CN102374971A - 一种基于高光谱技术的玉米叶片氮含量估算方法 - Google Patents
一种基于高光谱技术的玉米叶片氮含量估算方法 Download PDFInfo
- Publication number
- CN102374971A CN102374971A CN2010102477252A CN201010247725A CN102374971A CN 102374971 A CN102374971 A CN 102374971A CN 2010102477252 A CN2010102477252 A CN 2010102477252A CN 201010247725 A CN201010247725 A CN 201010247725A CN 102374971 A CN102374971 A CN 102374971A
- Authority
- CN
- China
- Prior art keywords
- lnc
- model
- corn
- ndsi
- rsi
- 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.)
- Pending
Links
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 title claims abstract description 56
- 240000008042 Zea mays Species 0.000 title claims abstract description 52
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 52
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 32
- 235000005822 corn Nutrition 0.000 title claims abstract description 32
- 229910052757 nitrogen Inorganic materials 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 26
- 208000003643 Callosities Diseases 0.000 title 1
- 206010020649 Hyperkeratosis Diseases 0.000 title 1
- 230000003595 spectral effect Effects 0.000 claims abstract description 32
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 claims abstract description 20
- 235000009973 maize Nutrition 0.000 claims abstract description 20
- 235000016709 nutrition Nutrition 0.000 claims abstract description 10
- 230000035764 nutrition Effects 0.000 claims abstract description 10
- 238000003745 diagnosis Methods 0.000 claims abstract description 8
- 238000001228 spectrum Methods 0.000 claims description 18
- 238000002310 reflectometry Methods 0.000 claims description 11
- 239000000523 sample Substances 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 5
- 210000003462 vein Anatomy 0.000 claims description 2
- 238000003556 assay Methods 0.000 claims 2
- 238000012544 monitoring process Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000000985 reflectance spectrum Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract 1
- 241000196324 Embryophyta Species 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000002720 Malnutrition Diseases 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 244000037666 field crops Species 0.000 description 1
- 239000000618 nitrogen fertilizer Substances 0.000 description 1
- 235000018343 nutrient deficiency Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007811 spectroscopic assay Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种基于高光谱技术的玉米叶片氮含量估算方法属于农业中作物生理生化指标的获取方法，特别是针对玉米叶片氮含量(LNC)的快速获取方法。本发明针对光谱技术在农业领域中的应用及其存在问题，确定了不同玉米品种可以用同一波段光谱信息对LNC进行估算以及LNC估算的敏感波长，建立了归一化差值光谱指数(NDSI)和比值光谱指数(RSI)2个新的光谱参数，并依据品种建立了玉米LNC和NDSI或RSI的指数模型，这样基于玉米叶片反射光谱的测定实现了玉米LNC的估算。由于不同玉米品种模型采用统一的参数和波长，并且针对不同品种分别建立模型，既增强了模型的普适性又提高了模型预测精度。本发明可以实现玉米LNC的快速诊断，基于此方法开发玉米LNC速测仪可以及时监测玉米叶片氮素营养状况，并指导玉米生产管理。
Description
技术领域 本发明涉及农业中作物生理生化指标的测试方法，特别是针对玉米叶片氮含量(LeafNitrogen Concentration，LNC)无损伤估算方法。
背景技术 玉米叶片氮营养状况是玉米高产栽培管理的重要依据，因此准确、及时地掌握玉米叶片氮含量是玉米生产中氮肥合理施用的基础。而田间快速、准确、及时地测定玉米叶片氮含量已成为当前研究的热点。目前，玉米氮素含量信息的获取方法主要采用传统的常规化学分析，这种方法虽然能准确掌握玉米氮含量，但存在费时、繁琐和需要破坏植株等缺点，尤其是在需要了解作物生长发育早、中期的氮营养状况，为玉米追肥提供施肥决策时，常规的化学分析需要到田间进行破坏性植株采样，然后经过实验室烘干，粉碎，消化和测定等一系列过程，耗时长，结果往往难于及时用于指导作物追肥。外观诊断法虽然可以对作物氮营养状况进行判断，但当出现缺素症状时，往往已经产生危害，为时已晚；同时，外观诊断也存在一定的主观性，往往不能达到精准指导施肥的目的。目前应用的田间速测方法的速度虽快，但精确度不高，受外界环境条件的影响大。随着遥感技术特别是高光谱技术的发展，高光谱遥感具有光谱分辨率高，波段连续性强，光谱信息量大的优点，能够记录作物叶片生长发育中细微的生长变化，可以从高光谱数据中提取比较详细的生物物理和生物化学参数信息，近年来我国利用高光谱技术在水稻、小麦、玉米的氮营养状况诊断方面，已有大量的研究基础。在玉米氮营养状况的光谱获取方面，关于植株氮含量的光谱反射特征及其相关性、植株氮状况估计的光谱参数和高光谱估算模型等，在冠层水平和单叶水平也有了研究报道。但是，由于影响作物光谱特性的因素众多，各种环境因素，品种本身具有的特性都对光谱信息的准确性有一定的影响，传统的冠层水平或单一品种叶片水平获取的光谱信息所建立的模型的普适性不高，已建立的模型精度低等缺点，因此在目前的玉米生产中尚未得到应用。
发明内容 本发明针对传统的光谱信息提取方法进行了改进。我们通过控制外界环境条件消除大田环境不确定性的影响，对3个玉米品种(组合)进行了光谱信息的提取，提出了归一化差值光谱指数(Normalized Difference Spectral Index，NDSI)和比值光谱指数(Ratio SpectralIndex，RSI)概念，并建立了玉米叶片氮含量和NDSI与RSI之间的关系模型，发现NDSI(714，554)和RSI(714，554)可以用来估算玉米LNC，3个品种都可以用上述参数来构建玉米叶片氮含量估算模型，品种间存在差异。
具体实施方式
第一，玉米叶片反射光谱测定。在玉米第6叶展开时进行叶片光谱测定，测定时将样品平置于反射率近似为零的黑色橡胶上或使用专用探头，保证探头紧压在叶片上，并移动探头在叶片叶脉两侧上、中、下部连续测定6次，取平均值作为该叶片的光谱反射率。
第二，特定波长光谱反射率的提取。我们利用3个玉米品种(组合)进行光谱信息提取的研究发现，玉米叶片氮含量(LNC)的敏感波段为500nm～649nm和691nm～730nm，3个品种都在此波段范围内表现极显著的负相关关系，并在同一波长获得最高的相关系数，说明可以利用统一的波段来预测不同品种的LNC。根据第一步玉米反射光谱的测定数据，提取得到特定波长(本发明为714nm和554nm)的光谱反射率。
第三，归一化差值光谱指数(NDSI)和比值光谱指数(RSI)的计算。参照冠层光谱研究中描述植被特征的归一化差值植被指数(Normalized Difference Vegetation Index，NDVI)和比值植被指数(Ratio Vegetation Index，RVI)，利用单叶光谱反射率(R)，提出了归一化差值光谱指数(NDSI)和比值光谱指数(RSI)的概念，具体计算公式如下：
NDSI(λ1，λ2)＝(Rλ1-Rλ2)/(Rλ1+Rλ2)
RSI(λ1，λ2)＝Rλ2/Rλ1
将第二步获得的特定波长(714nm和554nm)的光谱反射率代入以上公式，计算得到NDSI(714，554)和RSI(714，554)。
第四，玉米叶片氮含量的计算。根据构建的玉米LNC估算的优化模型，即玉米LNC与NDSI(714，554)或RSI(714，554)的指数模型，将第三步计算得到的NDSI(714，554)或RSI(714，554)代入相关模型，即可计算得到对应的玉米LNC。3个品种及综合模型如下所示：
玉米LNC与NDSI(714，554)关系模型
模型(I)农大108：LNC＝0.3346e10.872 NDSI(714，554)(n＝24，R2＝0.9605)
模型(II)先玉335：LNC＝0.3750e10.203 NDSI(714，554)(n＝24，R2＝0.8761)
模型(III)ND66：LNC＝0.3119e9.6161 NDSI(714，554)(n＝24，R2＝0.8573)
模型(IV)综合：LNC＝0.4174e9.1303 NDSI(714，554)(n＝72，R2＝0.7423)
模型(I)农大108：LNC＝467.08e-7.5903 RSI(714，554)(n＝24，R2＝0.9570)
模型(II)先玉335：LNC＝203.66e-6.8255 RSI(714，554）(n＝24，R2＝0.8454)
模型(II)ND66：LNC＝309.53e-7.0076 RSI(714，554)(n＝24，R2＝0.8677)
模型(IV)综合：LNC＝183.15e-6.377 RSI(714，554)(n＝72，R2＝0.7374)
利用玉米LNC与NDSI(714，554)或者与RSI(714，554)关系模型均可计算得到玉米LNC，获得较好的预测效果。但根据我们的研究发现，以基于NDSI(714，554)所建指数模型预测精度最高。
基于上述原理建立了一种基于高光谱技术的玉米LNC估算方法，运用该方法建立了光谱信息转化而来的参数，并应用其建立了不同品种的最优化模型。其主要优点在于：第一：和传统测定作物冠层光谱的方法不同，此方法针对的是特定叶片的光谱反射率，避免了传统方法测定光谱信息带来的环境等干扰因素。第二：考虑到实际农业生产中，采用基于某一个品种或多个品种数据建立的模型对其它品种进行诊断时所带来的偏差，本发明建立了依品种估算模型，提高了预测精度。结果表明，以本品种数据所建模型对该品种叶片氮含量进行估算时，农大108、先玉335和ND66的估算偏差分别为-7.2％～5.1％、-8.8％～6.1％、3.8％～9.3％；当以综合模型进行估算时，3个品种(组合)的估算偏差分别为7.5％～18.8％、3.4％～17.1％、-10.5％～-16.1％；当以其他品种所建模型进行估算时，3个品种(组合)最高或最低估算偏差分别为32.7％、31.2％、-35.6％。第三：不同品种模型采用统一的参数和波长，提高了模型的普适性。
基于本方法确定的敏感波段及光谱预测模型为玉米氮素营养诊断及氮素营养诊断速测仪的开发提供了依据。同时，该方法对其它作物的氮营养快速诊断也具有参考价值。
Claims (4)
- 玉米叶片氮含量(LNC)的快速检测/监测方法是基于作物本身具有光谱特性来实现的。利用改进的测定方法使光谱反射率测定不受背景噪音的干扰，不同品种模型采用统一的参数和波长提高了模型的普适性，建立基于不同品种的玉米LNC估算模型提高了模型预测精度，为玉米叶片氮素营养诊断速测仪的开发提供理论依据，本发明要求获得专利权利为：1.玉米叶片光谱反射率的获取方法，包括测定方法：测定时将样品平置于反射率近似为零的黑色橡胶上或使用专用探头，保证探头紧压在叶片上，并移动探头在叶片叶脉两侧上、中、下部连续测定6次，取平均值作为该叶片的光谱反射率。
- 2.确定玉米LNC测定的敏感波段为500nm～649nm和691nm～730nm，发现不同品种都在此波段范围内表现极显著的负相关关系，并在同一波长获得最高的相关系数，说明可以用同一波段光谱信息对LNC进行估算。
- 3.玉米LNC测定的两个敏感波长，即714nm和554nm。
- 4.建立了新的光谱参数，即归一化差值光谱指数(NDSI)和比值光谱指数(RSI)，可以用这两个参数构建模型对玉米LNC进行估算。利用NDSI(714，554)或RSI(714，554)预测玉米LNC的预测模型：玉米LNC与NDSI(714，554)关系模型模型(Ⅰ)农大108：LNC＝0.3346e10.872 NDSI(714，554)(n＝24，R2＝0.9605)模型(Ⅱ)先玉335：LNC＝0.3750e10.203 NDSI(714，554)(n＝24，R2＝0.8761)模型(Ⅲ)ND66：LNC＝0.3119e9.6161 NDSI(714，554)(n＝24，R2＝0.8573)模型(Ⅳ)综合：LNC＝0.4174e9.1303 NDSI(714，554)(n＝72，R2＝0.7423)玉米LNC与RSI(714，554)关系模型模型(Ⅰ)农大108：LNC＝467.08e-7.5903 RSI(714，554)(n＝24，R2＝0.9570)模型(Ⅱ)先玉335：LNC＝203.66e-6.8255 RSI(714，554)(n＝24，R2＝0.8454)模型(Ⅲ)ND66：LNC＝309.53e-7.0076 RSI(714，554)(n＝24，R2＝0.8677)模型(Ⅳ)综合：LNC＝183.15e-6.377 RSI(714，554)(n＝72，R2＝0.7374) 。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010102477252A CN102374971A (zh) | 2010-08-09 | 2010-08-09 | 一种基于高光谱技术的玉米叶片氮含量估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010102477252A CN102374971A (zh) | 2010-08-09 | 2010-08-09 | 一种基于高光谱技术的玉米叶片氮含量估算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102374971A true CN102374971A (zh) | 2012-03-14 |
Family
ID=45793889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010102477252A Pending CN102374971A (zh) | 2010-08-09 | 2010-08-09 | 一种基于高光谱技术的玉米叶片氮含量估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102374971A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103293111A (zh) * | 2013-06-07 | 2013-09-11 | 南京农业大学 | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 |
| CN104406940A (zh) * | 2014-12-01 | 2015-03-11 | 上海理工大学 | 一种打工业蜡大米的无损鉴别方法 |
| CN104541722A (zh) * | 2015-01-06 | 2015-04-29 | 石河子大学 | 一种滴灌玉米氮素营养诊断及推荐追氮的方法 |
| CN104614321A (zh) * | 2015-01-20 | 2015-05-13 | 山东农业大学 | 一种基于光谱图像的作物长势实时监测方法 |
| CN105806791A (zh) * | 2016-03-22 | 2016-07-27 | 新疆农业科学院园艺作物研究所 | 一种扁桃果实发育期叶片氮、磷和钾测定方法 |
| CN104374711B (zh) * | 2014-10-08 | 2016-09-28 | 中国林业科学研究院资源信息研究所 | 一种树木叶面尘土量的确定方法及系统 |
| CN106323880A (zh) * | 2016-07-29 | 2017-01-11 | 河南科技大学 | 基于soc高光谱指数的植物叶片花青素含量估算方法及装置 |
| CN107389573A (zh) * | 2017-07-28 | 2017-11-24 | 中国农业科学院农田灌溉研究所 | 氮营养指数估算方法及装置 |
| CN108007916A (zh) * | 2017-03-16 | 2018-05-08 | 黑龙江八农垦大学 | 希尔伯特黄法建立稻株氮含量的共聚焦显微拉曼测量模型 |
| CN108982386A (zh) * | 2018-07-31 | 2018-12-11 | 中国林业科学研究院资源信息研究所 | 一种檀香叶片全铁含量的多光谱图像确定方法及系统 |
| CN109187398A (zh) * | 2018-11-08 | 2019-01-11 | 河南省农业科学院植物营养与资源环境研究所 | 一种小麦植株氮含量的高光谱测定方法 |
| CN110376167A (zh) * | 2019-07-29 | 2019-10-25 | 北京麦飞科技有限公司 | 基于无人机高光谱的水稻叶片氮含量监测方法 |
| CN111723984A (zh) * | 2020-06-12 | 2020-09-29 | 浙江大学 | 基于植被指数与稻花光谱信息的水稻遥感估产方法 |
| CN113552096A (zh) * | 2021-07-20 | 2021-10-26 | 中国热带农业科学院湛江实验站 | 一种基于光谱的菠萝叶片氮含量估算方法 |
| CN116026772A (zh) * | 2023-03-30 | 2023-04-28 | 黑龙江省农业科学院农业遥感与信息研究所 | 基于高光谱遥感的玉米叶片氮含量预测方法 |
-
2010
- 2010-08-09 CN CN2010102477252A patent/CN102374971A/zh active Pending
Non-Patent Citations (1)
| Title |
|---|
| 周丽丽等: "玉米叶片氮含量的高光谱估算及其品种差异", 《农业工程学报》 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103293111B (zh) * | 2013-06-07 | 2016-01-13 | 南京农业大学 | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 |
| CN103293111A (zh) * | 2013-06-07 | 2013-09-11 | 南京农业大学 | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 |
| CN104374711B (zh) * | 2014-10-08 | 2016-09-28 | 中国林业科学研究院资源信息研究所 | 一种树木叶面尘土量的确定方法及系统 |
| CN104406940A (zh) * | 2014-12-01 | 2015-03-11 | 上海理工大学 | 一种打工业蜡大米的无损鉴别方法 |
| CN104541722A (zh) * | 2015-01-06 | 2015-04-29 | 石河子大学 | 一种滴灌玉米氮素营养诊断及推荐追氮的方法 |
| CN104541722B (zh) * | 2015-01-06 | 2016-08-24 | 石河子大学 | 一种滴灌玉米氮素营养诊断及推荐追氮的方法 |
| CN104614321A (zh) * | 2015-01-20 | 2015-05-13 | 山东农业大学 | 一种基于光谱图像的作物长势实时监测方法 |
| CN104614321B (zh) * | 2015-01-20 | 2017-07-25 | 山东农业大学 | 一种基于光谱图像的作物长势实时监测方法 |
| CN105806791B (zh) * | 2016-03-22 | 2018-05-25 | 新疆农业科学院园艺作物研究所 | 一种扁桃果实发育期叶片氮、磷和钾测定方法 |
| CN105806791A (zh) * | 2016-03-22 | 2016-07-27 | 新疆农业科学院园艺作物研究所 | 一种扁桃果实发育期叶片氮、磷和钾测定方法 |
| CN106323880A (zh) * | 2016-07-29 | 2017-01-11 | 河南科技大学 | 基于soc高光谱指数的植物叶片花青素含量估算方法及装置 |
| CN108007916A (zh) * | 2017-03-16 | 2018-05-08 | 黑龙江八农垦大学 | 希尔伯特黄法建立稻株氮含量的共聚焦显微拉曼测量模型 |
| CN107389573A (zh) * | 2017-07-28 | 2017-11-24 | 中国农业科学院农田灌溉研究所 | 氮营养指数估算方法及装置 |
| CN108982386A (zh) * | 2018-07-31 | 2018-12-11 | 中国林业科学研究院资源信息研究所 | 一种檀香叶片全铁含量的多光谱图像确定方法及系统 |
| CN109187398A (zh) * | 2018-11-08 | 2019-01-11 | 河南省农业科学院植物营养与资源环境研究所 | 一种小麦植株氮含量的高光谱测定方法 |
| CN110376167A (zh) * | 2019-07-29 | 2019-10-25 | 北京麦飞科技有限公司 | 基于无人机高光谱的水稻叶片氮含量监测方法 |
| CN111723984A (zh) * | 2020-06-12 | 2020-09-29 | 浙江大学 | 基于植被指数与稻花光谱信息的水稻遥感估产方法 |
| CN111723984B (zh) * | 2020-06-12 | 2024-06-04 | 浙江大学 | 基于植被指数与稻花光谱信息的水稻遥感估产方法 |
| CN113552096A (zh) * | 2021-07-20 | 2021-10-26 | 中国热带农业科学院湛江实验站 | 一种基于光谱的菠萝叶片氮含量估算方法 |
| CN116026772A (zh) * | 2023-03-30 | 2023-04-28 | 黑龙江省农业科学院农业遥感与信息研究所 | 基于高光谱遥感的玉米叶片氮含量预测方法 |
| CN116026772B (zh) * | 2023-03-30 | 2023-06-02 | 黑龙江省农业科学院农业遥感与信息研究所 | 基于高光谱遥感的玉米叶片氮含量预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102374971A (zh) | 一种基于高光谱技术的玉米叶片氮含量估算方法 | |
| CN101382488B (zh) | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 | |
| CN109187398A (zh) | 一种小麦植株氮含量的高光谱测定方法 | |
| CN107505271B (zh) | 基于氮素组分辐射传输模型的植株氮素估算方法和系统 | |
| 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 | |
| Gnyp et al. | Hyperspectral canopy sensing of paddy rice aboveground biomass at different growth stages | |
| CN102426153B (zh) | 一种基于冠层高光谱指数的小麦植株水分监测方法 | |
| CN102175618B (zh) | 一种稻麦叶片氮含量光谱监测模型建模方法 | |
| CN110376167A (zh) | 基于无人机高光谱的水稻叶片氮含量监测方法 | |
| 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 | |
| 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 | |
| CN112485204A (zh) | 基于高光谱的水稻穗期氮营养监测与诊断方法及应用 | |
| Zhu et al. | Monitoring leaf nitrogen in wheat using canopy reflectance spectra | |
| CN111855591A (zh) | 水稻地上部碳氮比遥感反演模型和方法 | |
| CN103293111A (zh) | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 | |
| CN111855590A (zh) | 水稻叶片淀粉积累量遥感反演模型和方法 | |
| CN102313699A (zh) | 作物冠层叶片的全氮含量估算方法 | |
| CN103185695A (zh) | 一种基于光谱的烤烟成熟度田间快速判断方法 | |
| CN106442338A (zh) | 一种基于svr算法的苹果叶片叶绿素含量高光谱反演方法 | |
| CN109115951A (zh) | 基于冠层结构与冠层光谱的水稻植株全氮估测方法 | |
| CN109060676A (zh) | 基于高光谱的夏玉米冠层spad值估算模型的确定方法 | |
| CN110069895B (zh) | 冬小麦含氮量全生育时段光谱监测模型建立方法 | |
| CN110333195A (zh) | 植物叶片水分含量检测方法及装置 | |
| CN115508356B (zh) | 一种基于氮分配理论的稻麦叶片氮含量高光谱估算方法 | |
| 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 | ||
| C05 | Deemed withdrawal (patent law before 1993) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120314 |