利用不同红边位置算法估测玉米叶绿素含量

本研究基于玉米-大豆带状套作复合种植模式,以不同施氮水平下的玉米为试验材料,在拔节期、抽雄吐丝期和灌浆期分别测定其叶片与冠层的反射光谱和叶绿素含量,通过连续小波变换和其他算法(最大一阶导数法、四点内插法和线性外推法)分别提取其红边位置,系统分析红边位置与叶绿素含量之间的定量关系,以比较用各红边位置算法提取的红边位置在叶片和冠层尺度上对叶绿素含量估测的准确性及稳定性。结果表明:基于连续小波变换提取的红边位置,在叶片和冠层尺度上对叶绿素含量的估测精度较高,稳定性最强,表明连续小波变换方法在提取玉米反射光谱红边位置上是可行的。通过线性外推法提取的红边位置构建的玉米叶片叶绿素含量和四点内插法构建的冠层叶绿素含量定量估测模型的预测效果最佳。本研究为玉米反射光谱红边位置的提取提供了新方法,构建了玉米叶绿素含量在不同观测尺度(叶片、冠层)上最佳的定量估测模型,为玉米氮素营养状况的监测提供了有效途径。     

基于光谱角指数小麦冠层叶片特征差异估测研究

【目的】为利用高光谱技术实现作物氮素营养状况无损快速监测提供途径。【方法】通过不同品种小麦不同氮素水平试验,分析小麦不同氮素营养状况下,叶片叶绿素含量与叶面积指数、冠层光谱角的关系,定量分析光谱角指数,并建立相关模型对小麦氮素营养状况进行实时监测。【结果】冠层光谱角指数与差值叶绿素含量和差值叶面积指数的相关性最高为0.919 7,两者之间建立的模型决定系数为0.739 2,0.617 8,具有很好的拟合效果。【结论】利用光谱角可以监测小麦叶片叶绿素及叶面积差异,在此基础上进行小麦氮素营养监测是可行的。     

小麦叶层氮含量估测的最佳高光谱参数研究

 【目的】作物体内氮素状况是评价长势和预测产量的重要指标。小麦植株氮素营养的快速监测和无损诊断对于精确氮素管理具有重要作用。本文旨在通过对高光谱信息的精细分析和信息提取,探索建立小麦叶片氮含量（LNC,leaf nitrogen content）估算的最佳波段、光谱参数及监测模型。【方法】利用连续4年的系统观测资料,采用精细采样法,详细分析350～2 500 nm波段范围内原始光谱反射率及其一阶导数光谱的任意两两波段组合而成的主要高光谱指数与小麦冠层叶片氮含量的定量关系。【结果】发现小麦叶片氮含量的最佳波段为位于红边的690、691、700和711 nm以及近红外波段的1 350 nm;基于归一化光谱指数NDSI（R1350,R700）和NDSI（FD700,FD690）、比值光谱指数RSI（R700,R1350）和RSI（FD691,FD711）、土壤调节光谱指数SASI（R1350,R700）（L=0.09）和SASI（FD700,FD690）（L=-0.01）构建氮含量监测模型,决定系数（R2）分别为0.851和0.857、0.842和0.893、0.860和0.866。利用独立试验资料对模型检验的结果显示,模型测试的精度（R2）均大于0.758,RRMSE均小于0.266,尤其是高光谱参数RSI（FD691,FD711）和SASI（FD700,FD690）表现最好。【结论】总体上,利用精细采样法确定最佳波段,构建植被指数和氮含量监测模型,可显著提高模型的精确度和可靠性,从而为快速无损诊断小麦叶层的氮素状况提供新的波段选择和技术途径。     

基于改进光谱角算法的小麦产量监测研究

【目的】基于小麦生长发育关键时期的近地面高光谱数据和收获实测产量数据,利用改进的光谱角算法进行冬小麦产量估测。【方法】选择2个小麦品种,设置4个氮素水平处理,根据氮素营养对小麦冠层可见光和近红外光谱影响较大的特点,构建监测小麦冠层氮素营养的光谱角算法。【结果】氮素营养对小麦产量差具有比产量更明显的差别,不同小麦品种在不同生育时期和氮素水平下光谱角变化有明显的差异,小麦生育前期的光谱角变化较小,生育后期光谱角增加,末期光谱角降低,不同氮素水平之间表现出N0-2>N0-3>N0-1。光谱角与小麦产量呈明显的二次线性关系,拟和方程决定系数为0.784 4,达到极显著水平。【结论】利用光谱角进行小麦产量监测是可行的。     

关中地区小麦冠层光谱与氮素的定量关系

【目的】分析不同生育期及整个生育期小麦叶片氮含量(LNC)与冠层光谱反射特征的关系,以实现对田间小麦活体氮素营养状况的监测,为小麦叶片氮素状况的精确诊断提供依据。【方法】以位于陕西关中地区杨凌揉谷镇、扶风马席村和巨良农场的3个小麦试验田为研究对象,测定不同长势及生育期小麦LNC及冠层光谱反射率,分析不同长势下小麦LNC和反射率的变化,并研究氮含量与冠层光谱反射率的相关性,以及小麦LNC与比值植被指数(RVI)、归一化植被指数(NDVI)的相关性,建立小麦LNC的敏感波段及光谱监测模型。【结果】在同一生育期,长势差的小麦叶片氮含量较低,长势较好的叶片氮含量高。与单波段相比,组合波段构成的植被指数RVI、NDVI与LNC的相关性明显提高,近红外波段(730~1 075nm)和红波段630,660,690nm组成组合波段的RVI、NDVI与LNC呈极显著正相关,其中LNC与RVI的相关性较高。利用独立的小麦田间试验数据,采用通用的均方根差(RMSE)、决定系数(R2)、准确度(斜率)3个指标对所建立的模型进行检验,最终选取RVI(970,690)为监测小麦LNC的最佳光谱参数,构建的最佳模型为LNC=0.176 3×RVI(970,690)0.775 6,R2为0.863,RMSE为0.137,准确度为0.979,接近于1。【结论】利用小麦冠层光谱反射率构建了预测小麦LNC的最佳模型,该模型具有较好的准确度和普适性,适用于整个生育期小麦叶片氮含量的监测。     

基于局部去趋势波动分析的油菜光谱红边位置确定方法

对油菜的冠层光谱进行研究,利用局部去趋势波动分析提出了一种红边位置的提取方法,并与最大一阶导数光谱法、倒高斯拟合法、线性四点插值法、拉格朗日插值法、多项式拟合法、线性外推法等6种常见的红边位置确定方法作对比。以油菜角果期冠层光谱红边位置所对应的多重分形指标Hurst指数和另外6种方法提取的红边位置所对应的光谱值为特征,用支持向量机和随机森林2种分类器建立定性识别模型,识别直播和移栽2种种植方式、1万株/667m~2和2万株/667m~22种密度。以平均识别率为评价指标,结果表明,利用局部去趋势波动分析的提取方法具有较好的识别率和稳定性。     

基于改进红边面积的夏玉米叶片氮素含量导数光谱监测

【目的】从夏玉米叶片一阶导数光谱中提取监测叶片氮素含量变化的敏感红边面积,为夏玉米氮素营养遥感监测提供依据。【方法】使用高光谱仪ASD Field Spec Pro,于喇叭口期(08-05)、抽雄期(08-22)、吐丝期(09-05)和乳熟期(09-13)采集不同氮素处理水平下(0,120,240 kg/hm2)的夏玉米叶片光谱,并在红边波长范围(680~760nm)求取一阶导数(一阶导数光谱),然后采用基于小波变换的阈值去噪方法对一阶导数光谱进行去噪处理;考察夏玉米4个生育时期内一阶导数光谱对不同氮素处理水平的响应特征,以及当波长范围从红边核心区域720~740 nm逐步扩展到700~760 nm时,对应包围面积与叶片氮素含量相关系数的变化情况,在此基础上分析红边面积常规计算方法的不足,并提出针对性的改进措施;在4个生育时期内,对改进红边面积MSred和通过常规计算所得红边面积Sred与叶片氮素含量的相关性进行分析,并评价MSred的效果。【结果】(1)对于不同的氮素处理水平,位于红边核心区域720~740 nm的一阶导数光谱值相对于红边边缘区域具有更显著的响应特征。(2)在4个生育时期内,当波长范围处于红边核心区域时对应红边面积值较小,但其与叶片氮素含量的相关性较高;当波长范围以720~740 nm为中心、2 nm为步长扩展至700~760 nm时,对应包围面积值总体上呈线性增长趋势,而其与叶片氮素含量的相关性则逐渐降低。(3)在喇叭期、抽雄期、吐丝期、乳熟期,MSred与夏玉米叶片氮素含量的相关系数分别为0.876 8,0.827 5,0.844 2和0.883 8,比同生育时期Sred与叶片氮素含量的相关系数分别提高了7.50%,5.00%,9.75%和5.54%。【结论】改进红边面积MSred可以更准确地指示叶片氮素含量的变化,为采用高光谱技术快速诊断夏玉米氮素营养亏缺状况提供了新途径。     

不同灌溉梯度下冬小麦冠层温度与土壤水分关系研究

【目的 】 冠层温度是作物响应水分胁迫的重要指标,厘清小麦种植过程中冠层温度与土壤水分、周围环境因子之间的相互作用关系,对干旱监测、精准灌溉、智慧农业的发展有重要意义。 【方法 】 文章采用温室试验,通过自动连续观测土壤含水量、作物冠层温度、环境因子,分析小麦拔节期在不同水分处理下冠层温度和土壤含水量的关系。 【结果 】 （1）小麦拔节期日变化趋势与太阳辐射日变化基本一致。探索小麦拔节期冠层温度与土壤含水量相关性时,最佳观测时间为12：00—14：00;（2）冠气温差是判定小麦缺水的最佳指标,小麦冠气温差和土壤含水量线性拟合R=-0.63,表明冠层温度与土壤含水量呈负相关关系;（3）小麦拔节期冠层温度与环境因子密切相关,冠层温度与空气温度、太阳辐射存在显著正相关关系,与空气相对湿度和气压为负相关关系。 【结论 】 通过监测小麦冠层温度、环境因子等指标,可以实时了解小麦实际生长状况,为实现小麦精准灌溉管理提供数据支持。     

基于甜菜冠层高光谱红边参数的SPAD值诊断

通过大田小区试验,利用野外便携式ASD光谱仪和SPAD-502叶绿素计分别实测甜菜冠层的高光谱反射率和叶片的叶绿素含量。基于冠层光谱反射率的一阶导数,提取甜菜冠层光谱的红边参数,分析不同SPAD值的红边参数的变化规律,以及各个红边参数与甜菜SPAD值的相关关系,并建立估测模型。结果发现,当甜菜SPAD值增大时,红边位置发生"红移"现象,红边振幅、红边面积增大;当SPAD值降低时,规律则相反。在红边参数对SPAD值的估测模型中,红边位置的一元线性估测模型精度最高;红边参数决定系数比红边位置的一元线性估算模型提高了30.3%。     

不同灌溉梯度下冬小麦冠层温度与土壤水分关系研究*狄艳1,高懋芳1,李强1,游炯

【目的】冠层温度是作物响应水分胁迫的重要指标,厘清小麦种植过程中冠层温度与土壤水分、周围环境因子之间的相互作用关系,对干旱监测、精准灌溉、智慧农业的发展有重要意义。【方法】文章采用温室试验,通过自动连续观测土壤含水量、作物冠层温度、环境因子,分析小麦拔节期在不同水分处理下冠层温度和土壤含水量的关系。【结果】(1)小麦拔节期日变化趋势与太阳辐射日变化基本一致。探索小麦拔节期冠层温度与土壤含水量相关性时,最佳观测时间为12:00—14:00;(2)冠气温差是判定小麦缺水的最佳指标,小麦冠气温差和土壤含水量线性拟合R=-0.63,表明冠层温度与土壤含水量呈负相关关系;(3)小麦拔节期冠层温度与环境因子密切相关,冠层温度与空气温度、太阳辐射存在显著正相关关系,与空气相对湿度和气压为负相关关系。【结论】通过监测小麦冠层温度、环境因子等指标,可以实时了解小麦实际生长状况,为实现小麦精准灌溉管理提供数据支持。     

小麦氮素积累动态的高光谱监测

 【目的】研究小麦地上部氮积累量与冠层高光谱参数的定量关系，分析多种高光谱参数估算地上部氮积累量的效果。【方法】连续3年采用不同蛋白质含量的小麦品种在不同施氮水平下进行大田试验，于小麦不同生育期采集田间冠层高光谱数据并测定植株不同器官生物量和氮含量。【结果】植株氮积累量随着施氮水平的提高而增加，不同地力水平间存在明显差异。植株氮积累量的光谱敏感波段主要存在于近红外平台和可见光区，而地上部氮积累量与冠层光谱的相关性明显降低。对植株氮积累量的光谱估算，在不同品种、氮素水平、生育时期和年度间可以使用统一的光谱模型。在籽粒灌浆期间植株氮积累量自开花期随时间进程的积分累积值与对应时期籽粒氮素积累状况存在显著的定量关系，根据特征光谱参数植株氮素营养籽粒氮积累量这一技术路径，以植株氮积累量为交接点将模型链接，建立高光谱参数与籽粒氮积累量间定量方程。将植株氮积累量与籽粒氮积累量相加，确立了基于高光谱参数的籽粒灌浆期间地上部氮积累量监测模型。经不同年际独立资料的检验表明，利用光谱参数SDr/SDb、VOG2、VOG3、RVI（810,560）、[（R750-800）/（R695-740）]-1和Dr/Db建立模型可以实时监测小麦地上部氮素积累动态变化，预测精度R2分别为0.774、0.791、0.803、0.803、0.802和0.778，相对误差RE分别为16.7%、15.5%、15.6%、18.5%、15.5%和17.3%。【结论】利用关键特征光谱参数可以有效地评价小麦地上部氮素积累状况，其中尤以植被指数VOG2、VOG3和[（R750-800）/（R695-740）]-1的效果更好。     

基于不同土壤质地的小麦叶片氮含量高光谱 差异及监测模型构建

【目的】叶片氮素状况是小麦生产中精确施氮管理与调控的前提,实时无损监测叶片氮素状况对小麦生产管理具有重要意义。本文旨在综合分析不同环境下小麦冠层光谱响应差异,进而构建其估测模型,为小麦氮肥合理运筹提供技术支持。【方法】本研究基于3种不同土壤质地（砂土、壤土和黏土）、5种不同施氮水平（0、120、225、330和435 kg•hm-2）及3种河南省主栽小麦品种（矮抗58、周麦22和郑麦366）连续2年的大田试验,于小麦主要生育时期同步测定冠层光谱反射率和叶片氮含量,对3种不同土壤质地条件下小麦冠层叶片氮含量的高光谱响应差异进行比较,系统分析350—1 050 nm 波段范围内任意两波段组合而成的差值（DSI）、比值（RSI）及归一化差值（NDSI）光谱指数与叶片氮含量的量化关系,并建立估算模型。【结果】冠层光谱反射率在不同施氮水平和不同生育时期下存在明显差异,但趋势基本一致;比较3种土壤质地小麦冠层光谱反射率大小表现为：黏土＞壤土＞砂土,可以反映小麦实时田间长势。通过系统分析3种土壤质地小麦冠层反射光谱与对应叶片氮含量间的定量关系,表明在可见光和近红外区域均有较好的相关性,但敏感波段区域有所不同。对3种质地获取的样本进行系统分析表明,砂土、壤土和黏土质地小麦叶片氮含量分别以光谱指数NDSI（FD710,FD690）、DSI（R515,R460）和RSI（R535,R715）建模结果表现最好,决定系数分别达到0.88、0.87和0.87。经不同年份独立资料检验结果显示,基于上述光谱指数估测小麦叶片氮含量的预测决定系数分别为0.87、0.85和0.77,预测均方根误差分别为0.31、0.32和0.26。【结论】利用光谱参数NDSI（FD710,FD690）、DSI（R515,R460）和RSI（R535,R715）为自变量建立的估测模型分别可以较好地预测砂土、壤土和黏土3种质地小麦叶片氮含量。     

基于新型植被指数的冬小麦LAI高光谱反演

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。     

基于高光谱遥感的小麦叶片糖氮比监测

 【目的】碳氮代谢反映植株生理状况和生长活力，是小麦籽粒产量与品质形成的生理基础，因而叶片糖氮比的实时无损监测对小麦生长诊断和氮素管理具有重要意义。本研究的主要目的是通过分析小麦叶片糖氮比与冠层高光谱参数的定量关系，确立小麦叶片糖氮比的定量监测模型。【方法】采用不同蛋白质含量的小麦品种在不同施氮水平下进行了连续3年大田试验，于小麦不同生育期采集田间冠层高光谱数据并测定叶片糖氮比值，进而分析建立冠层高光谱参数与叶片糖氮比的回归模型。【结果】小麦叶片糖氮比随施氮水平的提高而下降，随生育进程呈“高-低-高”动态变化模式。利用高光谱对叶片糖氮比进行监测的适宜时期为拔节期至灌浆中期，其中开花期最好。水分特征参数FWBI和Area980与叶片糖氮比关系密切，指数方程拟合决定系数（R2）分别为0.762和0.768，估计标准误差（SE）分别为1.27和1.28。色素特征参数（R750-800/R695-740）-1和VOG2为变量，指数方程拟合决定系数（R2）分别为0.718和0.712，估计标准误差SE分别为1.87和1.95。经不同年际独立试验数据的检验表明，以参数FWBI、Area1190、（R750-800/R695-740）-1和VOG2参数为变量建立的叶片糖氮比监测模型表现很好，预测精度R2分别为0.627、0.618、0.691和0.795，预测相对误差RE分别为19.2%、18.7%、17.9%和18.3%。【结论】与色素指数和水分指数相关的特征光谱参数可以有效地评价小麦叶片糖氮比的变化状况，利用FWBI、Area1190、（R750-800/R695-740）-1和VOG2 4个参数可以对生长盛期的小麦叶片糖氮比进行可靠的监测。     

基于高光谱遥感的冬小麦叶水势估算模型

【目的】采用高光谱技术,建立快速、无损与准确获取冬小麦叶水势的估算模型,为小麦灌溉的精确管理提供科学依据。【方法】利用不同水分处理的大田试验,于小麦主要生育期同步测定冠层光谱反射率、叶水势、土壤水分等信息,并探讨高光谱植被指数与冬小麦叶水势之间的定量关系。通过相关性分析、回归分析等方法,基于不同水分处理,构建4种植被指数与冬小麦叶水势的估算模型。【结果】不同水分处理和不同生育期的冬小麦,其冠层光谱反射率具有显著的变化特征。在可见光波段,冬小麦冠层反射率随着水分含量的增加而逐渐降低,而在近红外波段,其冠层反射率则随着土壤水分含量的增加而升高。随着小麦生育期的推进,在近红外波段,抽穗期的冠层反射率比拔节期的高,在灌浆期之后,红波段(670 nm)、蓝波段(450 nm)的反射率上升加快;4种植被指数与叶水势显著相关(P0.05),相关系数|r|均在0.711以上,四者均可用于冬小麦叶片水势的定量监测。在充分供水条件下(70%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.75和0.771)均低于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.808和0.896),而在重度水分亏缺条件下(50%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.857和0.853)均高于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.711和0.792);所建模型对45个未知样的预测结果与实测值相似度较高,其回归模型R~2、验证模型MRE、RMSE的范围分别为0.616—0.922、-17.50%—-12.52%、0.102—0.133。在70%FC水分处理下,基于EVI2(enhanced vegetation index)所得叶水势估算模型的R~2最高,为0.922,而在60%FC和50%FC水分处理下,由于考虑了土壤背景的影响,基于OSAVI所建模型的R~2最高,分别为0.922和0.856。【结论】4种植被指数均可用于冬小麦叶水势的定量监测。但是,在构建不同水分处理的叶水势估算模型时,应考虑土壤背景对冠层光谱的影响。研究结果可以为小麦精准灌溉管理提供技术依据,为星载数据的参数反演提供模型支持。     

基于有效积温的冬小麦返青后植株三维形态模拟

【目的】基于有效积温,利用三维建模技术,实现小麦生长模型与形态模型的有机结合,真实表达环境因素对小麦生长发育和形态结构的影响,最终实现小麦生长过程的三维可视化,为小麦作物生长动态预测、栽培管理调控、作物株型设计等提供重要参考。【方法】以天津地区主要推广小麦品种衡观35、济麦22和衡4399为材料,于2015—2016年冬小麦生长季内开展不同小麦品种和施氮水平的田间试验,采集各品种冬小麦在不同施氮水平下的叶长和最大叶宽等形态数据,通过分析各品种冬小麦返青后形态数据和有效积温的定量关系,用Logistic方程构建了冬小麦返青后叶片叶长、最大叶宽模拟模型,并对该模型进行检验;基于该模拟模型,计算各品种冬小麦返青后每个生长日的形态数据,借助OpenGL和NURBS曲面造型技术,构建冬小麦几何形态模型,最终实现冬小麦生长模型与形态模型的结合,实现了冬小麦返青后生长过程可视化。【结果】在不同品种、不同施氮水平下,小麦叶长回归方程R2值在0.772—0.983之间,F值在10.153—340.191之间,且Sig小于显著水平0.05,最大叶宽回归方程R~2值在0.853—0.999之间,F值在17.371—4 359.236之间,且Sig小于显著水平0.05,表明上述模型拟合度和显著性均较好。经数据检验,叶长模型绝对误差在0—3.88 cm之间,根均方差(RMSE)值在0.24—1.95 cm之间,最大叶宽模型绝对误差在0—0.28 cm之间,RMSE值在0.02—0.15 cm之间,表明所建模拟模型精度较高,该模型对不同品种冬小麦返青后的叶片生长具有较好的预测性;基于所建模拟模型计算冬小麦返青后逐日形态数据,可构造不同品种、不同施氮水平下的冬小麦植株形态,可逼真模拟冬小麦返青后植株动态生长过程。【结论】基于有效积温构建的冬小麦返青后叶长和最大叶宽模拟模型,可较好预测冬小麦返青后叶片生长状态,可实现小麦生长模型和形态模型的有机结合,实现不同品种冬小麦在不同施氮水平下的叶片生长可视化。     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675—0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。     

以HJ-CCD影像为基础的冬小麦孕穗期关键苗情参数遥感定量反演

【目的】应用卫星遥感数据可以及时获取大田种植作物"面状"苗情信息,准确反映作物群体苗情状况及其趋势,服务于产量预报和实际生产。进一步深化冬小麦关键期苗情遥感反演机理与方法,为大田种植管理提供及时信息。【方法】结合2011—2013年定点观测试验,以环境减灾卫星HJ-CCD数据为遥感影像源,着重研究样本实验区孕穗期冬小麦关键苗情参数与籽粒品质参数和产量间及其与卫星遥感变量间的定量关系,进一步增强遥感反演的机理性和重演性,与地面实测结果一起建立模型共同分析,提高遥感反演的定量化水平和可信度;以相关性最高为原则,筛选反演孕穗期冬小麦叶面积指数、生物量、SPAD以及叶片含氮量的敏感卫星遥感变量,并以2013年数据为建模样本、2011年和2012年数据为验证样本,分别构建及评价基于HJ-CCD影像遥感变量孕穗期叶面积指数、生物量、SPAD和叶片含氮量监测模型。【结果】冬小麦处于孕穗期,植被衰减指数(PSRI)可作为反演冬小麦叶面积指数、SPAD和叶片含氮量的敏感遥感变量,比值植被指数(RVI)可作为反演冬小麦生物量的敏感遥感变量,所构建的遥感反演模型是可靠的,且精度较高,尤其利用PSRI反演叶片含氮量最可靠。模型的决定系数(R2)分别为0.651、0.585、0.630和0.675,均方根误差(RMSE)分别为1.344、4.62、0.618%和2 804.3kg·hm-2。以此为依据,为表征该研究的实际农学意义,对冬小麦不同等级的关键苗情参数进行遥感反演并制图分析,从而量化表达了冬小麦关键苗情参数区域空间分布,不仅有助于制定冬小麦田间补救措施和水肥资源调配方案,而且为农业政策的制订和粮食贸易提供决策依据。【结论】构建的冬小麦孕穗期关键苗情参数遥感反演模型是可行的,为大田生产提供了一种快速、便捷、费用低廉的大面积作物苗情参数提取方法,可支持农业研究者、涉农部门领导和种植管理者获取及时有效的农情信息。