文献类型：期刊文章

作　　者：李长春[1,2] 陈鹏[1] 陆国政[1] 马春艳[1] 马潇潇[3] 王双亭[1]

LI Chang- chun;CHEN Peng;LU Guo-zheng;MA Chun-yan;MA Xiao-xiao;WANG Shuang-ting(lHenan Polytechnic University, Jiaozuo 454000, Henan, Chin;Collaborative Innovation Center of Beidou Navigation Satellite System Research Application, Zhengzhou 450001, China;Zhengzhou Vocational University of lnformation and Technology, Zhengzhou 450008, China）.)

机构地区：[1]河南理工大学,河南焦作454000 [2]北斗导航应用技术协同创新中心,郑州450001 [3]郑州信息科技职业学院,郑州450008

出　　处：《应用生态学报》

基　　金：国家高技术研究发展计划项目(2013AA102303);河南省智慧中原地理信息技术协同创新中心开放课题项目(2016A002)资助;the National Technology Research and Development Program of China(2013AA102303);the Open Project of Henan Provincial Central Plains Geographic Information Technology Cooperative Innovation Center(2016A002)

年　　份：2018

卷　　号：29

期　　号：4

起止页码：1225-1232

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、BIOSISPREVIEWS、CAS、CSCD、CSCD2017_2018、EMBASE、GEOBASE、IC、JST、PUBMED、RCCSE、SCOPUS、WOS、ZGKJHX、ZR、核心刊

摘　　要：氮平衡指数(NBI)是反映作物长势的重要指标之一.通过测量NBI可以快速监测作物氮肥盈亏状况,为农业生产和管理提供精准信息.本文以无人机高清数码影像和高光谱遥感数据,以及地面实测大豆NBI数据为基础,分析大豆从开花期到成熟期,原始光谱和红外、近红外波段的导数光谱与NBI的相关性,筛选敏感波段并计算植被指数.采用经验模型法构建NBI反演模型,通过分析验证模型的决定系数(R^2)和均方根误差(RMSE),得出最佳反演模型.结果表明:大豆NBI与导数光谱反射率的相关性好于与原始光谱反射率的相关性;本文筛选的14个植被指数中,除了导数光谱光化学植被指数与大豆NBI呈不显著相关外,其余13个植被指数与大豆NBI呈极显著相关;利用13个植被指数构建NBI反演模型,并分析模型反演精度,结果显示,利用导数光谱差值植被指数构建NBI反演模型的精度最高,R^2和RMSE分别为0.771和3.077,利用该模型生成大豆典型生育期NBI分布图,能够反映大豆的长势状况.通过多载荷无人机获取的高清数码影像和高光谱遥感数据进行NBI估算,能够实时、动态、非破坏性、快速有效地监测大豆氮素营养状况,可为大豆氮肥精确管理提供简便实用的方法.

关 键 词：无人机 高清数码影像  高光谱遥感数据  氮平衡指数  植被指数  导数光谱 大豆

分 类 号：S127] S565.1