导读:本文包含了叶面积指数论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:叶面积,指数,遥感,模型,荚果,积温,产量。
叶面积指数论文文献综述
赵亚飞,张彩军,孟谣,王铭伦,王月福[1]（2019）在《施钙对花生荚果不同发育时期光合特性及叶面积指数的影响》一文中研究指出以花生品种‘花育22号’(H,钙敏感型)和‘L-2010’(L,钙不敏感型)为试验材料,采用盆栽试验,设置0、150和300kg·hm~(-2)叁个钙肥(氧化钙)处理梯度,研究施钙对花生不同荚果发育时期气体交换参数,叶绿素含量及叶面积指数的影响。结果表明,施用钙肥可以提高‘花育22号’和‘L-2010’在鸡咀幼果期和荚果定型期的净光合速率、胞间CO_2浓度、气孔导度、蒸腾速率;且在同一荚果发育时期,随着施钙量的增加,两品种的净光合速率、气孔导度、胞间CO_2浓度、叶绿素含量、蒸腾速率、叶面积指数均升高;‘花育22号’施钙处理在鸡咀幼果期和籽仁成熟期的气孔导度、胞间CO_2浓度、蒸腾速率均显着高于‘L-2010’;说明施钙可以改善花生光合特性,为最终产量打下坚实基础。(本文来源于《青岛农业大学学报(自然科学版)》期刊2019年04期）
孙诗睿,赵艳玲,王亚娟,王鑫,张硕[2]（2019）在《基于无人机多光谱遥感的冬小麦叶面积指数反演》一文中研究指出以获取的冬小麦无人机多光谱影像为数据源,充分利用多光谱传感器的红边通道对传统植被指数进行改进,通过灰色关联度分析后基于多个植被指数建模的方法对冬小麦的叶面积指数(leaf area index,LAI)进行反演精度对比。结果显示:使用基于多植被指数的随机森林(RF)比赤池信息量准则-偏最小二乘法(AIC-PLS)反演精度高。得到的LAI反演值和真实值之间的R~2=0.822,RMSE=1.218。研究证明通过随机森林预测具有更好的拟合效果,对冬小麦的LAI反演有较好的适用性。(本文来源于《中国农业大学学报》期刊2019年11期）
李振洲,贺正,贾彪,刘志,付江鹏[3]（2019）在《滴灌玉米叶面积指数归一化建模与特征分析》一文中研究指出【研究背景】叶片是作物进行光合作用的主要器官,叶面积指数(Leaf area index, LAI)是作物生长监测的重要指标。在作物生产中,理想的LAI是培养作物合理的群体结构和提高产量的基础。但传统测定法获取LAI预测作物的生长状况费时费力,破坏性强,推广应用受限。作物生长模拟模型是现代信息化手段获取作物生长发育状况的重要方法,利用叶面积估算模型是现在研究较为通用方法,可预测作物整个生长发育进程。农作物的叶面积动态易受光照和温度等条件影响,作物叶面积动态随有效积温的影响。有效积温作为作物生长的重要指标,用积温代替时间动态更具有代表性,更能反应玉米的生长状况。本研究在借鉴前人研究LAI模拟模型优点的基础上,应用"归一化"方法,以有效积温为自变量,玉米叶面积指数为因变量,建立不同氮素水平滴灌玉米LAI模型,分析平均叶面积指数(MLAI)与最大叶面积指数(LAImax)对玉米群体生长指标的影响,为宁夏滴灌玉米叶面积指数动态模拟精度提供技术途径。【材料与方法】2017年和2018年以宁夏玉米主栽品质(TC19)为试验材料,设置6个施氮水平N0(0 kg/hm~2)、N1(90 kg/hm~2)、N2(180 kg/hm~2)、N3(270 kg/hm~2)、N4(360 kg/hm~2)、N5(450 kg/hm~2)。玉米叶面积测算为叶长×叶宽×系数,展开叶系数为0.75,未完全展开叶系数为0.50。将整个生育期最大叶面积指数(LAImax)定为1,对生长期和LAI作归一化处理。【结果与分析】对玉米从苗期到成熟期的LAI和GDD进行归一化处理后,用Curve Expert 1.38软件对RLAI和RGDD模拟,得到有理方程方程模拟较好,相关系数达到0.982**。为进一步筛选玉米的RLAI随RGDD的动态模型变化结构,利用求极限值的方法对模型求拟合值。当x=0时,y=a,即为玉米出苗时RLAI值;当x=1时, y=(a+b)/(1+c+d),(a+b)/(1+c+d)即为成熟期的玉米的RLAI。方程只有一个峰值,且当x→∞时,y→0;即说明有理方程能够对玉米生长较合理地进行解释。故选择有理方程y=(a+bx)/(1+cx+dx~2)为不同N素处理玉米的生长过程。其模型参数a为出苗时的RLAI值,(a+b)/(1+c+d)为成熟时RLAI,方程模拟准确度高。如图1所示,由LAI动态模型模拟的方程为y=(-0.080+0.510x)/(1-2.191x+1.680x~2),由LAI动态模型模拟的2017年和2018年不同N素处理的玉米模拟值与实测值真实性较好,能够很好的反映这两年玉米的LAI动态变化,且相关系数高(r=0.982**)。LAI动态模型能很好的反应宁夏地区不同N素处理及不同年份栽培的玉米具有通用性。用试验2的玉米LAI测量值进行全生育期间的叶面积指数动态模拟,将得到的模拟值与实测值进行比较(图2)。分析图2得出,由RLAI模型模拟所得整个生育时期的模拟值与实测值比较接近真实,模拟结果的准确性(k)的变化范围在0.933～1.035之间,近似于1,越接近于1则准确度越高。模拟的精确度(R~2)在0.972～0.974之间。说明相对化动态模型的模拟准确度较高,模拟结果能很好地反映玉米群体LAI动态变化。【结论】对归一化处理后RLAI和RGDD来进行模拟,建立了LAI动态模型y=(a+bx)/(1+cx+dx~2),并对模型进行检验,结果表明此模型的准确度总体达到0.933以上,精确度在0.972-0.974之间,玉米LAI动态模型从玉米苗期就能准确地进行LAI动态预测。(本文来源于《2019年中国作物学会学术年会论文摘要集》期刊2019-10-27）
张国强,明博,王克如,沈东萍,谢瑞芝[4]（2019）在《基于叶面积指数和蒸散量的关系提高玉米产量和水分利用效率》一文中研究指出【研究背景】水资源短缺是制约干旱区农业生产的主要因素。然而,高水平的水分利用效率是灌溉农业得以持续稳定发展的有效途径。西北干旱区光照资源充足,昼夜温差大,灌溉农业,有利于作物高产,其中北疆是我国玉米种植密度和单产最高的区域。合理密植作为提高玉米产量的有效途径,生产中以充足的灌溉水来满足玉米对水分的需求以获得高产,往往造成增产不增收,浪费大量的灌溉水,导致水分利用效率低。如何协调玉米密植条件下水分利用效率与高产的关系,已成为该地区玉米生产中亟待突破的重大课题。因此,本研究通过设置不同的灌溉量和种植密度,通过研究不同灌溉条件下不同密植群体植株形态、物质生产、产量构成、蒸散量、水分利用效率(WUE)等特征,分析密植玉米群体大小与蒸散量的定量关系,明确密植玉米群体增产及提高WUE的机制和途径。研究结果可为干旱区玉米密植高产栽培及水资源高效利用提供理论依据。【材料与方法】试验于2016-2017年在新疆奇台农场开展,以先玉335为供试品种,采用膜下滴灌水肥一体化栽培模式。灌溉量:2016年为600 mm(W3)、480 mm(W2)和360 mm(W1);2017年为:720 mm(W4)、600 mm(W3)、480 mm(W2)和360 mm(W1)。种植密度:2016年为7.5株/m2(D1)、10.5株/m~2(D3)、12.0株/m~2(D4)和13.5株/m~2(D5)。2017年为7.5株/m~2(D1)、9.0株/m2(D2)、10.5株/m~2(D3)、12.0株/m~2(D4)和13.5株/m~2(D5)。采用宽窄行(70 cm+40 cm)种植,一管两行,灌溉量用水表精确控制。【结果与分析】在W3灌溉量下D4密度获得了最高的产量(21.0-21.2t ha~(-1))和WUE(2.64-2.70 kg m~(-3)),吐丝期的LAI为7.9-8.8。通过对不同灌溉量条件下不同密植群体LAI,ETc和籽粒产量之间的关系分析,获得了这些参数的最佳值。通过灌溉水平与最佳LAI和最佳WUE之间的关系获得了LAI,WUE和灌溉量的理论最佳值,分别为:8.12、2.77 kg m-3和497.8 mm。【结论】最佳种植密度与灌溉量相匹配可以有效地提高玉米产量和WUE。最佳灌溉量的确定应基于作物群体大小(LAI)的构建,群体对水的需求(ETc)与群体产量能力的协调。协调作物群体生产力和作物群体对水的需求是进一步提高WUE的途径。(本文来源于《2019年中国作物学会学术年会论文摘要集》期刊2019-10-27）
蔡建楠,刘锦帮,肖凡,黄明智[5]（2019）在《基于Sentinel-2卫星数据的中山市植被叶面积指数反演及空间分析》一文中研究指出以广东省中山市为例,基于SNAP软件和2景Sentinel-2卫星数据,反演并分析中山市全域及特定区域内植被叶面积指数。结果表明,反演结果与中山市生态空间格局和植被保护状况相一致,且与其他研究报道中对水库库区林地采用现场实测方法获得的数据高度一致,表明该方法反演城镇植被叶面积指数具有良好的适用性和准确性。(本文来源于《环境监控与预警》期刊2019年05期）
王鹏新,荀兰,李俐,王蕾,孔庆玲[6]（2019）在《基于时间序列叶面积指数稀疏表示的作物种植区域提取》一文中研究指出以华北平原黄河以北地区为研究区域,以时间序列叶面积指数LAI(Leaf Area Index)傅里叶变换的谐波特征作为不同作物识别的数据源,利用稀疏表示的分类方法识别2007年—2016年冬小麦、春玉米、夏玉米等主要农作物种植区域。首先利用上包络线Savitzky-Golay滤波分别对2007年—2016年的时间序列MODIS LAI曲线进行重构,进而对重构的年时间序列LAI进行傅里叶变换,以0—5级谐波振幅、1—5级谐波相位作为作物识别的依据,基于各类地物的训练样本,通过在线字典学习算法构建稀疏表示方法的判别字典,对每个待测样本利用正交匹配追踪算法求解稀疏系数,从而计算对应于各类地物的重构误差,根据最小重构误差判定待测样本的作物类型,并对作物识别结果的位置精度进行验证。结果表明,2007年—2016年作物识别的总体精度为77.97%,Kappa系数为0.74,表明本文提出的方法可以用于研究区域主要作物种植区域的提取。(本文来源于《遥感学报》期刊2019年05期）
胡磊,张清霞,张崇华,曾凯,王成孜[7]（2019）在《气候变暖下南昌县早稻叶面积指数变化及其与产量的关系》一文中研究指出研究气候变暖背景下早稻叶面积指数(Leaf Area Index,LAI)变化状况及其与气温、产量的关系,有助于促进早稻生产。利用1996-2017年江西省南昌县早稻生长发育和同期气象观测数据对南昌县的气候、气温与LAI的关系、LAI变化特征及LAI与产量因素的关系进行了分析。结果表明:1996-2017年南昌县历年平均气温、早稻生育期间的平均气温分别以0.4℃·(10a)~(-1)和0.6℃·(10a)~(-1)的趋势增温;早稻秧苗移栽期、拔节期和抽穗期的LAI递减率分别为0.4·(10a)~(-1)、0.5·(10a)~(-1)、0.2·(10a)-1,分蘖期、乳熟期的LAI虽然在不同年份有所波动,但总体呈现较平稳的变化趋势,历年早稻平均LAI呈下降的趋势,下降率为0.3·(10a)~(-1);在营养生长阶段通过气温升高缩短生育期导致LAI减少,生殖生长阶段气温的升高直接导致LAI的减少;LAI与早稻穗粒数和千粒质量均无相关性,成熟期的株茎数分别与拔节期的LAI、抽穗期的LAI之间,理论产量与抽穗期的LAI之间呈一元二次回归关系。早稻拔节期的LAI达到3.4,成熟期每平方米株茎数最高可达414.1;抽穗期的LAI达到7.6,成熟期每平方米株茎数最高可达548.5;抽穗期的LAI达到9.9,理论产量最高可达749.00g·m~(-2);在乳熟期,LAI每增加1.0,成熟期每平方米株茎数可以增加34茎、理论产量可以增加50.0 g·m~(-2)。气候变暖下早稻LAI下降,理论产量每年约下降5.09 g·m~(-2)。提前播种、品种改良和栽培技术的改进是应对气候变暖导致早稻产量下降的有效措施。(本文来源于《生态环境学报》期刊2019年09期）
骆月珍,潘娅英,周玉[8]（2019）在《不同叶面积指数遥感产品在浙江省的差异比较研究》一文中研究指出本文比较分析了叁种基于MODIS数据生成的LAI遥感产品(MOD15 LAI、MCD15 LAI和GLASS LAI)在浙江省的差异;以地面观测的LAI结合TM遥感数据生成的30 m分辨率LAI数据(LAITM)为参考,评价了它们在浙江省天童山常绿阔叶林地区的可靠性。研究发现,叁种LAI遥感产品在可靠性、大小、空间格局及变化趋势上均存在显着差异:GLASS LAI表现优于MOD15 LAI和MCD15 LAI,GLASS LAI与LAITM具有较好的相关性(R2=0.61,RMSE=1.20),而MOD15 LAI和MCD15 LAI与LAITM的一致性较差(RMSE分别为1.42和1.63)。2003—2012年期间,基于GLASS LAI得到的浙江省LAI年平均值(2.13 m2/m2)分别高出MOD15 LAI和MCD15 LAI约23%和12%;而GLASS LAI年最大值的10年平均值(3.82 m2/m2)比MOD15 LAI和MCD15 LAI的值都偏低约30%。2003—2012年期间,GLASS LAI年平均值在浙江省显着升高和下降的面积比例分别为16.6%和14.7%;MOD15 LAI和MCD15 LAI分别在全省21.8%和13.7%的地区呈明显下降趋势,明显升高地区分别仅占1.2%和4.0%。叁种LAI遥感产品的全省年平均值方面,GLASS LAI具有较大的年际波动,但趋势不明显;MCD15 LAI略有下降;而MOD15 LAI呈现较为明显的下降趋势(0.02 m2/m2,P=0.06)。(本文来源于《农业现代化研究》期刊2019年05期）
张明政,苏伟,朱德海[9]（2019）在《基于PROSAIL模型的玉米冠层叶面积指数及叶片叶绿素含量反演方法研究》一文中研究指出农作物冠层叶面积指数(LAI)和叶片叶绿素含量(LCC)是农业定量遥感中的重要反演参数。该文以Sentinel-2影像为数据源,基于PROSAIL辐射传输模型,结合基于正则化的代价函数优化和基于光谱响应函数及高斯噪声的反演策略,反演夏玉米冠层LAI和LCC。与实测光谱对比分析可知,大气校正后的Sentinel-2影像反射率及PROSAIL模型具有较高的精度。验证结果表明,LAI、LCC的反演结果总体精度较高,与实测值相关性较好,其中,叁叶期LAI、LCC的R~2分别为0.62、0.49,拔节期LAI、LCC的R~2分别为0.53、0.59。基于PROSAIL模型改进反演策略可为农作物参数反演提供研究思路和理论依据,也能够为农作物生长过程监测提供数据支持。(本文来源于《地理与地理信息科学》期刊2019年05期）
彭记永,李军玲,张志红[10]（2019）在《夏玉米叶面积指数模型适用性及误差分析》一文中研究指出为了研究叶面积指数模型的适用性,利用郑州农业气象试验站2009—2013年夏玉米观测资料和气象资料,建立修正的Logistic叶面积指数模型,并通过2014—2017年的数据对模型进行了检验。为了进一步研究模型在不同地区的适用性,分别于2014年、2015年在鹤壁、黄泛区、驻马店、郑州4个站点进行4个品种的分期播种试验,利用4个站点2 a的分期播种数据进行模型验证。结果表明:叶面积指数实测值与模拟值变化趋势基本一致,叁叶期、七叶期平均绝对误差为0.01～0.23,平均相对误差为0%～12%,拔节期、抽雄期、抽雄后10d绝对误差为0～1.11,相对误差为0%～62%。模拟值与实测值之间平均绝对误差为0.06～0.32,平均相对误差为4%～18%。总体上,修正的Logistic叶面积指数模型在不同地区不同年份,均表现出一定的适用性,可用于夏玉米正常生长条件下叶面积指数的模拟,为修正的Logistic叶面积指数模型的推广应用提供数据支持。关键字:(本文来源于《干旱地区农业研究》期刊2019年05期）
叶面积指数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以获取的冬小麦无人机多光谱影像为数据源,充分利用多光谱传感器的红边通道对传统植被指数进行改进,通过灰色关联度分析后基于多个植被指数建模的方法对冬小麦的叶面积指数(leaf area index,LAI)进行反演精度对比。结果显示:使用基于多植被指数的随机森林(RF)比赤池信息量准则-偏最小二乘法(AIC-PLS)反演精度高。得到的LAI反演值和真实值之间的R~2=0.822,RMSE=1.218。研究证明通过随机森林预测具有更好的拟合效果,对冬小麦的LAI反演有较好的适用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
叶面积指数论文参考文献
[1].赵亚飞,张彩军,孟谣,王铭伦,王月福.施钙对花生荚果不同发育时期光合特性及叶面积指数的影响[J].青岛农业大学学报(自然科学版).2019
[2].孙诗睿,赵艳玲,王亚娟,王鑫,张硕.基于无人机多光谱遥感的冬小麦叶面积指数反演[J].中国农业大学学报.2019
[3].李振洲,贺正,贾彪,刘志,付江鹏.滴灌玉米叶面积指数归一化建模与特征分析[C].2019年中国作物学会学术年会论文摘要集.2019
[4].张国强,明博,王克如,沈东萍,谢瑞芝.基于叶面积指数和蒸散量的关系提高玉米产量和水分利用效率[C].2019年中国作物学会学术年会论文摘要集.2019
[5].蔡建楠,刘锦帮,肖凡,黄明智.基于Sentinel-2卫星数据的中山市植被叶面积指数反演及空间分析[J].环境监控与预警.2019
[6].王鹏新,荀兰,李俐,王蕾,孔庆玲.基于时间序列叶面积指数稀疏表示的作物种植区域提取[J].遥感学报.2019
[7].胡磊,张清霞,张崇华,曾凯,王成孜.气候变暖下南昌县早稻叶面积指数变化及其与产量的关系[J].生态环境学报.2019
[8].骆月珍,潘娅英,周玉.不同叶面积指数遥感产品在浙江省的差异比较研究[J].农业现代化研究.2019
[9].张明政,苏伟,朱德海.基于PROSAIL模型的玉米冠层叶面积指数及叶片叶绿素含量反演方法研究[J].地理与地理信息科学.2019
[10].彭记永,李军玲,张志红.夏玉米叶面积指数模型适用性及误差分析[J].干旱地区农业研究.2019
论文知识图
