不同施肥决策对冬小麦生长影响的高光谱监测及对比分析

为了明确不同变量施肥算法下的冬小麦冠层光谱特征,以及确定适宜我国气候条件的变量施肥算法,于2006年通过田间试验,分别测量了六种不同施肥决策下的冬小麦冠层光谱和产量,对这六种施肥算法进行了对比分析.结果表明,通过对施肥后冬小麦冠层光谱反射率、施肥前后反射率变化量以及不同时期的归一化植被指数的分析,得知不同施肥处理的冬小麦冠层光谱反射率存在差异,可以反映出冬小麦长势的强弱,其中基于光谱指数和作物生长模型相结合的算法(Z)进行施肥的冬小麦长势最佳.与均一施肥(W)和不施肥(CK)处理相比,变量施肥处理均显著提高小麦产量;除基于土壤养分变量施肥处理(T)外,产量变异系数明显降低,其中基于归一化SPAD值变量施肥处理(S)的变异系数最小.Z变量施肥算法综合效果最佳,S变量施肥算法在降低产量变异度方面效果最佳.拔节期施肥对开花期或灌浆初期小麦生长影响最大;并且这两时期的植被指数与产量的相关性也最好,尤其红边三角光谱指数(RTVI)最好(相关系数达到0.700),可见采用RTVI指数进行产量预测效果更优.     

基于无人机高光谱的冬小麦氮素营养监测

为了实现小区域尺度上的作物氮素营养状况遥感监测，该研究利用无人机搭载Cubert UHD185成像光谱仪对2016 -2017年关中地区的冬小麦进行遥感监测，通过分析冠层光谱参数与植株氮含量、地上部生物量和氮素营养指数的相关性，筛选出对三者均敏感的光谱参数，结合多元线性逐步回归、偏最小二乘回归和随机森林回归建立抽穗期冬小麦氮素营养指数（Nitrogen Nutrition Index，NNI）估测模型，并与单个光谱参数建立的冬小麦氮素营养指数模型进行比较。结果表明，任意两波段光谱指数对氮素营养指数更为敏感，与氮素营养指数均达到了极显著性相关；基于差值光谱指数和红边归一化指数的单个光谱参数构建的模型具有粗略估算氮素营养指数的能力，相对预测偏差分别为1.53和1.56；基于随机森林回归构建的多变量冬小麦氮素营养指数估算模型具有极好的预测能力，模型决定系数为0.79，均方根误差为0.13，相对预测偏差为2.25，可以用来进行小区域范围内的冬小麦氮素营养指数遥感填图，为冬小麦氮素营养诊断、产量和品质监测及后期田间管理提供科学依据。     

利用红边特征参数监测小麦叶片氮素积累状况

以不同类型小麦品种在氮素差异梯度下连续3 a田间试验为基础,在关键生育时期同步测定冠层光谱反射率、叶片干物质量及氮含量,探索建立小麦叶片氮素状况估算的新型红边参数及监测模型。结果表明,冠层微分光谱在红边区域内随氮素水平提高呈明显规律性变化,而原始光谱反射率的变化却较为复杂。与叶片氮积累量关系密切的常见红边参数间存在差异,其中,以GM2、SR705和FD742表现最突出,线性回归模型拟合精度（R2）分别为0.854、0.848和0.873,估计标准误差（SE）分别为1.136、1.160和1.059。基于红边双峰特征分析,构建新型红边双峰特征参数,其中,红边左偏峰面积LSDr_REPLE对叶片氮积累量方程拟合取得很好效果,决定系数和估计标准误差分别为0.869和1.080。经不同年际独立数据的检验表明,以GM2、SR705和FD742为变量,模型预测平均相对误差（RE）分别为17.6%、17.0%和14.9%,而红边左偏峰面积LSDr_REPLE模型预测误差控制得更好,平均相对误差RE为14.5%。以上表明,红边参数GM2、SR705和FD742可以对小麦叶片氮素状况进行有效监测,而红边左偏峰面积LSDr_REPLE模型预测更为准确可靠。     

冬小麦病害与产量损失的多时相遥感监测

为了开展农作物病害遥感监测与产量损失评估,该文以北京郊区大田生产条件下的冬小麦条锈病、白粉病的为研究对象,获取了2007年4月10日、4月26日、5月12日、5月28日共四期Landsat TM卫星影像,准同步地测量了试验地块的冠层光谱数据及配套农学数据。利用该4个时相的遥感数据,分析了试验区的冬小麦条锈病、白粉病在主要生育期的光谱特征及其变化,与对照地块相比,病害小麦在可见光和短波红外波段的光谱反射率降增大,近红外波段反射率减小,红边则会向短波方向移动,红边振幅减小,NDVI值减小。并利用冬小麦病害发生前期（4月10日,4月26日）的卫星遥感数据建立了作物产量的早期预测模型,结合实测的产量数据,定量计算了条锈病和白粉病的产量损失,结果表明两个白粉病和条锈病小麦地块的减产幅度超过了30%。     

无人机多光谱遥感反演冬小麦SPAD值

为研究无人机多光谱遥感5个波段光谱反射率反演冬小麦SPAD（Soil and Plant Analyzer Development）值的可行性，该研究采用六旋翼无人机搭载五波段多光谱相机，采集冬小麦拔节期、孕穗期、抽穗期、开花期的冠层光谱影像并提取反射率特征参数，建立SPAD值的反演模型。结果表明，当波长范围在蓝光、绿光和红光波段，冬小麦拔节期、孕穗期和开花期的无人机多光谱影像反射率参数与SPAD值呈负相关关系，而在抽穗期，二者呈正相关；当波长范围为红边及近红外波段，在整个生长期，二者均呈现正相关关系。该研究构建冬小麦SPAD值反演模型采用了主成分回归、逐步回归和岭回归法，经对比发现基于逐步回归法构建的模型效果最优，该模型的校正决定系数为0.77，主成分回归法次之，岭回归法较差。此外，冬小麦抽穗期多光谱反射率反演SPAD值效果最显著，3种回归模型的校正决定系数分别为0.72、0.74和0.77。该研究可为无人机多光谱遥感监测作物长势、实现精准农业生产管理提供技术依据。     

水稻生物化学参数与高光谱遥感特征参数的相关分析

通过不同氮素营养水平的水稻田间试验，研究稻叶生物化学成份(叶绿素、类胡萝卜素、蛋白质、纤维素、淀粉含量) 与水稻冠层高光谱遥感特征参数之间的关系，结果表明，随着叶位的下移，叶片叶绿素含量与光谱特征变量之间的相关性明显减弱，绿峰反射率、红谷反射率、红边波长、蓝边面积和“三边”面积构成的植被指数等变量与上叶叶绿素含量、类胡萝卜素、纤维素、叶鞘淀粉含量之间有较好的相关性，而蛋白质含量与各种变量的相关系数均非常低。兰边面积、兰边面积和红边面积构成的植被植数与上叶叶绿素含量之间，红边面积 、绿反射峰与红反射峰构成的植被指数与叶鞘淀粉含量之间的相关系数都达到了0.01极显著检验水平，因此，可利用这些变量建立上叶叶绿素a、纤维素和叶鞘淀粉含量的估测模型。     

长期定位施肥条件下作物光谱特征及养分吸收量预测

为了明确不同施肥条件下典型生育期冬小麦和夏玉米冠层光谱特征差异,该研究以长期定位施肥试验为研究对象,在确定典型生育期作物冠层光谱反射率与收获期作物地上部分主要养分吸收量相关性的基础上,建立收获期作物主要养分吸收量预测模型。结果表明,可见光波段相似生育期夏玉米冠层光谱反射率与冬小麦相近,但在近红外区域平均高于冬小麦8.42%。生育中期2种作物秸秆、籽粒及地上部分氮(N)、磷(P)、钾(K)吸收量与冠层光谱反射率在可见光波段普遍呈极显著负相关关系,在近红外波段呈极显著正相关关系。全生育期夏玉米冠层光谱反射率与作物吸氮量的相关系数在可见光波段基本持平,但在近红外波段平均高于冬小麦0.4152。全生育期夏玉米冠层反射率与地上部分吸磷量的相关系数在可见光波段和近红外区域较冬小麦平均分别低0.3621和0.2072。全生育期夏玉米冠层光谱反射率与地上部分吸钾量相关系数在可见光波段平均低于冬小麦0.1270,在近红外波段高于冬小麦0.0341。除夏玉米吸磷量外,基于冬小麦和夏玉米典型生育期冠层光谱反射率建立的模型均可准确预测收获期作物主要养分吸收量,且对冬小麦养分吸收量的预测精度略高于夏玉米,该结论可以为黄淮海地区冬小麦和夏玉米的长势监测和肥料管理提供科学依据。     

黄河三角洲土壤含水量状况的高光谱估测与遥感反演

为探讨利用近地高光谱和遥感影像数据结合预测土壤含水量的可行方法,以黄河三角洲垦利县为研究区,采用中心波长反射率和波段平均反射率两种拟合方法,利用室外实测高光谱窄波段反射率数据模拟Land Sat8卫星宽波段反射率,进而通过组合,选取敏感光谱参量,应用多元逐步线性回归方法分别建立土壤含水量高光谱单一形式波段组合与多形式波段组合估测模型,并选取最优估测模型。采用线性混合像元分解处理遥感影像,同时采用比值均值订正方法对遥感影像反射率进行订正,在此基础上,将模型应用到经过订正的Land Sat8卫星影像,实现了对研究区土壤含水量的遥感反演。结果表明,最佳模型是基于波段平均反射率拟合方法建立的多形式波段组合估测模型。从反演结果看较为符合研究区土壤含水量的实际状况。     

无人机高光谱遥感估算冬小麦叶面积指数

为探讨利用低空无人机平台和高光谱影像对冬小麦叶面积指数进行遥感估算，该研究以拔节期冬小麦小区试验为基础，对原始冠层光谱进行一阶导数和连续统去除光谱变换，并在此基础上提取任意两波段组合的差值光谱指数（Difference Spectral Index，DSI）、比值光谱指数（Ratio Spectral Index，RSI）和归一化光谱指数（Normalized Spectral Index，NDSI），以最优窄波段光谱指数进行叶面积指数估算模型的构建。结果表明，最优窄波段指数的构成波段主要位于红边区域，最优窄波段指数与叶面积指数均呈现非线性关系；光谱变换显著提升了光谱变量与叶面积指数的相关性，其中连续统去除光谱所获取的NDSI（738，822）光谱指数与叶面积指数的相关性最佳；窄波段光谱指数和随机森林回归算法的叶面积指数估算模型精度最高，其相对预测偏差为2.01，验证集的决定系数和均方根误差分别为0.77和0.27。基于随机森林回归算法的无人机高光谱叶面积指数估算模型能够准确地实现小区域的叶面积指数遥感填图，为后期作物长势、变量施肥等提供理论依据。     

草地生物量的高光谱遥感估算模型

为了推进高光谱遥感在草地生理生化参数定量化方面的研究与应用，从冠层尺度上估算草地生物量，该文选用美国ASD公司的ASD FieldSpec Pro FRTM光谱仪，对内蒙古自治区锡林郭勒盟的天然草地进行高光谱遥感地面观测。在进行天然草地地上生物量与原始光谱和高光谱特征变量相关分析的基础上，将观测数据分成两组：一组观测数据作为训练样本，运用单变量线性、非线性和逐步回归分析方法，建立生物量高光谱遥感估算模型；另一组观测数据作为检验样本，进行精度检验。结果表明：生物量与高光谱吸收特征参数变量的分析中，以840、1132、1579、1769和2012 nm等5个原始高光谱波段反射率为变量的逐步回归估算方程为最佳模型，模型标准差为0.404 kg/m²，估算精度为91.6%，说明可以利用高光谱反射率数据，从冠层上对草地生物量进行量化。     

基于高光谱特征和偏最小二乘法的春小麦叶绿素含量估算

叶绿素含量是影响作物生长及产量的主要因素。该研究以2017年6月小型试验田获取的抽穗期春小麦叶绿素含量及其对应的光谱反射率为数据源,对红边(627~780 nm)、黄边(566~589 nm)、蓝边(436~495 nm)、绿边(495~566 nm)、吸收谷和反射峰的最大反射率及反射率总和等16个高光谱特征参数与叶绿素含量之间的相关性进行了分析,并结合偏最小二乘回归法(partial least-squares regression,PLSR)对叶绿素含量进行高光谱建模及验证。结果表明:1)对特定的16个光谱特征参数而言,光谱特征参数绿边最大反射率与春小麦叶绿素质量分数之间的决定系数最低(R~20.5);决定系数较高(R~2≥0.5)的光谱特征参数包括蓝边最大反射率、蓝边反射率总和、黄边最大反射率、黄边反射率总和、红边最大反射率、红边反射率总和、绿边反射率总和、820~940 nm反射率总和及最大反射率、500~670 nm归一化吸收深度和560~760 nm归一化吸收深度,其中820~940 nm反射率总和决定系数达到最高(R~2为0.8);2)利用16个特征参量进行PLSR建模后,发现波段范围在820~940 nm的最大反射率及反射率总和所建立的PLSR估算模型为最优模型,其精度参数R~2p=0.8、RMSEp=2.0 mg/g、RPD=3.2。因此,该模型具有极好的预测能力。该研究为相关研究及当地精准农业提供科学支持和应用参考。     

基于GF-1卫星数据的冬小麦叶片氮含量遥感估算

以陕西关中地区大田和小区试验下的冬小麦为研究对象,探讨基于国产高分辨率卫星GF-1号多光谱数据的冬小麦叶片氮含量估算方法和空间分布格局。基于GF-1号光谱响应函数对地面实测冬小麦冠层高光谱进行重采样,获取GF-1号卫星可见光-近红外波段的模拟反射率,并构建光谱指数,利用与叶片氮含量在0.01水平下显著相关的8类光谱指数,分别建立叶片氮含量的一元线性、一元二次多项式和指数回归模型。通过光谱指数与叶片氮含量的敏感性分析,以及所建模型的综合对比分析,获取适合冬小麦叶片氮含量估算的最佳模型。结果表明:模拟卫星宽波段光谱反射率和卫星实测光谱反射率间的相关系数高于0.95,具有一致性;改进型的敏感性指数综合考虑了模型的稳定性、敏感性和变量的动态范围,敏感性分析表明比值植被指数对叶片氮含量的变化响应能力最强;综合模拟方程决定系数、模型敏感性分析、精度检验和遥感制图的结果,认为基于比值植被指数建立的叶片氮含量估算模型适用性最强,模拟结果与实际空间分布格局最为接近,为基于GF-1卫星数据的区域性小麦氮素营养监测提供了理论依据和技术支持。     

拔节抽穗期不同时长干旱胁迫对水稻冠层光谱特征的影响

基于水稻干旱胁迫试验,采用ASD（Field Spec Pro FR2500）光谱辐射仪测定水稻拔节期和抽穗期不同时间尺度（10d、20d）干旱处理与对照（正常处理）的冠层光谱反射率,对干旱胁迫下水稻冠层光谱变化规律、植被指数、水分指数、导数光谱特征进行分析.结果表明：水稻拔节期和抽穗期干旱胁迫后冠层光谱反射率与对照（CK）相比,可见光、近红外波段反射率均显著减小,短红外波段反射率显著增加,导数光谱红边位置均向短波方向推移,红边面积和红边斜率均显著减少,复合构建的6种植被指数或水分指数呈下降趋势,四波段水分指数（SRND）、归一化差异红外指数（NDVII）下降幅度最大;与CK相比,拔节期干旱胁迫20d和抽穗期10d的水稻冠层对可见光、近红外波段的反射率极显著降低,对短红外波段反射率极显著升高,在此阶段红边特征参数、植被水分指数减少幅度最低.研究结果可为利用高光谱遥感技术快速无损监测水稻干旱灾害提供技术支持.     

结合SPA和PLS法提高冬小麦冠层全氮高光谱估算的精确度

【目的】 冠层高光谱全波段信息可以在小麦拔节期快速无损地估算叶片的氮含量。本研究结合连续投影算法 (SPA) 和偏最小二乘 (PLS) 技术,筛选了冬小麦拔节期冠层光谱对叶片氮含量的敏感特征波段,以期为冬小麦关键生育期氮素含量的遥感估算提供理论依据和技术支持。 【方法】 以陕西关中地区2015—2016年冬小麦小区试验为基础,基于连续投影算法 (SPA) 提取冬小麦叶片全氮含量的冠层光谱敏感波段,并结合偏最小二乘 (PLS) 回归法建立基于敏感特征波段的冬小麦拔节期叶片氮含量估算模型。 【结果】 SPA算法从冬小麦338～2510 nm的冠层光谱中优选出了1985 nm、2474 nm、1751 nm、1916 nm、2507 nm、1955 nm、2465 nm和344 nm共计8个叶片全氮含量的敏感特征波段,波段数目下降了98.9%,有效降低了光谱信息的冗余;基于敏感特征波段构建的叶片氮含量偏最小二乘回归模型的决定系数和均方根误差分别为0.82和0.28,模型验证方程的决定系数和均方根误差分别为0.84和0.21,模型的相对预测偏差大于2,具有较高的精度和良好的预测能力。 【结论】 与常用植被指数的叶片氮含量估算模型相比,连续投影算法 (SPA) 结合偏最小二乘 (PLS) 方法的叶片氮含量估算精度更高,稳定性更强,可以作为冬小麦拔节期叶片氮含量的高光谱估算方法。      

水稻微分光谱和植被指数的作用探讨

通过两年两个不同品种水稻在不同供氮水平下的田间试验，测定了水稻冠层在生长过程中不同时期的高光谱反射率及对应的叶绿素、类胡萝卜素含量，分析了微分光谱对消除水稻冠层光谱的背景影响和植被指数在农学参数测定中的作用。结果表明：由微分光谱所得的红边位置、红边斜率与盖度和供氮水平之间有一定的相关性，与叶面积指数、地上生物量及冠层叶绿素、类胡萝卜素含量有显著相关；水稻多光谱植被指数RVI、NDVI与叶面积指数LAI及其地上部生物量之间有极显著相关性；高光谱植被指数及其变量与植被盖度、供氮水平、叶面积指数、地上生物量及叶绿素、类胡萝卜素含量之间存在相关性。这表明，用微分光谱技术与植被指数方法来监测水稻的色素含量和长势应该是可行的。     

基于卫星光谱尺度反射率的冬小麦生物量估算

为探索基于光学卫星遥感数据的冬小麦地上生物量估算方法,本研究通过3年田间试验,获取冬小麦4个关键生育期（拔节期、抽穗期、开花期和灌浆期）和3种施氮水平下的地上生物量以及对应的近地冠层高光谱反射率数据。通过将高光谱数据重采样为具有红边波段的RapidEye、Sentinel-2和WorldView-2卫星波段反射率数据,构建任意两波段归一化植被指数。同时,将卫星波段反射率数据与6种机器学习和深度学习算法相结合,构建冬小麦生物量估算模型。研究结果表明：任意两波段构建的最佳植被指数在冬小麦开花期对生物量的敏感性最强（决定系数R2为0.50～0.56）。在不同施氮水平条件下,高施氮水平增强了植被指数对生物量的敏感性。Sentinel-2波段数据所构建的植被指数优于其他两颗卫星波段数据。对6种机器学习和深度学习算法,总的来说,基于深度神经网络（Deep Neural Networks,DNN）算法所构建的模型要优于其他算法。在单一生育期中,在拔节期（R2为0.69～0.78,归一化均方根误差为26%～31%）和开花期（R2为0.69～0.70,归一化均方根误差为24%～25%）的估算精度最高。Sentinel-2波段数据与DNN算法结合的估算精度最高,在全生育期中预测精度R2为0.70。施氮水平的提高同样增强了DNN模型的估算精度,3颗卫星波段数据在300 kg/hm2施氮条件下的预测精度R2都在0.71以上,均方根误差小于219 g/m2。研究结果揭示了光学卫星遥感数据在不同生育期和施氮条件下估算冬小麦生物量的潜力。     

基于红边参数的植被叶绿素含量高光谱估算模型

利用ASD便携式野外光谱仪和SPAD-502叶绿素计实测了落叶阔叶树法国梧桐、毛白杨叶片的高光谱反射率与叶片绿度,并对原始光谱反射率及一阶导数光谱与叶片绿度进行了相关分析,建立了基于红边位置、峰度系数、偏度系数的叶片叶绿素含量的高光谱估算模型,最后采用红边位置、峰度、偏度作为BP人工神经网络的输入变量进行了叶绿素含量的估算。结果表明：基于红边位置的法国梧桐、毛白杨叶绿素估算模型的决定系数达到0.7366、0.7289;基于峰度、偏度建立的估算模型可以有效提高估算精度,模型的决定系数均达0.8341以上;法国梧桐和毛白杨人工神经网络模型的确定系数决定系数分别达到0.9574和0.9523。与单变量模型相比人工神经网络模型反演精度明显提高,是一种良好的植被叶绿素含量高光谱反演模式。     

基于半经验半机理建模的冬小麦LAI反演及长势评估

为了提高无人机遥感对冬小麦叶面积指数（leaf area index，LAI）反演模型的精度与泛化能力，该研究利用无人机搭载多光谱相机获取不同氮素处理和不同复种方式的冬小麦生长实测数据，结合PROSAIL辐射传输模型生成包含机理信息的模拟数据，基于不同组合方式建立了5种LAI反演混合数据集，结合多种机器学习方法，以期构建经验与机理相结合的LAI高精度反演模型。由于LAI反演受NIR波段反射率影响大，该研究筛选7种与NIR波段相关的植被指数提取冬小麦光谱特征，构建与混合数据集LAI的相关系数矩阵，进一步探究不同光谱特征对冬小麦LAI的影响程度。在此基础上，采用具有代表性和普适性的4种机器学习方法，即贝叶斯岭回归模型、线性回归模型、弹性网络模型和支持向量回归模型，构建不同冬小麦LAI反演模型，用以评估基于半经验半机理数据反演冬小麦LAI的可行性，进一步探索其对不同氮素水平和复种方式的冬小麦长势评估能力。结果表明：1）筛选的与NIR波段相关的植被指数与冬小麦LAI之间存在较强的相关性，其中归一化差异植被指数、增强植被指数、归一化差异红边指数、比值植被指数、红边叶绿素植被指数、土壤调节植被指数与LAI呈正相关，结构不敏感色素植被指数与LAI呈负相关；2）辐射传输模型中体现了冬小麦LAI影响太阳光线传播的机理，结果表明，与实测数据混合建立的模型，具有较强的鲁棒性和泛化能力。相比于其他3种模型，支持向量回归模型在各种数据组合下均取得了较好的LAI预测性能，在C1、C2、C3、C4这4种训练-测试组合的训练集中R²依次为0.86、0.87、0.88、0.91，RMSE依次为0.47、0.45、0.45、0.41；在测试集的R²依次为0.85、0.19、0.89、0.87，RMSE依次为0.45、1.31、0.49、0.50；3）使用支持向量机生成试验区LAI反演图，对4种氮素水平和2种复种方式的冬小麦长势评估，结果表明，适当的施加氮素处理能提高冬小麦LAI值，麦-豆复种方式下的冬小麦LAI值普遍高于麦-玉复种的LAI值。该研究为冬小麦LAI的反演提供了一种有效的方法，并为高效评估冬小麦长势研究提供了参考。     

基于土壤肥力与目标产量的冬小麦变量施氮及其效果

基于田间18 m×18 m土壤碱解氮测定数据和2001年的小麦产量图数据，采用目标产量模型，设计了变量施氮处方，进行变量施氮试验。以相邻地块均一施肥区为对照，结果表明，变量施氮区产量略低于均匀施肥，且产量变异系数增加；产量构成因子中，变量区的穗密度与对照区基本持平，但变量区的穗密度变异系数较低；变量区的穗粒数低于对照区，变异系数增加；变量区的千粒重高于对照区，变异系数增加；变量区的蛋白质含量略高于对照区，但变异系数也较高；变量区的肥料经济效益略低于对照区，但变量施氮降低了土壤硝态氮浓度，减小了污染地下水的可能性，生态效果明显。