基于支持向量回归（SVR）和多时相遥感数据的冬小麦估产

发展和构建高精度的作物遥感估产模型,对于国家制订粮食进出口政策和保障粮食安全具有重要意义.尝试利用支持向量回归方法(SVR)构建遥感估产模型,首先利用北京郊区2004年和2007年冬小麦主要生育期多时相Landsat TM影像生成的归一化植被指数,通过SVR构建遥感估产模型进行产量估算.然后针对模型的稳健型和预报能力进行交叉验证,并与常规的多元回归方法进行对比.结果表明,利用SVR方法构建的遥感估算模型有效地提高了估算精度,与多元回归方法相比,2004年和2007年决定系数分别提高0.2162、0.2158,均方根误差分别降低0.1682、0.2912.因此基于SVR和多时相遥感数据构建估产模型用于冬小麦估产是可行、有效的,为应用多时相遥感数据进行冬小麦估产提供了一种方法.     

基于信息扩散和关键期遥感数据的冬小麦估产模型

农作物估产对于国家制定粮食进出口政策和保障粮食安全具有重要意义。为构建高精度的作物估产模型,探讨了一种将信息扩散原理和关键期遥感数据相结合的农作物遥感估产方法。首先利用信息扩散原理将关键期遥感数据生成的NDVI和实割实测产量数据扩散到多维监控空间,采用模糊合成的方法建立关键期遥感数据和实割实测产量之间的离散关系模型。然后针对模型的稳定性和精度进行交叉验证,并与多元线性回归模型和BP神经网络模型进行对比。结果表明,利用信息扩散方法构建的遥感估产模型稳定性和精度都明显提高,与多元回归方法和BP神经网络方法相比,决定系数分别提高0.180、0.491,均方根误差分别降低173.10、487.79 kg/hm2。该方法能较好地模拟冬小麦遥感估产中归一化植被指数和产量之间的非线性关系,且泛化推广能力优异,为应用关键期遥感数据进行冬小麦估产提供了一种有效方法。     

频率直方图与植被指数结合的冬小麦遥感产量估测

基于机器学习方法建立的作物产量估测模型常因过拟合等问题导致泛化性能偏低,产量估测精度不高。该研究以河南省为研究区,分别对不同波段地表反射率数据采用均值法和频率直方图法构造样本特征集作为输入变量,结合随机森林（Random Forest,RF）算法建立冬小麦遥感估产模型。研究结果表明,频率直方图法预测效果优于均值法,平均绝对误差和均方根误差分别为660和860 kg/hm2,决定系数最高达到0.83,达极显著水平（P<0.01）;7个地表反射率波段中,近红外1波段表现最好;单个合成指数中,归一化水分指数的表现要优于归一化植被指数;波段组合中,归一化植被指数和归一化水分指数的组合验证效果最优,平均绝对误差和均方根误差分别为444和527 kg/hm2,决定系数为0.89,达极显著水平（P<0.01）,其组合预测效果在4月15日至22日时段内表现最佳,该时段对冬小麦产量的影响最大。该研究通过采用基于频率直方图法构建样本特征结合随机森林算法建立冬小麦遥感估产模型,可为县域冬小麦遥感估产提供一种有效的解决方案。     

变量施肥条件下冬小麦长势及品质变异遥感监测

卫星遥感数据能够在作物生长期内获取大范围“面状”地物光谱信息,反映作物的长势变异情况,以2005－2006年度国家精准农业研究示范基地冬小麦变量施肥试验为基础,以高空间分辨率卫星遥感影像Quickbird为数据源,结合地面获取的冬小麦品质、产量等数据,研究冬小麦长势及品质的变异情况。研究结果表明,Quickbird光谱参数能够反映冬小麦不同施肥处理小区的长势变异,而冬小麦早期的空间长势变异与其最终产量、品质变异有着密切的关系;冬小麦孕穗后期长势光谱信息与其产量有着很好的正相关关系,而与其品质信息存在着显著的负相关关系,其中OSAVI与产量的相关性达到0.536、GNDVI与冬小麦籽粒蛋白质及湿面筋含量的相关性分别达到了-0.531和-0.535;研究还发现,不同植被指数所反映的作物长势存在一定差异,反映冬小麦群体长势的植被参数和反映冬小麦叶绿素密度的植被指数在指示作物空间长势变异上有所不同。因此,利用遥感影像监测作物长势及其品质空间变异在技术上是可行的。     

基于无人机影像自动检测冠层果的油茶快速估产方法

快速准确的产量估算对油茶经营管理和可持续发展具有重要意义。该研究针对油茶快速估产的应用现状,提出一种基于无人机影像自动检测冠层果的方法用于油茶快速估产。首先借助无人机航拍影像,通过随机抽样选取120株油茶树进行无人机近景摄影和人工采摘称量;然后利用Mask RCNN(Mask Region Convolutional Neural Networks)网络开展基于近景影像的油茶冠层果自动检测与计数;采用线性回归和K最邻近建立冠层果数与单株果数之间的关系,同时结合研究区典型样木株数和平均单果质量,构建基于冠层果自动检测的估产模型。结果表明:1)无人机超低空近景影像结合Mask RCNN网络能够有效检测不同光照条件油茶果,平均F1值达89.91%;2)同传统卫星遥感相比,基于无人机近景摄影的冠层果自动检测在作物产量估测方面显示出明显优势,Mask RCNN网络预测的冠层果数与油茶样木单株果数之间具有良好的一致性,拟合决定系数R2达0.871;3)结合线性回归和K最邻近构建的模型估产精度均较高,拟合决定系数R~2和标准均方根误差NRMSE(Normalized Root Mean Square Error)分别在0.892～0.913和28.01%～31.00%之间,表明基于无人机影像自动检测冠层果的油茶快速估产是一种切实可行的方法。研究结果可为油茶快速估产和智能监测提供参考。     

基于遥感数据和气象数据的水旱地冬小麦产量估测

研究利用遥感数据进行了运城地区冬小麦不同生育时期归一化差值植被指数和产量关系的研究,利用气象数据和光谱数据构建了冬小麦光谱产量模型、气象产量模型以及光谱气象产量模型。结果表明：运城地区水旱地冬小麦均以5月8日左右的NDVI值与产量相关性最好,且达极显著水平,因此该时期为建立冬小麦遥感估产模型的最佳时相。通过对冬小麦光谱产量模型、气象产量模型以及光谱气象产量模型预测效果进行的F检验,表明各模型均达到极显著水平。与其他两种模型相比,光谱气象产量模型的决定系数（R2）有明显的提高,并且相对均方根误差（RRMSE     

不同株型品种冬小麦NDVI 变化特征及产量分析

冬小麦不同株型品种和灌溉类型是影响产量遥感估测的重要因素, 对二者的实时监测可以提高产量的估测精度。结合遥感数据(MODIS 数据)与非遥感数据(GPS 数据和外业调查资料), 研究了不同株型品种冬小麦在水、旱地条件下归一化差值植被指数(NDVI)的动态变化特征, 分析了不同生育时期NDVI 与产量之间的关系。结果表明: 冬小麦不同株型品种间NDVI 随生育时期的变化具有明显一致性, 呈“小-大-小”变化趋势; 拔节期至孕穗期不同株型品种冬小麦NDVI 差异显著, 披散型品种高于紧凑型品种, 该时期为准确识别冬小麦株型的最佳时期。水、旱地同一种株型的冬小麦品种在整个生育时期NDVI 均值差异较显著, 均表现为水地冬小麦高于旱地冬小麦, 尤以抽穗初期最为明显。水旱地冬小麦不同生育时期NDVI 与产量相关性均以抽穗初期为最高, 但用抽穗初期和灌浆期NDVI 与产量的复合回归方程进行产量预测比用抽穗初期NDVI 与产量的回归方程效果好, 旱地冬小麦尤为明显。     

基于作物生长模型和遥感数据同化的区域玉米产量估算

为了将遥感观测到的玉米生长期间作物冠层方向反射波谱的时间序列变化信息用于区域玉米产量估算,该文将时间序列中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)数据和高空间分辨率LandsatTM遥感观测数据相结合,以叶面积指数(LAI)作为耦合作物生长模型(crop environment resource synthesis-Maize,CERES-Maize)和植被冠层反射率模型(scattering by arbitrarily inclined leaves,SAIL)的关键参数,提出了将耦合模型与时间序列遥感观测数据同化进行区域玉米产量估算的方案。该文选择吉林省榆树市为研究区,采用MODIS和LandsatTM2种尺度数据集,利用SCE-UA(shuffled complex evolution method developed at the University of Arizona)算法分别进行玉米产量同化估产研究,得到玉米单产空间分布的估计结果,结合遥感估算的种植面积求算榆树市玉米总产量。结果表明,与玉米统计总产量相比,2007、2008和2009年遥感数据同化估算的总产量误差分别为9.15%、14.99%和8.97%;与仅利用CERES-Maize模型模拟得到的产量误差相比,3a间遥感估算总产量的误差分别减小了7.49%、1.21%和5.23%,且采用MODIS和TM遥感数据估算的玉米产量表现了其空间差异性。利用榆树市3a间玉米产量的明显差异,分析了时序遥感数据对作物长势和产量变化信息的表达能力,同年份内时序归一化差值植被指数越大,对应的玉米产量越高;年际间遥感观测反射率的差异通过数据同化方法能够反映年际间玉米产量差的变化。该文提出的玉米估产方案为将来进一步结合多源遥感数据、植被冠层反射率模型与作物生长模型进行区域玉米估产研究提供了参考。     

基于中高分辨率卫星遥感数据的县域冬小麦估产

随着人口的增加和耕地面积的不断减少,粮食安全问题一直备受关注。该文以山东省广饶县为研究区,探讨基于中高分辨率卫星遥感数据的县域冬小麦估产技术。采用陆地卫星和中巴资源卫星（CBERS）中高分辨率遥感图像,选择冬小麦信息较为突出的4个相似时相,经几何精校正、掩膜、相对辐射校正等预处理,在分析研究区典型地物光谱特征的基础上,采用决策树分类方法提取冬小麦种植面积。同时,利用植被指数变化规律对各时相植被指数进行修正,根据植被指数分布情况及其与产量的关系,分别构建了基于像元比值植被指数之和（∑RVI）及不同长势区归一化植被指数（NDVI）的冬小麦估产模型。结果显示：各时相冬小麦种植面积的提取精度均在96%以上,且具有较好的空间精度;二种估产模型的估产精度分别达到了96%以上和94.74%,效果较好。研究为县域冬小麦产量的预测提供了有效方法,能更好地指导冬小麦生产和粮食政策的制定,对区域农业可持续发展和粮食安全有积极价值。     

BEPS模型在华北平原冬小麦估产中的应用

粮食是一切生产和生活的根本,准确地估计冬小麦的产量,对国家制定粮食政策至关重要。该文利用北部生态系统生产力模拟（BEPS,boreal ecosystem productivity simulator）模型能够模拟森林植被净第一性生产力的特点,分析了BEPS模型在冬小麦估产中的适用性和局限性。针对冬小麦和森林植被冠层的不同生长特点,假设冬小麦冠层具有水平均一、垂直分层的结构,利用辐射传输方程,将原BEPS模型中的两片大叶模型改造为多层-两片大叶模型;同时,利用前人提出的收获指数（HI,harvest index）的概念,将冬小麦的净第一性生产力转化为经济产量,从而实现利用遥感机理模型对冬小麦产量的估算。将改进后的模型用于华北平原冬小麦估产中,并利用国家级农业气象站点的实测产量资料对模拟结果进行验证,复相关系数达到0.817,说明改进后的BEPS模型可以用于华北平原冬小麦的估产研究。     

不同生育时期冬小麦籽粒蛋白质含量的高光谱遥感监测模型

为研究不同氮磷水平下冬小麦籽粒蛋白质含量高光谱遥感监测模型,提高模型精度,本文通过连续5年定位试验研究不同氮磷耦合水平下,不同生育时期冬小麦冠层光谱反射率、植株氮含量以及成熟期籽粒蛋白质含量,以相关、回归等统计分析方法,建立基于不同生育时期植株氮含量的籽粒蛋白质含量监测模型;然后通过灰色关联度分析,筛选植株氮含量的最佳植被指数,以偏最小二乘回归法,建立基于植被指数的植株氮含量监测模型;最后以植株氮含量为链接点,按照"植被指数—植株氮含量—籽粒蛋白质含量"之间的联系,建立融合植被指数与植株氮含量的冬小麦成熟期籽粒蛋白质含量监测模型。结果表明:在拔节期、孕穗期、抽穗期、灌浆期、成熟期基于植株氮含量建立的成熟期籽粒蛋白质含量监测模型,具有较好的监测精度;拔节期、孕穗期、抽穗期、灌浆期、成熟期分别基于修正叶绿素吸收反射率指数(MCARI_1)、归一化差值叶绿素指数(NDCI)、修正归一化差异指数(mNDVI)、MCARI_1、NDCI植被指数建立植株氮含量监测模型,监测精度(R~2)分别为0.826、0.854、0.867、0.859和0.819;以植株氮含量为链接点,通过"植被指数—植株氮含量—籽粒蛋白质含量"的间接联系,建立基于拔节期、孕穗期、抽穗期、灌浆期、成熟期植被指数且融合植株氮含量的籽粒蛋白质含量监测模型,R~2分别为0.935、0.972、0.990、0.979和0.936;以独立数据对模型进行验证,模型预测值与实测值间相对误差(RE)分别为11.26%、10.74%、8.41%、10.25%和11.36%,均方根误差(RMSE)分别为2.221 g×kg~(-1)、1.825 g×kg~(-1)、1.214 g×kg~(-1)、1.767 g×kg~(-1)和2.137 g×kg~(-1)。说明基于不同生育时期植被指数链接植株氮含量可以对成熟期籽粒蛋白质含量进行有效监测,且模型具有较好的年度间重演性和品种间适应性。     

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.     

不同施肥长期定位试验地夏玉米冠层光谱特征研究

以黄淮海地区典型冬小麦-夏玉米轮作区的长期定位施肥试验为研究对象,筛选对氮、磷、钾三种营养元素及产量最敏感的波段和生育期,为监测不同时期作物营养胁迫情况和估产提供依据。系统分析了氮、磷、钾单一养分缺乏和两种或两种以上营养元素同时缺乏时典型生育期夏玉米冠层反射光谱特征、收获后秸秆和子粒氮、磷、钾及产量的变化规律。结果表明,缺素使冠层光谱反射率在可见光波段增加,在近红外波段降低。作物秸秆、子粒含氮量和含钾量及产量与可见光波段反射率呈负相关,与近红外区域7601~300 nm反射率呈正相关;秸秆含磷量与各反射率的相关性不明显,子粒含磷量与冠层光谱之间无明显规律。整体上,560和810 nm分别为收获期作物含氮量在可见光和近红外两个区域的敏感波段,开花期为夏玉米氮素诊断的敏感时期;夏玉米钾素在可见光和近红外区域的敏感波段分别为680和810 nm,拔节期为诊断钾素的敏感时期。整个生育期各单波段反射率与产量均呈极显著相关关系,拔节期关系最密切。说明在明确主导养分限制的前提下,利用作物冠层光谱来监测氮素和钾素的丰缺以及准确估产是可行的。     

基于遥感数据的冬小麦农情监测研究进展

对国内基于遥感数据冬小麦农情监测技术的研究与应用进行了全面的回顾,对冬小麦长势、产量、品质和灾害预测预报方面的研究进展作了较系统的调查及研究,分析了遥感技术在小麦农情监测方面取得的成效。提出了冬小麦冠层光谱指数和遥感信息与冠层生化参量之间的关系是实现小麦农情监测的关键,对利用遥感技术进行小麦生长发育监测进行了展望。     

磷营养胁迫对冬小麦冠层光谱的影响

因为磷素重要的营养作用,其胁迫的存在影响冬小麦的正常生长。借助地面遥感仪器获取冬小麦在磷营养胁迫下的多个生育期里的冠层光谱数据并对其影响特征进行了分析。利用因子分析方法提取主因子与含有丰富信息的光谱变量,并结合极显著水平(0.01)的均值比较与检验过程考察了冬小麦冠层光谱,确定了对磷营养胁迫敏感的光谱波段:760nm,810nm和870nm与950nm,并在此基础上结合冬小麦对磷素的吸收利用特征选定了运用冠层光谱敏感波段反射率探测和区分磷营养胁迫的关键生育期:拔节期。结果同时表明,对冬小麦磷营养胁迫而言,近红外区间(760nm~1100nm)光谱反射特征的区分能力要强于可见光区。本文同时指出了研究与发展利用遥感技术进行营养胁迫监测的方法和着重点。     

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。      

基于无人机遥感植被指数优选的田块尺度冬小麦估产

田块尺度作物快捷精准估产对规模化农业经营管理具有重要意义。因此,急需选取最优植被指数和最佳无人机遥感作业时期,建立冬小麦无人机遥感估产模型,获取及时、快速、低成本的无人机遥感估产方法。该文以山东省滨州市典型规模化农田为研究对象,利用固定翼无人机遥感平台对冬小麦进行多期遥感观测与估产。基于2016年冬小麦返青拔节期、抽穗灌浆期和成熟期的无人机遥感影像数据集,采用最小二乘法,构建了基于不同植被指数与冬小麦实测产量的9种线性模型,并结合作物实测产量进行模型评价。多时相多种类植被指数的优选分析结果显示,抽穗灌浆期估产模型R~2最高,RMSE最低(n=34)。其中,模型R~2达到0.70的植被指数共6个,从高到低依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI;RMSE由低到高依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI。另外,该文进一步评价农田土壤像元对无人机遥感估产的影响,经过阈值滤波法处理后,返青拔节期估产模型的R~2(n=34)从约0.20提升至0.30以上,RMSE和MRE下降;抽穗灌浆期模型的RMSE降低,R~2(n=34)有所提升但不显著。综上所述,最佳无人机飞行作业时期为冬小麦抽穗灌浆期,最优植被指数为EVI2,土壤像元的滤除对抽穗灌浆期无人机遥感估产模型的影响不显著。因此,优化后的基于植被指数的无人机遥感估产模型,可以快速有效诊断和评估作物长势和产量,为规模化农业种植经营提供一种快捷高效的低空管理工具。     

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。     

基于赤池信息量准则的冬小麦叶面积指数高光谱估测

冬小麦叶面积指数(leaf area index,LAI)是描述冠层结构的重要参数之一,对评价其长势和预测产量具有重要意义。该文利用灰色关联分析(grey relational analysis,GRA)对植被指数进行排序,用偏最小二乘法(partial least squares regression,PLS)选择不同的植被指数个数作为自变量进行回归建模,通过赤池信息量准则(Akaike’s information criterion,AIC)选择AIC值最小的模型作为冬小麦LAI最优估算模型,即GRA、PLS和AIC 3种方法整合建立冬小麦LAI最优估算模型。使用2008-2009年在中国北京通州区和顺义区获取的整个生育期冬小麦LAI和配套的光谱数据进行建模,利用2009-2010相关数据进行验证。研究表明:采用GRA评价标准与冬小麦LAI关联度最大的植被指数是VOG1,关联度最小的植被指数是SR;通过AIC建立的以8个植被指数作为自变量的冬小麦LAI模型效果最优,建模集的决定系数R2和标准误SE分别为0.76和0.009,验证集的R2和相对均方根误差RRMSE分别为0.63和0.004,预测模型和验证模型均具有较高的精度和可靠性。结果表明采用GRA-PLS-AIC方法进行冬小麦LAI反演是可行的,为提高冬小麦LAI遥感预测精度提供了一种有效的方法。     

近30年吴桥县冬小麦生育期水分亏缺变化趋势分析

为了给地处黑龙港地区的河北省吴桥县制定冬小麦稳产灌溉制度提供理论依据,本文利用1981—2013年吴桥县的气象数据和SIMETAW模型,分析了冬小麦全生育期及播种—返青期、返青—拔节期、拔节—开花期、开花—成熟期4个生育阶段的降水量、需水量、耗水强度及水分亏缺指数(CWDI)的变化趋势;同时利用5年滑动平均法将分析年份冬小麦实际产量分为趋势产量和气象产量,计算了不同降雨年型下冬小麦减产率的变异系数。结果表明,近30年河北省吴桥县冬小麦生育时期的水分亏缺指数和需水量均呈现轻微的上升趋势;冬小麦发生干旱的概率为93.75%,其中,中旱和重旱发生概率为65.52%。冬小麦生育时期的平均日降雨量呈现从冬小麦生育中期向后期转移的趋势,日耗水强度表现为从生育后期向生育中期移动的趋势,这是导致返青—拔节期和拔节—开花期水分亏缺指数较大的重要原因。冬小麦减产率的变异系数的绝对值在缺水年最大,为154.241;在丰水年最小,为1.999;正常年份为24.776。因此,冬小麦拔节—开花期的及时灌溉对于保障冬小麦的稳产增产具有重要作用。建议在缺水年份调整冬小麦的水分管理制度,在冬小麦拔节初期一次性充分灌溉或在拔节初期和中后期分次进行少量灌溉。