公共文化服务平台

班松涛: 作品数：20 被引量：314H指数：10; 供职机构：西北农林科技大学资源环境学院更多>>; 发文基金：国家高技术研究发展计划国家自然科学基金中国科学院战略性先导科技专项更多>>; 相关领域：农业科学自动化与计算机技术生物学更多>>

合作作者

猕猴桃叶片SPAD值高光谱估算模型构建被引量：7: 2018年; 利用便携式野外光谱辐射仪和叶绿素仪在陕西杨凌蒋家寨村测定了猕猴桃不同生育期叶片光谱反射率及其对应的叶绿素相对含量(SPAD)值,通过分析其光谱反射率、一阶微分光谱和SPAD的相关关系,构建了不同生育期基于红边位置、红边幅值、红边偏度和红边峰度的SPAD估算的单因素回归模型和多元逐步回归模型。结果表明:(1)随着猕猴桃叶片叶绿素含量升高,红边位置"红移",红边幅值随着SPAD值的增大而递减,红边面积有所减小,红边曲线形状由右偏逐渐转变为左偏,峰度值逐渐降低;(2)红边偏度能够更好地反映叶片叶绿素含量;(3)在不同生育期,均以红边偏度建立的单因素模型效果最好,建模R2分别为0.821、0.874、0.842;(4)与单因素多项式回归模型相比,多元逐步回归模型在不同生育期均有更好的建模精度和预测精度,在不同生育期,其预测R2分别为0.848、0.926、和0.850,是估算猕猴桃叶片SPAD值的最佳模型。; 余蛟洋常庆瑞班松涛田明璐由明明; 关键词：SPAD值红边参数

基于低空无人机多光谱遥感的水稻倒伏监测研究被引量：11: 2018年; 为了获取水稻倒伏信息,使用小型低空无人机搭载多光谱成像仪,对发生倒伏灾害的水稻田块进行遥感监测。结果表明:在多光谱影像上,倒伏水稻与正常水稻的光谱反射率在各个波段上均有差异,其中以绿波段和红边波段差异最为显著。在光谱分析的基础上,使用偏最小二乘判别分析法构建基于全波段光谱反射率的水稻正常/倒伏分类模型,取分类阈值k=0. 5,对多光谱影像上的正常水稻和倒伏水稻进行了有效区分,准确率分别达到98. 104%和99. 044%,精度能够满足水稻倒伏面积监测的需求。根据分类结果统计出研究区水稻倒伏面积为38 074. 4 m2,占总面积的73. 4%。研究结果表明,使用无人机多光谱遥感可以为水稻倒伏监测提供高效、精确的技术支持。; 田明璐班松涛袁涛籍延宝马超李琳一; 关键词：无人机多光谱遥感水稻倒伏

1983—2009年西安市郊区耕地土壤有机质空间特征与变化被引量：49: 2013年; 为充分了解关中农业区土壤肥力状况,该文以西安市郊区的长安区、户县和周至县为例,综合运用地统计学和GIS技术,分析西安市郊区耕层土壤有机质空间特征与变化。结果表明,当前研究区土壤有机质质量分数介于5.80～34.90g/kg,平均15.95g/kg,空间上呈西北低东南高格局。在约450m的采样尺度下,具有中等强度的空间相关性,空间变异性是由地形地貌、土壤质地等结构性因素和施肥、种植制度等人为因素共同作用的。2009年耕地中有机质质量分数6.42%适宜,93.46%偏低,0.12%缺乏,整体水平偏低。按西安市第二次土壤普查有机质分级标准,1983-2009年,81.75%的耕地有机质含量明显提升,2.20%出现不同程度的下降。农户老龄化、土壤性质、农艺措施等是影响当前耕层土壤有机质积累的主要因素。该文可为保养耕地和区域农业生产提供科学依据和实践指导。; 赵业婷常庆瑞李志鹏班松涛陶文芳; 关键词：土壤地理信息系统地统计学有机质耕地

基于无人机多光谱影像的蔬菜种植监测技术研究被引量：4: 2020年; 利用无人机平台搭载多光谱成像仪获取研究区蔬菜地块的高分辨率多光谱遥感影像,对影像上各类蔬菜的光谱进行分析,发现在各个波段上,不同种类蔬菜之间光谱具有一定的差异。使用多种分类方法对影像上各类蔬菜进行分类,结果表明:基于像元的分类效果较差;面向对象分类法能够有效识别和区分不同种类的蔬菜,分类图中各类蔬菜的分布与实际情况一致,Kappa系数大于0.9,总精度达到90%以上,与基于目视解译的各类蔬菜种植面积结果相比较,误差在7.5%以内。综上,以无人机多光谱遥感影像为数据源,使用面向对象分类技术,可以实现对蔬菜种植信息的自动化监测。; 田明璐班松涛袁涛王彦宇马超李琳一; 关键词：蔬菜无人机多光谱面向对象分类

棉花全生育期叶片SPAD值的遥感估算模型被引量：10: 2017年; 叶绿素含量是评估棉花生长状况的重要参数,估算叶绿素含量对于棉花生长监测具有重要意义。以渭北旱塬区种植的棉花为试验材料,测量全生育期棉花叶片SPAD值与冠层反射率光谱,将原始高光谱反射率、一阶微分光谱反射率、不同波段组合的遥感光谱参数分别与SPAD值做相关性分析,用传统回归分析方法构建五种重要光谱参数的SPAD值预测模型,同时,采用PLSR方法建立全生育期SPAD值的估算模型。最后对模型进行检验,筛选出精度最高的模型。建模结果表明,基于多种光谱参数的全生育期PLSR预测模型精度最高、预测效果最好,估算模型的决定系数R^2为0.733,验证模型R^2为0.737。PLSR方法建立的多光谱参数的SPAD值估算模型预测效果显著,利用高光谱技术对棉花SPAD值进行监测,可为全生育期棉花长势遥感监测提供依据。; 马文君常庆瑞田明璐班松涛; 关键词：高光谱遥感 SPAD值全生育期

基于支持向量机的棉花冠层叶片叶绿素含量高光谱遥感估算被引量：17: 2018年; 【目的】建立并研究棉花冠层叶片叶绿素含量的高光谱估算模型,探讨合适的建模方法,以提高棉花叶绿素含量的高光谱遥感估算精度。【方法】以2016年种植的渭北旱塬区棉花鲁棉研28号为试验对象,用SPAD-502型手持式叶绿素仪和HR-1024i便携式地物光谱仪,分别测定棉花不同生育期冠层叶片SPAD值和对应的光谱反射率,分析SPAD值与光谱反射率的相关性。选取8个光谱参数,分析SPAD值与这8个光谱参数的相关性,并采用单因素回归、多元逐步回归和支持向量机(SVM)回归方法,构建棉花冠层叶片叶绿素含量的高光谱估算模型,比较各模型的决定系数(R2)、均方根误差(RMSE)以及相对误差(RE),评价模型的精度。【结果】(1)棉花冠层叶片光谱反射率在400～700nm波段随叶片SPAD值升高而降低,在700～1 000nm波段表现为SPAD值越高,叶片光谱反射率越高;(2)在530～570nm和680～730nm处叶绿素含量与光谱反射率呈极显著负相关(99.99%置信区间,n=144);(3)所选用的8个光谱参数与叶绿素含量均达到极显著相关,相关系数最高为0.686;(4)SVM回归模型验证R2达到了0.884,RMSE和RE最低,分别为2.186和3.419,比单因素回归模型中预测精度最高的SPAD-RVI1的RMSE和RE分别降低46.4%和46.3%,较多元逐步回归模型SPAD-MSR的RMSE和RE分别降低33.4%和32.1%,明显提高了棉花叶绿素含量的估算效果。采用8个光谱参数构建的SPAD-SVM8模型RMSE和RE比采用4个光谱参数构建的SPAD-SVM8模型分别降低了19.2%和23.5%。【结论】支持向量机(SVM)回归方法可以作为棉花冠层叶片叶绿素含量高光谱遥感估算的优选方法,且采用较多光谱参数构建的SVM模型估算精度更高。; 张卓然常庆瑞张廷龙班松涛由明明; 关键词：棉花叶绿素含量光谱参数高光谱遥感

高光谱影像的苹果花叶病叶片花青素定量反演被引量：10: 2017年; 花叶病是苹果叶片常见的病毒性病害,患病叶片的花青素含量出现异常。以叶片花青素含量作为病害严重程度的定量化指标,使用高光谱成像技术获取感染花叶病的苹果叶片的高光谱图像,分析叶片的光谱特征,通过任意两个波段的反射率的不同数学组合,构建并筛选对染病叶片花青素含量高度敏感的最优光谱指数,进而建立苹果叶片花青素含量的高光谱估算模型,最终实现苹果叶片花青素含量分布状况的可视化表达。结果表明,随着病害严重程度的增大,苹果叶片的花青素含量升高;叶片染病区域的光谱反射率在整个可见光区域明显增加,而且出现了红边蓝移现象。通过两两波段组合构建的三种光谱指数(NDSI(770,722),RSI(717,770),DSI(581,520))与苹果叶片花青素含量的相关系数绝对值均达到0.8以上。在构建的四种苹果叶片花青素含量估算模型中,选用三个光谱指数为参数、并使用偏最小二乘回归方法建立的AnthPLSR模型精度最高(R2=0.823,RMSE=0.056)。采用Anth-PLSR模型对患病叶片的高光谱图像进行逐像元解算,得到苹果花青素含量分布图。进一步通过叶片花青素含量分布图计算苹果叶片整叶的花青素含量平均值,作为苹果叶片健康程度的定量化指标。此外,通过提取整叶光谱均值、使用同样模型可简洁有效地估算苹果整叶花青素含量平均值。为苹果叶片花叶病病害监测提供了一种直观、快速的技术手段。; 田明璐班松涛班松涛常庆瑞武旭梅王琦; 关键词：花叶病苹果叶片花青素

基于低空无人机成像光谱仪影像估算棉花叶面积指数被引量：55: 2016年; 农作物叶面积指数(leaf area index,LAI)遥感监测具有快速、无损的优势。该文以低空无人机作为遥感平台,使用新型成像光谱仪获取的农田高光谱影像数据对棉花LAI进行反演。利用影像高光谱分辨率的特点,针对传统固定波段植被指数(fixed-bandvegetation index,F_VI)进行改进,通过动态搜索相应植被指数定义所使用波段范围内的反射率极值的方法,计算与各类植被指数对应的极值植被指数(extremum vegetation index,E_VI)。分别以原始全波段光谱反射率、连续投影算法(successive projections algorithm,SPA)提取的有效波段反射率以及各类F_VI和E_VI作为自变量,使用最小二乘和偏最小二乘(partial least squares,PLS)回归等方法构建LAI遥感估算模型。结果显示:1)以植被指数为自变量的模型估算效果(验证R2最高为0.85)优于以光谱反射率作为自变量的模型(验证R2最高为0.59);2)使用E_VI作为自变量能够显著提高LAI的估测精度(验证R2最大提高了0.11);3)使用PLS回归算法结合多个E_VI建立的LAI-E_VIs-PLS模型精度最高。使用LAI-E_VIs-PLS模型对棉花地块高光谱影像进行反演,制作棉花LAI空间分布图,取得良好的估算结果(验证R2=0.88,RMSE=0.29),为农作物LAI遥感监测提供了新的技术手段。; 田明璐班松涛常庆瑞由明明罗丹王力王烁; 关键词：作物高光谱成像棉花叶面积指数

汉中盆地耕地土壤有机质的空间特征被引量：2: 2015年; 【目的】研究汉中盆地耕地土壤有机质的空间自相关性、空间变异特征以及空间分布规律。【方法】根据地貌特征,以位于汉中盆地中部的平坝区作为研究区,于2010-2011年共采集土样3 568个,测定土样有机质含量,对获得的有机质含量原始数据进行处理后,综合运用传统统计、地统计和地理信息系统技术,研究汉中盆地耕地土壤有机质空间特征。【结果】研究区耕地土壤有机质含量为7.20~38.00g/kg,平均值为21.53g/kg,变异系数为24.48%,属中等强度变异;研究区耕地土壤有机质为空间聚集式分布,呈显著的正空间自相关,空间自相关尺度为4.70km;耕地土壤有机质含量的块金系数为0.55,表现为中等强度空间相关性;研究区61.13%的耕地土壤有机质含量较高(≥20~<30g/kg),整体分布格局为西高东低、南高北低,其中自东北向西南方向土壤有机质含量呈增加趋势。【结论】研究区大部分耕地土壤有机质含量较高,能够满足农作物生长的需要。; 班松涛常庆瑞赵业婷姜悦; 关键词：土壤有机质地统计地理信息系统汉中盆地

水稻长势无人机遥感监测研究: 无人机遥感作为一种灵活、高效的农田环境信息和作物生长信息获取技术,近年来在农业生产和科研领域得到了广泛的应用。随着农业4.0时代的来临,无人机遥感已经成为智慧农业中的重要组成部分,为智能化农业管理提供数据支持和决策依据。...; 班松涛; 关键词：水稻叶绿素叶面积指数株高倒伏; 文献传递

班松涛

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

班松涛

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈