基于叶片反射光谱估测水稻氮营养指数

【目的】基于叶片反射光谱建立快速、无损监测水稻氮营养指数（nitrogen nutrition index,NNI）的估算模型。【方法】2018—2019年开展2个水稻品种（徽两优898和Y两优900）及5个氮肥梯度（施氮量为0、75、150、225和300 kg·hm^-2,分别记为N₀、N₁、N₂、N₃、N₄）的田间小区试验,测定关键生育期不同叶位叶片反射光谱和植株NNI,构建多种光谱指数的水稻NNI监测模型。【结果】单叶及叶位组合的敏感波段均分布在540 nm的绿光波长处,其与近红外波段构成的窄波段比值指数SR（R₉₀₀,R₅₄₀）可较好反演水稻NNI。但不同叶位叶片窄波段比值指数与水稻NNI的预测精度表现不同,顶3叶（L₃）预测精度最好（R²=0.731,RMSE =0.130,RE=11.6%）,顶2叶（L₂）次之（R²=0.707,RMSE =0.136,RE =12.2%）,顶1叶（L₁）最差（R²=0.443,RMSE =0.187,RE =14.7%）;顶2叶和顶3叶组合平均光谱（L₂₃）的预测精度优于单叶水平和其他叶位组合（R²=0.740,RMSE =0.128,RE =11.5%）。再将窄波段比值指数SR（R₉₀₀,R₅₄₀）近红外与绿光区域分别重采样50 nm和10 nm,所构建的宽波段比值指数SR[AR_{（900±50）},AR_{（540±10）}]模型精度较SR（R₉₀₀,R₅₄₀）未明显降低,且在L₂₃水平下2个模型的模型精度和预测精度基本一致（R²=0.740,RMSE =0.128,RE =11.5%）。水稻NNI小于1时与产量呈线性的正相关关系（P<0.05）,大于1时产量趋于平稳。【结论】L₂和L₃叶片反射光谱为监测水稻NNI的敏感叶位,其中叶位组合L₂₃可提高模型预测精度。基于叶片反射光谱构建的多种波段比值指数（SR（R₉₀₀,R₅₄₀）和SR[AR_{（900±50）},AR_{（540±10）}]）可快速估测水稻NNI,从而为不同传感器对水稻氮营养指数估测监测研究提供了理论依据。     

鞍山市南果梨花期影响因子及始花期预报研究

南果梨是辽宁地理标志产品,花期观赏是待开发的旅游资源,开展花期预报服务有助于推动旅游业。利用2000—2022年鞍山气象资料和南果梨花期物候资料,基于相关分析和逐步回归方法,筛选相关气候因子建立始花期预报模型。结果表明：3月份气温是影响始花期主要因素,降水次之,光照影响不显著。鞍山南果梨始花期出现在4月中—下旬,当3月中旬平均气温<4.0℃、平均最高气温<9.0℃、3月中旬—4月上旬平均气温<6.0℃、平均最低气温<2.0℃时,始花期出现在4月下旬,反之在4月上旬;并且,气温每升高1℃,始花期提前2~3 d。通过逐步回归筛选出3月中旬的平均气温和平均最高气温、3月中旬—4月上旬平均气温、平均最高、最低气温及3月下旬—4月上旬降水量等6个因子,建立的始花期预报模型准确率为84.8%。运用相关指标和逐步回归模型,可预测鞍山南果梨开花始期,此方法可纳入专项气象预报服务中。     

GF-1/WFV在玉米叶面积指数估算中的应用研究

叶面积指数(leaf area index,LAI)是植被冠层重要的结构参数之一,与冠层生理过程密切相关,也是植被遥感领域关注的重要参数之一。本研究对已在轨运行7年的高分一号卫星WFV传感器的植被监测性能进行评测,以吉林省农安县典型玉米分布区作为研究区域,结合地面同步观测的叶面积指数和冠层光谱等实测数据,借助归一化植被指数(NDVI)、比植被指数(RVI)、大气阻抗植被指数(ARVI)、土壤调节植被指数(SAVI)、修改性土壤调节植被指数(MSAVI)这5种植被指数,对比分析地面实测光谱与GF-1/WFV光谱对玉米冠层叶面积指数的估算能力。通过决定系数(R²)、均方根误差(RMSE)、相对误差(RE)和预测残差(RPD)等参数筛选最优模型。研究结果显示,各种植被指数与LAI之间的相关性均表现为地面实测光谱高于GF-1/WFV星载光谱;对比不同植被指数与LAI的相关性发现,地面光谱和星上光谱构造的植被指数中,均表现为MSAVI与LAI的相关性最高;基于地面光谱和星上光谱的MSAVI构建的估算模型中,R²最高值所对应的函数类型不同,基于地面光谱的函数中,R²最高值对应的是指数模型,而基于GF-1/WFV星上光谱的函数中,二项式的R²最高。     

基于星-机光谱融合的棉花叶片SPAD值反演

【目的】为提高棉花叶片叶绿素含量的反演精度,并掌握其在山东省夏津县的空间分布特征。【方法】本研究以山东省德州市夏津县为研究区,以夏津县大李庄棉田为试验区,通过SPAD（soil and plant analyzer development,SPAD）仪实地测定试验区棉花叶片叶绿素含量的相对值（SPAD值）,并获取同期试验区无人机（unmanned aerial vehicle,UAV）近地多光谱图像和研究区Sentinel-2A MSI（MSI）卫星影像;然后分别基于UAV和MSI的光谱反射率,构建并筛选最优光谱参量,采用多元线性回归（multiple linear regression,MLR）建立SPAD值定量反演模型;最后采用二次多项式拟合法融合UAV和Sentinel-2A MSI对应的最优光谱参量,对比分析融合前后模型效果,优选最佳反演模型,实现研究区SPAD值反演。【结果】研究表明,(REG-R)/(REG+R)、R/G、CL(red edge)、NDVI可作为SPAD值的最优光谱参量;基于UAV图像的定量反演模型精度优于基于MSI影像的模型;基于二次多项式拟合后建模R ²提高了0.015—0.057,RMSE降低了0.457—0.638,验证R ²提高了0.040—0.085,RMSE降低了0.387—0.397,RPD提高了0.020—0.139;将融合后的MSI光谱参量代入基于UAV图像的反演模型（Fused MSI-Mod_UAV）,也可获得较高的反演精度,建模R ²达0.672,RMSE为3.982,验证R ²达0.713,RMSE为3.859,RPD为1.685;基于上述模型进行研究区棉花叶片SPAD值反演分析,试验区整体呈南高北低的分布趋势,研究区呈中间低、四周高的分布趋势,均与实地情况一致,具有较好的预测效果。【结论】采用二次多项式拟合法融合无人机和卫星影像数据,可较好地实现区域高精度作物生长指标的定量反演,研究结果可丰富多源遥感融合理论与技术,为后续棉花长势监测与精准生产提供技术参考和数据支持。     

基于机器学习的苹果始花期预测

始花期的早晚是生长过程中气象因子累积对果树产生的影响。冬季果树休眠是一个需冷量到需热量的过程，研究了这一过程中气象因子对苹果果树始花期的影响并预测始花期。基于山西省吉县苹果物候数据和气象数据，研究三个时间段内（是否发生冻害、能否正常越冬和热量与水分需求）气温、湿度、地温、降水量和光照等气象因子对花期的影响程度,采用多元线性回归方法和组合方法，建立山西省吉县苹果果树始花期的预测模型。结果表明，在三个不同时间段内预测值与真实值的决定系数分别为：0.59、0.71和0.48。由于分析天数长短的不同，基于能否正常越冬建立的模型效果最好，其决定系数为0.71，分析天数最短的基于热量与水分需求时间段的模型决定系数最小，这表明预测过程中分析天数的选择不宜过小。使用组合方法模型的决定系数为0.78，比能否正常越冬时间段模型的0.71略有提升。同时预报模型可以在3月15日完成提前量至少为24 d的精准预测。     

基于AquaCrop模型的大豆灌溉制度优化研究

【目的】 探究AquaCrop模型在关中地区的适用性,寻求大豆在不同降水年型下最适宜的灌溉制度。【方法】 用田间试验实测数据对该模型进行校正,并用校准后的模型模拟1961—2019年内所有3种不同降水年型14种灌溉制度下的大豆产量和水分利用效率。【结果】 AquaCrop模型模拟田间产量最高处理的冠层覆盖度的决定系数(R ²)、均方根误差（RMSE）、标准均方根误差(NRMSE)及Nash效率系数(EF)分别为0.96、7.15%、11.03%和0.94;模拟值与实测值生物量的决定系数（R ²）、均方根误差（RMSE）、标准均方根误差（NRMSE）及Nash效率系数（EF）分别为0.99、526.04 kg·hm^-2、14.45%和0.97;最终产量模拟的决定系数（R ²）、均方根误差（RMSE）、标准均方根误差（NRMSE）及Nash效率系数（EF）分别为0.97、49.98 kg·hm^-2、1.74%和0.82,各处理的冠层覆盖度和生物量实测值与模拟值的R ²均大于0.95,说明AquaCrop模型可以较好地模拟关中地区大豆的生长发育动态与产量。结合模型模拟结果可知,大豆作物需水量平均值为398.2 mm,各个生育时期的需水量差异较大,分枝期需水量为127.8 mm,开花-结荚期需水量为212.6 mm,鼓粒期的需水量为57.7 mm。结合对3种不同降水年型进行不同灌溉制度模拟后发现,大豆开花-结荚期为需水关键期,该生育时期水分供应情况影响大豆的最终产量。在湿润年可以不灌水;平水年和干旱年仅在开花-结荚期分别灌溉45和70 mm可实现最高产量（2 699、2 486 kg·hm^-2）和最大水分利用效率（0.74、0.7 kg·m^-3）。【结论】 该地区大豆灌溉制度,应以不同降水年型分布情况为基础对大豆灌溉制度进行选择,可保证大豆具有较高的产量和水分利用效率,可作为关中地区大豆灌溉制度的参考依据。     

预测水稻螟虫发生趋势的径向基函数人工神经网络模型及其与BP网络的比较

文章采用径向基函数人工神经网络的方法,利用MATLAB工具箱并结合气象资料中的平均气温、最低气温、日照时间和降雨量．建立了预测虫害发生程度的RBF神经网络预测系统。系统通过实例证实了预测的准确性,并且与常用的BP网络进行了比较。RBF网络和BP网络通过对训练样本的仿真,可明显看出RBF网络比BP网络更为精确。通过程序记时显示RBF网络用时1．2030s．比BP网络训练所需的时间要短的多．因此RBF神经网络具有很好的实用价值。     

基于机器学习的苹果始花期预测

始花期的早晚是生长过程中气象因子累积对果树产生的影响。冬季果树休眠是一个需冷量到需热量的过程,研究了这一过程中气象因子对苹果果树始花期的影响并预测始花期。基于山西省吉县苹果物候数据和气象数据,研究三个时间段内（是否发生冻害、能否正常越冬和热量与水分需求）气温、湿度、地温、降水量和光照等气象因子对花期的影响程度,采用多元线性回归方法和组合方法,建立山西省吉县苹果果树始花期的预测模型。结果表明,在三个不同时间段内预测值与真实值的决定系数分别为：0.59、0.71和0.48。由于分析天数长短的不同,基于能否正常越冬建立的模型效果最好,其决定系数为0.71,分析天数最短的基于热量与水分需求时间段的模型决定系数最小,这表明预测过程中分析天数的选择不宜过小。使用组合方法模型的决定系数为0.78,比能否正常越冬时间段模型的0.71略有提升。同时预报模型可以在3月15日完成提前量至少为24 d的精准预测。     

基于CARS-BPNN的江西省土壤有机碳含量高光谱预测

【目的】探讨光谱变量选择及依据土壤类型进行分层校准两种方法对高光谱预测土壤有机碳（SOC）精度的影响。【方法】以江西省为研究区,490个土壤样本为研究对象,对研究区内的所有样本以及不同土壤类型样本分别通过竞争性自适应重加权采样（CARS）算法筛选特征波段,并采用偏最小二乘回归（PLSR）、支持向量机（SVM）、随机森林（RF）、反向传播神经网络（BPNN）4种模型,对比不同土壤类型下SOC在全波段以及CARS算法筛选后特征波段的预测精度。进而,还对比了全局校准和分层校准下SOC在全波段以及CARS算法筛选后特征波段的预测精度。【结果】（1）红壤筛选的特征波段为484、683—714和2 219—2 227 nm,水稻土筛选的特征波段为484、689—702和2 146—2 156 nm。红壤采用CARS-BPNN模型预测效果最佳（R ²=0.82）,较全波段建模验证集R ²提升0.07。水稻土采用CARS-RF模型预测效果最佳（R ²=0.83）,较全波段建模验证集R ²提升0.13。（2）在总体样本上,分层校准相比全局校准精度有所提升。采用CARS-BPNN进行分层校准预测效果最佳（R ²=0.82）,较全局校准验证集R ²提升0.06。【结论】采用CARS-BPNN进行分层校准能够较好地预测江西省土壤有机碳含量,本研究可为其他类似地区预测土壤属性提供科学依据。     

基于岭回归的河西走廊中部日光温室低温预测模型

为了构建基于气象要素的甘肃省甘州区日光温室低温预测模型,探索应用了岭回归分析的方法。在合理选取预测因子的基础上,对预测因子之间存在的多重共线性进行诊断,为了克服预测因子共线性对模型稳定性的影响,选择岭回归分析的方法进行共线性的处理和模型构建,应用模型的预测值与实测值对模型的精度进行检验。结果表明：选取的预测因子之间存在共线性问题,通过岭回归分析建立的日光低温预测模型可以克服预测因子间由于共线性问题对模型参数造成的影响,模型预测值与实测值之间的绝对误差(≤3℃)的准确率为98.4%,决定系数(R²)为0.8543和均方根误差(RMSE)为0.7849℃,模型精度较好。基于岭回归分析法建立的日光温室低温预测模型能够对当地日光温室低温进行合理而有效的预测。     

基于PCA-BPNN的温室番茄果实直径预测模型

[目的]研究温室番茄果实直径变化量的动态预测模型,为番茄所需水肥规律提供数据支持.[方法]选择番茄果实横径为研究对象,以5株番茄果实膨大期的数据建立模型,采用主成分分析法对植物生理生态信息和环境信息进行分析,提取主要成分,以主成分为自变量,输出变量为因变量,建立一个包含空气温度、空气湿度、土壤含水率、叶片温度及果实横径...     

阿尔泰山森林土壤温度动态变化及其预测

阿尔泰山作为干旱区典型的山地系统,其土壤温度的日、月、季节和年际动态及其影响因素研究,是深入理解干旱区山地森林生态系统能量循环过程的关键所在。基于阿尔泰山森林生态站2014年11月-2019年7月的气象因子和土壤温度数据,应用相关分析、回归分析和BP人工神经网络分析了阿尔泰山5、10、20 cm和30 cm深度土壤温度的动态变化及其对气象因子的响应,同时,应用多元线性回归和BP人工神经网络对土壤的温度进行了模拟。结果表明:1）近5 a各层土壤温度月均值年际变化一致,最低最高温度和日较差最大值均出现在20 cm,仅30 cm土壤温度的月变化出现自表层至深层滞后现象,年内月较差最大值出现在30 cm深度;各土壤层温度在春夏秋季变化较大,冬季变化较小;2）空气温度、气压和太阳辐射等与土壤温度的相关性达到极显著水平,其中与空气温度的相关性最强;3）回归模型和BP人工神经网络对20 cm土壤层的模拟结果最好,且BP人工神经网络模型的性能总体上优于回归模型。     

基于气象参数的内陆干旱区作物生育期ET0预测

为实现大田作物灌溉的精细化管理,研究了基于气象因素的生育期ET₀预测模型。采用灰色理论对ET₀与日均、日最高、最低温度,日均风速,相对湿度以及日照时数进行灰色关联度分析,结果表明ET₀与温度（包括日均、最高、最低温度）及相对湿度的灰色关联度较高。在分析ET₀与上述气象因素间的相关系数基础上,采用日均温度、日均风速以及日照时数作为模型的输入,ET₀作为输出,建立了BP神经网络（BPNN）预测模型;采用日均温度、日均风速、日照时数及灰色关联度作为输入,建立了模糊最小二乘支持向量机（FLSSVM）预测模型。研究结果表明,BPNN模型的训练值决定系数为0.8643,平均相对误差6.29%,预测值决定系数为0.8099,平均相对误差7.83%;FLSSVM模型的训练值决定系数为0.9684,平均相对误差2.89%;预测值决定系数为0.9663,平均相对误差3.43%。BP神经网络与FLSSVM模型的精度均较高,可以用来预测ET₀日值,这为大田作物的精细化灌溉管理提供理论与技术支持。     

库尔勒香梨盛花期预报模型初探

根据库尔勒市1981—2012年地面观测资料和香梨花期物候资料,分析库尔勒香梨盛花期与气象因子的相关性,采用逐步回归分析法确立对香梨盛花期作用显著的气象因素,建立香梨盛花期最优回归预测模型。结果表明,影响香梨盛花期的最优势相关气象因子是3月平均最高气温、4月至始花期平均气温与4月至始花期合计日照时数,利用所建模型对1981—2007年以及2008—2012年香梨盛花期进行回代和预报检验,效果均较好,此结果可用于指导库尔勒市香梨盛花期的预报。     

土壤墒情预测模型对比

为实现实时准确的墒情预报,以北京市延庆区为例,利用在该地区获取的2012—2016年5年的系列土壤墒情和气象数据,对土壤墒情预测模型进行了对比研究。通过相关性分析选取时段初墒值W_0、降雨、湿度、气温、气压、地温和蒸发7种影响因子,对土壤墒情分别建立线性回归方程、基于主成分分析的径向基函数(PCA-RBF)神经网络和误差反向传导(BP)神经网络3种预测模型,并对3种模型预测结果进行了对比分析。结果显示:PCARBF神经网络模型精度最高,平均精度达到96.8%,线性回归模型和BP神经网络模型分别为94.6%和95.7%。研究认为,PCA-RBF神经网络具有稳定性好、精度高的特点,可以很好的实现土壤墒情预测。     

基于神经网络的催化剂配方模型

本文应用人工神经网络中的BP网络与RBF网络，讨论脂肪醇催化剂配方的建模问题，并与传统的多元线性回归方法进行对比。结果表明，神经网络具有明显的优点，而RBF网络又比BF网络更加精确，且收敛速度要快1000倍以上。     

基于无人机多光谱和热红外影像信息融合的小麦白粉病监测

[目的]白粉病严重危害小麦生长及制约产量形成,确立实时监测小麦白粉病的多源数据融合方法,为精确防控及保证国家粮食安全提供技术支撑.[方法]在小麦开花和灌浆期,使用同时搭载多光谱仪和热成像仪的六旋翼无人机作为遥感数据获取平台,通过ENVI软件从小麦白粉病遥感影像中提取植被指数、纹理特征以及冠层温度信息,进而利用多元线性回...     

云南省水稻白叶枯病BP神经网络测报技术研究

 人工神经网络对复杂非线性问题映射能力强,能提高预测的准确度,为水稻白叶枯病害的防治工作提供指导。因此,本研究基于水稻白叶枯病害发生、危害与温度、湿度、降雨等气象因素相关的特点,利用人工神经网络建立云南省勐海县和石屏县水稻白叶枯病害BP神经网络预测模型,预测病害的发生程度。经实例验证,BP神经网络预测模型预测准确度达到80%以上,较逐步回归模型高。研究表明在勐海、石屏建立水稻白叶枯BP网络预测模型是可行的,并具有较高预测准确度,对防治工作有较高应用价值。     

基于逐步回归法和BP神经网络模型的苹果产量预测

本文通过逐步回归法挑选出4种影响苹果产量的关键气象因子，并运用逐步回归法和BP神经网络建立苹果产量预测模型，通过模型检验两种预测模型拟合效果均较好，均能够较好的预测今后苹果的产量趋势，BP神经网络模型预测有较高精度，但BP神经网络预测模型存在局限性。