棉花高光谱植被指数与LAI和地上鲜生物量的相关关系研究

通过测试棉花关键生育阶段350～2 500 nm波段的冠层高光谱数据,用近红外波段760～850 nm及红光波段650～670 nm的2个范围内的波段,组成了高光谱归一化植被指数(NDVI)和800和670 nm两个波段组成修改型二次土壤调节植被指数(MSAVI2),分别与棉花叶面积指数(LAI)和地上鲜生物量进行相关分析,结果表明,棉花NDVI和MSAVI2与LAI和地上鲜生物量两个参数均以幂指数相关关系为最佳(RNDVI-LAI=0.729 1·,RMSAVI2-LAI=0.743 6·,n=81;RNDVI-鲜生物量=0.742 6·,RMSAVI2-鲜生物量=0.791 1·,n=59), MSAVI2与LAI和地上鲜生物量的相关性均高于NDVI与LAI和地上鲜生物量的相关性,说明MSAVI2较NDVI能更好的消除土壤背景对反射光谱造成的影响,能较精确的提取反映棉花生长状况的叶面积指数和生物量信息.     

大豆叶面积的高光谱模型

以ASD FieldSpec-Vnir光谱仪实测不同生长季大豆的冠层反射率,同期采集对应大豆LAI,然后逐波段分析冠层光谱反射率、导数光谱与大豆LAI的相关关系;并采用单变量线性回归逐波段分析了冠层光谱反射率、导数光谱与大豆LAI确定性系数随波长的变化趋势,建立了以近红外与可见光波段冠层光谱反射率的比值植被指数RVI与大豆LAI的高光谱遥感估算模型。结果表明,冠层光谱反射率在350￣680nm、760￣1050nm波谱区与大豆LAI相关性较大,而在红边区680￣760nm的相关性变化较大;导数光谱在红边区与大豆LAI相关程度高。通RVI方式建立的遥感估算模型能较为准确估算大豆LAI,通过对红外与蓝波段建立的RVI指数与大豆LAI的回归模型,表明其预测大豆LAI的能力较好,有进一步研究的必要;通过对比发现,神经网络模型可以大大提升高光谱反演大豆LAI的水平,模型的确定系数R2为0.9661,而总均方根误差RMSE仅为0.446m2.m-2。     

基于高光谱的油菜叶面积指数估计

以冬油菜为研究对象,2014-2015年度设计了不同施氮水平直播油菜小区试验,在不同生育时期测量冠层光谱、土壤背景光谱以及叶面积指数(leaf area index,LAI),通过相关分析选取了12个光谱特征参数和11个植被指数,建立6叶期至角果期LAI的5种线性和非线性定量反演模型。结果表明:二次多项式反演模型比较适合估算油菜LAI苗期时以红边参数为代表的光谱特征参数,可准确估算出LAI;6叶期时红边幅值预测模型R~2为0.81,RMSEP为0.39,RPD为1.62;8叶期时红蓝边面积比归一化预测模型R~2为0.79,RMSEP为0.60,RPD为2.30;10叶期时红边幅值预测模型R~2为0.92,RMSEP为0.47,RPD为2.36;盛花期时蓝边面积预测模型R~2为0.87,RMSEP为0.34,RPD为2.57;角果期时以RDVI为代表的植被指数也可准确估算出LAI,预测模型R~2为0.74,RMSEP为0.57,RPD为1.36。油菜全生育期采用相同光谱特征参数、植被指数建模估计LAI精度明显降低,预测R~2远小于0.75,RMSEP大于0.65,RPD值均小于1.40,表明难以采用统一参数建模准确估计油菜全生育期LAI,不同生长时期需选择合适的光谱参数、植被指数分段建模估计LAI。     

高光谱遥感数据估算蓖麻初级生产力主要参数研究

以蓖麻在不同氮、磷施用水平下的大田实验为基础,研究了高光谱遥感在估测蓖麻初级生产力主要参数中的应用。结果表明,随着施肥水平的提高,蓖麻叶面积指数（LAI）和生物量增大,导致冠层光谱特征发生相应变化,近红外波段（700~900 nm）的反射率显著增大。350~900 nm波段特别是700~900 nm波段的蓖麻冠层光谱反射率值在花果盛期最大,种子成熟期次之,苗期最低,与蓖麻LAI变化一致,可以用来监测蓖麻的长势和营养状态。构建的高光谱植被指数NDVI、RVI与LAI和ABM回归模型确定系数均较高,分别达到了0.6115、0.6363、0.7102和0.6148,可以用来估测不同物候期蓖麻的叶面积指数和地上部分生物量。     

基于高光谱数据的主要农作物类型信息提取

黑龙江省是我国最大的商品粮生产基地,其农作物种植信息对于粮食估产,防灾减灾,乃至保障国家粮食安全均具有重要意义。为提高黑龙江省主要农作物种植类型信息的提取精度提供有参考意义的方法,以黑龙江省齐齐哈尔市为研究区,针对多光谱数据在区分玉米和大豆种植信息方面的局限性,基于环境减灾星高光谱数据(HSI),利用决策树法提取主要农作物类型信息。结果表明,齐齐哈尔市的土地覆盖类型以农耕地(包括大豆、玉米、水稻和其它作物)为主,占该市土地面积的70%以上,其中玉米种植区是该市最主要的土地利用类型,各作物分类精度均超过80%,总体精度达到88.71%。     

浙西山地马尾松幼龄林的绿色生物量和叶面积指数

以浙江江山、衢县的马尾松幼龄林为试材，测定了马尾松、阔叶下木、草本层的绿色生物量（即鲜叶量）和叶面积，并建立了乔木层、灌木层和草本层的绿色生物量同郁闭度或盖度的回归方程，总结出浙西山地马尾松幼龄林林分的叶面积指数。     

花生红边特征及其叶面积指数的高光谱估算模型

选用大花生品种丰花1号作为试验材料,设置5个氮素水平的小区试验。在不同发育期同步测定花生冠层的光谱反射率及其叶面积指数,利用花生冠层的光谱反射率数据提取红边参数,分析其变化规律及花生叶面积指数与红边参数的相关性。估算结果表明：花生冠层红边一阶微分光谱呈“双峰”现象,红边位置位于707～724 nm之间,在花生生长旺盛期间出现“红边平台”,结荚期以后有明显的“蓝移”现象;叶面积指数与冠层光谱红边参数之间在结荚期-饱果初期显著相关,但开花期相关性不显著,利用结荚期-饱果期的红边参数可以估算花生的叶面积指数,最后建立了结荚期-饱果期和整个生育期的花生叶面积指数的估算模型。     

基于高光谱的阿克苏市枣叶面积指数估算模型

[目的]通过将原始光谱数据经过不同的数据变换方式,分析其与枣冠层LAI的相关关系,建立基于高光谱的阿克苏市枣冠层LAI的估测模型,为快速、精确、无损伤、大范围的适时、动态监测植被LAI提供有效途径.[方法]基于原始光谱数据的不同数据变换方式,采用相关性分析和逐步回归分析方法.[结果]不同数据变换后的冠层光谱反射率与枣LAI具有较好的相关性,微分变换后的相关性较原始相关性有所提升.所建模型经过精度评价发现,原始光谱数据经倒数一阶微分变换后估测模型拟合度和预测精度都最高,一阶微分、对数一阶微分、归一化一阶微分次之.[结论]不同数据变换方式后的光谱数据与塔里木盆地枣LAI有显著的相关性,可以用微分、对数微分、归一化微分、倒数微分变换后的数据建立较理想的塔里木盆地枣LAI的估测模型.     

棉花高光谱植被指数与LAI和地上鲜生物量的相关分析

通过测试棉花关键生育阶段350-2500nm波段的冠层高光谱数据,用近红外波段760-850nm及红光波段650-670nm的2个范围内的波段,组成了高光谱归一化植被指数（NDVI）及800和670nm2个波段组成修改型二次土壤调节植被指数（MSAVI2）,分别与棉花叶面积指数（LAI）和地上鲜生物量进行相关分析,结果表明,棉花NDVI和MSAVI2与LAI和地上鲜生物量两个参数均以幂指数相关关系为最佳（RNDVI-LAI=0.7346＊＊,RMSAVI2-LAI=0.7436＊＊,n=81;RNDVI-鲜生物量=0.7426＊＊,RMSAVI2-鲜生物量=0.7934＊＊,n=59）,MSAVI2与LAI和地上鲜生物量的相关性均高于NDVI与LAI和地上鲜生物量的相关性,说明MSAVI2较NDVI更好的消除土壤背景等对反射光谱造成的影响,较精确的提取反映棉花生长状况的叶面积指数和生物量信息。     

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。     

关于光谱反射率和小麦叶面指数之间关系的研究

根据理论分析作出了小麦叶片7种角度分布情况下的光谱植被指数和吸收的光合辐射曲线以及叶面指数和吸收的光合辐射曲线。由实测的小麦光谱反射率数据计算出光谱植被指数,再使用这二套理论曲线可求出小麦的叶面指数。还作出了叶片7种角度分布下,小麦叶面指数计算值和测量值之间的线性回归方程,得出小麦叶片倾角为70°的分布和使用 ND 光谱指数具有最好的结果。     

基于环境卫星数据的黄河湿地植被生物量反演研究

回归模型拟合植被指数与生物量的定量关系是植被生物量反演的重要研究方法之一.研究在此基础上,基于环境卫星遥感数据和同步野外实地采样数据,以郑州黄河湿地自然保护区为试验区,比较MLRM(多元线性回归模型)与SCRM(一元曲线回归模型)反演植被生物量的能力,并估算研究区植被生物量,生成研究区生物量分布图.结果表明,文中所建立的MLRM在研究区具有较好的反演精度和预测能力.其模型显著性检验为极显著,相关系数为0.9791,模型拟合精度达到29.8 g/m2,其模型预测结果系统误差为49.9g/m2,均方根误差为67.2 g/m2,预测决定系数为0.8742,比传统的一元回归模型具有更高的精度和可靠性.估算研究区域2010年8月湿生植被生物量约为6.849199 t/hm2,相对误差为4.73％.     

基于高光谱植被指数的马铃薯叶片叶绿素含量估测模型

【目的】筛选相关性好的植被指数构建马铃薯叶片叶绿素a、叶绿素b估测模型,为科学、无损地进行马铃薯叶片叶绿素含量估算提供技术支撑。【方法】采用便携式高光谱地物波谱仪,获取不同施氮水平下不同生育时期的马铃薯植株叶片光谱反射率,提取植被指数,测定马铃薯叶片叶绿素a、叶绿素b含量,并研究叶绿素含量与植被指数的相关性。【结果】12个植被指数与叶绿素a、叶绿素b含量相关性较好,其中修正归一化差异指数(mND_(705))、修正简单比值指数(mSR_(705))、地面叶绿素指数(MTCI)、修改叶绿素吸收反射指数(MCARI)与叶绿素a、叶绿素b含量相关性最好。基于这4个植被指数建立的估测模型中,MTCI构建的乘幂模型估测叶绿素a含量的效果最佳,mND_(705)构建的指数模型估测叶绿素b含量的效果最佳。【结论】MTCI构建的乘幂模型能较为精确地估测叶绿素a含量,mND_(705)构建的指数模型能较为精确地估测叶绿素b含量;这2种模型可用于间接监测马铃薯植株的氮营养亏缺状态。     

不同氮素累积量类型籼稻品种产量及其构成因素的差异

2001、2002年在群体水培条件下分别以88、122个国内外的籼稻代表品种为材料,测定植株的干物重、全氮含量、产量及其构成因素,采用组内最小平方和的动态聚类方法对供试品种成熟期的氮素累积量进行聚类,分析不同氮素累积量类型品种间产量及其构成因素的差异。结果表明:①供试品种成熟期氮素累积量差异很大,可聚类为A、B、C、D、E、F等6类,类型间的差异均达到显著水平;②氮素累积量为A、B、C、D、E、F类的品种,随着氮素累积量的增加,产量水平明显提高;③氮素累积量大的品种,表现为单位面积库容量大、每穗颖花数多、千粒重高、抽穗期叶面积系数大、生物产量高,穗数较多、单位叶面积籽粒产量较高,但其结实率和经济系数均较低。     

土壤侵蚀建模中作物参数测定方法研究

目前所采用的取样方法具有很好的可操作性和组织性,但其结果对过高地估测田间每一作物带的相关值非常敏感.同时,其结果不能随作物不同组合和时间的变化而改变,限制了其方法在不同的土地利用类型和种植制度上的应用.为了克服这些弱点,本研究采用随机选点的方法,将固定测点变为田间随机测点,测定随机点控制范围的参数.记录测点作物带的名称非常重要,因为在统计分析时将根据该作物在田间的权重来计算参数值.20个测点能代表一个作物带进行标准差分析,因此建议每一地块40测点.分析证明可将测定间隔时间从现在的一个星期延长到两个星期,但应增加一次作物收获前的测定.     

不同林农复合经营模式对作物生长和产量的影响

【目的】分析不同林农复合经营模式下树冠对作物生长的影响,为当地选取合理的林农复合经营模式提供理论依据。【方法】以苏北沿海平原杨树-农、水杉-农复合经营模式为研究对象,根据林龄和株行距的不同,选择8种复合模式,分析不同林农复合经营模式中,随季节变化林分的叶面积指数、透光率的变化规律,以及林下作物不同生育期叶面积指数、光截获量、生物量、产量及其构成因子的变化。【结果】2011-04-11,各林农复合经营模式下林分的叶面积指数变化先升高后下降,透光率变化趋势与LAI恰好相反。在小麦开花期,对照田小麦LAI达到最大值,为5.72,光截获量在开花灌浆期达最大,与对照比值最大达0.808;在大豆结荚期LAI达到最大值,为1.37,在结荚期,大豆光截获量达到最大值,其中对照为1 472.550mol/m2。在小麦孕穗期,不同样地小麦生物量为1.066～2.458kg/m2,差异不明显,随着小麦灌浆、成熟,各样地小麦生物量差异越来越明显,其中成熟期在2.265～5.305kg/m2;大豆成熟期,各样地大豆生物量差异比结荚期显著,不同模式生物量在229.705～419.085g/m2。小麦有效穗数、穗粒数、千粒质量与产量都达到极显著相关,C(15a,3m×12m,杨-麦复合)、D(15a,3m×16m,杨-麦复合)模式产量及其构成因子较低,B(5a,3m×16m,杨-麦复合),G(5a,3m×16m,水杉-麦)产量分别为2 864.30,2 937.67kg/hm2,高于对照(2 813.95kg/hm2)。不同模式大豆产量差异显著,G(5a,3 m×16 m,水杉-大豆)的产量为1 664.73kg/hm2,与对照最接近,在各个构成因子中,有效粒数与产量的相关关系最大,为0.994。【结论】在林农复合经营模式下,树冠遮阴会对作物产量产生影响,其中小麦减产较少,大豆影响较大,且较大林龄、较小株行距的林分影响显著。     

参考作物蒸发蒸腾量的多元线性回归模型研究

利用FAOPenman Monteith(1992)公式,根据新疆生产建设兵团农七师127团2004年7月至8月每日的气象资料,计算了逐日参考作物潜在腾发量,建立与实测的日平均气温(T)、日照时数(N1)、风速(W)、相对湿度(RH)的相关关系,Y=0.005+0.162×T-0.03×RH+0.607×W+0.077×N1,Y=-3.382+0.205×T+0.679×W+0.118×N1,Y=3.738+0.131×T-0.047×RH,Y=-1.258+0.218×T。利用这些相关关系进行参考作物潜在腾发量的估算,通过验证精度较高,方法简单。