型的模拟效果。
大范围土壤水分的监测与反演是农业研究和生态环境评价的重要组成部分,区域或全球范围的土壤水环境反演是陆面过程模式研究中必不可少的参数之一。因此土壤水分的遥感反演是一项具有重大意义的研究课题。
目前土壤水分遥感反演方法大致可分为可见光—近红外法(包括反射率法、植被指数法),热红外法(包括热惯量法、温度—植被指数法),微波法,雷达法。但是由于土壤在纹理和结构等方面的不同无法获得被研究的土壤的性质。因此,一种遥感反演方法不能适用于所有的土壤水分测定。
发明内容
本发明的目的是:针对现有技术中反演方法不能适用于所有的土壤水分测定的问题,提出一种考虑有机质影响的土壤水分遥感反演方法。
本发明为了解决上述技术问题采取的技术方案是:
一种考虑有机质影响的土壤水分遥感反演方法,包括以下步骤:
步骤一:获取土壤样本,然后测出土壤样本质量含水量SMCg和土壤样本有机质含量SOM,并得到土壤样本的光谱数据;
步骤二:制造梯度含水量的土壤样本,然后测土壤样本在不同梯度含水量时的光谱数据以及土壤样本在不同梯度含水量时的质量含水量SMCg;
步骤三:将步骤一中得到的光谱数据和步骤二中得到的光谱数据进行滤波处理,得到滤波处理后的光谱数据Rmeas;
步骤四:基于土壤中光的多层辐射传输过程,得到一个只含有土壤平均水层厚度为未知参数的反射率模型Rmod;
步骤五:利用python的minimize函数、滤波处理后的光谱数据Rmeas以及反射率模型Rmod求优化函数的最小值,得到模型反射率光谱与测量反射率光谱最接近时水膜厚度L和湿土粒占土壤的百分比ε,根据模型反射率光谱与测量反射率光谱最接近时水膜厚度L和湿土粒占土壤的百分比ε得到土壤平均水层厚度PSI,即PSI=L*ε,其中,λ为波长,nλ为波长数量,λ1为波长求和上限,λ2为波长求和下限;
步骤六:利用土壤样本在不同梯度含水量时的质量含水量SMCg和土壤平均水层厚度PSI建立平均水层厚度和土壤含水量之间的数学关系;
步骤七:将土壤样本有机质含量SOM作为权重,结合平均水层厚度和土壤含水量之间的数学关系,得到土壤含水量遥感反演模型;
步骤八:利用土壤含水量遥感反演模型对当地土壤含水量信息进行测量和预测。
进一步的,所述反射率模型Rmod表示为:
Rmod=ε*Rws+(1-ε)*Rd,其中ε为湿土粒占土壤的百分比,Rws为光照到湿土粒上的多级发射率,Rd为光照到干土粒只有一次反射,r12为气水界面向空气中反射的反射率,Tw为水对光的吸收作用,t12为气水界面向水中折射的折射率,r21为气水界面向水中反射的反射率,t21为气水界面向空气中的折射率。
进一步的,所述数学关系表示为:
其中,SMCg是土壤含水量,a和b为未知参数,a和b根据不同质地的土壤确定。
进一步的,所述步骤一的具体步骤为:
利用分层抽样法采集二十份土壤样本,并将每份土壤样本分成两组,测量第一组二十份土壤样本的高光谱数据,并测得光谱数据记为Rmeas,再将全部土壤样本烘干测高光谱数据记为Rd。
进一步的,所述步骤二的具体步骤为:
将第二组二十份土壤样本充分混合,然后用小喷壶喷水,制造梯度含水量的土样,之后测土壤样本在不同梯度含水量时的光谱数据以及土壤样本在不同梯度含水量时的质量含水量SMCg。
进一步的,所述滤波处理中光谱数据范围为400nm到2500nm,间隔为1nm。
进一步的,所述波长数量nλ为2101。
进一步的,所述步骤六中数学关系通过SPSS软件建立。
本发明的有益效果是:
本申请通过一定数学建模方法及统计规律分析得出土壤质量含水量SMCg与土壤颗粒平均水层厚度(L*ε)的关系,并进一步去除土壤有机质含量对反演效果的影响,从而实现土壤高光谱遥感数据快速获得土壤含水量数据,且可结合遥感技术将土壤水含量直观显示于遥感地图,从而为农业、林业和畜牧业提供丰富的土壤水分资料,便于对农业生产进行科学规划,为制定农业生产计划提供依据。并且本申请可以适用于所有的土壤水分测定。
附图说明
图1为本申请的原理图;
图2为土壤含水量预测回归模型logistic曲线图;
图3为预测模型logistic曲线拟合效果分析示意图;
图4为曲线预测PSI/logSOM示意图。
具体实施方式
需要特别说明的是,在不冲突的情况下,本申请公开的各个实施方式之间可以相互组合。
具体实施方式一:参照图1具体说明本实施方式,本实施方式所述的一种考虑有机质影响的土壤水分遥感反演方法,包括以下步骤:
步骤一:获取土壤样本,然后测出土壤样本质量含水量SMCg和土壤样本有机质含量SOM,并得到土壤样本的光谱数据;
步骤二:制造梯度含水量的土壤样本,然后测土壤样本在不同梯度含水量时的光谱数据以及土壤样本在不同梯度含水量时的质量含水量SMCg;
步骤三:将步骤一中得到的光谱数据和步骤二中得到的光谱数据进行滤波处理,得到滤波处理后的光谱数据Rmeas;
步骤四:基于土壤中光的多层辐射传输过程,得到一个只含有土壤平均水层厚度为未知参数的反射率模型Rmod;
步骤五:利用python的minimize函数、滤波处理后的光谱数据Rmeas以及反射率模型Rmod求优化函数的最小值,得到模型反射率光谱与测量反射率光谱最接近时水膜厚度L和湿土粒占土壤的百分比ε,根据模型反射率光谱与测量反射率光谱最接近时水膜厚度L和湿土粒占土壤的百分比ε得到土壤平均水层厚度PSI,即PSI=L*ε,其中,λ为波长,nλ为波长数量,λ1为波长求和上限,λ2为波长求和下限;
步骤六:利用土壤样本在不同梯度含水量时的质量含水量SMCg和土壤平均水层厚度PSI建立平均水层厚度和土壤含水量之间的数学关系;
步骤七:将土壤样本有机质含量SOM作为权重,结合平均水层厚度和土壤含水量之间的数学关系,得到土壤含水量遥感反演模型;
步骤八:利用土壤含水量遥感反演模型对当地土壤含水量信息进行测量和预测。
为了更好的测定土壤水分,本申请在现有的土壤水分遥感反演方法及其模型上基于土壤物理、化学和光谱特征进行了改进。
现有的遥感反演方法因其参数建模技术和手段的不同,模型得到的反演方程往往受到时间、空间、植被覆盖、土壤条件等条件限制。在大尺度区域反演情况下,得到的水层厚度—土壤水分重量图像均有着不同程度的差异,这样的方法不能适应大尺度复杂区域的土壤水分反演,故本申请在现有的遥感反演方法的基础上根据实际情况对模型进行了改进。
基于土壤反射率的多层辐射传输模型,本申请提出一种由土壤反射率光谱估算土壤含水量的方法。该模型把湿润的土壤看成覆盖着一层薄膜水的干燥土粒,通过模拟光在土壤中的反射折射投射吸收等过程,计算出土壤的平均水膜厚度,并将其与土壤质量含水量联系起来,从而实现土壤含水量的遥感估算,具体步骤如下:
第一步:在某地区利用分层抽样法采集二十份土样土壤,在实验室测量其土壤有机质含量,土壤有机质含量等理化性质,并将每份土样分成两组。
第二步:在实验室测量第一组二十份土样的高光谱数据,测得光谱数据记为Rmeas,再将全部土样烘干测高光谱数据记为Rd,数据范围为400nm-2500nm。
第三步:将第二组二十份土样充分混合,用小喷壶喷水,制造梯度含水量的土样,对每个含水量梯度按照第二步的步骤进行操作。
第四步:我们的模型将整块土壤看作湿土与干土的连续统一结合体,光照到干土粒只有一次反射即为Rd,湿土粒表面包裹着一层水膜,水膜厚度为L,湿土粒占土壤的百分比为ε。光照到湿土粒上,在水膜表面有部分光直接被反射回空气中(r12),另一部分光则以折射t12入水膜,穿过水膜到达土粒表面经一次反射Rd,而水对光的有两次吸收作用(Tw)。光到达水气交界处时,一部分光以折射的形式进入空气,另一部分则通过反射回到水膜中参与后续的辐射传输过程。(详见图1)
第九步:根据得到的遥感模型对当地土壤含水量信息进行测量和预测。
实施例:
第一步:在一块样地内取20个不同的土样,在实验室中测出其土壤质量含水量SMCg和有机质含量SOM并获得其光谱数据。
第二步:取其中一块土样烘干,并用喷壶向土样喷水,制造梯度含水量的土壤样本,测土壤在不同梯度含水量时的光谱数据并记录其质量含水量。
第三步:对前两步获得的光谱数据进行滤波处理,光谱数据范围为400nm到2500nm,间隔为1nm,记为测量反射率Rmeas
第四步:据机理模型模拟光在土壤中的辐射传输过程,土壤模型反射率为Rmod=ε*Rws+(1-ε)*Rd
第六步:试图建立梯度含水量的土壤的土壤质量含水量SMCg和土壤平均水层厚度PSI之间的关系,利用SPSS软件中自动建模的功能,建立土壤含水量预测回归模型logistic曲线(如图2和图3所示),以相关系数R2为参考标准,确定函数关系如下:
通过数学变换得:
SMCg=-24.71+0.06375ln(L*ε)
使用此方程即可实现使用光谱数据预测土壤质量含水量的功能,但并未考虑到土壤有机质对光谱数据造成的影响。
第七步:我们考虑将logSOM作为权重,加到上述式子中,以相关系数R2为参考标准,最终确定考虑有机质的质量含水量预测函数如下:
SMCg=-0.8284+0.06375ln(L*ε*log SOM)
使用此公式即可由光谱数据获得较为精确的得到考虑土壤有机质影响的土壤含水量预测值。
图3中自变量为土壤含水率。
需要注意的是,具体实施方式仅仅是对本发明技术方案的解释和说明,不能以此限定权利保护范围。凡根据本发明权利要求书和说明书所做的仅仅是局部改变的,仍应落入本发明的保护范围内。
Claims (8)
1.一种考虑有机质影响的土壤水分遥感反演方法,其特征在于包括以下步骤:
步骤一:获取土壤样本,然后测出土壤样本质量含水量SMCg和土壤样本有机质含量SOM,并得到土壤样本的光谱数据;
步骤二:制造梯度含水量的土壤样本,然后测土壤样本在不同梯度含水量时的光谱数据以及土壤样本在不同梯度含水量时的质量含水量SMCg;
步骤三:将步骤一中得到的光谱数据和步骤二中得到的光谱数据进行滤波处理,得到滤波处理后的光谱数据Rmeas;
步骤四:基于土壤中光的多层辐射传输过程,得到一个只含有土壤平均水层厚度为未知参数的反射率模型Rmod;
步骤五:利用python的minimize函数、滤波处理后的光谱数据Rmeas以及反射率模型Rmod求优化函数的最小值,得到模型反射率光谱与测量反射率光谱最接近时水膜厚度L和湿土粒占土壤的百分比ε,根据模型反射率光谱与测量反射率光谱最接近时水膜厚度L和湿土粒占土壤的百分比ε得到土壤平均水层厚度PSI,即PSI=L*ε,其中,λ为波长,nλ为波长数量,λ1为波长求和上限,λ2为波长求和下限;
步骤六:利用土壤样本在不同梯度含水量时的质量含水量SMCg和土壤平均水层厚度PSI建立平均水层厚度和土壤含水量之间的数学关系;
步骤七:将土壤样本有机质含量SOM作为权重,结合平均水层厚度和土壤含水量之间的数学关系,得到土壤含水量遥感反演模型;
步骤八:利用土壤含水量遥感反演模型对当地土壤含水量信息进行测量和预测。
4.根据权利要求3所述的一种考虑有机质影响的土壤水分遥感反演方法,其特征在于所述步骤一的具体步骤为:
利用分层抽样法采集二十份土壤样本,并将每份土壤样本分成两组,测量第一组二十份土壤样本的高光谱数据,并测得光谱数据记为Rmeas,再将全部土壤样本烘干测高光谱数据记为Rd。
5.根据权利要求4所述的一种考虑有机质影响的土壤水分遥感反演方法,其特征在于所述步骤二的具体步骤为:
将第二组二十份土壤样本充分混合,然后用小喷壶喷水,制造梯度含水量的土样,之后测土壤样本在不同梯度含水量时的光谱数据以及土壤样本在不同梯度含水量时的质量含水量SMCg。
6.根据权利要求5所述的一种考虑有机质影响的土壤水分遥感反演方法,其特征在于所述滤波处理中光谱数据范围为400nm到2500nm,间隔为1nm。
7.根据权利要求6所述的一种考虑有机质影响的土壤水分遥感反演方法,其特征在于所述波长数量nλ为2101。
8.根据权利要求7所述的一种考虑有机质影响的土壤水分遥感反演方法,其特征在于所述步骤六中数学关系通过SPSS软件建立。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111581592.7A CN114354545B (zh) | 2021-12-22 | 2021-12-22 | 一种考虑有机质影响的土壤水分遥感反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111581592.7A CN114354545B (zh) | 2021-12-22 | 2021-12-22 | 一种考虑有机质影响的土壤水分遥感反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114354545A true CN114354545A (zh) | 2022-04-15 |
CN114354545B CN114354545B (zh) | 2023-11-28 |
Family
ID=81102271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111581592.7A Active CN114354545B (zh) | 2021-12-22 | 2021-12-22 | 一种考虑有机质影响的土壤水分遥感反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114354545B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101769868A (zh) * | 2008-12-29 | 2010-07-07 | 中国科学院沈阳应用生态研究所 | 一种土壤水分反射光谱特征分析方法 |
CN103234922A (zh) * | 2013-03-29 | 2013-08-07 | 浙江大学 | 一种基于大样本土壤可见-近红外光谱分类的土壤有机质快速检测方法 |
CN106918566A (zh) * | 2017-03-09 | 2017-07-04 | 长江勘测规划设计研究有限责任公司 | 基于高光谱数据的土壤水分、盐分信息联合提取方法 |
CN107389895A (zh) * | 2017-06-08 | 2017-11-24 | 环境保护部卫星环境应用中心 | 土壤水分混合型遥感反演方法及系统 |
US20180172659A1 (en) * | 2016-12-16 | 2018-06-21 | Farmers Edge Inc. | Classification of Soil Texture and Content by Near-Infrared Spectroscopy |
CN110046415A (zh) * | 2019-04-08 | 2019-07-23 | 中国科学院南京地理与湖泊研究所 | 一种时空精细化的土壤有机质含量遥感动态反演方法 |
CN110907367A (zh) * | 2019-11-09 | 2020-03-24 | 华东师范大学 | 一种基于高光谱遥感的土壤墒情检测方法 |
CN111721714A (zh) * | 2020-06-01 | 2020-09-29 | 东北林业大学 | 一种基于多源光学遥感数据的土壤含水量估算方法 |
-
2021
- 2021-12-22 CN CN202111581592.7A patent/CN114354545B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101769868A (zh) * | 2008-12-29 | 2010-07-07 | 中国科学院沈阳应用生态研究所 | 一种土壤水分反射光谱特征分析方法 |
CN103234922A (zh) * | 2013-03-29 | 2013-08-07 | 浙江大学 | 一种基于大样本土壤可见-近红外光谱分类的土壤有机质快速检测方法 |
US20180172659A1 (en) * | 2016-12-16 | 2018-06-21 | Farmers Edge Inc. | Classification of Soil Texture and Content by Near-Infrared Spectroscopy |
CN106918566A (zh) * | 2017-03-09 | 2017-07-04 | 长江勘测规划设计研究有限责任公司 | 基于高光谱数据的土壤水分、盐分信息联合提取方法 |
CN107389895A (zh) * | 2017-06-08 | 2017-11-24 | 环境保护部卫星环境应用中心 | 土壤水分混合型遥感反演方法及系统 |
CN110046415A (zh) * | 2019-04-08 | 2019-07-23 | 中国科学院南京地理与湖泊研究所 | 一种时空精细化的土壤有机质含量遥感动态反演方法 |
CN110907367A (zh) * | 2019-11-09 | 2020-03-24 | 华东师范大学 | 一种基于高光谱遥感的土壤墒情检测方法 |
CN111721714A (zh) * | 2020-06-01 | 2020-09-29 | 东北林业大学 | 一种基于多源光学遥感数据的土壤含水量估算方法 |
Non-Patent Citations (1)
Title |
---|
于士凯;姚艳敏;王德营;司海青;: "基于高光谱的土壤有机质含量反演研究", 中国农学通报, no. 23, pages 146 - 152 * |
Also Published As
Publication number | Publication date |
---|---|
CN114354545B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103196838B (zh) | 一种海岸河口富营养化高光谱遥感监测方法 | |
Son et al. | Multispectral remote-sensing algorithms for particulate organic carbon (POC): The Gulf of Mexico | |
Carlson et al. | Factors affecting the spectral properties of leaves with special emphasis on leaf water status 1 | |
CN107271382A (zh) | 一种不同生育期油菜叶片spad值遥感估算方法 | |
Song et al. | Using multi-angle hyperspectral data to monitor canopy leaf nitrogen content of wheat | |
Nakaji et al. | Estimation of six leaf traits of East Asian forest tree species by leaf spectroscopy and partial least square regression | |
CN111044516A (zh) | 一种水稻叶绿素含量遥感估测方法 | |
Liu et al. | Estimating leaf chlorophyll contents by combining multiple spectral indices with an artificial neural network | |
Ren et al. | Evaluating cellulose absorption index (CAI) for non-photosynthetic biomass estimation in the desert steppe of Inner Mongolia | |
Zhang et al. | Comparison of various approaches for estimating leaf water content and stomatal conductance in different plant species using hyperspectral data | |
CN109521437A (zh) | 面向植被生化参数探测的多光谱激光雷达波长选择方法 | |
Feng et al. | Performance of the improved two-source energy balance model for estimating evapotranspiration over the heterogeneous surface | |
Peng et al. | Estimating total leaf chlorophyll content of gannan navel orange leaves using hyperspectral data based on partial least squares regression | |
Onoyama et al. | Nitrogen prediction model of rice plant at panicle initiation stage using ground-based hyperspectral imaging: growing degree-days integrated model | |
US20230003642A1 (en) | Methods and Systems for Detecting Water Status in Plants Using Terahertz Radiation | |
CN111220552B (zh) | 考虑光照方向叶片辐射传输模型的叶绿素高光谱反演方法 | |
CN114354545B (zh) | 一种考虑有机质影响的土壤水分遥感反演方法 | |
Tola et al. | Determining soil organic carbon concentration in agricultural fields using a handheld spectroradiometer: Implication for soil fertility measurement | |
Li et al. | Optimizing spectral index to estimate the relative chlorophyll content of the forest under the damage of Erannis jacobsoni Djak in Mongolia | |
Han et al. | Inversion of the fluorescence spectral information of vegetation chlorophyll based on the inverted Gaussian model | |
Afzali et al. | Use of Hand-Held NIR Sensor to Estimate Water Status of Leaves and Soils | |
Liu et al. | Theories and methods for soil nutrient sensing | |
Qu et al. | Drone-Based Multispectral Remote Sensing Inversion for Typical Crop Soil Moisture under Dry Farming Conditions | |
Wang et al. | Nonlinear model prediction of needle chlorophyll content of Picea koraiensis Nakai at different needle ages based on hyperspectral features | |
CN114492726A (zh) | 一种基于遥感数据的森林可燃物含水率反演算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |