程志庆
- 作品数：12 被引量：133H指数：7
- 供职机构：中国林业科学研究院林业研究所更多>>
- 发文基金：国家林业公益性行业科研专项国家自然科学基金国家科技支撑计划更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 不同氮素水平下107杨光谱及光合响应特征研究被引量：1
- 2016年
- 为科学制定107杨（Populus×euramericana‘Neva’）氮肥管理措施,研究了不同氮素水平下1年生107杨盆栽苗光谱及光合响应特征。结果表明：1不同氮素水平下107杨光谱反射曲线的变化趋势基本一致,且均有绿色植物典型的＂谷＂和＂峰＂的特征;在不同的施氮量梯度下,随着施氮量的增加,高光谱反射率一阶导数也相应地升高,其在680-760 nm的红边区域具有明显的向长波方向移动的趋势,其中以N-4（4 g）氮素处理表现最为明显;2在不同的施氮量梯度下,随着光照强度增加,107杨叶片的净光合速率（P_n）、蒸腾速率（T_r）和气孔导度（G_s）明显增加,而胞间CO_2浓度（C_i）降低。所有处理中以N-4（4g）处理叶片的光合能力最强,生长发育状况最佳。
- 王鑫梅牟洪香杨可伟赵雪孙晓程志庆王鹤松
- 关键词：107杨氮素光谱反射率光响应曲线净光合速率
- 高光谱信息的农林植被种类区分被引量：14
- 2018年
- 为了能够更加快速、准确对粮食主产区的作物与树木进行种类区分,以黄淮海地区三种主要植被(玉米、小麦和杨树)为研究对象,获取该三种植被原始反射率光谱,并对原始光谱进行特征点提取、一阶微分变换、二阶微分变换以及植被指数计算四种方法的分析处理,提取三种植被各自的光谱特征点、特征波段、蓝黄红边微分值和、位置、振幅以及面积四个特征指标以及植被指数的数值区间。基于特征值在不同植被种类间数值重叠范围越小区分精度越高的原理,比较分析植被光谱在不同处理方法下的植被区分精度,并且最终选取重叠范围最小的特征指标作为区分不同植被的识别指标。结果显示:相较于原始光谱特征点提取、二阶微分变换以及植被指数计算,一阶微分变换对于玉米、小麦和杨树的识别分类具有较高的精度,其中黄边振幅、黄边面积以及黄边微分值和具有较高的识别精度,黄边振幅的识别精度达到97. 5%,黄边面积以及黄边微分值识别精度达98. 1%,用另外167组数据对该结果进行验证,显示黄边振幅的识别精度达96. 4%,黄边面积以及黄边微分值和的识别精度达97. 6%。该结果与用平均光谱曲线区分单种植被不同生长状态选取的特征值结果不同,这种方法能有效的保留个体光谱反射曲线的差异,从结果可见通过一阶微分变换提取黄边参数的方法能有效的用于树木和粮食作物共同种植区域的植被区分,并且黄边面积以及黄边微分值和的识别精度最高。
- 虞佳维程志庆程志庆张劲松王鹤松蒋跃林
- 华北低丘山地不同退耕年限刺槐人工林土壤质量评价被引量：57
- 2014年
- 以华北低丘山地退耕还林区的耕地、农田撂荒地、退耕10年刺槐林和退耕43年刺槐林为研究对象,采用土壤质量综合指数探讨退耕措施对土壤质量的影响.结果表明： 随着退耕年限的增加,退耕刺槐人工林土壤养分的表层富集作用显著,且0～5 cm土层土壤改良效果增强;与耕地相比,退耕刺槐人工林的土壤物理性状得到改善,养分含量增加,土壤微生物生物量显著提高.不同土地利用类型的土壤质量综合指数为退耕43年刺槐林（0.542）〉退耕10年刺槐林（0.536）〉撂荒地（0.499）〉耕地（0.498）,说明退耕地人工造林改善了华北低丘山地退耕地区的土壤质量.
- 赵娜孟平张劲松陆森程志庆
- 关键词：土壤质量退耕还林工程刺槐
- 基于高光谱数据的杨树叶片干物质含量的估算被引量：2
- 2017年
- 将杨树叶片实测的理化数据和土壤背景光谱数据作为PROSPECT和PROSAIL模型的输入参数,输出杨树叶片高光谱数据模拟值,通过实测获得叶片尺度和冠层尺度干物质含量、等效水厚度以及高光谱数据,利用统计方法,分别对两种尺度杨树叶片干物质含量进行分析。结果表明:基于归一化指数计算方法,杨树叶片尺度和冠层尺度的最佳估算干物质含量的干物质含量归一化指数(NDMI)波段组合分别为1685,1704nm和1551,2143nm,使用偏最小二乘法分别对筛选波段组成的NDMI(1685,1704)指数和NDMI(1551,2143)指数构建叶片尺度干物质含量和冠层尺度干物质含量的估算模型,叶片尺度干物质含量估算模型精度为R2=0.663,RMSE=0.001g·cm-2,冠层尺度精度为R2=0.91,RMSE=16.7g·m-2。可见,高光谱技术对杨树叶片干物质含量的估算具有较高的精度,可为杨树叶片干物质含量的快速、无损估算提供参考依据。
- 程志庆张劲松孟平李岩泉郑宁
- 关键词：杨树干物质含量
- 基于高光谱信息的107杨叶片等效水厚度估算模型的研究被引量：7
- 2016年
- [目的]为实现杨树叶片水分高光谱信息进行快速、准确估算,[方法]将实测杨树叶片等效水厚度作为水分含量表征量,并测定叶片高光谱数据,同时,利用辐射传输模型模拟不同等效水厚度条件下的叶片尺度和冠层尺度的高光谱反射数据,通过分析常用水分植被指数对等效水厚度的敏感性,利用植被指数比值的方法构建新等效水厚度植被指数(GVMI/MSI)。通过GVMI/MSI、全球植被水分指数(GVMI)、水分胁迫指数(MSI)分别对杨树叶片尺度和冠层尺度等效水厚度估算精度进行比较分析。[结果]表明:GVMI指数、MSI指数以及新建GVMI/MSI指数的叶片尺度杨树叶片等效水厚度估算模型的精度R2分别为0.997、0.995、0.998;冠层尺度杨树叶片等效水厚度估算模型精度分别为0.837、0.836、0.973,其中,新建GVMI/MSI指数为杨树叶片等效水厚度估算最佳指数。[结论]GVMI/MSI构建的杨树叶片等效水厚度模型的预测精度较高,是杨树叶片等效水厚度的最佳估算模型。
- 程志庆张劲松孟平李岩泉郑宁
- 关键词：杨树
- 华北低丘山地不同土地利用条件下的土壤呼吸比较被引量：10
- 2014年
- 基于气体红外分析技术,在华北低丘山地退耕还林区内,以农田、撂荒地为对照,分析退耕43年和退耕10年刺槐人工林土壤呼吸速率的季节变化及其环境影响机制。结果表明:退耕43年和退耕10年刺槐人工林0～5 cm土层的土壤有机质含量分别是农田的3.9和1.6倍;退耕43年刺槐人工林、退耕10年刺槐人工林、撂荒地和农田的全年土壤呼吸平均速率分别为2.33,1.21,2.40和2.04μmol·m-2s-1,其中撂荒地的全年土壤呼吸平均速率最大,退耕43年刺槐林的全年土壤呼吸平均速率大于退耕10年刺槐林;研究区内4种土地条件下的土壤呼吸速率主要受5 cm深处土壤温度影响,退耕43年刺槐林、退耕10年刺槐林、撂荒地及农田的土壤呼吸温度敏感系数Q10分别为2.47,2.53,2.06和1.56,其中2种退耕林地的Q10均显著高于农田;4种土地利用条件下的Q10均存在显著的季节变异,其大小主要受温度影响。退耕还林工程的实施显著改善了土壤固碳能力。
- 赵娜孟平张劲松陆森程志庆
- 关键词：土壤呼吸退耕还林工程
- 一种基于最佳指数‑相关系数法的高光谱波段提取方法
- 一种基于最佳指数‑相关系数法的高光谱波段提取方法，包括以下步骤：步骤A、对原始高光谱数据进行分类、整理预处理；步骤B、在原始高光谱数据分类、整理后进行最佳指数计算处理；步骤C：3波段相关系数同时选取最大的计算；步骤D、综...
- 程志庆张劲松郑宁王鹤松李春友
- 文献传递
- 一种基于最佳指数-相关系数法的高光谱波段提取方法
- 一种基于最佳指数-相关系数法的高光谱波段提取方法，包括以下步骤：步骤A、对原始高光谱数据进行分类、整理预处理；步骤B、在原始高光谱数据分类、整理后进行最佳指数计算处理；步骤C：3波段相关系数同时选取最大的计算；步骤D、综...
- 程志庆张劲松郑宁王鹤松李春友
- 杨树叶片叶绿素含量高光谱估算模型研究被引量：17
- 2015年
- 以盆栽107号杨树为研究对象,在验证杨树叶片的SPAD值可作为衡量其叶绿素含量指标的基础上,基于最佳指数-相关系数法(OIFC),提取了杨树叶绿素特征波段(中心波长350、715、1 150 nm),建立了以该组合波段原始光谱数据为自变量的杨树叶片叶绿素含量估算模型;利用相关系数法,提取了杨树叶绿素归一化植被指数的计算波段(中心波长705、953 nm)与一阶光谱导数的叶绿素特征波段(中心波长647、691、721 nm),且分别建立了基于归一化植被指数、叶面叶绿素指数、一阶光谱导数为自变量的杨树叶片叶绿素含量估算模型;比较分析所建立的模型精度,筛选出杨树叶片的叶绿素含量最优估算模型。结果表明:化学法测得杨树叶片叶绿素含量与其对应的SPAD值之间具有显著的幂函数关系,R2可达0.902 3。利用OIFC法提取的叶绿素最佳三波段组合的高光谱数据为自变量,与叶片叶绿素含量构建的模型预测值与实测值具有显著的线性关系,决定系数为0.944 5;相比其他模型,该模型的精度最高且均方根误差最小。可见,基于OIFC法构建的杨树叶绿素高光谱模型具有较高的精度,是估算杨树叶片叶绿素含量的最优模型。
- 程志庆张劲松孟平李岩泉王鹤松李春友
- 关键词：杨树叶片叶绿素含量
- 植被参数高光谱遥感反演最佳波段提取算法的改进被引量：15
- 2015年
- 高光谱信息量巨大,如何选取最佳组合波段构建高精度光谱模型,是植被参数遥感反演模型研究的重要工作基础。该研究将最佳指数与相关系数通过熵权评价值进行融合,提出最佳指数-相关系数法(optimum index factor and correlation coefficient,OIFC)。基于OIFC法选取了小麦叶片叶绿素含量的最佳组合波段,并利用最佳组合波段的高光谱数据建立小麦叶片叶绿素含量预测模型。结果表明:利用OIFC法所提取的小麦叶绿素最佳组合波段是760、1 860、1 970 nm;对比最佳指数法(optimum index factor,OIF)、最大相关系数法(maximum correlation coefficient,MCC)提取波段以及归一化植被指数(normalized difference vegetation index,NDVI)、土壤调和植被指数(soil-adjusted vegetation index,SAVI)所建立的叶片叶绿素含量高光谱模型,基于OIFC法构建的模型预测值与实测值具有显著的线性关系,决定系数达0.827,且均方根误差最小(RMSE=5.44)。可见,基于OIFC法构建的小麦叶绿素含量模型具有更高的精度,该结果验证了利用OIFC法提取高光谱特征波段的可行性,并且能够获得更高建模精度的特征波段。
- 程志庆张劲松孟平李岩泉王鹤松李春友
- 关键词：植被光谱分析
