基于高光谱的小麦冠层叶绿素(SPAD值)估测模型

选择山东省泰安市山东农业大学试验田为研究区,分别采用ASD FieldSpec 3光谱仪和SPAD-502叶绿素仪测量小麦冠层的近地高光谱反射率和SPAD值,通过分析小麦冠层光谱特征,进行光谱反射率及其一阶导数与SPAD值的相关分析,筛选敏感波段,进而分别构建基于敏感波段和植被指数的小麦冠层SPAD值估测模型,并优选确定最佳模型。结果表明,光谱反射率经一阶导数变换能更好突出光谱特征,用来筛选敏感波段,将6个敏感波段分别建立单波段及多波段组合估测模型,进而优选出最佳估测模型为R′_(871),R_(1 349),R_(725),R′_(1 995)多元线性回归模型,决定系数R~2=0.668;基于4种植被指数构建的小麦叶绿素最佳估测模型为NDVI的二次模型,方程为y=61.978 x~2-34.426 x+54.089,决定系数R~2为0.845。基于植被指数的估测模型可较好实现小麦冠层叶绿素信息的无损和快速获取,为小麦生产的实时监测提供了有效手段。     

基于小麦冠层近地多光谱图像的叶绿素(SPAD值)估测方法

选择山东省泰安市山东农业大学实验田为研究区,利用ADC便携式多光谱相机和SPAD-502叶绿素计采集该区泰农18和山农15两个品种小麦越冬期、返青期、起身期冠层近地多光谱图像和SPAD值,构建不同生育期小麦的归一化植被指数(NDVI)与SPAD值的线性、对数、乘幂、指数、二次函数5种模型,进而优选小麦叶绿素含量最佳估测模型。结果显示:泰农18和山农15两个小麦品种不同时期的SPAD值与NDVI值均具有极显著相关关系(P0.01),相关系数在0.797~0.915之间;泰农18小麦冠层SPAD值估测最佳模型为y=68.585x0.5841,山农15小麦冠层SPAD值估测最佳模型为y=124.4x~2+23.212x+44.973。该研究探索了基于近地多光谱数据的小麦叶绿素含量估测方法,为小麦叶绿素含量估测及营养诊断提供了一种快速有效的技术方法。     

基于无人机多光谱的夏玉米叶绿素含量反演研究

以济南市济阳区夏玉米为研究对象,通过无人机(UAV)搭载多光谱相机进行叶绿素动态监测。在夏玉米3个生育时期(大喇叭口期、开花期、灌浆期),每个时期选取5块具有代表性的1 m×1 m的样地,利用无人机获取样地多光谱影像;同时从每块样地选取不同植株冠层不同部位的7片叶,用叶绿素仪测定每片叶的SPAD值,取其平均值作为该样地的SPAD实测值。利用Pix4D mapper软件对获取的多光谱影像进行拼接,然后利用伪标准地物辐射校正法进行校正,输出5个波段的反射率影像图,用ENVI对各波段进行配准组合成ENVI格式的反射率数据。选取4种光谱参数和夏玉米SPAD实测值构建反演模型并进行模型评价,结果表明:以归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、冠层叶绿素含量指数(CCCI)三种光谱参数为变量的多元线性回归(MLR)模型精度更高且更加稳定,模型检验Rv~2为0.885,均方根误差(RMSE)为2.111,模型最优解参数(MOSP)为0.414。综合分析,该模型在估测玉米冠层叶绿素含量方面具有快速便捷、时效性强、准确度高等诸多优势,同时能快速、无损监测夏玉米叶绿素含量变化。     

基于成像高光谱的小麦叶片叶绿素含量估测模型研究

为了探索小麦叶片的光谱特征和敏感波段,建立小麦叶绿素含量与光谱特征参量间的定量关系模型,以促进高光谱技术在小麦精准施肥以及快速、无损长势监测中的应用。采用相关分析法分析了叶绿素含量与光谱反射率及其一阶导数的关系,建立了叶绿素含量监测模型。经筛选验证确定小麦叶绿素含量的最佳估测模型为SPAD=36.75+188.168R387和SPAD=2 094.242R'7153+112 646.744R'7152-1.561E7R'715+42.991。这2个模型均可较好地估测小麦叶片的SPAD值,相比较而言,基于波段R387建立的SPAD估测模型精确度更高。     

关中地区小麦冠层光谱与氮素的定量关系

【目的】分析不同生育期及整个生育期小麦叶片氮含量(LNC)与冠层光谱反射特征的关系,以实现对田间小麦活体氮素营养状况的监测,为小麦叶片氮素状况的精确诊断提供依据。【方法】以位于陕西关中地区杨凌揉谷镇、扶风马席村和巨良农场的3个小麦试验田为研究对象,测定不同长势及生育期小麦LNC及冠层光谱反射率,分析不同长势下小麦LNC和反射率的变化,并研究氮含量与冠层光谱反射率的相关性,以及小麦LNC与比值植被指数(RVI)、归一化植被指数(NDVI)的相关性,建立小麦LNC的敏感波段及光谱监测模型。【结果】在同一生育期,长势差的小麦叶片氮含量较低,长势较好的叶片氮含量高。与单波段相比,组合波段构成的植被指数RVI、NDVI与LNC的相关性明显提高,近红外波段(730~1 075nm)和红波段630,660,690nm组成组合波段的RVI、NDVI与LNC呈极显著正相关,其中LNC与RVI的相关性较高。利用独立的小麦田间试验数据,采用通用的均方根差(RMSE)、决定系数(R2)、准确度(斜率)3个指标对所建立的模型进行检验,最终选取RVI(970,690)为监测小麦LNC的最佳光谱参数,构建的最佳模型为LNC=0.176 3×RVI(970,690)0.775 6,R2为0.863,RMSE为0.137,准确度为0.979,接近于1。【结论】利用小麦冠层光谱反射率构建了预测小麦LNC的最佳模型,该模型具有较好的准确度和普适性,适用于整个生育期小麦叶片氮含量的监测。     

基于固定翼无人机多光谱影像的水稻长势关键指标无损监测

【背景】近年来随着遥感技术的快速发展，实时无损监测作物生长状况已成为当前研究热点，遥感获取的农情信息将为实现大面积作物精确管理提供指导。在众多遥感监测平台里，无人机因其操作简单、使用成本低等特点而受到广泛关注，无人机搭载多光谱相机可以快速获取作物的长势信息。【目的】尝试将固定翼无人机多光谱影像纹理信息与光谱信息结合，探究“图谱”信息对水稻长势指标的监测效果。【方法】通过开展两年涉及不同播期、品种、播栽方式、施氮水平的水稻田间试验，在水稻关键生育期使用固定翼无人机搭载Sequoia多光谱相机获取水稻冠层遥感影像，同步进行地上部破坏性取样以获取水稻叶面积指数(LAI)、地上部生物量(AGB)和植株氮含量(PNC)等农学指标，采用简单线性回归、偏最小二乘回归和人工神经网络回归算法，构建基于固定翼无人机多光谱影像的水稻长势指标监测模型，比较分析光谱纹理信息在不同模型中的监测效果。【结果】利用简单线性回归方法探究了植被指数(VI)、单波段纹理特征与水稻LAI、AGB和PNC间的定量关系，结果表明植被指数与LAI和AGB之间有较强的相关性，表现最好的植被指数为CIRE和NDRE,R 2分别为0.8...     

基于无人机多光谱影像的冬小麦氮肥监测

[目的]研究无人机多光谱影像与土壤养分水平变化的关系。[方法]利用无人机搭载的多光谱传感器生成研究区50 m高的反射率正射影像,计算NDVI,GNDVI和SAVI指数值,调取作物感兴趣区进行研究。[结果]植被指数在小麦越冬期的不同长势小麦有明显差别。在其他外部条件一致的情况下,土壤N水平的变化对冬小麦越冬期长势影响较明显。[结论]无人机多光谱影像对冬小麦有较好的氮诊断潜力,可利用估测结果指导精准氮肥管理。     

基于无人机平台的小麦产量信息监测研究

无人机平台的发展为改变传统的作物生长环境数据采集方式和产量监测方式提供了契机.借助无人机平台,可以实现农作物生长环境数据的快速采集、即时传输和动态显示.相对于地面和高空遥感平台,无人机平台能在一定程度上弥补现有地面和高空遥感平台的不足,可以在作物生产领域等发挥巨大的作用.该文在传统遥感监测平台对作物长势监测和产量预测的基础上,分析了无人机低空遥感平台应用于中小型区域作物的监测和预测的应用进展,探讨无人机平台监测小麦长势和预测产量的可行性,提出了可行性的建议,以期促进我国精准农业的快速发展.     

重金属铅污染下的水稻地上部器官富集特征与高光谱识别模型的构建

[目的]构建重金属铅污染下的水稻地上部器官富集特征与高光谱识别模型。[方法]以南粳44和两优培九2个水稻品种为材料,通过盆栽试验,研究了不同浓度铅污染下水稻地上部器官对铅的富集特征,以及冠层光谱特征和植株各器官铅含量的定量关系。[结果]2个水稻品种整株、茎、叶和穗各器官铅含量均随着铅污染处理浓度的增加而加大,且茎中含量最高;不同浓度铅污染胁迫下的水稻冠层反射光谱曲线在可见光红光波段也存在差异,随着铅处理浓度增大,光谱曲线反射值降低,去除包络线后归一化深度加大。通过构建NDVI(x)与水稻器官中铅含量的多种关系模型,比较了模型预测的显著性,分别构建了适用于2个水稻品种各器官的铅胁迫遥感监测的预测模型,南粳44分别为y整株=2 270.4x2-2 292.8x+577.35,y茎=4 260.9x2-4 294x+1 077.8,y叶=2 780.8x2-2 777.9x+690.71,y穗=309.31x2-306.07x+75.369;两优培九分别为y整株=524 269e-25.557x,y茎=1E+07e-31.65x,y叶=2E+07e-34.056x,y穗=14 320e-21.756x。[结论]地面高光谱遥感对水稻重金属铅污染及其胁迫水平有较好的响应,可通过水稻冠层光谱的差异性分析,实现水稻铅污染的快速、无损伤探测。     

基于消费级无人机搭载数码相机监测小麦长势状况研究

[目的]本文旨在探究消费级无人机搭载数码相机更好地用于小麦长势快速监测。[方法]于2015—2017年开展涉及2个小麦品种和4个施氮水平处理的田间小区试验,在小麦关键生育期采用大疆精灵3专业版无人机自带的数码相机获取试验区数码影像,并提取6种颜色指数,同步取样并测定叶面积指数、叶片干物质量及叶片氮积累量等小麦长势信息,在小麦抽穗前、后及全生育期分别运用指数函数和随机森林算法定量分析长势信息与颜色指数的关系。[结果]在小麦各生长阶段,指数函数模型表现较好,可见光大气阻抗指数(visible atmospherically resistant index,VARI)、超红指数(excess red index,ExR)和归一化绿减红差值指数(normalized green minus red difference index,NGRDI)与叶面积指数、叶片干物质量和叶片氮积累量的相关性均表现较好,继而分别建立了基于VARI、ExR和NGRDI的叶面积指数(R~2=0.71～0.82)、叶片干物质量(R~2=0.42～0.71)和叶片氮积累量(R~2=0.52～0.76)的指数函数监测模型。独立试验数据的检验结果表明:在抽穗前及全生育期,ExR(R~2=0.45～0.70和0.42～0.62)监测模型估测的叶面积指数、叶片干物质量和叶片氮积累量与实测值拟合性更好,在抽穗后期,VARI(R~2=0.68～0.72)监测模型估测效果更好。[结论]结合小麦各生长阶段指数函数监测模型,利用无人机搭载数码相机可以快速无损监测小麦长势状况。     

基于高光谱的苹果盛果期冠层叶绿素含量监测研究

【目的】建立苹果冠层叶绿素含量及冠层光谱特征参量间的定量关系模型,以促进高光谱技术在苹果树精准施肥以及快速、无损长势监测中的应用。【方法】以蒙阴县果园的苹果树为试验材料,连续2年分别测定了苹果冠层光谱反射率和冠层叶绿素（Chl(a+b)）含量,分析了冠层叶绿素含量与光谱反射率之间的相关关系,并计算了400—1 000 nm任意两波段组合而成的RVI、DVI、NDVI和RDVI,分析了它们与冠层叶绿素含量的关系,以逐步回归分析做比较,建立了苹果冠层叶绿素含量监测模型。【结果】结果表明,以单变量估算叶绿素含量的最佳光谱指数为NDVI(975,742),相关系数为0.5093。利用多元逐步回归建立的苹果冠层叶绿素含量最佳监测模型为Y=-0.56(log1/R)771-0.48(log1/R)1978 +0.20(log1/R)2407 -0.10(log1/R)2440+4.749。【结论】用多元逐步回归方法建立的模型来监测苹果冠层叶绿素含量效果较好,为利用高光谱技术监测苹果生长状况提供了理论依据。     

基于近地遥感的冬小麦生物量动态监测方法

为探寻准确高效的冬小麦生物量动态监测方法,以2018—2020年SRS-NDVI观测仪监测数据为基础,将冬小麦生物量观测数据以返青期为界分为两个阶段。选取归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)、增强型植被指数(EVI2),计算逐日累积植被指数(CVI)并分别进行曲线拟合分析,建立回归模型,研究各植被指数与实测冬小麦生物量之间的关系。结果表明:冬小麦播种至返青期,最优模型为二次多项式,基于NDVI的累积植被指数模型估测精度最高,y=-0.0479x~2+7.0481x-25.5040,R~2为0.9829,均方根误差(RMSE)为9.61,平均相对误差(MRE)为10.51%;冬小麦返青至成熟期,最优模型为幂函数,最佳估测模型仍为基于NDVI的累积植被指数模型,y=0.0126x~(2.3938),R~2为0.9553,RMSE为150.25,MRE为10.22%。因此,基于NDVI的累积植被指数是冬小麦生物量动态监测的最佳方法,可为作物自动化观测提供新的思路和方法。     

基于无人机多光谱图像监测棉花冠层含水量

使用无人机搭载的多光谱相机获取田间遥感影像,通过相关性计算选取合适的波段组合,基于多光谱影像间的波段运算得到植被指数(VIs),采用最小二乘法构建棉花冠层含水量反演模型.结果表明,红波段(680nm)和近红外1波段(800nm)间的光谱特征与棉花冠层含水量相关性最高,由此光谱区间构建了归一化植被指数(NDVI)和比值植被指数(RVI),基于NDVI的二阶多项式回归得到了较好的预测结果,R2在0.69以上.使用此方法可以实现棉花冠层含水量的快速、无损监测,从而为田间精准灌溉提供技术支持.     

不同灌溉条件下冬小麦叶面积指数的高光谱监测

LAI是作物长势监测的一个重要指标,实时、无损和准确地估测冬小麦LAI具有重要的实践意义。通过对冬小麦进行不同的灌溉处理试验,研究LAI与冠层光谱反射率的关系,计算350～2 450 nm不同波段组合的原始光谱指数和导数光谱指数,筛选最优波段组合光谱指数,并建立LAI的监测模型。结果表明,冬小麦LAI与冠层光谱反射率和不同波段组合光谱指数相关性较好;冬小麦LAI监测的最优光谱指数为DVI(435,447),以此为自变量建立的指数模型y=10.669e~(-701.9x)表现最优,模型最稳定。     

基于线性回归的冬小麦籽粒淀粉含量卫星遥感预测模型

以环境减灾卫星HJ及与其同步或准同步实地观测的冬小麦长势参数和籽粒品质指标为基础,分析了试验样点卫星遥感变量、叶片SPAD值及开花期冬小麦籽粒淀粉含量间的相关性,建立及评价运用HJ影像遥感变量监测冬小麦籽粒淀粉含量的间接定量关系模型.结果表明:应用HJ影像数据监测冬小麦籽粒淀粉含量是可行的.归一化遥感植被指数NDVI可作为预测籽粒淀粉含量的敏感遥感光谱指数;以此为基础可建立冬小麦品质遥感预测模型,为遥感技术监测小麦品质提供理论依据,也为农业生产进行实时指导提供实时信息支持.     

叶片垂直分布对小麦冠层方向光谱响应研究

【目的】对不同株型小麦冠层叶片垂直分布的方向光谱响应进行研究,探索精确描述小麦冠层空间信息的途径,为农田作物快速、无损的光谱监测提供新的理论与技术。【方法】以2个株型不同的小麦品种为材料,采用自下向上分层切片方法,分析冠层不同部位叶片对冠层方向光谱的影响。【结果】去除不同叶位叶片后,小麦冠层光谱在300～700,800～1 300,1 400～1 800 nm波段差别明显;不同观测角度中,与传统90°视角获得反射信息比较,30°和60°视角反射光谱包含较多下部叶片信息,下部叶片对冠层光谱反射率贡献较大,0°视角反射光谱包含较多上部叶片信息,上部叶片对冠层光谱反射率贡献较大;小麦冠层的穗层和倒1叶对方向光谱产生很大影响。不同的2个小麦品种,ZY9844上部叶片对反射率的影响比P7弱。【结论】小麦冠层不同部位叶片,对冠层方向光谱影响不同,根据冠层特点,通过改变光谱观测角度,可以提高作物冠层光谱监测的精度。     

重金属铅污染下的水稻地上部器官富集特征与高光谱识别模型的构建(英文)

[目的]构建重金属铅污染下的水稻地上部器官集特征与高光谱识别模型。[方法]以南粳44和两优培九2个水稻品种为材料,通过盆栽试验,研究了不同浓度铅污染下水稻地上部器官对铅的富集特征,以及冠层光谱特征和植株各器官铅含量的定量关系。[结果]2个水稻品种整株、茎、叶和穗各器官铅含量均随着铅污染处理浓度的增加而加大,且茎中含量最高;不同浓度铅污染胁迫下的水稻冠层反射光谱曲线在可见光红光波段也存在差异,随着铅处理浓度增大,光谱曲线反射值降低,去除包络线后归一化深度加大。通过构建NDVI(x)与水稻器官中铅含量的多种关系模型,比较了模型预测的显著性,分别构建了适用于2个水稻品种各器官的铅胁迫遥感监测的预测模型,南粳44分别为y整株=2270.4x2-2292.8x+577.35,y茎=4260.9x2-4294x+1077.8,y叶=2780.8x2-2777.9x+690.71以及y穗=309.31x2-306.07x+75.369;两优培九分别为y整株=524269e-25.557x,y茎=1E+07e-31.65x,y叶=2E+07e-34.056x,y穗=14320e-21.756x。[结论]地面高光谱遥感对水稻重金属铅污染及其胁迫水平有较好的响应,可通过水稻冠层光谱的差异性分析,实现水稻铅污染的快速、无损伤探测。     

小麦条锈病高光谱遥感监测技术研究

利用ASD地面非成像光谱仪对小麦条锈病进行了单片病叶及冠层的光谱特征研究。结果表明,健康、发病及处于潜育期的小麦植株在某些特定波段的光谱反射率存在显著差异;并且不同孢子堆密度的小麦单片病叶的反射光谱曲线也存在相应差异;对小麦条锈病冠层光谱的研究发现,在930nm附近,病情指数(y)与冠层光谱反射率(x)的相关性达到了极显著水平,二者之间的回归模型为:y=-2.5173x+1.2217(R2=0.9484)。     

基于无人机多光谱遥感的春玉米叶面积指数和地上部生物量估算模型比较研究

明确基于无人机多光谱遥感的玉米叶面积指数（LAI）和地上部生物量的最优估算模型对获取即时、无损、可靠的长势关键参量具有重要意义。2018—2019年,以郑单958（ZD958）和先玉335（XY335）为研究对象,设置4个施氮处理,通过无人机搭载多光谱相机获取多光谱影像,分析两品种LAI和地上部生物量与植被指数相关性,分别构建了基于植被指数的LAI和地上部生物量预测模型。结果表明：同一植被指数在两品种中对施氮量的变化响应规律不同;在吐丝期,幂函数对ZD958的LAI和地上部生物量估算效果最好,指数函数对XY335的LAI估算效果好,幂函数对地上部生物量估算效果好;在灌浆期,幂函数对两品种的LAI估算效果最佳,而指数函数对两品种的地上部生物量估算效果最好。研究结果为进一步提高春玉米长势监测的精度提供了重要依据。     

基于无人机遥感的冬小麦追肥推荐模型建立

为提高小麦氮素精准、高效的管理能力,实现实时、便捷、精准的变量施肥.本文在无人机遥感进行冬小麦氮素营养诊断的基础上,依据光谱诊断施肥模型,建立冬小麦返青期、拔节期和抽穗期等关键生育期追肥推荐模型.研究结果表明:无人机影像获得的DVI与冬小麦关键生育时期氮素参数植株氮浓度相关性最好(R2=0.8698);冬小麦返青期、拔节期和抽穗期氮素诊断临界DVI值分别为0.594、0.784和0.807;冬小麦最高产量为11364.3 kg/hm2,最佳产量为11230.9 kg/hm2,总施氮量为272.9 kg/hm2,最佳经济施肥量264.1 kg/hm2,基于光谱诊断的追肥推荐模型分别为返青期y=-39.69x+23.58、拔节期y=-129.97x+101.95、抽穗期y=-159.79x+128.93.诊断指标的建立为冬小麦基于光谱诊断的追肥模型奠定了基础,临界DVI值的确定为诊断冬小麦关键生育期是否补充氮肥提供依据,氮肥效应曲线建立和光谱诊断施肥模型选择实现了定量化的追肥推荐.