分类： 地球科学 >> 地理学 提交时间： 2024-03-01 合作期刊: 《干旱区研究》
摘要： 为揭示土壤微生物膜对沙生植物幼苗光合和荧光特性的影响，以沙冬青（Ammopiptanthus mongolicus）和沙打旺（Astragalus laxmannii）幼苗为研究对象，设置不同菌剂施用方式（喷施、混施）和施用量（0、1、3、5、7 g·kg-1和10 g·kg-1）开展盆栽试验，比较分析土壤微生物膜形成后植物气体交换和叶绿素荧光特征。结果表明：（1）当菌剂施用量>3 g·kg-1时，固结层硬度、厚度和土壤脲酶、蔗糖酶活性均显著高于对照组（P5 g·kg-1时沙打旺最大光化学效率（Fv/Fm）显著高于对照组（P<0.05）。除3 g·kg-1处理组之外，沙冬青Fv/Fm和光化学猝灭系数（QP）均高于沙打旺。（4）土壤特性、光合气体交换和叶绿素荧光三者为部分中介模型，土壤特性的改变能直接影响沙冬青和沙打旺叶绿素荧光特性。土壤微生物膜使固结层硬度和厚度平均提高3.84%和152.85%，土壤过氧化氢酶、脲酶和蔗糖酶活性平均增强93.37%、170.68%和256.03%。其通过改善土壤质量、提高叶片气孔导度从而增强沙冬青和沙打旺光合效率和能力，使沙打旺和沙冬青净光合速率平均提高28.48%，Fv/Fm平均提高0.84%。
分类： 地球科学 >> 地理学 提交时间： 2023-12-16 合作期刊: 《干旱区研究》
摘要： 叶绿素含量是表征植被生长状况的重要参考指标，利用高光谱技术快速，精确地监测棉花叶片叶绿素含 量，以新疆125个苗期棉花叶片样本为研究对象，通过测定其叶绿素含量与光谱数据，采用多种光谱预处理和多植 被指数相结合的方法，构建了WOA-RFR棉花叶片叶绿素含量定量反演模型，并与SVR和RFR模型结果进行对比 分析。结果表明：（1）光谱变换方法中对数变换、分数阶微分和连续小波变换均能有效地提高植被指数与叶绿素含 量的相关性。（2）基于分数阶微分0.9阶变换的Vogelmann3、RVI、DVI、SR［675-700］、Mndvi705、ND、VOG1、NVI、TVI和 VOG2植被指数组合的WOA-RFR模型反演效果最佳，其建模集和验证集模型R2分别为0.920和0.955，RMSE分别 为0.987和0.986，MRE分别为0.013和0.014，与RFR和SVR模型相比，预测精度有所提高，WOA算法优化模型效果 明显。研究结果可为棉花叶片叶绿素含量定量反演提供决策依据。
分类： 地球科学 >> 地理学 提交时间： 2023-08-01 合作期刊: 《干旱区地理》
摘要： 精准动态监测干旱胁迫下的玉米冠层叶绿素相对含量对提高我国玉米旱灾预警水平、实现田间精准灌溉具有重要的指示作用。以无人机多光谱影像为数据源，选用多种具有明确物理意义且与玉米冠层叶绿素相对含量SPAD（Soil and plant analyzer development）值相关性强的植被指数，利用多元逐步回归、支持向量机、BP神经网络（Back propagation neural network，BPNN）建立玉米冠层SPAD值的遥感监测模型并验证，选取最优估测模型提取各生育期不同程度干旱胁迫下的玉米冠层SPAD值，分析不同生育期玉米冠层SPAD值变化，探究不同干旱胁迫程度对玉米冠层SPAD值的影响。结果表明：不同生育期的玉米冠层叶绿素敏感的植被指数不同，且各生育期估测能力最优的反演模型不同。对比3种建模方法，BPNN模型的建模结果及验证结果最优，说明其估测能力及稳定性表现最好，可以作为基于无人机多光谱的玉米冠层SPAD值建模的优选方法。此外，干旱胁迫会降低玉米冠层SPAD值遥感监测模型的估测精度，对苗期的影响最为显著。轻度干旱对玉米冠层SPAD值影响不显著，可见玉米对干旱胁迫具有一定的适应性和抗逆性。因此，基于植被指数的BPNN模型可以更好地估算SPAD值，为基于无人机遥感的SPAD值监测提供一种新途径，为干旱胁迫下夏玉米冠层SPAD值的无损监测以及田间水分精准管理提供参考。
分类： 地球科学 >> 地理学 提交时间： 2020-12-17 合作期刊: 《干旱区研究》
摘要： 以关中地区冬小麦为研究对象，无人机为平台搭载的UHD185成像光谱仪获得冬小麦农田高光谱影像，并从中提取波段信息，以传统光谱指数和新光谱指数为自变量构建预测模型，比较模型精度并制作冬小麦叶片叶绿素含量分布图。结果表明：各预测模型中以新光谱指数构建的预测模型精度明显高于传统光谱指数模型，其中，SPAD-NDSI模型精度最高（R2=0.6308，RMSE=1.9766）；通过反演叶片叶绿素分布图并对填图结果进行检验可知，SPAD-NDSI模型填图效果最佳（R2=0.7013，RMSE=1.4548），可以作为冬小麦叶片叶绿素含量无人机高光谱影像遥感反演估算的基本模型。
分类： 地球科学 >> 地球科学其他学科 提交时间： 2019-09-11 合作期刊: 《干旱区研究》
摘要： 以渭干河—库车河绿洲(渭—库绿洲)为研究区，采用在机器学习方面具有明显优势的随机森林回归算法，对绿洲内的4种典型植被(棉花、芦苇、杨树、大枣)叶片的叶绿素相对含量(soil and plant analyzer development, SPAD)进行估算和验证。首先基于“红边”处光谱信息丰富的哨兵2号(Sentinel-2)影像和由其衍生的一阶微分、二阶微分影像各提取23种对叶绿素敏感的宽波段光谱指数，加入3种影响植物生长的土壤参量(土壤含水量，土壤有机质，土壤电导率)作为影响叶片SPAD的特征变量，再根据以上特征变量对每种植被叶片各建立3种方案的SPAD估算模型，从而实现对绿洲内植被叶绿素的监测。结果表明：① 影像经一阶微分再提取的植被指数相比原位光谱植被指数，在SPAD估测模型中起到了更重要的作用，在随机森林算法的重要性排序中位居前列；② 4种植被叶片的SPAD估测模型都取得了不错的效果，芦苇叶片尤为显著，确定系数(R2)达到了0.926；③ 分析对比3种方案下模型预测能力，方案3(包含土壤参量)的预测能力卓越〔2.143方案1>方案2，土壤属性和模型预测结果有较强的非线性相关。Sentinel-2数据具有理想的估算绿洲植被叶绿素含量的潜力，提供了一种高效、低成本、潜在高精度的方案来估算叶绿素含量，可为干旱区绿洲农业、生态系统实现更有效的保护和管理提供参考。
点击量
点击量
下载量
评论
