基于无人机高光谱影像的水稻叶片磷素含量估算

为快速获取水稻叶片磷素含量信息,采用无人机搭载高光谱成像仪获取水稻冠层高光谱影像,并采样检测叶片磷素含量（质量分数）（Leaf phosphorus content, LPC）。分析了水稻LPC在无人机高光谱影像上的光谱特征,使用连续投影算法提取对磷素敏感的特征波长,通过任意波段组合构建并筛选与磷素高度相关的光谱指数,基于特征波长反射率和光谱指数建立水稻LPC的估算模型,利用最佳模型对高光谱影像进行反演填图,得到LPC空间分布信息。结果表明：全生育期内LPC与462~718 nm范围内光谱反射率显著负相关,负相关最大处相关系数达到-0.902;LPC的特征波长为670、706、722、846 nm,基于特征波长、使用偏最小二乘回归建立的LPC估算模型精度最高,验证R2达到0.925,RMSE为0.027%;在任意波段组合构建的3种类型的光谱指数中,NDSI(R498,R606)、RSI(R498,R606)和DSI(R498,R586)与LPC的相关性最高,相关系数分别为0.913、0.915和0.938;基于3个光谱指数、使用神经网络构建的LPC估算模型精度较高,验证R2为0.885,RMSE为0.029%;对各生育期水稻LPC空间分布的反演结果与实测数据相一致,说明利用无人机高光谱遥感可以实现田间水稻LPC的快速无损监测。     

基于无人机可见光影像的玉米冠层SPAD反演模型研究

叶绿素是植物进行光合作用的重要色素,利用作物光谱、纹理信息对叶绿素进行反演,为作物的实时监测和健康状况诊断提供重要依据。以大田环境下5个不同品种四叶期、拔节期的玉米为研究对象,利用无人机获取试验区可见光影像,对土壤背景进行掩膜处理,提取25种可见光植被指数、24种纹理特征,综合分析植被指数、纹理特征与玉米冠层叶绿素相对含量（SPAD）的相关性,分别建立基于植被指数、纹理特征和植被指数+纹理特征的逐步回归（SR）、偏最小二乘回归（PLSR）和支持向量回归（SVR）模型,定量估算叶绿素相对含量。在SR模型中,植被指数+纹理特征模型与植被指数模型相同,R2为0.7316,RMSE为2.9580,RPD为1.926,优于纹理特征模型;在PLSR模型中,植被指数+纹理特征模型较优,R2为0.8025,RMSE为2.4952,RPD为2.284,纹理特征模型次之,植被指数模型最差;在SVR模型中,植被指数+纹理特征模型较优,R2为0.8055,RMSE为2.6408,RPD为2.158,植被指数模型次之,纹理特征模型最差。综合分析采用基于PLSR植被指数+纹理特征模型可以实现玉米冠层SPAD快速、准确提取,为叶绿素反演提供一种新的方法,可为无人机遥感作物长势监测提供参考。     

基于无人机高光谱影像的马铃薯株高和地上生物量估算

为实现快速无损获取马铃薯株高和地上生物量信息,分别获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期、成熟期的高光谱影像,实测马铃薯株高H、地上生物量（AGB）和地面控制点（GCP）的三维空间坐标,基于无人机高光谱影像结合GCP生成试验田的数字表面模型（DSM）,利用DSM提取马铃薯的株高Hdsm ;然后,对马铃薯AGB与原始无人机冠层光谱和高光谱指数分别进行相关性分析,筛选出最优光谱指数和前10个光谱指数,利用指数回归（Exponential regression,ER）构建单变量模型;最后,采用多元线性回归（Multiple linear regression, MLR）、偏最小二乘回归（Partial least square regression, PLSR）和随机森林（Random forest, RF）3种方法构建不同生育期的估算模型,并进行对比,挑选出马铃薯AGB估算的最优模型。结果表明：将提取的马铃薯株高与实测值进行线性拟合,R 2 为0.84;在单变量模型中,每个生育期以ER估算AGB得到的验证精度高于相应的建模精度,其中构建模型效果优劣次序依次为最优光谱指数、Hdsm 、H,块茎增长期以CIrededge指数估测精度最高（R 2 =0.45）;在多变量模型中,每个生育期采用3种方法构建AGB估算模型,每种方法以光谱指数加入Hdsm 的模型精度更高、稳定性更强;每个生育期利用MLR以光谱指数和Hdsm 为变量的AGB模型（R 2 为0.64、0.70、0.79、0.68、0.63）效果优于PLSR（R 2 为0.62、0.68、0.75、0.67、0.60）和RF（R 2 为0.56、0.61、0.67、0.63、0.53）模型。利用MLR模型进行马铃薯AGB填图,5个生育期的AGB空间分布与实际生长情况一致。利用融入Hdsm 的MLR模型可估测大面积马铃薯AGB,为精准农业定量化研究提供技术支持。     

基于无人机高光谱遥感数据的冬小麦产量估算

为了准确和高效地预测作物产量,以冬小麦为研究对象,利用无人机遥感平台搭载高光谱相机,获取了冬小麦各生育期的无人机影像。根据高光谱具有较多的光谱信息且存在特有的红边区域的特点,选取了9种植被指数和5种红边参数。首先,分析植被指数和红边参数与产量的相关性,优选5种植被指数和2种红边参数用于构建产量估算模型;然后,构建了不同生育期的3种产量估算模型:单参数线性回归模型、基于植被指数并使用偏最小二乘回归方法模型、基于植被指数结合红边参数并使用偏最小二乘回归方法模型;最后利用3种模型分别估算冬小麦产量。结果表明:4个生育期内,大部分植被指数和红边参数与产量呈现极显著相关性;拔节期、挑旗期、开花期与灌浆期构建的单参数线性回归模型中表现最佳的参数分别为REP、Dr/Drmin、GNDVI与GNDVI;利用偏最小二乘回归方法提高了产量估算精度,以植被指数结合红边参数为因子构建的模型提高了产量估算效果(优于以植被指数为因子构建的产量模型)。本研究可为无人机高光谱估算作物产量提供参考。     

基于XGBoost-Shapley的玉米不同生育期LAI遥感估算

针对当前快速准确获取叶面积指数（Leaf area index, LAI）时大部分遥感预测方法将光谱信息作为模型主要特征,忽略时序变化特征的问题,利用无人机搭载五通道多光谱相机获取研究区玉米不同生育期的影像数据,基于该数据计算玉米相应生育期植被指数,然后采用植被指数建立各生育期子模型,采用Shapley理论计算子模型均方根误差对全生育期模型均方根误差的贡献度,从而确定各子模型权重,根据权重组合形成具有LAI时序变化特征的估算模型,分别基于支持向量回归（SVR）、多层感知机（MLP）、随机森林（RF）和极限梯度提升树（XGBoost）算法构建组合估算模型。结果表明：采用Shapley理论构建的组合LAI估算模型估算效果优于直接构建的全生育期LAI估算模型。相较于SVR-Shapley、MLP-Shapley以及RF-Shapley模型,XGBoost-Shapley模型的估算效果最佳（R²为0.97,RMSE为0.021,RPD为6.9）。将最优模型XGBoost-Shapley应用于研究区LAI预测,预测结果符合不同生育期玉米长势。本研究为大田玉米长势遥感监测提供...     

基于无人机多光谱遥感的玉米FPAR估算

为了探究无人机多光谱遥感影像估算作物光合有效辐射吸收比例（Fraction of absorbed photosynthetically active radiation,FPAR）的潜力,以无人机多光谱影像提取的植被指数、纹理指数、叶面积指数为模型输入参数,在分析不同参数与FPAR相关性的基础上优选植被指数与纹理指数,并分别以一元线性模型、多元逐步回归模型、岭回归模型、BP神经网络模型等方法估算玉米FPAR。结果表明：植被指数、纹理指数、叶面积指数 3种参数与FPAR都具有较强的相关性,其中植被指数相关系数最大;在不同类型的FPAR估算模型中,BP神经网络模型的估算效果最优,FPAR估算模型决定系数R2、均方根误差（RMSE）分别为0.857、0.173,验证模型R2、RMSE分别为0.868、0.186,模型估算值与田间实测值间相对误差（RE）为8.71%;在不同形式的模型参数组合中,均以植被指数、纹理指数、叶面积指数 3种参数融合的FPAR模型的估算与验证效果最优,说明多特征参数融合能有效改善FPAR估算效果。该研究为基于无人机多光谱遥感数据精准估算玉米FPAR及生产潜力提供了科学依据。     

基于无人机多光谱遥感的夏玉米叶面积指数估算方法

无人机多光谱遥感技术可以快速、无损地监测农作物叶面积指数（LAI）。为研究水分胁迫条件下,利用无人机多光谱植被指数估算夏玉米LAI的可行性,本研究基于无人机多光谱遥感系统,结合同时期实地采集的夏玉米LAI,选择5种植被指数,包括归一化差值植被指数（NDVI）、土壤调节植被指数（SAVI）、增强型植被指数（EVI）、绿度归一化植被指数（GNDVI）和抗大气指数（VARI）,作为模型输入参数,使用随机森林回归算法建立全生育期不同灌溉条件下大田玉米冠层植被指数与LAI之间的关系模型,并与一元线性回归和多元线性回归算法建立的模型进行对比分析。结果表明,在充分灌溉条件下,植被指数的多元线性回归模型可以较好地估算LAI（R² = 0.83）;在水分胁迫条件下,植被指数的随机森林回归模型可以较好地估算LAI（R² = 0.74~0.87）,水分胁迫因素对该模型影响较小,且NDVI和VARI对估算LAI的贡献最大。上述结果表明基于无人机多光谱遥感技术,使用随机森林回归算法估算多种灌溉条件下的夏玉米LAI是可行的。该研究为实现快速、准确地监测全生育期不同灌溉条件下的大田夏玉米LAI提供了技术和方法支持。     

基于MK—SVR模型的小麦叶面积指数遥感反演

提出了运用多核支持向量回归(MK-SVR)算法构建小麦叶面积指数(LAI)遥感监测模型。以2010—2013年试验样点小麦拔节、孕穗、开花3期的实测LAI数据为基础,同步获取我国自主研发的环境减灾卫星HJ-CCD对该研究区域的影像数据,分析了各生育期小麦LAI与8种植被指数间的相关性。以显著相关的植被指数作为输入参数,使用MK-SVR算法构建了每个生育期的小麦LAI反演模型,即MK-SVR-LAI模型。为了评价模型,每期使用单一核支持向量回归(SK-SVR)、偏最小二乘(PLS)回归算法构建了SK-SVR-LAI、PLS-LAI模型。将模型估算LAI值和田间观测LAI值进行比对,以决定系数(R2)和均方根误差(RMSE)为指标评价并比较了模型。结果表明:3个生育期MK-SVR-LAI模型的RMSE值均低于参比模型,拔节期为0.293 1,孕穗期为0.466 8,开花期为0.548 6,且该模型的R2也都最高,拔节期为0.762 4,孕穗期为0.801 8,开花期为0.668 9。     

无人机多源光谱反演大田夏玉米叶面积指数

【目的】研究多源光谱反演大田夏玉米叶面积指数(LAI)的效果。【方法】以大田夏玉米为研究对象,利用无人机获取试验区不同生育期热红外以及多光谱影像,提取热红外冠层温度(TC)以及多光谱植被指数,结合地面实测LAI数据,分析光谱数据与实测LAI之间的相关关系,并将TC与筛选出的11种植被指数作为输入变量,LAI作为输出变量利用多元线性回归、支持向量机和随机森林3个算法模型训练学习,建立了夏玉米LAI的反演模型。【结果】多光谱植被指数以及TC均与夏玉米LAI在P0.000 1水平上显著相关,相关系数均在0.5以上;RF算法于拔节期、喇叭口期、以及吐丝期3个生育期的LAI预测值与实测值的R~2均高于MLR算法和SVM算法,对应的RMSE及NRMSE均低于MLR算法和SVM算法;融合热红外TC后的RF模型反演精度均有不同程度的提升,各生育期LAI预测值与实测值R~2均大于同时期未融合TC的LAI反演模型。【结论】多光谱植被指数以及TC均与夏玉米LAI具有较强的相关性,且RF算法构建的夏玉米LAI反演模型精度优于MLR和SVM算法,同时TC的加入可以有效提升夏玉米LAI反演精度。     

基于无人机多光谱遥感的马尾松林叶面积指数估测

快速、准确、无损估测马尾松林叶面积指数对精准林业管理具有重要意义。以小型低空无人机为平台,搭载RedEdge多光谱传感器,获取福建省西部马尾松林多光谱影像,运用重采样的方式获取并计算不同空间分辨率（0.08、0.1、0.2、0.5、1、2、5m）下的植被指数,结合地面实测LAI数据,分析其与植被指数的相关性,进而采用线性模型（LR）、多元逐步回归模型（MSR）、随机森林模型（RF）、支持向量机模型（SVM）和人工神经网络模型（BP）构建不同空间分辨率下的马尾松林LAI估测模型,以决定系数（R2）、均方根误差（RMSE）、相对分析误差（RPD）和总体精度（TA）来评价估测模型精度,从而确定最佳空间分辨率和最佳模型。结果表明,不同空间分辨率下LAI与植被指数均呈极显著相关（p<0.01）;多变量模型（MSR、RF、SVM、BP）的调整R2平均值高于LR模型;随着空间分辨率的增加,不同模型的R2整体上呈先增大后减小的趋势;当空间分辨率为0.5m时,利用植被指数建立的RF模型为马尾松林LAI的最佳估测模型,RF模型的调整R2为0.766,模型估测的R2、RMSE、RPD和TA分别为0.554、0.421、1.523和81.95%。本研究可为无人机多光谱遥感反演森林LAI表型参数的空间分辨率和模型选择提供理论参考。     

基于RS的河南省赵口灌区小麦最佳配水量计算

应用河南赵口灌区的遥感影像数据,获得该区的NDVI、LST等影像指标。采用植被温度指数法,通过ENVI遥感影像处理软件,得到植被条件指数、温度条件指数和干旱指数(DI)。将研究区划分为5个干旱等级,根据DI指数制作赵口灌区干旱等级分类图,计算该时期土壤含水量。分析计算小麦各生育阶段作物需水量,与该阶段土壤含水量对比计算各种干旱类别区域的配水量。     

节水灌溉综合效应评价指标的选取与分级研究

分析了节水灌溉主要影响因素及效能表现形式,依据科学性、简性性、可操作性及针对性等原则,在对综合采用专家评分法、Delphi法、层次分析和隶属度等方法选取的评价指标进行非量纲化处理与检验的基础上,确定了区域评价的综合评价指标体系,并依据现有规划、规范及发展现状对所选指标进行了分级,为开展节水灌溉综合效应评价提供了基础。     

两种气象干旱指标的应用比较研究

基于两种常用的气象干旱指标计算方法--Z指数和标准化降水指数（SPI指数）,改进了两种干旱指标的区域化计算方法。通过比较分析两种不同干旱指标方法,结果表明SPI指数与Z指数具有较好的一致性。同时,SPI指数计算较Z指数简单,资料容易获取,其借助概率密度函数转化计算,消除了降水资料的时空分布差异,具有良好的稳定性,能有效地反映区域的旱涝状况,为区域水资源评估及旱涝灾害预测预警提供了可靠的依据。     

基于WPI的水安全评价体系研究

针对水安全评价问题,介绍了水贫穷指数(WPI)。根据我国实际情况对水贫穷指数中的水安全评价指标进行深入研究,并在此基础上提出适合我国流域的水安全评价指标。以石羊河流域为例的应用证明了该指数能够清晰地反映威胁流域水安全的因素的具体特征,通过水安全分级的方法可以确定各特定区域的水安全级别,为制定水安全预警机制提供依据。     

喀斯特山区贫困乡村土地利用的地形梯度特征

为厘清喀斯特地区小尺度土地利用在地形梯度的特征。基于0.5 m分辨率的Pleiades遥感影像和DEM数据,在ArcGIS技术支持下,采用人工目视解译方法,进行土地利用分类和地形位指数计算,并利用Fragstats 4.2软件,从景观生态学视角,分析4种不同喀斯特地貌的典型乡镇土地利用的地形梯度特征。研究发现:4个不同地貌乡镇的斑块数量(NP)和斑块形状指数(LSI)变化在地形位梯度上存在相似性,而与斑块所占景观面积(PLAND)变化规律有明显不同。斑块水平上各指标变化在4个地貌乡镇之间存在一定差异。随着地形位指数增加,4个乡镇的聚集度(AI)和蔓延度(CONTAG)整体上呈增加趋势,而4个地貌乡镇的香浓多样性指数(SHDI)和连接度(COHENSION)变化存在差异。不同地貌的土地利用结构的差异是形成不同喀斯特地貌贫困乡村土地利用梯度特征的重要因素。     

影响带勺式马铃薯播种机排种性能的因素分析与试验

2015年,马铃薯主粮化发展战略的提出将极大地促进我国马铃薯种植业的发展,种植面积将显著增加,这对我国马铃薯播种机排种性能提出了更高的要求。我国带勺式马铃薯播种机漏种、重种指数较高,与国外相同机型相比差距很大。为此,利用带勺式马铃薯排种试验台进行了排种性能试验研究。试验得出了取种皮带张紧力、播种机工作速度、振动轮位置,以及充种高度对漏种、重种指数的影响规律,旨在为马铃薯播种机的设计及工作参数调整提供参考。     

Agro-environmental evaluation of irrigation land: II. Pollution induced by Bardenas Irrigation District (Spain)

It is difficult to quantify non-point contamination caused by irrigated agriculture. As continuation to the evaluation of water use on the scale of large irrigation districts, this second part seeks: (i) to quantify the mass of salt and nitrate exported by Bardenas Irrigation District included in the Arba basin (BID-Arba; 54,438 ha); (ii) to analyze the most influential factors; (iii) to propose agro-environmental contamination indices which can be incorporated into legislation.For this, salt and nitrate balances were carried out, assigning concentration values to each of the components of the water balance between 1 April 2004 and 30 September 2006. Saline and Nitrate Contamination Indices were also quantified which correct the mass of pollutants exported from irrigation return flows by geological and agronomic factors of the irrigation area studied.For the whole period of the study the exported mass of salt was 15 kg/(ha day), of which 65% came from geological materials in the area, 34% from irrigation water and only 1% from precipitation. As for exported nitrate, it was 76 g NO₃⁻-N/(ha day), only 25% of the quantities measured in other small basins (≈100 ha) of Bardenas district without re-use of drainage water for irrigation, but double the nitrate exported in other modern irrigation districts.Water and saline agro-environmental indices of BID-Arba resemble those of well-managed modern irrigation districts indicating little margin for improvement in water use and saline contamination. But, the nitrate-contamination-index was 1.5 times higher than well-managed modern irrigation districts indicating the necessity to change nitrogenous fertilization practices to minimize nitrate contamination.     

基于HJ-1马尾松叶面积指数的遥感反演

以福建省为研究区,利用环境星(HJ-1)CCD数据,选择并提取了与叶面积指数(LAI)关系密切的4种植被指数,即归一化比值植被指数(NDVI)、比值植被指数(RVI)、改进的土壤调节植被指数(mSAVI)及增强型植被指数(EVI),结合研究区内准同步马尾松LAI地面观测数据,通过研究各种指数与马尾松LAI之间的关系,选择与马尾松LAI相关最密切的RVI同实测LAI建立6种非线性回归模型,6种模型中以理查德模型建立的模型精度为最高,总体均值预报偏差相对误差为3.1%,并以此模型实现了福建省马尾松LAI遥感反演。     

镇原县油菜籽产业竞争优势度分析

以竞争优势理论为基础,运用显示性指标和分析性指标,研究甘肃省镇原县油菜籽产业的竞争优势度。结果表明:镇原县油菜籽在甘肃省市场占有率为1.67%,在甘肃省油菜籽主产县区中排名靠前;镇原县油菜籽的资源禀赋系数、规模优势指数、效率优势指数和综合优势指数的值均>1,表明该县油菜籽在成本收益、资源禀赋和规模优势方面表现出较强的竞争潜力,但效率优势指数和综合优势指数表现出的竞争优势度不强。以上述分析为基础,提出了提升镇原县油菜籽产业竞争优势的对策,为产业振兴提供参考。      

指夹式玉米精密排种器试验优化研究

排种器是精密播种机的核心部件之一,其排种质量的优劣影响到播种质量的好坏。指夹式玉米精密排种器是一种用于玉米精密播种机的机械式排种器,其结构设计复杂,影响环节多。为此,研究了其结构及工作过程,对主要部件进行了功能分析,并进行了指夹式排种器的优化试验。试验结果表明:添加橡胶薄垫的排种器的合格指数为87. 91%,重播指数为8. 23%,漏播指数为3. 92%,添加塑料薄垫的排种器合格指数为83. 24%,重播指数为11. 31%,漏播指数为5. 57%,两种材料都符合农业作业要求。通过对比,选择橡胶材料作为排种盘附加材料。此外,当振动频率为14Hz时,播种的合格率最高;当排种盘转速为4km/h时,播种的合格率最高。