【作物长势监测研究现状的文献综述3300字】

作物长势即作物的生长状况和趋势，直接影响到作物最后的产量测在为农业生产提供宏观管理依据的同时，也为农作物的早期估产提传统的作物长势监测采用人工观察的方法，即通过直接目视的方物的大小、颜色、形状等外部特征进行观察和分析。人工观察法虽时耗力，不仅无法做到定量描述作物的生长状之在后期的分析阶段需要专业知识的支持，故使用低。遥感技术的进步为作物长势监测提供了有效工具，遥感监测法要是通过选取与作物生长过程密切相关的因子和指数，综合反映作物长势及其变化动态。LAI控制着作物许多生物、理化过程，如光合作用、呼吸作用、蒸腾作用、碳循环和LAI,基于ARS作物生长模型对爱荷华州中部作物主要种植区的玉米和大豆进行产量估测，结果表明，玉米的估测产量与美国国家农业统计局记录的实际产量间序列数据反演的LAI数据、绿色植被指数、叶绿素指标和干重指里东南部库提阿拉区5个村庄的农场-社区尺度的作物估产模型，结果表明，LAI对棉花、级生产、地表温度等植被和温度产品，记录产品和美国主要农业区的大麦、玉米、水稻、高粱、小麦等九种粮食作物的产量的关系，结果表遥感影像的红波段和近红外波段遥感信息计算的植被指数与作物的LAI、光合有效辐量，评估了利用NDVI预测加拿大草原作物产量的可能性[41,结果表明预测结果与实际粮食产量的差异在10%以内，利用NDVI可以在收获前1～2个月进行准确的粮食产量预测。Johnson利用来自Terra卫星的MODIS的NDVI评估了县级玉米和大豆的产量预测效果，基于可见光、近红外、热红外波段遥感数据的作物水分胁谱反射率、植被指数(如NDVI)及地表温度(landsurfacetemperature,LST)的变化表征461,适用于研究特定年内某一时期某一区域的干旱程度，被证实是一种近实时的数据反演的VTCI和LAI,构建陕西省关中平原和生育期间各旬VTCI的平均值得到加权VTCI,与作物产量进行线性相关分析，以提高作于Landsat数据反演的LAI、地上生物量和0-20cm土壤含水率，获取冬小麦主要生育期以天为尺度的变量同化值，分析不同生育时期的LAI,地上生物量和土壤含水率同化值与实测单产的相关性，并应用熵值的组合预测方法确定不同状态变量影响而生成综合性指数，并分析其与实测单产的相关性。结果麦单产估测模型分别比基于单一指数建立的模型的估产精度显著浩杰等将反映小麦长势的LAI、叶片叶绿素含量、植被氮含量、水分含量和生物量5个参数按照均等权重构建了一个综合长势指标(CGI),并利用450-882nm范围内的单波段或CGI与光谱指数的R²高于各项单独指数与相应光谱指数的R²,无人机高光谱影像反演的期和成熟期的权重值，构建了玉米主要生育期的长势综合监测指标5市的县域尺度玉米长势综合监测指标与单产之间的决定系数介于0.247~0.598,均达到了2004,8(6):498-514.2017,31(7):44-49.[10]赵春江.农业遥感研究与应用进展[J].农业机械学报，2014,45(12):277-293.land-coverchangeanalysis[J].InternationalJournalofRemote[13]LiuWT,KoganFN.MonInternationalJournalofRemoteSensing,1996,17(14):2761-2782.SensingofEnvironment,2010,114(6):1312-1323.[17]LambertM,TraoréPCS,BlaesX,BaretP,DefournySensingofEnvironment,2018,216:647-657.prediction[J].AgriculturalSystems,2005,85(1):1-1mountainousregions[J].JournalofAgricultural