SPOT 5与HJ遥感影像用于冬小麦氮素监测的效果对比

为探讨HJ遥感影像对冬小麦氮素监测的适用性,利用同期获取的SPOT5和HJ1B遥感影像,结合同步地面取样测试,从传感器的光谱响应、监测模型精度以及叶片氮含量空间填图3个方面,对冬小麦氮素的遥感影像监测效果进行了分析与评价。结果表明,两类遥感影像的3个波段反射率及植被指数与小麦叶片氮含量均密切相关,其中,SPOT5影像的最优模型植被指数为GNDVI（绿色归一化植被指数）,HJ1B影像的最优模型植被指数为NDVI（归一化植被指数）,SPOT5影像在监测精度上优于HJ1B影像,但差别不大。填图结果表明,除地块较破碎地带外,利用HJ1B影像反演填图所得的小麦叶片氮含量在空间分布上与SPOT5影像结果比较一致。说明利用SPOT5与HJ遥感影像监测小麦氮素营养状况都是可行的,而HJ遥感影像在一定精度要求范围内能够替代SPOT5等遥感影像的监测效果。     

冬小麦播期遥感监测研究现状与展望

播期是影响小麦产量与品质的一个重要因素,冬小麦生产管理对播期的及时和准确监测有强烈需求。遥感数据源的日趋丰富及遥感定量化水平的日益提高,为大面积、低成本监测小麦播期提供了可能。本文对冬小麦播期遥感监测的研究进展进行了回顾,系统归纳了当前国内外播期遥感监测方法,分析了目前冬小麦播期遥感监测中存在的问题。推进高时空分辨率遥感数据的使用、强化多尺度传感器遥感数据融合算法的应用、开展冬小麦生长前期不同播期光谱数据的挖掘、探索冬小麦生长前期光谱与上茬作物时序遥感数据的综合及尝试遥感数据与作物模型同化方法的借鉴是冬小麦播期遥感监测的未来发展方向。     

基于遥感影像植被指数变化量分析的冬小麦长势动态监测

为进一步探究利用中低分辨率影像监测小麦苗情的机理,丰富小麦长势动态监测的模式,结合2017-2018年定点观测试验,以GF-WFV数据为遥感影像源,研究了孕穗-开花期冬小麦主要长势变化量参数和产量及其与植被指数变化量间的定量关系,以逐步回归方法筛选目标长势变化量参数,分别构建及评价基于GF-WFV影像遥感植被指数变化量的孕穗-开花期叶片含氮量变化量和叶绿素含量变化量监测模型。结果表明,冬小麦叶片含氮量变化量（ΔLNC）和叶绿素含量变化量（ΔCHL）与产量密切相关,而孕穗-开花期的归一化植被指数变化量（ΔNDVI）、比值植被指数变化量（ΔRVI）分别与ΔLNC和ΔCHL相关性最好,因此选择这两个植被指数变化量作为敏感参量构建冬小麦长势监测模型。经验证,基于ΔNDVI和ΔRVI构建的长势线性模型可靠且精度高,其决定系数分别为0.70和0.64,均方根误差分别为0.39%和0.08 mg·L^-1FW。基于预测模型和实测数据分级量化表达冬小麦长势的空间分布状况,能够很好实现了基于GF-WFV时相影像长势不同等级的遥感监测。     

基于GF-6/WFV卫星遥感的大田冬小麦叶片氮素含量估测

为对大田冬小麦叶片氮素含量（LNC）进行快速、准确及无损监测,通过在江苏省泰州泰兴市、盐城大丰区和南通如皋市布设冬小麦遥感监测大田试验,在获取试验样点冬小麦冠层红光波段反射率（RED_ref）、近红外波段反射率（NIR_ref）和计算的十个光谱指数（RVI、NDVI、DVI、SAVI、OSAVI、MSR、RDVI、EVI2、NLI和SVI）基础上,将12个遥感光谱指标与冬小麦LNC进行相关分析,选出与LNC相关性较好的作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型, 并利用GF-6/WFV卫星遥感影像对县域冬小麦LNC的空间分布开展监测。结果表明,12个遥感光谱指标与冬小麦LNC之间存在不同程度的相关性,其中NDVI、RVI、MSR、OSAVI和NLI与冬小麦LNC的相关性较好（相关系数不低于0.65）。将优选的5个遥感光谱指标作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型（LNC-BPEM）,模型的估测精度r²=0.866,RMSE=0.246%,ARE=12.9%。将冬小麦LNC-BPEM估测模型和GF-6/WFV影像结合对县域冬小麦LNC的空间信息监测,获得了如皋县域冬小麦LNC的空间分布特征,该区域冬小麦LNC范围在0.9%~2.0%（长势正常）的种植面积为29 693.3 hm²,占冬小麦总种植面积的74%。这说明利用GF-6/WFV卫星的多个遥感光谱指标与神经网络结合建模可有效估测县域大田冬小麦叶片氮素含量。     

基于高光谱遥感的小麦叶片含氮量监测模型研究

为了在作物氮素管理中实现叶片氮含量的实时无损估测,以不同类型小麦品种在不同施氮水平下连续3年田间试验为基础,研究了小麦叶片氮含量与冠层高光谱参数的定量关系.结果表明,叶片氮含量随着施氮水平的增加而提高,冠层光谱反射率在不同叶片氮含量水平下存在明显差异.叶片氮含量的敏感波段主要存在于近红外平台和可见光区,其中,红边区域最为显著.红边及面积类参数REPIE、SDr-SDb和FD729与叶片氮含量关系密切,方程拟合决定系数R2分别为0.829、0.806和0.856,估计标准误差SE分别为0.278、0.295和0.271;模拟宽光谱波段组合类参数方程拟合精度较低,标准误差较大,以AVHRR-GVI为变量模拟方程,R2 和SE分别为0.786和0.315;多波段组合类参数方程拟合效果较好,以mND705为变量建立方程,其R2 和SE分别为0.836和0.275.经不同年际独立数据检验,红边及面积类参数表现最好,以REPIE、SDr-SDb和FD729三个参数为变量,模型预测的RMSE分别为0.418、0.380和0.395,相对误差RE分别为14.4%、15.1%和15.2%;模拟宽光谱波段组合类参数与多波段组合类参数比较,模拟宽光谱波段组合模型预测效果更好,以AVHRR-GVI 和mND705为变量建立模型,RMSE分别为0.436和0.408,RE分别为17.3%和16.7%.以上结果表明,红边及面积类参数与叶片氮含量关系密切且表现稳定,利用REPIE、SDr-SDb和FD729三个参数可以对小麦叶片氮含量进行可靠的监测.     

关中冬小麦叶片氮素含量高光谱遥感监测模型

为给黄土高原大范围的冬小麦氮素营养遥感监测提供理论依据,通过田间试验,研究了冬小麦叶片氮素含量遥感监测的最佳生育时期、最敏感波段及其他最优光谱参量。结果表明,灌浆期是利用高光谱遥感监测冬小麦叶片氮素营养状况的最佳生育时期;在拔节、抽穗和灌浆期680nm波段光谱反射率R680均能较好地反映冬小麦叶片氮素含量,基于光谱位置以及叶面积指数的光谱参量也能较好地反映冬小麦叶片氮素含量。拔节期、抽穗期和灌浆期分别以680nm波段光谱反射率R680、绿峰反射率Rg和植被指数(SDr-SDb)/(SDr+SDb)对小麦叶片氮素含量的拟合效果最佳,其回归方程分别为Y=27.54-280.247 X+1456.245 X2、Y=8.632 X-0.24和Y=25.83 X1.012。     

基于GeoEye-1高分遥感影像的冬小麦氮肥推荐应用

为给大区域范围的冬小麦氮素营养遥感诊断及其精准施肥决策提供参考,将GeoEye-1高分辨率遥感影像数据与氮肥优化算法(NFOA)相结合,开展了冬小麦氮肥推荐应用研究。首先,基于多年地面实测冬小麦冠层高光谱数据,利用光谱响应函数生成GeoEye-1卫星遥感模拟数据,计算得到归一化植被指数NDVI,并结合当季估产指数INSEY构建了冬小麦潜在产量预测模型;通过定义可表征小麦氮素丰缺的氮素响应指数RINDVI,结合潜在产量模型,计算得到氮素需求量;最后,利用GeoEye-1高分辨率遥感影像数据进行验证分析,将氮素推荐模型与高分辨率遥感数据相结合生成施肥推荐处方图,实现了冬小麦的氮素营养诊断及施肥推荐。结果表明,当季估产指数INSEY可很好地估算冬小麦的潜在产量(r2=0.606,RMSE=0.704t·hm-2),基于GeoEye-1高分遥感影像提取NDVI预测的潜在产量与实测产量显著相关(r2=0.722,RMSE=0.451t·hm-2)。氮素响应指数RINDVI与氮营养指数NNI的倒数也显著相关(r=0.915),可以用RINDVI来诊断冬小麦氮素的丰缺状态。以上结果说明,在没有地面实测小麦氮含量、生物量、地面光谱等数据的情况下,利用高分辨率遥感数据与气象数据构建模型可估算冬小麦的潜在产量,并能实现对冬小麦的氮营养诊断及生成推荐施肥处方。     

旱冻双重胁迫下的冬小麦幼苗长势遥感监测研究

为了探讨"旱冻交加"的气候条件下遥感监测小麦苗情的可行性,以河南省冬小麦为例,利用多时相MODIS为遥感数据源,引入了广泛用于小麦苗情监测的距平植被指数(AVI),同时基于植被健康状态指数(VHI)和晚霜冻害综合指数(I),构建了旱冻双重胁迫条件下的小麦苗情综合指数(CI),以反映冬小麦拔节期的生长状况,并分别利用实测样点苗情分类和距平植被指数对结果进行验证。结果表明,CI的总体分类精度为85.00%,Kappa系数为0.74;冬小麦总茎数与CI呈线性正相关关系,拟合方程为y=8.732CI+1.256,决定系数为0.605 3;与实测样本对比,CI预测精度为73.30%,苗情分类分级更符合小麦生长实际情况。因此认为旱冻双重胁迫下可以利用CI对冬小麦苗情进行监测。     

基于HJ 1B遥感数据的冬小麦旱情监测研究

为确定植被干旱指数(TVDI)法在苏北地区冬小麦干旱监测中的适用性,利用HJ-1B星CCD、IRS数据,建立地表温度(Ts)-归一化植被指数(NDVI)特征空间,并提取TVDI,对2012年3月26日宿迁市土壤水分信息进行遥感监测,以地面样点实测数据进行验证,评价了地表温度及植被指数信息对TVDI指数变化的敏感性.结果表明,宿迁市较干旱区域主要集中在市、县的城区附近,较湿润区域主要分布在水体周围;TVDI与土壤湿度的相关性随土层深度增加而降低,其中在10 cm、20 cm深度的相关性达到极显著水平;由于Ts直接影响土壤含水量,而NDVI为间接影响,因此TVDI对Ts的敏感性大于NDVI.基于HJ-1B数据的TVDI指数法对冬小麦干旱具有较好的监测效果.     

冬小麦返青期主要生长指标的HJ-1A/1B遥感影像监测

为进一步深化作物长势遥感监测机理与方法,给大田管理及时提供信息与技术,结合2011-2013年定点观测试验,以HJ-1A/1B数据为遥感影像源,研究了返青期冬小麦主要生长指标、籽粒品质参数和产量间及其与遥感变量间的定量关系,分别构建及评价基于HJ-1A/1B影像遥感变量的返青期叶面积指数、生物量、SPAD值和叶片含氮量监测模型。结果表明,返青期,归一化植被指数（NDVI）、比值植被指数（RVI）、蓝光波段反射率（B₁）和RVI可分别作为监测冬小麦叶面积指数、生物量、SPAD和叶片含氮量的敏感遥感变量,所构建的遥感监测模型可靠且精度较高,模型的决定系数（R²）分别为0.62、0.56、0.46和0.58,均方根误差（RMSE）分别为0.42、452.3 kg·hm^-2、4.39和0.54%。同时,对冬小麦不同等级主要生长指标进行遥感监测并制图,量化表达了主要生长指标区域空间分布。     

基于数字图像特征的冬小麦渍害监测研究

为探索渍害胁迫下冬小麦灾损程度的可视化监测方法,通过田间试验,分析了麦田16个常用图像特征指数在不同受渍时间下的变化特征及其与冬小麦SPAD值、产量和千粒重的相关关系,并建立了基于图像特征指数衰减量的冬小麦渍害估算模型。结果表明,随渍水时间的增加,红光(R)、红光标准化值(NRI)、超红指数(EXR)、植被颜色指数(CIVE)极显著上升,而绿光标准化值(NGI)、归一化绿红差值指数(NGRDI)、绿-红差值指数(GMR)、超绿指数(EXG)、绿红比值指数(GRVI)则极显著下降;且这9个图像特征指数均与冬小麦SPAD值、产量和千粒重呈极显著相关,相关系数的最大绝对值分别为0.92、0.85和0.91;基于图像指数衰减量所建的SPAD值、产量和千粒重减少量的估算模型均以二次多项式最优,且以CIVE指数衰减量构建的SPAD值、产量和千粒重减少量估算模型的预测精度最高,验证集决定系数分别达到0.98、0.95、0.96。因此,数字图像技术可用于冬小麦渍害监测,且以基于CIVE指数的监测效果最佳。     

基于无人机RGB影像的染条锈冬小麦花青素含量监测

小麦植株感染条锈病后叶片花青素含量会发生明显变化。为了在地块尺度上利用冬小麦花青素值实现条锈病害的直观、快速监测,通过监测叶片花青素含量评估小麦条锈病严重程度,2021年获取感染条锈病的小麦田块的无人机RGB影像和采集地面病害区域的花青素含量数据,利用影像提取采样点感兴趣区的光谱特征参数和基于灰度共生矩阵的纹理特征参数,采用连续投影算法(SPA)结合相关性分析优选特征参数,分别采用单一光谱特征参数和组合参数,结合主成分回归(PCR)、拉索回归(LR)、随机森林回归(RFR)、梯度提升回归(GBR)和误差反向传播神经网络(BPNN)等方法构建了小麦花青素含量估算模型,并利用最优模型反演了田块的花青素含量。结果表明,图像光谱特征结合纹理特征后,花青素估算模型的R²增大,RMSE减小,模型精度显著提升。基于组合特征参数构建的随机森林模型精度最高,验证集R²、RMSE和MAE分别为0.801、0.026、0.021。该模型具有良好的花青素含量估算能力,得到的花青素值分布图与条锈病的空间分布具有一致性,能够定量化、可视化地反映病害严重程度。     

基于遥感数据的冬小麦长势监测和变量施肥研究进展

就国内外基于遥感数据的冬小麦长势监测和变量施肥技术的研究与应用作了阐述,提出了快速、无损农业测试技术将是精准变量农业和数字农业今后发展的方向,对冬小麦长势监测以及精准变量施肥技术的研究进展作了较系统的调查研究,指出根据冬小麦冠层光谱指数与氮素含量、叶色值与叶绿素含量及氮素水平之间的统计关系来进行动态施肥是今后变量施肥的发展方向。并结合中国国情提出了发展精准农业变量施肥技术所面临的困难和出路。     

汾渭平原农户冬小麦氮磷养分投入调查与分析

为明确汾渭平原农户冬小麦施肥现状,并指导农户合理施肥,在汾渭平原冬小麦种植区选取22个区/县,连续2年进行农户冬小麦产量及氮、磷养分投入调查。结果表明,汾河平原和渭河平原农户冬小麦平均产量分别为6 949和6 442 kg·hm^-2,其中中等产量水平（5 500 kg·hm^-2）以上的农户超过80%。汾河平原农户冬小麦N和P₂O₅的平均投入量分别为272.6和139.1 kg·hm^-2,施氮不足、适中和过量的农户分别占11.84%、23.68%和64.47%,施磷不足、适中和过量的农户分别占14.03%、7.89%和78.07%。渭河平原农户N和P₂O₅的平均投入量分别为196.3和147.2 kg·hm^-2,施氮不足、适中和过量的农户分别占 28.63%、31.97%和39.40%,施磷不足、适中和过量的农户分别占5.95%、14.50%和79.56%。汾河平原农户冬小麦氮肥基肥和追肥比例分别为60.3%和39.7%,而渭河平原农户冬小麦氮肥基肥和追肥比例分别为 97.3%和2.7%。此外,汾河平原农户冬小麦N、P₂O₅的平均偏生产力分别为30.4和59.6 kg·kg^-1,渭河平原农户冬小麦N、P₂O₅的平均偏生产力分别为38.4和56.1 kg·kg^-1。总之,在汾渭平原农户冬小麦种植过程中,氮、磷肥过量施用依然严重,导致肥料利用率低,因此,未来需进一步加强对农民的宣传培训,使其科学合理施肥,促进农业绿色发展。     

基于Landsat/TM遥感的冬小麦长势分级监测研究

为给遥感技术在冬小麦长势分级监测预报中的应用提供依据,以江苏省兴化市为例,利用TM卫星遥感影像,提取冬小麦的种植面积并分析了长势情况。在利用GPS实地取样调查和建立解译标志的基础上,进行TM影像校正、非监督分类和人机交互式判读解译等操作,并将GPS样点数据校验贯穿到整个分类过程中,信息解译精度在95%以上。结合NDVI指数反演的叶面积指数数据进行小麦长势分级分类,并制作了兴化市冬小麦长势分级监测图。     

氮肥运筹模式对冬小麦氮素吸收利用的影响

为给小麦高产、高效、无污染及可持续生产提供合理的氮肥运筹技术和理论依据, 以烟农19为材料,在大田条件下,研究了不同施氮量和基追比例对土壤小麦系统氮素积累及分配的影响。结果表明,施氮可提高0~100 cm土体内的全氮含量。在小麦越冬前, 0~40 cm土层中NO3-N含量随氮肥用量和基肥比例的增加显著增加;起身期到拔节期,施氮量为180和240 kg·hm-2且基肥∶拔节肥∶孕穗肥为3∶5∶2处理的0~40 cm土层内NO3-N含量下降,而施氮量为240 kg·hm-2且基肥∶拔节肥为7∶3和5∶5的处理及施氮量为300 kg·hm-2且基肥∶拔节肥为7∶3的处理则显著增加;拔节期到成熟期,随施氮量的增加,0~60 cm土层速效氮增加幅度有所提高。孕穗肥可明显提高灌浆期的植株全氮含量。因此,在240 kg·hm-2 施氮水平、基肥∶拔节肥∶孕穗肥为3∶5∶2条件下,施氮既能减少土壤硝态氮累积量,又能有效降低土壤硝态氮污染地下水的可能性。     

施氮量对冬小麦氮素利用和产量的影响

为给限量灌溉条件下冬小麦高产栽培中合理施氮提供依据,2008-2009年度分别在藁城市和清苑县以冀5265和科农199为材料,研究了限量灌溉条件下（小麦全生育期灌3水,每次灌水量75 mm）施氮量（0、120、180、240和300 kg·hm^-2,分别用N0、N120、N180、N240和N300表示）对冬小麦氮素吸收利用及小麦产量的影响。结果表明,增施氮肥有利于增加小麦植株和籽粒的含氮量和氮素积累总量。随施氮量的增加,藁城点籽粒氮素积累量呈持续增加趋势,清苑点在N240处理下籽粒中氮素积累量达到最高后开始下降。两地试验中氮素干物质生产效率均随施氮量的增加而降低,藁城的氮素生产效率、回收效率及农艺效率呈先升高后降低的趋势,以N180的氮素生产效率最高,回收效率和农艺效率则以N240最高;穗数和穗粒数随施氮量的增加而增大,千粒重随施氮量的增加而降低,且各处理间差异显著;籽粒产量随施氮量增加呈递增趋势,但N240与N300之间差异不显著。清苑县的试验中,氮素干物质生产效率、籽粒生产效率、回收效率和农艺效率都随施氮量的增加而降低,且在部分处理之间差异显著;穗数、穗粒数和籽粒产量均以N240的最高,千粒重则以N0的最高,再增加施氮量反而使产量及其构成因素有所降低。根据本研究结果,在河北平原限量灌溉条件下,小麦生产中施氮240 kg·hm^-2可以获得较理想的籽粒产量和氮素利用效率。     

不同氮效率小麦品种临界氮浓度模型与营养诊断研究

为探讨不同氮效率小麦品种临界氮浓度模型的差异和开展小麦氮素营养诊断研究,基于两年大田试验,以不同氮效率小麦品种周麦27(高氮高效)、豫麦49-198(低氮高效)和矮抗58(低氮低效)为研究对象,系统分析了不同氮效率小麦品种地上部生物量、地上部氮含量和氮素营养指数的变化规律。结果表明,不同氮效率小麦品种地上部生物量和地上部氮含量均随施氮量的增加而增加,临界氮浓度(N_C)与地上部最大干物质(DM)均呈幂函数关系(N_C=aDM~(-b)),且氮高效型品种模型的两个参数(a和b)值均大于氮低效型品种。经检验,模型的标准化均方根误差分别为13.87%(周麦27)、7.7%(豫麦49-198)和13.02%(矮抗58),通过临界氮浓度模型所建立的氮素营养指数推荐的麦田施肥量均在120~225kg·hm~(-2)范围,其中周麦27和豫麦49-198的推荐施肥量分别为225和120kg·hm~(-2),矮抗58的推荐施肥量介于二者之间。