持续受渍对油菜叶片光谱特性的影响

针对目前只能用最终产量诊断油菜是否受渍的现实,基于光谱反射曲线能准确反映作物水分胁迫状况,为实现油菜渍害的快速、无损鉴别,通过田间试验,在油菜蕾薹期和花期,利用光谱仪每隔3 d定期采集油菜华油杂668、中双9号2个品种,在不受渍(CK)和充分受渍(地下水近地表)6、9、12、15、18 d后叶片的光谱反射率数据,分析油菜受渍时间对油菜叶片光谱特性的影响。研究结果表明,在花期持续受渍的21 d内,叶片光谱反射率相比未受渍油菜,在550~700 nm及1 400~1 500 nm区间内升高,在750~950 nm区间内降低;其NDVI、NDWI指数基本随受渍时间的增加而降低。通过光谱曲线的一阶导数提取红边位置后发现,当渍害胁迫超出了油菜机体自我调节阈值时,其叶片反射光谱的红边位置随受渍时间的增加发生蓝移现象,且蓝移幅度随渍水时间增加而增大。通过比较油菜品种华油杂668、中双9号在蕾薹期、花期的红边位置,结果表明油菜品种华油杂668的抗渍能力比中双9号强。建议用NDVI、NDWI指数变化,结合红边位置是否蓝移诊断油菜是否受渍。     

基于光谱渍害指数的冬小麦耐渍研究

设置渍害和未受渍害(CK)2个处理,在2015年、2016年、2017年分别进行了郑麦9023、漯6010、鄂麦19共3个小麦品种的渍害试验,分析了渍害区与对照区叶片光谱反射率特征,以识别不同品种小麦受渍程度。结果表明,在544～576nm波段下,受渍区叶片光谱反射率较对照值平均偏高9.56%;在673～693nm波段下,受渍区叶片光谱反射率较对照值平均偏低9.69%;在1422～1472nm波段下,受渍区叶片光谱反射率较对照值平均偏高2.44%;受渍8～11d,小麦光谱反射率均值与其产量间相关系数值达到最大,小麦品种郑麦9023和漯6010的最大耐渍时间比鄂麦19长3～4d;渍害识别指数I_(wt_1)与产量间相关系数随渍害时间的影响呈现出正弦函数式曲线的变化趋势,对该指数模型进行修正后,修正后的渍害识别指数I_(wt_2)与产量间相关系数随受渍时间的增加呈抛物线变化趋势,更有利于识别小麦受渍程度。     

春季湿渍害对油菜产量结构的影响与减产效应

利用测筒分别进行华油杂668号油菜蕾薹期、开花期、角果期多个受渍日数水平的渍害试验,观测油菜收获期一次分枝数、有效角果数、无效角果数、千粒质量等产量要素和测筒单产,分析不同生育期渍害下油菜产量结构的形成特点。结果表明,主要生育期相对湿害指数(RIR)表现为:蕾薹期一次分枝(RIR_b)有效角果率(RIR_r)千粒质量(RIR_w),开花期RIR_rRIR_wRIR_b,角果期RIR_wRIR_rRIR_b。单产的渍害敏感系数差异为开花期(0.41)角果期(0.34)蕾薹期(0.25)。根据各生育期充分受渍时间与产量回归方程,以Ry=90%、80%、70%为区间点,划分了油菜轻度、中度、较重、严重渍害4个等级,并提出以期望损失20%为标准,油菜蕾薹期、开花期、角果期应分别在受渍9、5、6 d内排渍降湿。     

基于高光谱成像技术的油菜叶片叶绿素含量预测

叶绿素是作物生长中的重要因素，可用于实时监测作物的生长状况。以常规高油酸油菜品种为材料，采用大田试验研究油菜叶片在不同栽培措施下幼苗期、蕾薹期叶片的光谱响应，通过计算反射光谱及其反射光谱的一阶导数与SPAD值的相关性，结合逐步回归挑选出油菜叶片敏感波段，并计算光谱指数。采用一元线性回归和神经网络建立叶绿素含量估算模型。结果表明，由光谱指数所构建的神经网络叶绿素估算模型，精度评价结果均显示比较高的水平，幼苗期反射率光谱指数构建的模型精度最高，决定系数R2为0807 0,均方根误差（RMSE）为1131 5，蕾薹期一阶导数光谱指数构建的模型精度最高，决定系数R2为 0873 2, 均方根误差（RMSE）为1322 3，在蕾薹期和幼苗期通过构建BP神经网络模型能够较好的对油菜叶绿素进行反演。为利用高光谱技术大范围监测油菜叶绿素含量提供了一定的理论依据。     

氮磷钾施用对薹花期受渍油菜产量及养分吸收的影响

盆栽条件下模拟油菜(Brassica napus L.)蕾薹-花期渍水,研究氮磷钾肥施用对渍水油菜产量和养分吸收的影响。结果表明,氮磷钾配施有利于增强油菜抗渍能力,促进油菜对养分的吸收,增加各器官干物质重,并提高了油菜收获指数和子粒中养分累积的比例,进而减轻了渍水带来的产量损失。氮磷钾三要素中对薹花期渍水油菜产量和养分吸收的作用效应为氮磷钾。     

基于高光谱遥感的棉花叶片叶绿素含量估算

为提高高光谱植被指数对棉花叶绿素含量的估算精度,以陕西省关中地区棉花花铃期叶片高光谱反射率为数据源,分析了13种植被指数与棉花叶片叶绿素相对含量(SPAD)的相关关系;同时采用降精细采样法,详细分析400~2 000nm波段范围内原始光谱反射率的任意两两波段组合而成的优化光谱指数RSI与SPAD值的定量关系,构建线性及非线性回归监测模型,并对模型进行验证。结果表明:1)所提取的13种植被指数中NIR/NIR与SPAD值的相关系数最大(r=0.914),并且基于NIR/NIR(R780/R740)构建的回归方程模型优于其他植被指数,其构建的二次曲线方程回归模型建模与验模R2分别为0.900和0.785,RMSE为4.762,RE为7.86%,为基于提取的12种植被指数构建SPAD值估算模型中最佳模型;2)优化后的比值光谱指数RSI(Ration spectral index)的敏感波段为500和563nm,RSI(500,563)与SPAD值的相关系数r=0.999,与棉花叶片SPAD含量在0.01水平下呈显著相关,其构建的二次曲线方程模型效果最优,建模和验模R2分别为0.912和1.000,RMSE为2.848,RE为4.38%。与提取的13种植被指数相比,基于RSI指数二次曲线回归模型为估算叶绿素含量的最佳模型,并且模型预测值和实测值之间的符合度较高R2=0.843,表明基于波段优化算法的优化光谱指数RSI能更好的预测棉花叶片叶绿素含量。     

基于ROC图的油菜生长期光谱敏感波段的研究

测定了直播和移栽油菜的苗期、抽薹期、花期、盛花期和角果期的冠层光谱,构建了比值光谱植被指数(RSI)和归一化光谱植被指数(NDSI)。为了获得区分直播和移栽的最佳RSI和NDSI,利用降采样法和精细采样法相结合的受试者工作特征(ROC)图寻找油菜生长期光谱的敏感波长,直播和移栽油菜各时期RSI和NDSI的最敏感波长分别为:苗期(458 nm,511 nm)和(433 nm,517 nm);抽薹期(997 nm,501 nm)和(990 nm,510 nm);花期(1 235 nm,1 180 nm)和(1 235 nm,1 180 nm);盛花期(478 nm,396 nm)和(484 nm,416 nm);角果期(1 073 nm,1 037 nm)和(1 092 nm,1 024 nm)。用敏感波长下的2种植被指数为特征,以最近邻法为分类器的定性识别模型,结果花期的区分效果最好,最大约登指数分别为0.941 7和0.945 0。     

薹花期不同地下水位对油菜产量及养分吸收的影响

蕾薹期至花期是油菜(Brassica napus L.)对水分的敏感期,为明确油菜此时期合适的地下水位,给油菜生产的农田排水降渍提供理论依据,在蕾薹期利用测筒装置研究4个不同地下水埋深(0、30、50、70cm)对油菜产量及养分吸收的影响。结果表明,0、30和70 cm地下水埋深显著降低了油菜地上部各器官产量;从产量构成因子看,蕾薹期地下水造成油菜减产的主要原因是单株角果数的显著下降;0 cm水埋深处理在收获指数、氮、磷、钾养分积累量及子粒养分积累比例等指标上均明显低于其他处理;50 cm地下水埋深对油菜产量及养分吸收无明显影响。综合考虑产量效应及开沟降渍的生产成本,湖北省稻茬油菜田的适宜地下水埋深应控制在30~50 cm。     

菜油兼用型油菜籽粒油酸含量的高光谱模型构建

【目的】基于高光谱特征初步判别油菜摘薹情况,为实现高光谱反演籽粒油酸含量提供理论指导。【方法】使用FieldSpec 3地物光谱仪采集油菜盛花期叶片光谱数据,采用Agilent GC-MS 7980B气相色谱仪分析摘薹和未摘薹处理的籽粒油酸含量,比较2组处理的平均原始光谱反射率特征,及其油菜叶片原始及一阶微分光谱反射率与籽粒油酸含量相关性,在此基础上构建基于原始光谱特征波长的支持向量机（SVM）判别模型、基于光谱参数的油酸含量二项式模型、基于一阶微分光谱特征波长的油酸含量多元线性逐步回归（MLSR）及偏最小二乘回归（PLSR）预测模型,并利用独立样本T检验对模型精度进行验证。【结果】发现未摘薹及摘薹处理的平均原始光谱反射率曲线在760~1080nm波段存在一定差异。未摘薹及摘薹处理的原始光谱反射率与籽粒油酸含量相关性曲线存在一定差异,未摘薹处理的原始光谱反射率在484~956和1001~1146 nm波段与籽粒油酸含量呈正相关,摘薹处理的原始光谱反射率在1882~2111和2324~2499 nm波段与油菜籽粒油酸含量呈正相关,说明摘薹会影响油菜光谱反射率与籽粒油酸含量的相关性表现。选取位于760~1080 nm波段4个拐点波长（760、920、970和1080 nm）的原始光谱反射率作为自变量,用以构建SVM判别模型,经过多次随机取样比较构建所有SVM判别模型,发现最佳判别模型的训练集样本总体精度为86.1%,验证集样本总体精度为77.8%,说明利用高光谱技术判别油菜是否摘薹具有一定的可行性。光谱参数模型中RVI模型对未摘薹处理油菜籽粒油酸含量的反演效果最佳,且该模型与未摘薹处理籽粒油酸含量的相关系数（-0.705）最高。比较全部油菜籽粒油酸含量预测模型类型,PLSR模型对未摘薹处理籽粒油酸含量预测精度最高,其训练集R2=0.590、RMSE=0.610,MLSR模型对摘薹处理籽粒油酸含量预测精度最高,其训练集R2=0.773、RMSE=0.874。利用独立样本T检验对二者模型测试集样本进行验证,未摘薹样本P=0.839,摘薹样本P=0.858,二者样本实测值与预测值均无显著差异（P>0.05）,模型合理,说明利用高光谱技术对油菜籽粒油酸含量进行预测可行。【建议】引入随机森林等机器学习算法,更好地选取特征波长（显著相关波长或全波段等）,提高光谱数据对油菜籽粒油酸含量的预测能力。后期的试验应侧重于多品种油菜籽粒油酸含量估测研究,探索高光谱技术估测油菜籽粒油酸含量是否具备普遍的可行性。利用高光谱技术反演其他油菜籽粒品质指标,为高光谱遥感监测油菜品质提供理论依据。     

脱落酸对花荚期油菜渍害的修复效应

江汉平原春季3—4月平均总降水量高于200 mm,因土壤水分过多,田间湿度大,导致油菜在生长关键时期易受渍涝危害,严重影响油菜产量。田间小区模拟甘蓝型油菜(Brassica napus L.)花荚期渍水胁迫环境,以研究外源脱落酸(ABA)对受渍油菜生长、生理及产量指标的影响。结果表明,油菜受渍后,根系生长受阻,根质量远小于对照,油菜叶片叶绿素SPAD值迅速降低,丙二醛含量急剧增加。渍后喷施脱落酸,根系生长有所恢复,根质量增加,植株死亡数减少;油菜叶片叶绿素SPAD值恢复至正常水平,丙二醛含量降低;单株有效角果数、千粒质量、单株产量等得到一定程度的恢复;渍后喷施脱落酸,渍10 d处理与渍15 d处理的根质量渍害指数分别降至0.23、0.288,产量渍害指数分别降至0.11、0.20。     

入春油菜一打三喷促高产

<正>油菜进入春季除要进行清沟降渍、中耕除草、重施薹肥等管理外,还要抓好"一打三喷"等增产措施。一打顶:油菜入春后及时喷施促花王3号抑制主梢旺长,促进花芽分化,并在油菜现蕾后,适时摘去主茎顶端,以利充实分枝和蕾角,增加单株有效分枝和角果,并且使花期集中,叶片增厚变绿,茎秆粗壮,抗倒力增强,病害减轻。     

基于连续统去除和偏最小二乘回归的油菜SPAD高光谱估算

【目的】探讨油菜叶绿素含量的高光谱估算方法,为实现油菜叶片叶绿素含量的高效、无损、大面积监测提供理论依据。【方法】以陕西省关中地区油菜叶片为研究对象,分别测定苗期、蕾薹期、开花期及角果期的叶片高光谱数据和SPAD值,提取各生育期连续统去除光谱和7类光谱吸收特征参数,分析原始光谱、连续统去除光谱、光谱吸收特征参数与SPAD值之间的相关关系,构建基于原始光谱特征波段、连续统去除光谱特征波段、光谱吸收特征参数的SPAD估算模型,并对模型精度进行验证。【结果】在可见光范围,光谱反射率由蕾薹期、开花期、苗期到角果期依次递增,最大吸收深度和吸收谷面积逐渐增大。利用连续统去除光谱特征波段与吸收特征参数,分别建立的油菜各生育期叶片SPAD估算模型均优于原始光谱。运用连续统去除光谱特征波段结合最优吸收特征参数构建的偏最小二乘回归估算模型,是进行油菜叶片SPAD估算的最优模型。【结论】连续统去除法对不同生育期油菜叶片叶绿素相对含量具有较好的预测能力,是估算油菜叶片SPAD值的一种实时高效方法。     

基于冠层高光谱的南方丘陵地区晚稻氮素营养诊断

为研究水稻氮素营养诊断的快速方法、初步构建基于高光谱的水稻氮素营养诊断模型,以南方丘陵区晚稻氮肥试验为例,利用分别测定不同施氮水平及水稻不同生育期水稻冠层叶片的高光谱反射特征,应用一阶微分光谱以及植被指数分别构建基于高光谱的晚稻氮素营养诊断模型。结果表明:不同氮素水平下冠层叶片光谱反射率的差异主要集中在400~650 nm可见光处和730~1350 nm近红外处,随着冠层氮素含量增加可见光处光谱反射率降低,而在近红外范围内反射率增加。随着水稻生长发育,冠层叶片光谱反射率降低,而且反射峰值由519 nm向554 nm移动。应用738 nm处的光谱反射率与叶片氮素含量建模,用一阶微分反射率得到的最优模型为指数模型Y=1.591 4e~(88.794X)(R~2=0.736 2),用比值植被指数(RVI)和归一化植被指数(NDVI)得到的最优模型分别为指数模型Y=18.658e~(-1.040 9X)(R~2=0.630 4)和二次多项式Y=-17.454X~2+0.733 1X+4.130 2(R~2=0.652 3),所有模型中以一阶微分反射率得到的模型最佳,最适合于在供试条件下的水稻氮素营养诊断。     

猕猴桃叶片叶绿素含量高光谱估算模型研究

【目的】研究猕猴桃叶片叶绿素含量的高光谱估算方法,为猕猴桃长势的遥感监测提供理论依据。【方法】以陕西杨凌蒋家寨村2018年不同生育期(初花期、幼果期、膨果期、壮果期、果实成熟期)的猕猴桃叶片为研究对象,分别测定其高光谱反射率和叶绿素含量(SPAD值),分析原始光谱和5个常见的植被指数(归一化植被指数、归一化叶绿素指数、改进的叶绿素吸收反射率指数、MERIS地面叶绿素指数、土壤调整指数)与叶绿素含量之间的相关关系,提取各生育期的特征波段,分别建立基于特征波段和植被指数的单波段叶绿素含量一元线性估算模型。利用主成分分析对原始光谱数据进行降维,将得到的主成分得分作为随机森林模型的输入变量,建立基于多波段信息的叶绿素含量多元估算模型,并对模型进行精度验证和分析。【结果】不同生育期猕猴桃叶片光谱反射率变化趋势基本一致,整体趋势为可见光波段反射率低,近红外波段反射率高;在可见光波段,光谱反射率随着叶绿素含量的升高而降低;在近红外波段,光谱反射率则随着叶绿素含量的增加而升高。通过相关性分析可知,初花期、幼果期、膨果期、壮果期、果实成熟期原始光谱的特征波段分别为729,548,707,707和712 nm,估算模型决定系数(R~2)分别为0.18,0.85,0.54,0.85和0.82,其中初花期估算模型未通过显著性检验,其余生育期均通过极显著性检验。在5个常用植被指数中,初花期与叶绿素含量相关性最高的是归一化叶绿素指数(NPCI),但是估算模型决定系数R~2只有0.1,未通过显著性检验;其他生育期与叶绿素含量相关性最高的是MERIS地面叶绿素指数(MTCI),所建立的估算模型拟合效果好,预测精度高。基于主成分分析和随机森林回归建立的不同生育期猕猴桃叶片叶绿素含量估算模型的R~2在0.91～0.98,均通过极显著性检验,其拟合效果和预测精度远高于单波段一元线性回归和基于植被指数的一元线性回归模型,是估算猕猴桃叶片叶绿素含量的最优模型。【结论】基于主成分分析的随机森林模型包含了更完整的波段信息,对不同生育期猕猴桃叶片叶绿素含量具有较好的预测能力。     

灌浆期水稻叶片铜含量变化的高光谱遥感定量监测研究

为了利用高光谱遥感有效地监测农作物叶片中的重金属含量变化,在化学分析和农作物叶片对铜元素含量增加的敏感性基础上,利用光谱植被指数定量监测作物叶片铜元素含量变化,为大面积、快速、准确、无损地监测农田水稻叶片重金属含量变化提供技术支持。以张家港市为研究区域,实地采集水稻叶片样品21个。采用便携式高光谱地物波谱仪,获取灌浆期水稻植株叶片的光谱反射率并提取光谱指数,室内测定叶片重金属铜含量,并分析水稻叶片重金属铜含量与不同类型光谱指数的相关性。结果表明,高光谱数据对叶片铜含量变化的敏感性较好,其中,红边位置(REP)、绿波段归一化差异指数(GNDVI)、比值植被指数(RVI)、Vogelmann红边指数(VOGI)和地面叶绿素指数(MTCI)可分别作为估测叶片铜含量的敏感光谱指数,其乘幂和指数回归模型能够较好地反演水稻叶片铜含量;叶片铜含量的敏感光谱波段参数在原始光谱中主要集中于420～670 nm范围内,最小负相关系数的波长是646、647、648 nm;而一阶微分和二阶微分光谱中在蓝边、黄边、红边和近红外区域均有分布,最大正相关系数的波长分别是660、715 nm;水稻叶片铜含量估测的最佳模型是基于二阶微分敏感光谱参数构建的偏最小二乘回归模型,该模型预测的铜含量值与实测值的拟合度较好(R~2=0.56)。研究结果证明可以利用高光谱生物遥感技术有效地监测农田水稻叶片中重金属含量的变化,判断作物中重金属浓度是否超标,为高光谱遥感立体、快速和大面积地监测农田作物铜含量的变化提供参考,也为评价水稻的食用安全提供科学方法。     

基于冠层反射光谱的大豆生物量预测模型研究

生物量与产量密切相关,建立生物量无损预测模型对于大豆产量预测及栽培管理均有重要意义。通过分析大豆生物量积累量与冠层光谱反射率及其衍生的比值植被指数(RVI)、归一化植被指数(NDVI)及差值植被指数(DVI)之间的关系,确立大豆生物量积累量的敏感波段及预测模型。结果表明:冠层光谱反射率在560nm时与大豆地上生物量相关系数最大(R=-0.91,P0.05),三个可见光波段(485、560和660nm)和两个近红外波段(830和1 650nm)组成的比值植被指数RVI(830和560nm)与大豆生物量积累量的相关系数显著。通过逐步回归分析确立大豆生物量的预测模型,560nm反射率与大豆地上生物量相关关系的决定指数R2高达0.85,RVI 830_560与大豆地上生物量相关关系的决定指数R2为0.77。     

基于近红外光谱技术的果树花期树种识别方法

为建立果树花期树种识别的有效模型,利用ASD Field Spec 3全波段便携式光谱分析仪采集了4种果树花期花的光谱数据。利用剔除异常光谱、5点移动平滑等技术对4种果树花期花的光谱反射率进行预处理,使用连续投影算法(SPA)进行有效波长选取并获得7个波长下的反射光谱,同时增加了590 nm和720 nm处2个波形差异大的光谱,与归一化植被指数(INDV)和比值植被指数(IRV)共11个特征波段作为分类建模数据,建立了偏最小二乘判别分析(PLS-DA),正交偏最小二乘判别分析(O-PL-DA)和基于误差反向传播算法的多层前向神经网络(BP)算法3种识别模型。结果表明:对测试样本的识别率由高到低依次为BP(93.90%)O-PLS-DA(81.82%)PLS-DA(76.36%)。综合研究认为:在优选波段的基础上,对果树花期树种判别应优选BP神经网络模型。     

油菜不同组分生物量光谱遥感估算模型

通过田间小区试验,测定了4个品种、3个供氮水平的油菜冠层在不同生长时期的高光谱反射率及对应叶片、茎以及荚果的干鲜重,并对叶片、茎以及荚果的干生物量与光谱植被指数RVI,NDVI之间相关系数进行显著性检验(P=0.05),建立了油菜叶片、茎和荚果的干生物量光谱估算模型.     

基于高光谱成像技术的水稻叶片稻纵卷叶螟虫害信息提取

使用成像光谱仪获取遭受稻纵卷叶螟危害的水稻叶片的高光谱影像,统计分析虫害叶片和健康叶片在光谱反射率和植被指数上的差异,建立分类判别模型,精确提取叶片上虫害区域的像元数和比例,实现对虫害严重程度的精确评估。结果表明:在波长为400—710 nm的可见光-红边波段范围内,虫害叶片的反射率普遍高于健康叶片,差异极显著(P<0.01);在近红外波段虫害叶片反射率低于健康叶片(P<0.01),但二者差异略小。虫害叶片的NDVI、RVI、RARS和SIPI 4种植被指数值明显低于健康叶片。基于RVI构建决策树分类模型能够准确区分叶片上的虫害区域和健康区域,并据此计算出虫害区域所占比例,进而对虫害严重程度进行定量化评估。     

应用光谱反射测定的植物、土壤及混合光谱特性

以野外采集的土壤与活体植物叶片为研究对象,采用美国生产的SVC HR-1024便携式地物光谱仪,测定了纯土壤、纯植物叶片以及不同植物叶片盖度下的土壤光谱反射率,并对混合光谱特性进行了分析研究,建立了植物叶片盖度光谱估算模型。结果表明:(1)随着植物叶片盖度的增加,土壤光谱曲线逐渐呈现"五谷四峰"的特征,但始终不会高于植被光谱曲线;(2)植物叶片盖度与原始高光谱组成的差值、比值和归一化值3种形式的指数存在着良好的相关性,差值指数的显著性最为明显,组合较好的波段为410~710 nm与700~1400 nm,能反映相关系数最大的波段为690 nm和450 nm;(3)通过一元线性回归法、多元线性逐步回归法和偏最小二乘回归法预测植物叶片盖度可知:光谱特征参数与植物叶片盖度之间具有相关性,其中光化学指数与植被衰减指数的相关系数较大,模型拟合度较高,R^2均达到0.8以上;3种光谱特征参数(植被指数、红边参数、光谱吸收特征参数)中,植被指数与植物叶片盖度建立的模型最稳定、精度最高,可以有效地估算植物叶片盖度3种方法中,多元线性逐步回归法最适宜建立植物叶片盖度预测模型。