【目的】研究无人机多光谱影像对冬小麦光合作用实时监测的可行性,分析不同长势差异的冬小麦对估算模型的影响。【方法】选用16个冬小麦品种作为材料,在无氮处理N_(0)(0 kg N/667m^(2))和正常施氮处理N_(1)(15 kg N/667m^(2))下获得孕...【目的】研究无人机多光谱影像对冬小麦光合作用实时监测的可行性,分析不同长势差异的冬小麦对估算模型的影响。【方法】选用16个冬小麦品种作为材料,在无氮处理N_(0)(0 kg N/667m^(2))和正常施氮处理N_(1)(15 kg N/667m^(2))下获得孕穗期、开花期和灌浆期无人机蓝(B)、绿(G)、红(R)、红边(RE)和近红外(NIR)5个波段的光谱遥感影像,结合同时期4种光合参数胞间CO_(2)浓度(Ci)、气孔导度(Gs)、净光合速率(Pn)和蒸腾速率(Ti),采用梯度增强回归和岭回归方法建立正常施氮处理下开花期和全生育期4个光合参数的估算模型,并用该估算模型估算无氮处理下开花期和全生育期4个光合参数。【结果】梯度增强回归可以较好的预测施氮下开花期净光合速率(Pn),决定系数(R^(2))为0.82,Ci、Gs和Ti的预测反演精度分别为0.44、0.64和0.48,在无氮处理下,该模型估算精度大于0.5的为Pn、Gs和Ti。【结论】岭回归在估算正常施氮下全生育期的4个光合参数时,R^(2)>0.5的是Pn、Gs和Ti,而在无氮处理水平下,该估算模型的预测决定系数R^(2)>0.5的是Gs和Pn。对不同生育期的小麦光合参数的实时监测,可以通过无人机多光谱影像获取的植被指数结合梯度增强回归和岭回归方法来实现。展开更多
文摘【目的】研究无人机多光谱影像对冬小麦光合作用实时监测的可行性,分析不同长势差异的冬小麦对估算模型的影响。【方法】选用16个冬小麦品种作为材料,在无氮处理N_(0)(0 kg N/667m^(2))和正常施氮处理N_(1)(15 kg N/667m^(2))下获得孕穗期、开花期和灌浆期无人机蓝(B)、绿(G)、红(R)、红边(RE)和近红外(NIR)5个波段的光谱遥感影像,结合同时期4种光合参数胞间CO_(2)浓度(Ci)、气孔导度(Gs)、净光合速率(Pn)和蒸腾速率(Ti),采用梯度增强回归和岭回归方法建立正常施氮处理下开花期和全生育期4个光合参数的估算模型,并用该估算模型估算无氮处理下开花期和全生育期4个光合参数。【结果】梯度增强回归可以较好的预测施氮下开花期净光合速率(Pn),决定系数(R^(2))为0.82,Ci、Gs和Ti的预测反演精度分别为0.44、0.64和0.48,在无氮处理下,该模型估算精度大于0.5的为Pn、Gs和Ti。【结论】岭回归在估算正常施氮下全生育期的4个光合参数时,R^(2)>0.5的是Pn、Gs和Ti,而在无氮处理水平下,该估算模型的预测决定系数R^(2)>0.5的是Gs和Pn。对不同生育期的小麦光合参数的实时监测,可以通过无人机多光谱影像获取的植被指数结合梯度增强回归和岭回归方法来实现。
