研究目的
基于遥感物候学建立一种准确评估水稻重金属胁迫的方法。
研究成果
该研究成功开发了一种基于遥感物候学精准评估水稻重金属胁迫的方法，对不同胁迫水平的总体判别准确率超过98%。所提出的方法或可适用于其他情境下的胁迫水平分类。
研究不足
该研究聚焦于水稻中的镉胁迫，可能无法直接适用于其他重金属或作物。该方法需要高质量的遥感数据，且可能受到云层污染或重访周期限制的影响。
1：实验设计与方法选择：
采用ESTARFM算法融合MODIS与Landsat数据，生成30米分辨率的时序融合影像。计算与水稻冠层绿色度及含水量相关的植被指数，构建植被指数时序数据集。
2：样本选取与数据来源：
研究区位于中国湖南省株洲市，根据重金属镉浓度选取六个研究样点。
3：实验设备与材料清单：
Landsat 8 OLI和Landsat 7 ETM+二级地表反射率产品、MOD09A1产品，以及电感耦合等离子体质谱仪ICP-MS（型号：Agilent 7900，美国安捷伦科技公司，加州圣克拉拉）。
4：实验流程与操作步骤：
从植被指数时序数据中提取物候指标，设计特征筛选方案获取最优物候指标子集。以最优物候指标作为分类特征，构建基于随机森林（RF）和梯度提升（GB）分类器的集成模型。
5：数据分析方法：
实施胁迫等级分类，并评估分类结果的准确性。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
ICP-MS
Agilent 7900
Agilent Technologies
Metal content determination
-
Landsat 8 OLI
Operational Land Imager
USGS
Surface reflectance data collection
-
Landsat 7 ETM+
Enhanced Thematic Mapper Plus
USGS
Surface reflectance data collection
-
MOD09A1
8-day composite surface reflectance data
NASA
Surface reflectance data collection
-
登录查看剩余2件设备及参数对照表
查看全部
