学科分类
/ 1
2 个结果
  • 简介:摘要 : 水稻叶片叶绿素含量遥感诊断是实现水稻精准施肥的核心要素。本研究通过分析寒地水稻关键生育期叶片高光谱反射率信息,同时结合 PROSPECT模型叶绿素含量吸收系数,参考借鉴现有高光谱植被指数的构造方法和形式,利用相关性分析、连续投影法、遗传算法优化的粗糙集属性简约法进行高光谱特征选择,提出了仅含有 695、 507和 465nm 3个高光谱特征波段的红边优化指数( ORVI)。与 Index Data Base数据库中其他用于叶绿素含量反演植被指数,包括 ND528,587、 SR440,690、 CARI、 MCARI的反演结果进行了对比分析,结果表明: IDB数据库中的已有 4种植被指数叶绿素含量反演模型的决定系数 R2分别为 0.672、 0.630、 0.595和 0.574; ORVI植被所建立的叶绿素含量反演模型的决定系数 R2为 0.726,均方根误差 RMSE为 2.68,精度高于其他植被指数,说明了 ORVI在实际的应用中,能够作为快速反演水稻叶绿素含量的高光谱植被指数。本研究能够为寒地水稻叶绿素含量高光谱遥感诊断及管理决策提供一定的客观数据支撑和模型参考。

  • 标签: 植被指数 叶绿素反演 水稻叶片 高光谱遥感 红边优化指数 ORVI
  • 简介:摘要 : 目前,针对蜂群发生崩溃式消失的现象还缺乏有效的观测和分析手段。本研究在分析蜂群行为与检测特征的基础上,设计了一种基于物联网技术的蜂群多特征长期监测系统。该系统采用太阳能供电,融合了多种传感器,能够检测蜂群的多个特征(蜂箱内部的温度、湿度、蜂群重量、声音和蜜蜂的进出量),并利用无线数据同步传输技术将这些数据上传到远程云服务器中。基于该系统,本研究还进行了针对意大利蜜蜂从 2018年秋季到 2020年春季为期 235天的长期连续监测试验,记录了蜂群在秋衰期、越冬期和春繁期蜂箱内部温度、湿度、蜂群重量、声音和进出量的逐小时的细致变化。试验结果表明,在此期间,蜂箱内的平均温度呈现从 25℃下降到 -5℃再回升至 15℃的抛物线变化,相应的进出巢次数也由大约 8万次 /天减少至 0次 /天再增加至 5万次 /天。在越冬期中,蜂群的重量呈现出大约 25 g/天的线性下降趋势,同时蜂箱内也更为安静,声音的频率集中于 0~64 Hz。由此表明,在不干扰蜂群的情况下,该监测系统获得的特征数据能够有效地揭示蜂群的日常活动和趋势变化,可用来研究蜂群的行为生物学、探索崩溃式的蜂群消失成因以及发展精确化蜜蜂养殖业。

  • 标签: 蜂群监测 智能蜂箱 多特征 智慧农业 物联网技术