• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Scientific Reports >Evaluation of hyperspectral LiDAR for monitoring rice leaf nitrogen by comparison with multispectral LiDAR and passive spectrometer
【2h】

Evaluation of hyperspectral LiDAR for monitoring rice leaf nitrogen by comparison with multispectral LiDAR and passive spectrometer

机译：与多光谱LiDAR和无源光谱仪比较评价高光谱LiDAR监测稻叶氮

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Fast and nondestructive assessment of leaf nitrogen concentration (LNC) is critical for crop growth diagnosis and nitrogen management guidance. In the last decade, multispectral LiDAR (MSL) systems have promoted developments in the earth and ecological sciences with the additional spectral information. With more wavelengths than MSL, the hyperspectral LiDAR (HSL) system provides greater possibilities for remote sensing crop physiological conditions. This study compared the performance of ASD FieldSpec Pro FR, MSL, and HSL for estimating rice (Oryza sativa) LNC. Spectral reflectance and biochemical composition were determined in rice leaves of different cultivars (Yongyou 4949 and Yangliangyou 6) throughout two growing seasons (2014–2015). Results demonstrated that HSL provided the best indicator for predicting rice LNC, yielding a coefficient of determination (R2) of 0.74 and a root mean square error of 2.80 mg/g with a support vector machine, similar to the performance of ASD (R2 = 0.73). Estimation of rice LNC could be significantly improved with the finer spectral resolution of HSL compared with MSL (R2 = 0.56).
机译：叶氮浓度（LNC）的快速和无损评估对于作物生长诊断和氮管理指南至关重要。在过去的十年中，多光谱LiDAR（MSL）系统通过附加的光谱信息促进了地球和生态科学的发展。高光谱LiDAR（HSL）系统具有比MSL更多的波长，为遥感作物生理状况提供了更大的可能性。这项研究比较了ASD FieldSpec Pro FR，MSL和HSL在估算水稻LNC方面的性能。在两个生长季节（2014-2015年），测定了不同品种（永优4949和杨良优6）的水稻叶片的光谱反射率和生化组成。结果表明，HSL提供了预测大米LNC的最佳指标，用支持向量机得出的测定系数（R 2 ）为0.74，均方根误差为2.80μmg/ g。 ASD的性能（R 2 = 0.73）。与MSL相比，HSL的光谱分辨率更高，水稻LNC的估算值可以得到显着改善（R 2 = 0.56）。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号