日光温室黄瓜群体结构参数及群体内辐射分布分析

为研究作物群体结构与环境要素的关系，观测了日光温室内黄瓜不同生育时期的群体结构参数和群体内太阳总辐射的水平分布和垂直分布。发现叶面积指数、叶面积密度、叶倾角、叶方位角等结构要素在不同生育时期有明显的变化：随生育的进展，叶面积指数稳定增加，叶面积密度生育前期明显上升、后期有所下降，最大叶面积密度所在高度随黄瓜生长逐渐上移；叶倾角分布主要以水平叶为主；叶方位角以偏南居多，偏北叶所占比例较少；不同黄瓜品种间叶方位角和叶倾角也存在差异。这些变化与差异对黄瓜群体的辐射分布有重要影响，也直接影响群体叶的光合速率，此结果可为建立黄瓜群体辐射分布模型进一步优化日光温室结构，建立日光温室内作物生长模型、环境调节控制策略等提供理论依据，另外，对植株的调控技术(如整枝打杈技术等)也有一定的参考意义。     

利用Landsat TM遥感数据监测冬小麦开花期主要长势参数

为精准农业技术体系中的小麦农艺处方管理决策提供详尽的全局性信息,该文以2007－2009年试验实测数据为基础,以Landsat TM影像为遥感数据源,分析了试验样点开花期冬小麦主要长势参数与品质和产量间以及与卫星遥感变量间的相关性,分别建立及评价了TM影像遥感变量监测冬小麦开花期SPAD值、生物量、叶面积指数和叶片氮含量的模型。结果表明：冬小麦开花期,选用作物氮反射指数、近红外波段反射率和归一化植被指数这些遥感变量分别反演冬小麦SPAD值、生物量、叶面积指数和叶片氮含量是可行的;SPAD值、生物量、叶面积指数和叶片氮含量遥感监测模型的精度较高,均方根误差分别为3.12、216.5 kg/hm2、0.269和0.162,以此为基础,制作出具有实际农学意义的冬小麦开花期不同等级SPAD值、生物量、叶面积指数和叶片氮含量遥感监测专题图,实现了主要长势参数空间分布量化表达。基于卫星影像的农田面状信息获取技术克服了点状信息的不足,为农业生产管理决策及时提供信息支持,使该研究技术更利于大面积应用和推广。     

分布式水文模型在陕西省冬小麦产量模拟中的应用

利用分布式水文模型和作物模型模拟了不同深度的土壤含水量,以及在连接分布式水文模型和不连接分布式水文模型两种方式下,利用作物模型分别对冬小麦叶面积指数、干物重增量和产量进行了模拟,最后采用连接分布式水文模型的作物模型模拟了全流域内冬小麦产量的空间分布。模拟结果经对比检验表明,分布式水文模型在土壤水分模拟方面准确性高于作物模型;连接分布式水文模型的作物模型对冬小麦生长过程和产量的模拟结果准确性均高于作物模型独立模拟的结果;连接分布式水文模型的作物模型在流域内对冬小麦产量的空间分布模拟结果也与农业试验站观测产量和社会统计产量基本一致,高产区、低产区分布与实际基本相吻合。这为分布式水文模型和作物模型耦合应用,以及通过引进分布式水文模型来推动作物模型和产量预报研究进一步发展提供了基本的试验支持。     

黄土塬区降水变化对冬小麦叶片形态和生物量的影响

明确降水变化对冬小麦叶片形态和生物量的影响,有助于了解冬小麦在水分环境变化条件下形态和产量上的响应。试验采用人工遮雨棚和自流滴灌系统来实时人工干预降水,研究了黄土塬区三种降水条件:正常降水(CK)、降水减少1/3(R-1/3)和降水增加1/3(R+1/3)下冬小麦不同生育期的叶片形态、生物量及株高变化。结果表明:降水增加,叶长相对变化较大,叶面积增加;降水减少,叶宽相对变化较大,叶面积减少。但叶形系数((叶长×叶最大宽)/叶面积)不受降水变化的影响,仅和冬小麦的生育期有关。降水增加,冬小麦的叶片、生物量以及株高均保持稳定的生长优势;降水减少,冬小麦叶片、生物量以及株高的生长呈现"先促后抑"的现象。不同降水处理的冬小麦生物量和叶面积均呈明显的线性正相关,减少降水处理的冬小麦生物量对叶面积变化最敏感。总之,在黄土塬区冬小麦通过叶片形态、叶面积和生长速率的改变来影响光合产物积累和产量形成,以适应不同的水分环境。     

基于像元物候曲线匹配的生长季内河北省冬小麦空间分布识别

及时、准确的农作物空间分布信息是进行作物长势监测、灾害评估与产量估计的基础。传统方法一般在作物收获期前后进行作物的识别，时间上滞后，难以满足农业生产的应用，时空泛化能力差，模型复用程度低。该研究以历史知识为支撑，提出冬小麦像元匹配模型（Pixel-matched Model，PMM）进行冬小麦空间分布提取，旨在生长季内实现冬小麦空间分布的快速提取。研究结果表明，PMM能充分利用作物物候特征变化，排除冬小麦种植物候空间异质性的影响，能够在播种后2个月内实现冬小麦的准确提取，总体精度达到了95.49%，F1分数为0.83，且不随物候曲线的延伸而大幅提高精度。与传统参考曲线模型（Reference Curve Model，RCM）相比，PMM在消除区域内冬小麦生长物候差异方面具有优势，可在年际间实现冬小麦的准确识别，具有较强的时间泛化能力，能够实现冬小麦的自动化识别。     

作物叶面积指数和倾角分布函数的一种推算方法

设计了一种由作物冠层的辐射分布推算作物叶面积指数（ＬＡＩ）和叶倾角分布函数的方法。根据作物冠层中太阳光斑密度与群体结构关系的数学表达式，ＬＡＩ及其在各个叶倾角区间的分布可由不同太阳高度角时冠层内的光斑密度进行估计，而后者可通过观察冠层中的太阳总辐射和散射辐射的分布进行计算。因此，由容易测得的冠层总辐射的透过率，应用与多元回归分析类似的简单方法，就可以估算出难以趋势测量的ＬＡＩ和叶倾角分布函数。用对     

基于敏感光谱波段图像特征的冬小麦LAI和地上部生物量监测

叶面积指数(LAI,leaf area index)和地上部生物量是评价冬小麦长势的重要农学参数,其实时动态监测对冬小麦的长势诊断、产量预测和管理调控等具有重要意义。该研究通过分析叶面积指数、地上部生物量与冬小麦冠层光谱参数的相关性,筛选出冬小麦长势指标敏感波段及最佳带宽范围;基于敏感光谱波段下图像的彩色因子,构建冬小麦叶面积指数和地上部生物量监测模型。结果表明,叶面积指数、地上部生物量长势指标的敏感波段及最佳带宽范围为(560±6)和(810±10)nm。敏感波段560、810 nm波段下获得的图像特征因子中,RGB颜色空间R810、G560、B810对叶面积指数的拟合效果最好,决定系数高达0.989;HSI颜色空间H810、S810、I560对地上部生物量的拟合效果最好,决定系数为0.937。试验数据检验表明,叶面积指数、地上部生物量监测模型的均方根误差RMSE分别为0.4515、3.3556,相对误差分别为15.7%、15.9%,所构建监测模型的精确度较高。因此,基于敏感光谱波段及相应图像特征构建的监测模型可有效对冬小麦叶面积指数、地上部生物量进行实时、快速、准确监测与诊断。     

基于作物模型与叶面积指数遥感影像同化的区域单产估测研究

通过对作物光合、呼吸、蒸腾、营养等一系列生理生化过程的定量模拟，作物生长模型已经被成功应用于田间尺度的作物单产研究。为了进一步将作物模型扩展应用于区域尺度，提高区域作物单产的模拟精度，该文探讨了将作物模型与多时相叶面积指数(LAI)遥感影像同化以改善区域单产估测的方法。研究首先通过地理信息系统将美国农业部开发的“考虑气候的作物环境决策模型”——EPIC模型，扩展为空间模型。然后，通过基于Landsat TM影像差值植被指数DVI与田间观测叶面积指数构建的最优回归模型，反演了研究区域的多时相叶面积指数影像。最后通过优化算法实现了空间EPIC模型与影像信息的同化，并将系统应用于河北石家庄地区2004年冬小麦的单产估测。结果表明，通过数据同化校正部分关键参数后的空间作物模型的单产模拟精度得到有效提高，但要达到业务运行精度仍有待进一步改善。     

作物叶面积指数和叶倾角分布函数的一种推算方法

设计了一种由作物冠层的辐射分布推算作物叶面积指数（ＬＡＩ）和叶倾角分布函数的方法。根据作物冠层中太阳光斑密度与群体结构关系的数学表达式，ＬＡＩ及其在各个叶倾角区间的分布可由不同太阳高度角时冠层内的光斑密度进行估计，而后者可通过观测冠层中的太阳总辐射和散射辐射的分布进行计算。因此，由容易测得的冠层总辐射的透过率，应用与多元回归分析类似的简单方法，就可以估算出难以直接测量的ＬＡＩ和叶倾角分布函数。用对玉米和油菜进行的实测检验结果表明，推算精度可以满足实际应用的需要。     

冬小麦冻害灾情及长势恢复的变化向量分析

大尺度监测冬小麦冻害灾情,需要结合受冻后长势监测,以提高冻害监测精度。鉴于温度并非唯一冻害因子,且归一化植被指数（NDVI）易高估封垄前冬小麦覆盖度,该文引入基于多时相植被指数的变化向量分析法,进行冬小麦冻害灾情及受灾后长势监测研究。选取河北藁城2010年冬小麦冻害作为研究对象,利用多时相环境小卫星数据提取多种植被指数,构建变化向量并分析其动态变化趋势,结合冬小麦冻害光谱特征敏感性分析,建立冻害灾情遥感监测模型,并展开长势恢复程度监测。结果表明,变化向量分析法能有效地反映冬小麦受冻和长势恢复程度及空间分布,在基于多种植被指数建立的变化向量监测模型中,基于光谱结构不敏感指数SIPI建立的模型较精度最高,其冻害监测及长势恢复监测模型精度分别达83.3%、88.9%。因此,变化向量分析法能有效地监测冬小麦冻害灾情与灾后长势恢复情况,同时对其他作物灾害监测提供了途径。     

基于形态模型的小麦器官和单株虚拟生长系统研究

为更加直观的展示小麦的整个生长过程，同时为教学科研提供支持，将系统分析方法和数学建模技术应用于小麦植株的形态建成，通过对小麦形态数据的定量分析，并结合前人的研究成果，构建了小麦形态建成模拟模型，包括叶片形态建成子模型(包括叶长、叶形、叶面积、叶片空中伸展曲线、茎叶夹角、叶色和叶片衰亡)、茎形态建成子模型(包括茎长和茎粗)、叶鞘形态建成子模型(包括叶鞘长和叶鞘粗)和麦穗形态建成子模型(包括穗长和麦芒)等。并以此为基础，结合已有小麦生长模拟模型WheatGrow，在Microsoft Visual C＋＋平台上利用OpenGL构建了基于形态模型的小麦虚拟生长系统(WVGS)，初步实现了小麦生长过程的可视化表达。建立的模型库主要包括形态模型、生长模型、可视化模型以及场景控制模型四部分。所建数据库主要存储气象数据、土壤数据和品种参数。系统运行结果表明该系统能较好地模拟小麦形态特征，能较逼真的实现小麦生长过程的虚拟显示。     

基于t分布函数的玉米群体三维模型构建方法

为利用少量实测数据快速构建能够反映因品种、环境条件、栽培管理措施等因素产生形态结构差异的玉米群体三维模型,提出基于t分布函数的玉米群体三维模型构建方法。通过实测数据构建主要株型参数的t分布函数,在其约束下生成群体内各植株主要株型参数,通过构造株型参数相似性度量函数调用玉米器官三维模板资源库中的器官几何模板,结合人工交互或图像提取的各植株生长位置与植株方位平面角2组群体结构信息生成玉米群体几何模型。利用三维数字化仪获取的玉米群体田间原位三维数字化数据所构建玉米群体计算得到的LAI与该方法构建玉米群体计算得到的LAI进行对比验证,结果表明:该方法所生成玉米群体叶面积指数与原位三维数字化数据所构建玉米群体计算得到的LAI相比,误差在±2%以内,可以满足面向可视化计算的玉米结构功能分析研究需求。方法可为玉米株型优化设计、耐密性鉴定、品种适应性评价等虚拟试验研究提供技术手段。     

基于机器视觉的冬小麦叶片形态测量软件开发

随着图像处理与识别技术的快速发展,作物表型识别技术日趋成熟。为实现不同品种、不同生育期冬小麦叶片面积和面积系数的精准快速测定,依托VB.net和OpenCV在.NET平台下的图像处理封装库,研发了基于机器视觉的冬小麦叶片形态测量算法并设计开发了软件,软件可实现数字图片的畸变校准并可以同时测量多个叶片长、宽和面积。为验证软件测定效果,选取冬小麦绿色展开叶100 片,通过与人工测量的叶片长宽、WinDIAS叶面积分析系统测量的叶面积结果对比,分析图像识别方法的准确性和稳定性。结果表明,图像识别法与人工和WinDIAS测量的冬小麦叶片长、宽和面积的相关系数均≥0.975,归一化均方根误差均≤0.10%;针对数字照片畸变校准功能进行测试,对叶片水平（垂直）缩放50%且垂直（水平）斜切30°的图像校准后,其测量结果与原始图像测量结果的最大相对误差仅为2%。说明基于机器视觉的冬小麦叶片形态识别方法,可对多种畸变图像进行准确的几何校准,可作为一种可同时准确测定多个叶片面积和长宽的新方法,在农业科学测量、农情信息业务、农业气象观测业务等领域推广应用。     

基于机器视觉的白掌组培苗在线分级方法

白掌在观叶类花卉中占有很大比例,其育苗多采用组织栽培法,且组培苗生产具有规模化。为提高成苗出苗品质,需要在组培苗炼苗前对其分级,而目前常用分级法不能有效解决自然状态下水平放置的白掌组培苗存在的叶片扭曲和重叠问题,因此该文提出一种基于机器视觉实现白掌组培苗在线分级的方法,通过对自然状态下水平放置的白掌组培苗的叶片面积、苗高、地径以及投影面积的分析,得到其投影面积与叶片面积呈线性关系,相关度为0.9344;投影面积与地径呈多项式函数关系,相关性为0.9067,故确定组培苗投影面积和苗高为实际生产中的分级指标。该文采用基于颜色模板匹配算法测量组培苗投影面积,得到的叶片面积和地径与实际叶片面积和地径的变异系数相对误差分别为0.35%和7.95%;利用最小外接矩形法(MBR,minimum bounding rectangle)测量苗高,得到的苗高和实际苗高变异系数相对误差为1.44%。通过整机分级试验发现在输送间距为0.25 m,输送速度为0.5 m/s,分级级别为3级的条件下,该分级装置的分级成功率可达96%,对应生产率为7 200株/h。     

冬小麦叶面积指数高光谱遥感反演方法对比

冬小麦叶面积指数(LAI,leafarea index)是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性。针对国际上普遍应用的2种高光谱遥感反演LAI模型方法,即回归分析法和BP神经网络法,在介绍2种LAI反演模型的基础上,选择位于黄淮海平原的山东省济南市长清区为研究区域,通过ASD地物光谱仪和SunScan冠层分析系统对冬小麦的冠层光谱及LAI变化进行田间观测,然后利用回归分析法和BP神经网络法构建冬小麦LAI反演模型,将模型估算LAI值和田间观测LAI值进行比对,分析评价2种方法的反演精度。结果表明,BP神经网络法较回归分析法估算冬小麦LAI的精度有较大提高,检验方程的决定系数(R2)为0.990、均方根误差(RMSE)为0.105。利用BP神经网络法构建反演模型能较好的对冬小麦LAI进行反演。研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持,并为大尺度传感器监测冬小麦长势和估产提供参考。     

Comparison of two inversion methods for winter wheat leaf area index based on hyperspectral remote sensing

冬小麦叶面积指数（LAI, leaf area index）是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性。针对国际上普遍应用的2种高光谱遥感反演LAI模型方法,即回归分析法和BP神经网络法,在介绍2种LAI反演模型的基础上,选择位于黄淮海平原的山东省济南市长清区为研究区域,通过ASD地物光谱仪和SunScan冠层分析系统对冬小麦的冠层光谱及LAI变化进行田间观测,然后利用回归分析法和BP神经网络法构建冬小麦LAI反演模型,将模型估算LAI值和田间观测LAI值进行比对,分析评价2种方法的反演精度。结果表明,BP神经网络法较回归分析法估算冬小麦LAI的精度有较大提高,检验方程的决定系数（R2）为0.990、均方根误差（RMSE）为0.105。利用BP神经网络法构建反演模型能较好的对冬小麦LAI进行反演。研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持,并为大尺度传感器监测冬小麦长势和估产提供参考。     

不同时期小麦主栽品种冠层结构研究

研究表明,不同时期小麦主栽品种的冠层结构是不同的,当前品种鲁麦１４株高比５０、６０年代品种碧蚂１号和２号显著降低,上部节间相对较长,穗下节间构成指数Ｉ１值较大鲁麦１４冠层叶片长宽比值较碧蚂１号,济南２号低,旗叶倾角较大,上部叶片消光系数Ｋ较小,下部叶片受光状态较好,使抽穗开花后绿色叶面积下降速度减慢,故鲁麦１４较碧蚂１号和济南２号有一个较长时间的高光合期。对今后如何进一步改善品种的冠层结构与光合性     

优化灌溉与施肥对冬小麦冠层结构的影响研究

试验研究优化灌溉与施肥对冬小麦冠层结构的影响结果表明,与限量灌溉处理相比,优化灌溉和传统灌溉处理小麦最上部3个节间明显伸长,导致株高增高10cm,旗叶叶面积减小7%,但倒2叶和倒3叶叶面积分别增加7%和20%;优化灌溉处理小麦旗叶茎叶夹角明显减小。与未施N肥处理相比,施用N肥有增大小麦株高、叶面积和茎叶夹角的趋势,且传统施N比优化施N更加明显。优化水N管理麦田各层次透光率与传统处理差异较小,但它们均显著低于限量灌溉和未施N处理。