功能结构模型在黄瓜栽培密度最优化设计中的应用

本研究选择秋冬季日光温室黄瓜为研究对象,利用参数化方法构建了不同株距和行距处理的虚拟冠层结构模型,并在与光分布模型和光合模型相结合的基础上,模拟分析了株行距改变对冠层叶片分布、光截获以及光合速率的影响。模拟结果显示,株行距的增加,促进了冠层对光的透性,对方位角朝向北部和行内的叶片的光截获有明显促进作用,也使得叶片在北部和行内的分布频率显著增加。从单株平均光截获来看,改变株距和行距分别使单株光截获量提高了34.78%和23.18%。通过将光截获模拟结果与光合模型相结合,得到了冬季栽培的最优株行距,即45.70 cm(株距)及43.22cm(行距)。与传统的40×40 cm株行距栽培方式相比,最优株行距略有增加。本研究结果为功能结构模型在实际生产中的应用以及作物栽培株行距最优化设计提供定量化的决策依据。     

玉米株型与冠层光合作用的数学模拟研究——Ⅰ.模型与验证

建立了一个对冠层结构具有高分辨率的作物冠层光合作用模型.包括冠层结构模型、冠层光分布模型和叶面光合作用模型.将作物冠层按叶面积指数划分为若干层次.上下层次之间,水平面太阳辐照度按Monsi和Saeki的指数递减模型分布.冠层对太阳漫射光的消光系数由作物株型确定,对直射光的消光系数由株型和太阳位置确定.在同一层次中,作物株型按Ross-Nilson的叶倾角分布模型,将叶面位置划分为8个方位,6个倾斜角.设同一层中水平面辐照度相同,某一方位角和倾角的叶面直射光以太阳轨道方程确定.用玉米冠层的实测资料验证了辐射分布模型和叶片的光合作用模型.敏感性试验表明,模型对输入因子有良好的响应.本模型对冠层光合作用的理论研究、作物生长的数学模拟等有一定的意义.     

利用辐射度模型模拟玉米冠层辐射分布

随着遥感研究的深入和计算机技术的提高,地面目标二向性反射分布函数（BRDF）的研究不断深入,计算机模拟模型因其对植被结构的细致描述并能更真实模拟光线与植被冠层之间的相互作用,受到越来越多的学者重视。本文以2000年在中国科学院栾城生态系统试验站测量的夏玉米为例,在对玉米三维结构进行实地测量的基础上,利用扩展的L系统对生长期的玉米进行建模,进而应用基于真实结构场景的辐射度模型(RGM)计算了玉米场景的二向性反射率因子（BRF）,对模拟结果与实测结果进行了分析与比较,结果显示两者之间具有较好的一致性。证明了辐射度模型用于植被冠层光辐射分布模拟是行之有效的,可以为波谱库提供可靠的多角度数据,并为进一步冠层辐射分布的研究工作奠定了基础。     

AquaCrop模型在东北黑土区作物产量预测中的应用研究

东北黑土区是我国玉米和大豆生产基地,为了实现利用AquaCrop模型优化管理和预测产量,本文基于作物小区田间试验和大田观测数据,采用OAT(one factor at a time)法分析了该模型参数的敏感性,率定了敏感性高的参数,并对率定后的模型进行了验证。结果表明:玉米和大豆产量均对影响经济产量的收获指数十分敏感,二者虽然对冠层和根系生长参数都敏感,但有所差异:玉米对冠层衰减系数(canopy decline coefficient,CDC)更为敏感,而大豆则对限制冠层伸展的水分胁迫系数曲线的形状因子(shape factor for water stress coefficient for canopy expansion,Pexshp)更为敏感;玉米因根系深对最大有效根深(maximum effective rooting depth,Zx)更敏感,大豆因根系浅对根区根系伸展曲线的形状因子(shape factor describing root zone expansion,Rexshp)更敏感。由于玉米需水量大,对冠层形成和枯萎前的作物系数(crop coefficient before canopy formation and senescence,KcTr,x)和归一化水分生产力(normalized water productivity,WP*)很敏感,大豆则是一般敏感。率定后模型模拟玉米产量与实测产量的回归系数由0.34提升至0.89,模拟大豆产量与实测产量的回归系数由0.80提升至0.88。进一步用大田实测产量的验证结果表明:预测的玉米与大豆产量与实测产量间回归方程的决定系数(coefficient of determination,R2)分别为0.775和0.779,均方根误差(root mean square error,RMSE)分别为1.076 t hm^–2和0.299 t hm^–2,标准均方根误差(normalized root mean square error,NRMSE)分别为0.097和0.178,模拟效率(model efficiency,ME)分别为0.747和0.730,率定后的AquaCrop模型能较精准地模拟东北黑土区玉米和大豆产量,可用于产量预测或优化管理。     

春季茶树冠层温度与气象因子的关系及预测

为开展利用气象资料进行春季茶叶霜冻灾害的评估工作,研究利用2009年和2010年茶树冠层温度观测资料和气象观测资料,分析了最低气温与茶树冠层最低温度差和天气类型、微气象因子的关系,建立了不同茶树冠层最低温度拟合模型,结合加密自动气象站资料,评估了霜冻过程茶树冠层最低温度的空间分布。结果表明：天气类型是影响最低气温与不同茶树冠层最低温度差的主要气象因子,最低气温与茶树上部冠层叶片最低温度差还受风、湿度等微气象因子的影响,微气象因子对最低气温与茶树内部冠层叶片最低温度差的影响较小。天气类型、微气象因子和最低气温与不同茶树冠层最低温度差的关系是非线性关系,采用支持向量机模型可取得较好拟合效果。同一类型茶树冠层,外部冠层最低温度拟合效果优于内部冠层。利用自动气象站资料、GIS技术、最低气温与不同茶树冠层最低温度差的拟合模型,实现茶叶霜冻空间分布的监测评估。     

单作套作大豆叶片氮素积累与光谱特征

种植模式和氮肥水平直接影响作物的生长和氮素的吸收,无损、即时监测大豆叶片氮素水平对大豆生产中的氮肥精确管理十分重要。本研究设置4个氮肥水平,分析单作套作下大豆在不同生育时期叶片氮素动态和光谱特征,明确对叶片氮素敏感的光谱特征参数,构建单作套作大豆通用的叶片氮素积累量估测模型。结果表明,随大豆生育时期的推进,单作套作种植模式下的大豆冠层叶片氮素积累量均呈现单峰变化趋势,最大值出现在N3处理下的结荚期,两种模式两年最大值平均分别为8.70 g m~(–2)和8.38 g m~(–2);不同生育时期和种植模式的大豆冠层原始反射光谱的变化规律与冠层叶片氮素变化规律均为先增加后降低,原始反射光谱在700~1000 nm波段的反射率以结荚期为拐点先增大后减小,最大反射率达到60%~70%左右;通过对单作套作大豆冠层光谱一阶导数变换,红边幅值呈现先增加后降低的趋势,同时红边位置随叶片氮积累量的增加和减小出现"红移"与"蓝移"现象。经波段自由组合和回归分析表明,以DSI(771、755)构建的线性(y=–1.249+3.209x,R~2=0.847)和乘幂(y=–1.470x~(1.676),R~2=0.872)模型能较精确地估测不同生育时期大豆冠层叶片氮素状况。     

棉花地上部生长的功能-结构模型研究

利用2008-2010年棉花密度试验, 分析棉株器官生物量-形态间异速生长关系, 改进COTGROW模型中的发育和形态发生模块, 构建了棉花地上部器官形态建成模型; 基于COTGROW模型模拟数据,与GroIMP可视化开发平台的数据链接, 实现了棉花生长过程的可视化; 利用建立的功能-结构模型对不同密度棉花冠层的光截获量进行了模拟。利用2010年的试验数据检验模型, 结果表明, 棉花株高、主茎节数、果枝数、各果枝果节数、节间长度、节间直径、叶片长度、叶片宽度、叶柄长度、叶柄直径、棉铃长度以及铃直径测定值与模拟值间的均方根误差分别为3.85、0.64、0.52、0.66、1.00、0.15、1.58、2.39、2.54、0.05、0.13和0.10 cm, 模型效果较好; 构建的棉花地上部功能-结构模型可以较好地模拟棉花的形态特征, 并较逼真地显示棉花器官、植株的三维动态生长过程, 可以反映出不同环境条件、不同密度处理下棉花植株的三维形态, 在可视化的基础上模拟棉花冠层空间的光截获量。为虚拟棉作研究提供了技术基础。     

植被覆盖度计算机模拟模型与参数敏感性分析

植被覆盖度是重要的生态学参数,对水文、生态、全球变化等研究具有重大意义。目前使用的目测估算法和数码照相法都具有一定的主观性,另外通过自然界中相似样方的大量测量获得稳定的统计规律具有很大的难度,因此建立叶面积指数和植被覆盖度之间的统计模型是估算植被覆盖度的有效方法。本文以大豆为例,利用椭圆来模拟大豆的叶片,选取大豆植株结构的关键参数,通过随机分布函数来模拟植株叶片位置、倾角和大小的分布,获得不同植被结构参数下单位面积上的植被覆盖度,建立植被覆盖度计算机模拟模型。通过实测数据和理论研究结论来验证模拟结果。对模型的参数敏感性进行分析结果表明,叶半短轴是比叶半长轴更为敏感的植被结构参数。该模型为植被覆盖度的研究提供了一种新的思路和方法。     

基于冠层反射光谱的夏玉米叶片氮积累量估测

为实现夏玉米冠层氮素状况的实时无损监测,于2009—2010年连续2个生长季,通过不同玉米品种和施氮水平下的田间试验,研究夏玉米叶片氮积累量与冠层反射光谱的相关关系,提出叶片氮积累量的敏感光谱参数,并建立叶片氮积累量的定量估算模型。结果表明,夏玉米叶片氮积累量随施氮水平的提高而增加;可见光波段的460~670 nm和近红外区的780~1100 nm是监测玉米叶片氮积累量变化差异的敏感波段;归一化植被指数(NDVI)、优化的简单比值指数(MSR)、优化土壤调节植被指数(OSAVI)、修正土壤调整植被指数(MSAVI)和土壤调整植被指数(SAVI)与叶片氮积累量相关性较好。利用不同年际独立试验数据对监测模型进行检验,以OSAVI为自变量构建的叶片氮积累量监测模型效果最优,相关系数(r)为0.6745,均方根差(RMSE)为1.2368。利用本研究确立的玉米叶片氮积累量与冠层反射光谱的定量关系,可用来定量估测叶片氮积累量的变化状况。     

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。     

基于穗层反射光谱的小麦籽粒蛋白质含量监测的研究

本试验对近地面高光谱仪监测小麦的不同测定方法进行了探讨，并比较了各方法对籽粒蛋白质含量（GPC）的预测能力。结果表明，穗全氮含量（ETNC）与穗层光谱反射率（Rel）的相关系数普遍高于与冠层光谱反射率（Rc）的相关系数。同时，基于小麦光谱反射率、穗全氮含量、籽粒蛋白质含量三者之间的相关性，选择了包括植被指数在内的20个穗层光谱特征参量，与ETNC进行相关分析，建立了最佳光谱特征参量预测ETNC以及ETNC预测籽粒蛋白质含量（GPC）的统计相关模型。通过2个模型的链接，建立了利用比值植被指数RVI[890,670]预测GPC的回归模型，可以较好地预测小麦籽粒蛋白质含量。在相同条件下，相对于以往基于冠层光谱的方法，基于穗层光谱的RVI[890,670]对GPC的预测表现出较大的优势，决定系数R2由0.662提高到0.865，总均方根差RMSE由0.851降低到0.734。本研究为实现田间条件下小麦氮素及相关品质指标的便携式监测仪的开发研制提供了初步的依据。     

基于随机森林法的棉花叶片叶绿素含量估算

为了高效和无损地估算棉花叶片的叶绿素含量,本研究测定了棉花光谱反射率及叶绿素含量(soilandplant analyzerdevelopment,SPAD)值,对光谱数据进行包络线去除处理、立方根转换和倒数转换,以SPAD值与反射光谱之间的相关性为基础,通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段,构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression,PLSR)两个模型。结果表明,在605～690nm范围内的反射率与SPAD值相关性达0.01显著水平,均呈负相关,相关系数最高值为-0.619。与原始光谱相比,经过变换后的棉花反射率与SPAD值相关性结果相差较大,其中去除包络线光谱在550～750 nm波段范围有效提高了相关性,相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段,进而提高模型估算精度。在两种模型中,基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R~2分别为0.92、0.83,说明这两种模型的估算能力较好;两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%,表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。     

高光谱数据与棉花叶绿素含量和叶绿素密度的相关分析

 通过获取棉花不同品种、不同种植密度单叶和冠层关键生育时期的反射光谱,与其相应的单叶叶绿素含量（CHL.C,下同）和冠层叶绿素密度（CH.D,下同）进行多元统计的逐步相关分析。结果表明,棉花冠层CH.D在其反射光谱762 nm波段处的相关系数达最大值（R_CH.D=0.8134^**,n=94）;对于一阶微分光谱,单叶CHL.C和冠层CH.D的敏感波段均发生在750 nm波段处,基于750 nm波段的微分数值,建立了棉花CHL.C和CH.D线性相关模型(R_CHL.C=0.7382^**,RMSE=0.1831,n=66;R_CH.D =0.9027^**,RMSE=0.3078,n=94）,为利用高光谱遥感技术精确提取反映棉花生长状况的叶绿素信息提供了依据。     

水稻冠层结构的动态模拟研究

根据水稻器官生长的生物学规律,在试验研究的基础上,结合生长模型相关输出,构建了普适性的水稻冠层拓扑结构模型。以节间及其着生叶或穗为单位,将水稻植株分解成若干生长单元,来描述水稻植株的冠层拓扑结构;利用Logistic曲线模拟器官伸长过程,并结合器官发育与叶龄关系,确定了各器官的初始伸长时间和伸长历期,构建了水稻植株冠层动态生长模型;最后对模型进行了检验,初步实现了以日为单位的虚拟水稻生长。     

基于植被指数的夏玉米不同生育期叶绿素含量遥感估算

叶绿素含量是间接判断玉米营养状况的重要农学参数,估算叶绿素含量对农作物长势监测有重要意义。笔者利用ASD便携式地物光谱仪和SPAD-502叶绿素仪实测了夏玉米关键生育期冠层光谱反射率及叶片叶绿素相对含量,对3种植被指数与叶绿素相对含量进行了相关性分析,建立了基于归一化植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)的叶绿素估算模型,并进行精度检验,从中选出最佳拟合模型。研究结果表明：拔节期RVI、抽穗期和灌浆期NDVI以及蜡熟期DVI的均方根差(RMSE)和相对误差(RE)均最低,RMSE分别为5.688、5.323、2.751、4.111,RE分别为9.84%、8.56%、3.75%、7.15%,故为各个时期的最佳模型。因此得到了NDVI、RVI和DVI3种植被指数在不同生育期的最佳模型,对指导夏玉米种植与田间管理具有重要的指导意义。     

基于多视角反射光谱的冬小麦冠层叶片氮素营养监测研究

通过2个蛋白质含量不同的冬小麦品种和4个氮素水平的试验,研究传感器在垂直冬小麦垄平面上,冠层不同观测角度的反射光谱与叶片氮素营养的关系,改进小麦冠层氮素光谱诊断的理论与方法。结果表明,在本试验选择的7种植被指数光谱特征参量中,2个小麦品种均表现为比值植被指数（RVI[670,890]）与冠层叶片氮素含量（CLNC）相关性最高;不同视角的RVI与冠层叶片氮素含量关系中,0°、30°和90°的相关性最高;利用0°、30°和90°的RVI与CLNC进行模型拟合,其模型的决定系数是0°﹥30°﹥90°;在建立的0°模型中,京411小麦模型RMSE为0.2915,预测准确率为90.2%,中优9507模型RMSE为0.3827,预测准确率为87.2%。本研究证明改变反射光谱观测角度,能够提高冠层叶片氮素含量的光谱预测精度,不同小麦品种其光谱特征与冠层叶片氮素含量关系不同,在应用中要根据不同的小麦品种建立相应的模型。     

基于高光谱遥感的玉米叶片SPAD值估算模型研究

灌浆期玉米叶片叶绿素含量对玉米光合作用及产量形成具有重要作用。为通过高光谱特征准确、高效估测玉米叶片叶绿素含量,以SPAD值表征叶绿素相对含量,构建了基于光谱特征参数的传统回归模型、基于全谱和光谱特征参数的PLSR模型和BP神经网络模型,并进行了比较分析。结果表明：基于全谱构建的PLSR模型SPAD值拟合效果最好（R ²=0.910,RMSE=2.071）,而基于光谱特征参数所建立的PLSR模型拟合效果可达到与全谱PLSR模型相近的水平。但后者的实测值与预测值拟合效果（R ²=0.867,RMSE=2.581,RPD=2.628）优于全谱PLSR模型,且建模时间短,模型复杂程度降低。BP神经网络模型相较于两种PLSR模型预测效果略差,但优于传统回归模型。综合来看,基于光谱特征参数建立的PLSR模型估测效果最好。