毕业论文

打赏
当前位置: 毕业论文 > 生物论文 >

基于叶绿素和干物质敏感植被指数的水稻产量预测

时间:2019-07-20 19:52来源:毕业论文
CI red edge是估测水稻干物质含量的理想植被指数,且在估测水稻产量过程中也具有优势,其R2最高可以达到0.8以上

摘要:水稻在我国粮食生产中占有重要的战略地位,其产量关系着国家的粮食安全。因此,预测水稻最终产量,并建立产量预测模型,具有重要意义。高光谱监测以快速及时、信息量大、省工省时等明显优势,非常有效的解决了产量预测过程中遇到的问题。且基于高光谱数据的植被指数法在水稻产量预测方面有明显的优势。本文以水稻研究对象,采集其不同生育时期的冠层 ASD 数据、地上部分生物量以及最终产量,并以植被指数为手段,分别得到两者相关性。结果表明,CI  red edge是估测水稻干物质含量的理想植被指数,且在估测水稻产量过程中也具有优势,其R2最高可以达到0.8以上。 37261
毕业论文关键词:水稻;干物质;植被指数;产量预测 
The rice yield prediction based on vegetation index that sensitive to chlorophyll and dry matter content Student majoring in Agriculture    Liu Chuchu   Tutor       Cheng Tao Abstract: Rice plays an important strategic role in grain production in China, and its output is related to the country's grain security. Therefore, it is of great significance to predict the yield of rice and to establish a prediction model for rice yield. Compared with the traditional crop yield estimation methods, hyperspectral remote sensing technology has been widely used as an accurate and nondestructive method. Based on the obvious advantage of hyperspectral technology, the vegetation index can be used to predict the yield. In this paper, rice  is  the research object. We collect  the ASD data of  canopy, aboveground biomass in different periods and final output. By means of vegetation index, we get their relevance. Results show that, CI red edge is an ideal vegetation index for estimating dry matter content of rice. It also has advantages in estimating rice yield, because the maximum R2 can reach more than 0.8.
Key words: rice; dry matter; vegetation index; yield predicted  
目  录  
摘要3
关键词3
Abstract3
Key words3
引言(或绪论)3
1 材料与方法4
1.1 试验地概况 5
1.2 材料与试验设计 5
1.3 数据采集 5
1.4 数据处理流程 6
2 结果与分析 7
2.1 水稻地上部生物量与植被指数的关系 7
2.2 水稻实际产量与植被指数的关系12
2.3 水稻实际产量与地上部生物量的关系17
3 讨论  18
3.1 不同时期地上部生物量最适宜的模型不同18
3.2 拔节期相较其他时期更有利于水稻产量预测19
3.3 CIRed-edge可以很好地估计水稻地上部生物量产量 19
3.4 水稻地上部生物量与产量直接相关19
3.5 本实验的不足19
参考文献20
致谢21
 引言 水稻是世界上主要的粮食作物之一,水稻产量是作物光合作用产物的最终形态,产量的形成与干物质的形成息息相关,是一个复杂动态的过程。因此,根据不同物候期水稻各项生理生化指标的动态变化来预测最终产量,并建立产量预测多元回归模型,对于大面积水稻产量预测具有重要意义。 传统水稻产量的估算是采用人工区域调查的方法,该方法调查速度比较慢、工作量大、成本较高,很难及时以及大范围的获取到水稻的长势与产量信息。而高光谱监测以其快速及时、信息量大、省工省时等明显优势,非常有效的解决了传统方法遇到的问题。而其中植被指数法一般利用几个特征波段通过计算其比值、差值或归一化值来定量评估作物产量时空变化,其特点是计算方便、形式简洁。通过可见光和近红外波段的不同组合可得到不同的能反映植物生长状况的植被指数。研究表明,植物叶片在可见光红光波段有很强的吸收特性,在近红外波段有很强的反射特性,这是植被遥感监测的物理基础。基于植被特殊的光谱特性,多波段光学遥感信息组合成的植被指数能包含大量植被生长信息。因此,通过基于高光谱植被指数法来对产量进行预测是很有意义的。 而基于植被指数在水稻产量预测中的应用,在国际上的研究中根据具体应用数据的不同可分为以下几种估产模式: ①产量构成要素—遥感光谱指数的统计相关模式。薛利红等(2005)分析了水稻籽粒产量及其构成因素与各植被指数之间的关系,结果表明通过单一生育期或某个生育阶段的光谱植被指数来直接估测产量精度较低,多生育期复合估产模型精度较高。程乾等(2006)建立了植被指数与水稻有效穗数、千粒重等产量构成要素之间的关系模型。基于产量构成要素与遥感信息的统计相关分析估产模型,在小区域内一般有较高的精确度,但外推精度则受到限制。且对于大区域的水稻遥感估产而言.其构成三要素的数据获取存在一定的难度。 基于叶绿素和干物质敏感植被指数的水稻产量预测:http://www.youerw.com/shengwu/lunwen_35987.html
------分隔线----------------------------
推荐内容