基于无人机多光谱的华北平原花铃期棉花叶片SPAD建模方法研究

华北平原地区棉花叶片SPAD光谱特征有待探明,其最适宜建模方法亦有待研究。笔者针对华北平原棉区,基于无人机多光谱探索其叶片SPAD光谱特征和最佳建模方法。以德州市夏津县大李庄棉区为研究区,利用无人机获取棉花花铃期的多光谱图像,同步测定棉花叶片SPAD值;对原始光谱进行预处理并组合构建光谱指数,进而采用相关分析筛选出6个棉花SPAD特征光谱指数;分别采用BP神经网络(BPNN)、多元逐步回归(MSR)和支持向量机(SVM)方法构建棉花SPAD值定量分析模型,并对模型验证、对比,优选最佳模型和建模方法,进而定量分析研究区棉花叶片SPAD空间分布。结果表明:棉花叶片SPAD的特征波段为红光和红边波段;入选模型的特征光谱指数为r、r*reg、(reg-r)/(reg+r)、r-g、r/g、$\sqrt{r^{2}+g^{2}}$;对比3种建模方法,BPNN模型精度最高,其建模集R²、RMSE分别为0.747、4.568,验证集R²、RMSE、RPD分别为0.758、4.142、2.135,确定为棉花叶片SPAD的最佳模型。基于BP神经网络模型进行棉花叶片SPAD的空间分布反演,反演值与实测值具有高度一致性,拟合结果较好。BP神经网络可以作为基于无人机多光谱的华北平原棉花叶片SPAD建模的优选方法,该研究可促进棉田定量遥感和棉花长势监测。     

应用两种近地可见光成像传感器估测棉花冠层叶片氮素状况

作物叶片含氮量是作物长势监测、产量及品质估测的重要依据,实时、无损地监测植株体内氮素营养状况有助于棉花氮肥的正确施用。本研究比较2种近地可见光传感器的光谱和颜色信息用于监测棉花氮素营养的能力, 确定MSI200成像光谱仪和数码相机监测棉花冠层叶片氮含量最佳的波段、光谱指数和颜色参数并建立估测模型。结果表明,在可见光波段,冠层反射率随着冠层叶片氮素含量的增加而降低,且叶片含氮量的光谱敏感波段主要位于绿光和红光区域;与棉花冠层叶片含氮量的拟合效果最好的2种传感器的光谱指数为差值指数DI(R₅₈₀, R₆₈₀)和G–R,而颜色参数则分别为b*和H,同一传感器以光谱指数的拟合效果优于颜色参数,不同传感器以MSI200数据的拟合效果优于数码相机;利用独立试验资料检验所建模型的估测性能表明,差值指数对棉花冠层叶片氮素的预测能力优于比值指数和归一化差值指数,DI(R₅₈₀, R₆₈₀)和G–R所建模型的估测精度最高,分别为0.8131和0.7636。因此,利用数码相机和MSI200型成像光谱仪可以定量估测棉花冠层叶片氮素营养状况。     

地面数字图像技术在棉花氮素营养诊断中的初步研究

为了探讨利用图像处理技术进行棉花氮素营养诊断的可行性,通过多水平的氮肥田间试验,采用数码相机获取棉花冠层图像,分析了不同氮水平下棉花冠层图像色彩参数与施氮量、产量及多个氮素营养诊断指标之间的关系.研究表明:南疆畦灌条件下,氮素营养水平直接影响到棉花冠层光谱反射特性.红、蓝光标准化值与铃期施氮量、产量之间有极显著的线性负相关关系,采用R/(R G B)、B/(R G B)值可以直接用来诊断棉花铃期的氮素营养状况,或间接估测产量;铃期绿光值G和绿光与红光比值G/R与叶柄硝酸盐浓度、植株全氮和地上部生物量之间都有较大的相关性,可以较为灵敏地反映棉花氮素营养水平,适宜作为氮素营养诊断指标.因此,应用数字图像技术进行棉花氮素营养诊断是可行的.     

水氮胁迫对冬小麦籽粒灌浆速率影响的模拟研究

为定量分析水氮胁迫对冬小麦籽粒灌浆速率的影响,以‘济麦22’为材料,于2016—2017和2017—2018年度开展施氮试验。结合2017—2018年度试验资料,通过分析水氮胁迫对冬小麦籽粒灌浆速率的影响规律,引入氮素和水分影响因子,构建水氮胁迫对冬小麦籽粒灌浆速率影响的模拟模型S_(j,t)=S_(W3N300,t)×(1+F_N)×(1+F_W)。经2016—2017年小麦生长数据检验,除绝对误差占实测值比率d_ap略高外,RMSE值、平均绝对误差d_a以及相关系数r均显示模拟值和实测值有较高的一致性,说明实测值与模拟值吻合程度较好,所建模型可较好模拟水氮胁迫对冬小麦籽粒灌浆速率的影响。     

棉花叶片不同位点SPAD值与植株氮营养相关性研究

为了确定最能代表棉花氮素营养水平的叶片SPAD值测定位点,采用水培试验方法,设7个供氮水平,分3次测定棉花6片主叶（倒1叶至倒6叶）17个不同位点的SPAD值,对棉花不同叶位及同一叶片不同测定位点SPAD值与棉株氮素营养水平的相关关系进行研究。结果表明,倒4叶SPAD值与棉株地上部氮含量的相关性最好,相关系数为0.6524,达到了显著水平,可认定倒4叶为棉花的功能叶。而棉花倒4叶17个测定位点中,叶片上缘位置SPAD值与地上部氮含量的相关性较靠近叶柄的部位更好,其中S3位点即叶尖位置的相关系数最高,为0.4597,达极显著水平。可以初步确定棉花倒4叶叶尖位置为测定SPAD值以判断棉花氮素营养水平的最佳位点。     

应用SPAD-502进行小麦氮素营养诊断的初步研究

试验研究分析了小麦在不同氮素水平下氮素和叶绿素计值(SPAD,SoilandPlantAnalyzer Development)的叶位分布特点,以及小麦叶片氮素含量和SPAD值的相关性,探讨应用SPAD-502进行小麦氮素营养诊断的理论依据。通过沙培试验,利用叶绿素仪SPAD-502测定了不同氮素水平小麦(新春11号)在不同生育时期(分蘖期、拔节期)叶片的SPAD值、叶绿素含量及植株全氮含量,在此基础上分析了小麦叶片的SPAD值与植株叶绿素含量、全氮含量的关系,目的在于为SPAD快速诊断施肥法在小麦等作物上的应用提供理论依据。结果表明:叶绿素与小麦不同叶位叶片SPAD值含量呈显著正相关;全氮含量与小麦叶片SPAD值呈正相关,因此,可以用SPAD值估算全氮含量,从而为小麦氮素营养状况提供诊断,但是全氮含量与不同叶位SPAD值的关系表现不一致。     

基于颜色特征的叶片含水率与比叶重估算模型初探

通过不同氮素营养水平的水培试验,采用线性拟合和逐步回归分析,建立了黄瓜叶片干基含水率与比叶重的颜色特征估算模型。结果表明：颜色特征与叶片干基含水率、比叶重的线性拟合分析中,S、G/(R+G+B)、B/(R+G+B)、G/R、G/B、G-R和H/S构成的颜色特征变量的相关系数与叶片干基含水率相关密切;S、G/(R+G+B)、B/(R+G+B)、G/R、G/B、G-R、H/S和H/I构成的颜色特征变量的相关系数与叶片比叶重相关密切。运用逐步回归分析技术找出了G/(R+G+B)和G-R可以作为叶片干基含水量估算的主要颜色特征参数; G/(R+G+B)和H/I是叶片比叶重估算的主要颜色特征参数。     

基于15N示踪的施肥量与氮素含量变化规律的研究

【研究目的】本文研究水稻叶片全氮含量、15N丰度的变化以及与施氮水平之间的关系;【方法】以临稻11,圣稻13和阳光200三个水稻品种为材料,进行盆栽实验;【结果】结果表明,不同生育期水稻叶片全氮含量和15N丰度均随施氮水平逐渐增加。顶1叶片全氮含量和施肥量仅在拔节期极显著相关性,但是3个叶位15N丰度在全生育期与施氮量均达到0.01水平极显著相关。三个水稻品种不同叶位全氮含量随着施氮水平的提高总体呈现增加趋势;15N示踪表明拔节期低氮素水平下位叶片15N丰度较上位高;在高氮素水平上位叶片15N丰度增加;孕穗期上位叶的氮素大量转移到穗部,导致孕穗期上位叶的15N丰度明显小于下叶位;抽穗期和灌浆期由于氮素营养的运转,下叶位15N丰度明显小于上叶位。【结论】叶片15N丰度的变化更能反映出肥料供应的差异状况。和叶片全氮含量比较,叶片15N丰度与施氮肥量的相关性更能说明施氮肥量和叶片氮素营养的关系。     

基于~(15)N示踪的施肥量与水稻叶片氮素含量变化规律的研究

利用~(15)N示踪技术,研究水稻叶片全氮含量、~(15)N丰度的变化以及与施氮水平之间的关系,为基于叶片诊断水稻氮素营养提供研究基础。以3个水稻品种,临稻11,圣稻13和阳光200为材料,进行温室盆栽试验。分别在拔节期、孕穗期、抽穗期和灌浆期采集样本,利用凯氏定氮法测试叶片全氮含量,质谱仪测定~(15)N丰度。研究表明,不同生育期水稻叶片全氮含量和~(15)N丰度均随施氮水平逐渐增加。顶1叶片全氮含量和施肥量仅在拔节期极显著相关性,但是在全生育期3个叶位~(15)N丰度均与施氮量均达到0.01水平极显著相关。~(15)N示踪表明拔节期低氮素水平下位叶片~(15)N丰度较上位高;在高氮素水平上位叶片~(15)N丰度增加;孕穗期上位叶的氮素大量转移到穗部,导致孕穗期上位叶的~(15)N丰度明显小于下叶位。由于氮素营养的运转,抽穗期和灌浆期下叶位~(15)N丰度明显小于上叶位;叶片~(15)N丰度的变化更能反映出肥料供应的差异状况。叶片~(15)N丰度的变化更能反映出肥料供应的差异状况,和叶片全氮含量比较,叶片~(15)N丰度与施氮肥量的相关性更能说明施氮肥量和叶片氮素营养的关系。     

基于叶绿素荧光参数的滴灌棉花氮素营养估测模型

【目的】建立基于叶绿素荧光参数的棉花叶片氮素营养监测模型,为棉花高效施氮及植株生长状况的无损监测提供方法。【方法】在水肥一体化滴灌条件下,以新陆早58号为试验材料,设置4个施氮水平,测定了棉花生长关键时期顶2(从顶部数起)至顶5叶的叶绿素荧光参数和氮素含量,分析了棉花叶片氮素含量与荧光参数的关系。【结果】(1)棉花出苗70 d后,叶片氮素含量以及光系统II(PSII)潜在光化学活性(Fv/F0)、PSII潜在最大光化学效率(Fv/Fm)、PSII实际光化学效率(ΦPSII)、PSII最大光化学效率(Fv'/Fm')均随着棉花生长呈逐渐下降趋势。(2)不同氮素处理下,各叶片氮素含量以及叶绿素荧光参数Fv/F0、Fv/Fm、ΦPSII和Fv'/Fm'均随施氮量的增加而上升,其中N2 (240 kg·hm-2)处理下各荧光参数值最大。(3)叶片氮含量与Fv、Fv/F0、Fv/Fm、ΦPSII都呈现极显著正相关关系,与荧光参数ΦPSII、Fv'/Fm'间呈现较好的指数函数关系,与荧光参数Fv、Fv/Fm、Fv/F0呈现良好的线性函数关系。顶5叶可变荧光(Fv)与叶片氮素含量建立的关系模型(y=0.0022x+1.6243)的模拟效果最好,决定系数达到0.928,相关系数达到0.963,呈极显著正相关。【结论】适量施氮(240 kg·hm-2)能够提高PSII的活性及PSII反应中心开放部分的比例,进而改善棉花叶片光合能力。顶5叶氮素含量与叶绿素荧光参数Fv构建的模型精确度和拟合效果较其他荧光参数好,因此可以选用荧光参数Fv来监测棉花叶片氮素含量,进而监测植株的氮素营养状况。     

基于机器视觉的棉花群体叶绿素监测

研究了利用机器视觉技术快速获取棉花群体叶绿素信息的方法，以期获得预测性高的颜色特征参数。结果表明，RGB颜色系统的G－R、(G－R)/(G+R)、r与g的组合值和棉花功能叶叶绿素含量、群体绿色指数呈极显著相关，而且拟合度较高；HIS颜色系统的Hue值和棉花功能叶叶绿素含量、群体绿色指数之间也极显著相关。对筛选出的两组模型进行检验，预测精度在84.07%~93.04%之间，推荐预测精度最高的G－R参数作为获取棉花群体叶绿素信息的最佳颜色指标。G－R预测叶绿素含量和群体绿色指数的模型分别为y=－1.3008+0.2125(G－R)－0.0038(G－R)2（R²=0.8669**）和y=－0.9726+0.1227 (G－R)－0.0016(G－R)²（R²=0.7487**）。     

利用神经网络提取棉花叶片数字图像氮素含量的初步研究

选取6种输入向量组合，利用线性网络、BP网络以及径向基网络等3种神经网络模型进行比较研究，筛选最适宜网络模型和最佳输入组合，建立叶片数字图像彩色信息和叶片氮含量的关系模型，探索利用神经网络技术获取叶片数字图像信息的方法。结果表明，径向基网络在利用数字图像(B，H，G-R，G/R)指标作为网络输入向量时，能够实现获取棉花叶片数字图像氮含量的目标。径向基网络训练的180组样本的训练精度均达到极显著水平（r = 0.9022**），30组测试样本的预测值与实测值也达到极显著相关（r = 0.8674**），径向基网络和(B，H，G-R，G/R)向量是一种适合本研究的数学模型。对利用神经网络提取棉花叶片数字图像氮含量技术的初步探索，拓展了神经网络和数字图像技术在农业生产中的应用。     

应用灰板校正提高计算机视觉预测棉花植株含水量的精确度

利用灰板校正以消除棉花不同生育期图片颜色特征值的亮度差异,建立适用于不同生育期预测植株含水量的通用模型,以提高运用计算机视觉技术进行棉花植株含水量预测的精度。研究结果表明,由灰板校正前、后颜色特征值G-B建立的最佳预测模型,决定系数分别为0.746和0.782。有效性检验结果表明,灰板校正前、后计算预测值与实测值的决定系数分别为0.739和0.783;RMSE分别为2.218和2.03,RE分别为2.13%和1.79%。基于计算机视觉提取的冠层图片颜色特征值能够预测植株含水量,应用灰板校正颜色特征值能够提高模型预测精度,可为提高计算机视觉预测植株水分状况的精度提供技术支撑和方法补充。     

基于数码相机的水稻氮素营养诊断

作物叶片的颜色与其氮素营养状况密切相关,因此可以用叶片的绿色程度来反映其氮素水平。为了量化水稻叶片颜色特征并建立其与氮素营养状况间的关系,使用数码相机拍摄了不同品种、氮肥用量的水稻叶片图像,并比较了3个图像特征参数色相(H, Hue)、明度(V, Value)、深绿色指数(DGCI)与SPAD值及水稻叶片含氮量的关系。结果表明,H、V、DGCI与SPAD值间存在良好的线性关系,拔节期、孕穗期DGCI和SPAD值间的决定系数分别为0.62**、0.60**。同时,3个特征参数和叶片含氮量间也存在良好的线性关系,孕穗期H、V、DGCI与叶片含氮量间的决定系数分别为0.53**、0.63**、0.59**。利用图像特征参数对水稻进行氮素营养诊断时选择孕穗期较好,3个特征参数中V较稳定,与水稻氮素营养间关系最好。     

基于光谱指数和偏最小二乘的棉花类胡萝卜素/叶绿素a比值估算

类胡萝卜素(Car)与叶绿素a含量比值(Car/Chla)的变化与植被生长发育变化、环境胁迫及叶片衰老特征等密切相关,可作为植被生理生态及物候的监测指标。不同植被类型和植被品种其色素变化随植被生长发育呈现出不同的变化特征。为了探究适用于干旱区棉花Car/Chla比值估算的光谱指数和估算方法,本研究通过2011年和2012年连续2年的大面积田间试验,获取了棉花不同生育期的叶片及冠层尺度光谱反射率及色素含量信息,对多种光谱指数及偏最小二乘回归(Partial Least Square Regression, PLSR)用于Car/Chla比值和Car估算进行了探讨。对比表明,基于光化学指数(PhotochemicalReflectanceIndex,PRI)的线性和一元二次模型对Car/Chla比值和Car的估算精度最高,由PRI-Car/Chla线性模型得到的叶片和冠层尺度的Car/Chla比值估算值与实测值之间的决定系数R2大于0.6, PRI-Car的R2大于0.36;基于PLSR模型得到的Car/Chla比值估算值与实测值之间的拟合关系略优于基于PRI的估算模型,由其得到的叶片及冠层尺度Car/Chla比值估算值与实测值之间的决定系数R2大于0.80,Car估算值与实测值之间R2大于0.73;不论基于PRI还是基于PLSR方法,对Car/Chla比值的估算精度均高于Car含量,该结论进一步证实了Car/Chla比值遥感监测的可行性,丰富了对棉花生长高温胁迫、养分胁迫等环境胁迫及病虫害等遥感监测的依据指标。     

苗期及灌浆期抗Bipolaris sorokiniana叶枯病小麦品种（系）鉴定及相关性分析

叶枯病对小麦生产危害严重,麦根腐平脐蠕孢菌（Bipolaris sorokiniana）是小麦叶枯病的主要致病菌。为筛选抗B. sorokiniana叶枯病小麦种质,采用“孢子液喷洒、套袋（罩）保湿”接菌鉴定的方法,于2019-2020年对130个小麦品种（系）进行苗期及灌浆期叶枯病抗性鉴定,同时分析了小麦苗期与灌浆期对B. sorokiniana叶枯病抗性的相关性。结果表明,130个小麦品种（系）中,苗期抗病材料占32.3%,其中高抗与中抗材料分别为1.5%与30.8%,无免疫材料;感病材料占67.7%,其中中感与高感材料分别为20.8%与46.9%;灌浆期抗、感叶枯病材料分别占11.5%与88.5%,无高抗材料;小麦苗期与灌浆期对B. sorokiniana叶枯病抗性呈显著正相关关系（r = 0.72）。此结果为抗B. sorokiniana叶枯病的遗传育种与抗病机理研究提供了优异的种质资源;基于苗期抗性与灌浆期抗性的显著相关性,可以通过室内快速准确的苗期叶枯病抗性鉴定预测大田条件下小麦灌浆期的抗性,节省时间,减轻大田鉴定繁重的工作量,并降低环境因素对鉴定结果的影响。     

基于叶片数字纹理特征自动识别胡颓子属植物

为了探索胡颓子属植物叶片的数字纹理特征变异规律,对苏、浙、皖地区常见的8种胡颓子属植物,提取了基于灰度共生矩阵的叶片纹理参数,分析了叶片纹理参数的种内、种间变异规律,并构建KNN分类模型。结果表明:同种不同地理来源的标本间全部纹理参数是极显著差异,不同种之间仅某一纹理参数有显著差异;随机取132个样本作为训练集,35个作为测试集,构建KNN分类模型,K=6时,正确识别率达到了93.75%。对于特定分布区内的几个胡颓子属植物,叶片数字纹理具有分类识别意义,可用于构建分类模型。     

用机器视觉技术获取棉花叶片叶绿素浓度

运用机器视觉技术获取棉花叶片颜色特征，建立棉花叶片叶绿素测定模型。研究表明，（1）RGB颜色系统的B/R、色度坐标b、b/r值及HIS彩色系统中的饱和度S值均与棉叶叶绿素含量显著或极显著相关，可用于测定叶片叶绿素浓度；（2）棉花叶片正、背面RGB、HIS颜色系统的颜色特征值与叶绿素浓度的相关性高度一致，且叶片背面的颜色特征值与叶绿素浓度之间的相关性更高；（3）基于机器视觉技术建立和筛选出了6组棉叶叶绿素含量预测模型，预测误差在7.8%~13.65%之间。为棉花生长的快速监测提供了依据。