基于CARS-BPNN的江西省土壤有机碳含量高光谱预测

【目的】探讨光谱变量选择及依据土壤类型进行分层校准两种方法对高光谱预测土壤有机碳（SOC）精度的影响。【方法】以江西省为研究区,490个土壤样本为研究对象,对研究区内的所有样本以及不同土壤类型样本分别通过竞争性自适应重加权采样（CARS）算法筛选特征波段,并采用偏最小二乘回归（PLSR）、支持向量机（SVM）、随机森林（RF）、反向传播神经网络（BPNN）4种模型,对比不同土壤类型下SOC在全波段以及CARS算法筛选后特征波段的预测精度。进而,还对比了全局校准和分层校准下SOC在全波段以及CARS算法筛选后特征波段的预测精度。【结果】（1）红壤筛选的特征波段为484、683—714和2 219—2 227 nm,水稻土筛选的特征波段为484、689—702和2 146—2 156 nm。红壤采用CARS-BPNN模型预测效果最佳（R ²=0.82）,较全波段建模验证集R ²提升0.07。水稻土采用CARS-RF模型预测效果最佳（R ²=0.83）,较全波段建模验证集R ²提升0.13。（2）在总体样本上,分层校准相比全局校准精度有所提升。采用CARS-BPNN进行分层校准预测效果最佳（R ²=0.82）,较全局校准验证集R ²提升0.06。【结论】采用CARS-BPNN进行分层校准能够较好地预测江西省土壤有机碳含量,本研究可为其他类似地区预测土壤属性提供科学依据。     

基于叶片反射光谱估测水稻氮营养指数

【目的】基于叶片反射光谱建立快速、无损监测水稻氮营养指数（nitrogen nutrition index,NNI）的估算模型。【方法】2018—2019年开展2个水稻品种（徽两优898和Y两优900）及5个氮肥梯度（施氮量为0、75、150、225和300 kg·hm^-2,分别记为N₀、N₁、N₂、N₃、N₄）的田间小区试验,测定关键生育期不同叶位叶片反射光谱和植株NNI,构建多种光谱指数的水稻NNI监测模型。【结果】单叶及叶位组合的敏感波段均分布在540 nm的绿光波长处,其与近红外波段构成的窄波段比值指数SR（R₉₀₀,R₅₄₀）可较好反演水稻NNI。但不同叶位叶片窄波段比值指数与水稻NNI的预测精度表现不同,顶3叶（L₃）预测精度最好（R²=0.731,RMSE =0.130,RE=11.6%）,顶2叶（L₂）次之（R²=0.707,RMSE =0.136,RE =12.2%）,顶1叶（L₁）最差（R²=0.443,RMSE =0.187,RE =14.7%）;顶2叶和顶3叶组合平均光谱（L₂₃）的预测精度优于单叶水平和其他叶位组合（R²=0.740,RMSE =0.128,RE =11.5%）。再将窄波段比值指数SR（R₉₀₀,R₅₄₀）近红外与绿光区域分别重采样50 nm和10 nm,所构建的宽波段比值指数SR[AR_{（900±50）},AR_{（540±10）}]模型精度较SR（R₉₀₀,R₅₄₀）未明显降低,且在L₂₃水平下2个模型的模型精度和预测精度基本一致（R²=0.740,RMSE =0.128,RE =11.5%）。水稻NNI小于1时与产量呈线性的正相关关系（P<0.05）,大于1时产量趋于平稳。【结论】L₂和L₃叶片反射光谱为监测水稻NNI的敏感叶位,其中叶位组合L₂₃可提高模型预测精度。基于叶片反射光谱构建的多种波段比值指数（SR（R₉₀₀,R₅₄₀）和SR[AR_{（900±50）},AR_{（540±10）}]）可快速估测水稻NNI,从而为不同传感器对水稻氮营养指数估测监测研究提供了理论依据。     

基于地理加权回归模型的绿洲土壤表层有机质含量高光谱估算

【目的】研究利用高光谱数据估算土壤表层有机质含量,为绿洲区大范围,快速,低成本,监测土壤表层有机质含量提供技术参考。【方法】以新疆博斯腾湖湖滨绿洲为研究区,采用地理加权回归模型,优选高光谱数据与土壤有机质含量的特征波段,构建研究区表层土壤有机质含量的高光谱估算模型。【结果】研究区表层土壤有机质含量变化不大,变化系数为55%,最小值为2.37 g/kg,最大值为51.47 g/kg,平均值为21.20 g/kg。土壤有机质特征波段主要集中在645~1 958 nm,其中1/R二阶的相关系数值最大为0.73,且在P=0.05水平下,通过显著性检验的波段数为83。构建的地理加权回归模型中,二维土壤指数1/R RSI建模效果最优,建模集R²=0.91,RMSE=2.56,验证集R²=0.95,RMSE=1.10。【结论】利用地理加权回归模型估算土壤有机质估算,建模效果可以达到一定的精度要求。     

基于PROSAIL模型的山地草原叶面积指数高光谱反演

【目的】 研究基于PROSAIL模型监测天然草地的动态变化,掌握草地的质量与数量。【方法】 研究使用地物光谱仪连续3年在天山北坡中段的2个山地草原样区采集光谱数据和配套数据,基于PROSAIL模型进行冠层LAI的高光谱反演,重点研究应用不同代价函数、植被种类变化对反演精度的影响。【结果】 多数代价函数反演LAI的决定系数(R²)在0.54~0.55,均方根误差(RMSE)在0.23~0.25,归一化均方根误差(NRMSE)在17~19。在9个来自不同统计类型的代价函数中,常用的RMSE代价函数的反演精度相对不高。将获取的427个样方数据依据种类数分成组,然后用PROSAIL进行LAI反演。种类数越多,RMSE在增大,R²在减少,反演精度越差。但精度的下降幅度不是均匀的,种类数≤2的组和种类数≤3的组之间精度差异最大。【结论】 在利用物理模型反演天然草地的叶面积指数时,不同代价函数获得的反演精度差别比较大;随着植被种类数量的增多,反演的精度是下降的。     

不同降雨年型旱地冬小麦水分利用及产量对施氮量的响应

【目的】降雨和施氮是影响渭北旱塬冬小麦生产的主要因素,降雨年际变幅大对其影响更大,因此小麦增产效应受降雨年型显著影响。分析不同降雨年型下施氮量对旱地麦田水分利用、籽粒产量和蛋白质含量的影响,能够为实现渭北旱地冬小麦 “因雨施氮”和稳产优质提供理论依据。【方法】于2017—2020年连续3年在陕西合阳县开展田间定位施氮试验,以晋麦47为试验材料,设置5个施氮量处理0、60、120、180、240 kg·hm^-2（分别以N₀、N₆₀、N₁₂₀、N₁₈₀、N₂₄₀表示）,研究不同降雨年型施氮量对冬小麦生育期0—200 cm土层水分变化动态、水分利用效率、产量构成及蛋白质含量的影响。【结果】降雨年型和施氮对冬小麦播前底墒及生育期土壤含水量、耗水量、水分利用效率、籽粒产量和蛋白质含量影响显著。（1）休闲期降雨与播前底墒呈线性相关,每增加1 mm夏季降雨,底墒增加0.9 mm。在丰水年和平水年休闲期降雨充足,前季小麦增加施氮量对下季小麦播前底墒无显著影响;在欠水年休闲期降雨较少,前季小麦每增施氮100 kg·hm^-2,下季小麦播前底墒减少15.4 mm。丰水年较欠水年和平水年均能提高冬小麦生育期0—200 cm土层土壤含水量,因而分别增加生育期耗水量35.7%和6.6%。全生育期0—120 cm土层土壤含水量受降雨和冬小麦生长发育影响波动较大,但160—200 cm 深层土壤含水量相对稳定。丰水年的水分利用效率较欠水年和平水年分别提高55.7%和26.5%,籽粒产量分别提高112.3%和39.1%,蛋白质含量分别降低8.3%和5.2%。（2）与N₀处理相比,丰水年、欠水年和平水年施氮均降低各生育时期0—200 cm土层土壤含水量,分别提高生育期耗水量4.6%—14.6%、6.0%—8.6%、2.2%—9.5%,分别增加水分利用效率20.7%—39.8%、4.7%—33.3%、13.1%—35.4%,分别增产7.1%—28.1%、1.5%—34.1%、8.5%—28.9%,分别提高蛋白质含量5.6%—10.4%、10.1%—17.7%、8.5%—15.6%。（3）施氮量和籽粒产量、蛋白质产量均符合二次曲线关系,拟合方程表明,丰水年、欠水年和平水年满足旱地冬小麦稳产优质的最适施氮量范围分别为189—202、116—124和161—174 kg·hm^-2。【结论】综合来看,丰水年、欠水年和平水年的最佳施氮量分别为189—202、116—124和161—174 kg·hm^-2,并可采取“播前底墒确定基施氮肥量+播种至拔节期降雨确定追施氮肥量”的“因雨施氮”管理模式,既能满足旱地冬小麦稳产优质,也可保证水分高效利用。     

基于高光谱特征波长的冬小麦水分含量估测模型

【目的】以高光谱技术为核心,结合理化数据,建立快速、无损的冬小麦冠层水分含量估算模型,为利用高光谱技术进行小麦水分含量的无损检测提供参考。【方法】测定两种冬小麦的叶片、植株含水量,采集其光谱数据作SG平滑、一阶导数和二阶导数处理,分析其相关关系,构建冬小麦叶片和植株含水量的多种估算模型,进行精度评价。【结果】不同光谱数据处理中一阶导数变换能够显著增加与小麦含水量的相关性,叶片含水量在456 nm波长处达到了最大负相关,相关系数为0.87,植株含水量在457 nm波长处达到了最大负相关,相关系数为0.890 9;偏最小二乘回归构建的水分含量估测模型拟合精度优于线性和多元回归模型,线性模型采用R₆₅₀、SG₁₉₄₄、R′₄₅₆、R″₆₈₁构建的模型估测叶片含水量较好,估测植株含水量R₆₆₄、SG₆₆₃、R′₄₅₇、R″ ₆₈₁精度较高; 多元线性回归和偏最小二乘回归都是采用一阶导数变换构建的模型拟合精度最高,叶片和植株水分含量估测模型的外部检验R²分别达到0.803 2、0.867 0、0.854 0、0.885 6。【结论】小麦原始光谱一阶导数变换后能够显著提高与水分含量的相关性,利用PLSR方法构建的小麦水分含量估测模型拟合精度最高。     

基于增强回归树的海河平原小麦赤霉病预测模型构建与验证

【背景】自1995年至今,小麦赤霉病（Fusarium head blight,FHB）逐渐在海河平原蔓延,由零星出现演变成连片发生,在流行年份呈现出暴发快、面积大、损失重的特点,小麦赤霉病已由次要病害上升为主要病害之一。准确的预测预报是有效控制小麦赤霉病发生与发展的关键和难点。【目的】根据海河平原小麦赤霉病发生情况的监测分析,构建适宜的小麦赤霉病预测模型,为科学防控赤霉病提供技术支撑。【方法】基于2001—2016年海河平原21个小麦主产县（市）的赤霉病病穗率数据,以及小麦关键生育期内的气象数据,采用逐步回归分析,筛选影响小麦赤霉病发生的关键气象因子,构建基于多元线性回归模型和增强回归树模型的小麦赤霉病发生预测模型。【结果】明确了增强回归树模型的学习效率（lr）为0.005、树的复杂度（tc）为6时,模型的预测偏差最低,残差标准误为0.006311;筛选出8个对海河平原小麦赤霉病发生影响显著的关键气象因子,即MRH₁₅、Rain_-35、MRH_-55、SD₁₅、LT_-65、MWS_-55、MT_-25、DRain₁₅,并构建了含有8个预测变量的多元线性回归模型（R²=0.8158,矫正R²=0.8018,P<2.2×10^-16）。同时,应用增强回归树模型评估了上述8个关键气象因子的重要性,分别为69.62%、14.08%、4.89%、4.34%、3.35%、2.02%、1.20%、0.50%;根据重要的预测变量进一步简化预测模型,构建了含有4个预测变量的多元线性回归模型（y=-19.45376+0.11689MRH₁₅+0.17346Rain_-35+0.04185SD₁₅+0.26592MRH_-55,R²=0.7575,矫正R²=0.7468,P<2.2×10^-16）;当预测变量由8个调减至4个时,利用2008、2010、2012年安新、定州、馆陶等地历史数据验证模型预测病穗率的准确度,多元线性回归模型预测准确度由88.43%降至85.90%,增强回归树模型预测准确度由87.72%升至91.23%;利用2001—2016年正定、栾城的历史数据验证模型预测病穗率的准确度,两个模型预测准确度无显著变化,多元线性回归模型预测准确度由87.53%变为87.42%,增强回归树模型预测准确度由89.20%变为89.21%。整体而言,多元线性回归模型预测准确度呈下降趋势,而增强回归树模型预测准确度呈上升趋势。【结论】研究构建了含有4个预测变量的增强回归树模型,其预测准确度达89.21%,病穗率预测值与实际观测值的波动趋势基本一致,表明增强回归树模型在海河平原小麦赤霉病预测预报中具有很好的应用前景。     

智能手机原位牧草生物量估算

【目的】生物量是草地生态系统物质和能量基础,是最基本的生态参量。以往基于卫星和航空遥感定量反演草地生物量过于专业化,难以在牧民间推广。因此,本文提出一种用手机近距离拍摄的真彩色图像估算牧草生物量方法,构建牧草生物量估算模型,为牧民方便、快捷、无损地掌握牧场牧草长势提供理论依据和技术支撑。【方法】首先,利用手机超高分辨率真彩色图像,分别基于植被指数、纹理特征以及联合植被指数和纹理特征构建牧草生物量估算特征集合。其次,为防止过多的特征提取带来维度灾难,提出一种XGBoost与序列前向选择相结合的特征选择算法（XGB-SFS）,进行特征筛选及最优子集构建。最后,使用随机森林回归和留一法交叉验证对比不同特征集合构建模型的生物量估算效果,分析不同类型特征及XGB-SFS算法在牧草地上生物量（Above Ground Biomass,AGB）估算中的作用。【结果】（1）对比单类型特征构建的模型,基于空间纹理特征的估算模型（R²=0.76）要优于基于光谱植被指数估算模型（R²=0.73）,表明纹理特征在超高分辨率牧草AGB估算中具有一定作用;（2）对比特征选择后的模型,联合空谱多类型特征构建模型优于任何一种单类型特征模型（R²=0.83,RMSE=127.57 g·m^-2,MAE=81.25 g·m^-2）,表明使用多类型特征构建模型,可一定程度上提高牧草AGB估算精度。（3）对比特征选择前后构建的模型,特征选择后的模型估算AGB效果要明显好于未进行特征选择的模型,且筛选出的特征与牧草生物量之间都存在较高的相关性,表明XGB-SFS能够很好降低数据维度的同时提高牧草AGB估算精度。【结论】手机超高分辨率真彩色图像可以对牧草生物量进行准确估算,本文提出的XGB-SFS算法也能从众多特征中筛选出与牧草生物量相关性较高的特征并提高模型估算精度。与以往专业遥感定量反演草地生物量相比,本文方法具有面向大众、成本低廉、使用方便等优势,研究将手机现场采集的数据与遥感和机器学习方法相结合,可开辟新的视角,支持农业信息化发展。     

干旱胁迫下春玉米冠层吐丝动态及籽粒数模拟研究

【目的】为实现干旱胁迫下玉米冠层吐丝动态的模拟,建立开花—吐丝间隔（anthesis-silking interval,ASI）和吐丝百分率与单位面积籽粒数的关系,改善干旱胁迫条件下玉米籽粒数的模拟效果。【方法】本研究基于锦州农业气象试验站干旱胁迫控制试验,测定了不同水分处理下玉米开花前后植株平均生长速率（PGR）、玉米冠层逐日吐丝百分率动态、ASI、开花后果穗生物量累积和株籽粒数等指标,利用上述数据确定了玉米冠层吐丝动态模型参数;进行了模拟吐丝百分率对植株生长速率平均值（PGR_AVE）和标准差（PGR_SD）两个输入参数的敏感性分析;基于果穗生物量累积过程,考虑干旱胁迫条件下冠层内植株个体间PGR的差异,开展开花前后不同干旱胁迫条件下冠层吐丝动态过程模拟;建立ASI与株结实率（株籽粒数占株最大潜在籽粒数的百分比）的定量关系;基于冠层吐丝动态模型模拟的开花后吐丝植株百分率、单株最大潜在籽粒数和株结实率,构建了基于冠层吐丝动态的籽粒数模型,进行了干旱胁迫下的籽粒数模拟与检验。【结果】冠层吐丝动态模型对PGR_AVE和PGR_SD的敏感性分析结果显示,与PGR_SD变化相比,PGR_AVE变化对吐丝百分率影响更大,PGR_AVE越大,PGR_SD越小,植株达到50%吐丝的时间越短。玉米冠层吐丝动态模型可以较准确地模拟开花后逐日吐丝百分率,花期干旱胁迫下观测值与模拟值的决定系数R ²为0.88—0.98,均方根误差RMSE为4%—12%,归一化均方根误差NRMSE为8%—27%;耦合冠层吐丝动态模拟结果,构建了基于冠层吐丝动态的籽粒数模型,该模型可以较准确地模拟干旱胁迫下玉米单位面积籽粒数,观测值与模拟值的R ²为0.85,RMSE为185粒/m²,NRMSE为10%。【结论】通过引入冠层吐丝动态模型,构建基于冠层吐丝动态的籽粒数模型,实现了干旱胁迫下玉米关键物候期（吐丝时间、开花—吐丝间隔和吐丝百分率）的模拟和籽粒数模拟,为实现干旱胁迫下基于冠层吐丝动态的产量模拟奠定基础。     

基于无人机影像阴影去除的苹果树冠层氮素含量遥感反演

【目的】去除无人机多光谱遥感影像中的阴影,以提高苹果树冠层氮素含量反演模型精度。【方法】以山东省栖霞市苹果园为试验区,利用2019年6月采集的无人机多光谱影像,分别基于归一化阴影指数（normalized shaded vegetation index,NSVI）和归一化冠层阴影指数（normalized difference canopy shadow index,NDCSI）去除果树冠层多光谱影像中的阴影,提取非阴影区域果树冠层光谱信息;通过相关性分析方法,将基于原始光谱影像和基于NSVI、NDCSI去除阴影后提取的光谱数据与实测叶片氮素含量进行相关性分析,分别筛选氮素含量的敏感波段并构建光谱参量;采用偏最小二乘（partial least square,PLS）及支持向量机（support vector machine,SVM）方法构建果树冠层氮素含量反演模型并进行精度检验。【结果】绿光波段和红光波段为果树冠层氮素含量反演的敏感波段;阴影削弱了果树冠层的光谱信息,去除阴影前后,冠层多光谱各波段光谱差异较大,在红边波段及近红外波段尤为明显;基于2个阴影指数去除阴影后构建的氮素反演模型精度均有提升,最优模型为基于NDCSI去除阴影后构建的支持向量机氮素含量反演模型,该模型建模集R²和RPD分别为0.774、1.828;验证集R²和RPD分别为0.723、1.819。【结论】基于NDCSI可有效去除无人机多光谱果树冠层影像中的阴影,提高氮素含量反演精度,为果园氮素精准管理提供了有效参考。     

基于冠层时序植被指数的冬小麦单产预测

【目的】研究冬小麦冠层时序植被指数的动态变化规律并基于其构建单产预测模型,为田间实时、准确获取作物单产信息提供有效的技术手段。【方法】本研究于2017—2019年在江苏省兴化市万亩粮食产业园开展不同品种及氮肥水平的田间小区试验,利用主动传感器RapidSCAN CS-45获取冠层归一化红边植被指数（normalized difference red edge,NDRE）和归一化植被指数（normalized difference vegetation index,NDVI）,基于双Logistic函数拟合时序植被指数并提取曲线特征参数,进而分析各特征参数与单产的相关关系,并以独立试验数据对单产预测模型进行验证。【结果】NDRE在孕穗期和抽穗期与单产关系最好,R²达到0.84以上;通过多元逐步线性回归法发现,利用2个或多个时期NDRE预测单产的效果较单生育时期有所提高,且第一和第二被选择的时期分别为拔节期和孕穗期。基于全生育时期相对NDRE（relative NDRE,RNDRE）和相对NDVI（relative NDVI,RNDVI）构建时序曲线,并利用曲线特征参数建立单产预测模型,其中RNDRE和RNDVI的最大值、累积值及增长速率与单产关系较好。利用独立试验数据对上述单产预测模型进行检验,结果表明基于RNDRE时序曲线最大值和累积值所构建的单产模型验证效果较好,R²大于0.80,相对均方根误差和相对误差均小于10%,其验证效果优于单时期或多时期基于NDRE的预测模型,且优于基于NDVI构建的单产模型。【结论】基于冠层时序植被指数提取的特征参数RNDRE最大值和累积RNDRE具有良好估测单产的潜力,研究结果为田间进行实时、准确预测冬小麦单产提供了技术支持。     

基于无人机影像特征的冬小麦植株氮含量预测及模型迁移能力分析

【目的】氮素的精准监测和合理施用对小麦健康生长、产量及品质提升、减少农田环境污染与资源浪费尤为重要。为精准监测小麦生长关键生育期植株氮含量,探索机器学习方法构建的植株氮含量预测模型的迁移能力。【方法】小区试验于2020—2022年在河南省商水县开展,在冬小麦拔节期、孕穗期、开花期和灌浆期,采用M600大疆无人机搭载K6多光谱成像仪获取5波段(Red、Green、Blue、Rededge、Nir)多光谱影像。基于5个波段冠层反射率提取20种植被指数和40种纹理特征,采用相关分析从65个影像特征中筛选冬小麦植株氮含量敏感特征。基于筛选出的敏感特征,采用BP神经网络(BP)、随机森林(RF)、Adaboost、支持向量机(SVR)4种机器学习回归方法构建植株氮含量预测模型,并对模型预测效果和在不同水处理条件下模型的迁移预测能力进行分析。【结果】(1)植株氮含量与影像特征的相关系数通过0.01极显著水平检验的包括22个光谱特征和29个纹理特征。(2)4种机器学习回归方法构建的冬小麦植株氮含量预测模型存在差异,RF和Adaboost方法预测植株氮含量集中于95%的置信区间,多分布于1:1直线附近...     

Canopy Equivalent Water Thickness Estimation of Cotton Based on Hyperspectral Index

【Objective】 The objective of the experiments is to develop a key method for fast and nondestructive monitoring canopy equivalent water thickness (CEWT) in cotton (Lumian 54) and to further improve the estimation accuracy of CEWT in cotton monitored by remote sensing technology. 【Method】 Through setting irrigation gradient treatment in different growth period, canopy spectral reflectance and canopy equivalent water thickness and other information were measured simultaneously. Firstly, we comprehensively analyzed the correlation between CEWT and various spectral parameters, including original spectral reflectance, first derivative spectral reflectance, all-band combined spectral index and existing spectral index. Then, we determined the optimal spectral indices of bud stage, flowering and bolls stage, and full growth period. Finally, we constructed a hyperspectral monitoring model of cotton CEWT by linear regression. 【Result】 The canopy equivalent water thickness and the original spectral reflectance show continuous sensitive bands in the near infrared band (NIR) of 780-1130 nm and the short wave infrared band (SWIR) of 1 450-1 830 nm and 1 950-2 450 nm, the sensitivity of the first derivative spectrum to CEWT was enhanced in NIR band than that of the original spectrum, but was weaker in SWIR band than that of the original spectrum. The correlation between the spectral index constructed by the original spectral reflectance and CEWT is stronger than that of the first derivative spectrum, and the ratio spectral index (RSI) is more suitable for the monitoring of CEWT than the normalized difference spectral index (NDSI). During the whole growth period, the inversion accuracy of CEWT by (R₁₁₃₅-5R₁₄₉₄)/R₂₀₀₃ was the best (R ²=0.7878, RRMSE=0.1803). In the bud stage, RSI_b(1130,1996) has the best estimation effect on CEWT (R ²=0.7258, RRMSE=0.1444). RSI_a (904,1952) was the optimal spectral index (R ²=0.7853, RRMSE=0.2454) for estimating CEWT at the flowering and bolls stage.【Conclusion】The new hyperspectral indexes proposed in this study in different growth stages can be used for quantitative monitoring of canopy equivalent water thickness in cotton. The results of this study can provide reference for the application of hyperspectral technology in monitoring water content of cotton canopy, and provide technical basis for precision irrigation of cotton.     

基于无人机多光谱和热红外影像信息融合的小麦白粉病监测

[目的]白粉病严重危害小麦生长及制约产量形成,确立实时监测小麦白粉病的多源数据融合方法,为精确防控及保证国家粮食安全提供技术支撑.[方法]在小麦开花和灌浆期,使用同时搭载多光谱仪和热成像仪的六旋翼无人机作为遥感数据获取平台,通过ENVI软件从小麦白粉病遥感影像中提取植被指数、纹理特征以及冠层温度信息,进而利用多元线性回...     

基于AquaCrop模型的大豆灌溉制度优化研究

【目的】 探究AquaCrop模型在关中地区的适用性,寻求大豆在不同降水年型下最适宜的灌溉制度。【方法】 用田间试验实测数据对该模型进行校正,并用校准后的模型模拟1961—2019年内所有3种不同降水年型14种灌溉制度下的大豆产量和水分利用效率。【结果】 AquaCrop模型模拟田间产量最高处理的冠层覆盖度的决定系数(R ²)、均方根误差（RMSE）、标准均方根误差(NRMSE)及Nash效率系数(EF)分别为0.96、7.15%、11.03%和0.94;模拟值与实测值生物量的决定系数（R ²）、均方根误差（RMSE）、标准均方根误差（NRMSE）及Nash效率系数（EF）分别为0.99、526.04 kg·hm^-2、14.45%和0.97;最终产量模拟的决定系数（R ²）、均方根误差（RMSE）、标准均方根误差（NRMSE）及Nash效率系数（EF）分别为0.97、49.98 kg·hm^-2、1.74%和0.82,各处理的冠层覆盖度和生物量实测值与模拟值的R ²均大于0.95,说明AquaCrop模型可以较好地模拟关中地区大豆的生长发育动态与产量。结合模型模拟结果可知,大豆作物需水量平均值为398.2 mm,各个生育时期的需水量差异较大,分枝期需水量为127.8 mm,开花-结荚期需水量为212.6 mm,鼓粒期的需水量为57.7 mm。结合对3种不同降水年型进行不同灌溉制度模拟后发现,大豆开花-结荚期为需水关键期,该生育时期水分供应情况影响大豆的最终产量。在湿润年可以不灌水;平水年和干旱年仅在开花-结荚期分别灌溉45和70 mm可实现最高产量（2 699、2 486 kg·hm^-2）和最大水分利用效率（0.74、0.7 kg·m^-3）。【结论】 该地区大豆灌溉制度,应以不同降水年型分布情况为基础对大豆灌溉制度进行选择,可保证大豆具有较高的产量和水分利用效率,可作为关中地区大豆灌溉制度的参考依据。     

基于PCA-BPNN的温室番茄果实直径预测模型

【目的】 研究温室番茄果实直径变化量的动态预测模型,为番茄所需水肥规律提供数据支持。【方法】 选择番茄果实横径为研究对象,以5株番茄果实膨大期的数据建立模型,采用主成分分析法对植物生理生态信息和环境信息进行分析,提取主要成分,以主成分为自变量,输出变量为因变量,建立一个包含空气温度、空气湿度、土壤含水率、叶片温度及果实横径的BP神经网络回归动态预测模型,并以3株番茄果实膨大期内所测的数据作为测试数据进行预测,比较预测值和实测值。【结果】 第1株番茄预测值与实测值的决定系数为(R²)0.964,均方根误差(RMSE)为0.238,第2株番茄预测值与实测值的决定系数(R²)为0.960,均方根误差(RMSE)为0.051,第3株番茄预测值与实测值的决定系数(R²)为0.951,均方根误差(RMSE)为0.047。【结论】 该模型可以预测温室短时内番茄果实直径变化量,可以用于新疆连栋温室内的秋季番茄果实直径变化预测,可根据预测量与实测量之间差值对水肥实行微调。     

生产条件下谷子品种盐碱耐性的差异及综合评价

【目的】明确生产条件下不同谷子品种的耐盐碱性差异,确定谷子大田耐盐碱性鉴定方法和指标。【方法】 以华北夏谷区主推的8个谷子新品种为材料,设置东营滨海盐碱地条件和济南试验地正常条件处理,进行谷子大田耐盐碱性研究。【结果】 在盐碱地和对照正常条件下,参试谷子品种产量均表现出显著差异,变异系数分别为39.1%和13.0%。与对照相比,盐碱地条件下,各品种产量均显著降低,产量盐害率变幅为20.7%—63.4%,变异系数为48.4%;盐碱地条件下,所有品种单穗重、单穗粒重、千粒重、出谷率、株高、SPAD、地上部同化物质积累量和收获指数均降低;盐碱地花前同化物质的转运量提高,平均增幅为34.4%,花后同化物质的积累量降低,平均降幅为42.7%。产量盐害率与单穗重（R=-0.937）、单穗粒重（R=-0.933）、干物质重（R=-0.895）、花前同化物质转运量（R=-0.935）、花前同化物质转运率（R=-0.880）、花前转运同化物质对籽粒贡献率（R=-0.859）、花后同化物质积累量（R=-0.909）和开花期地上部含水量（R=-0.834）均呈显著负相关,与花后同化物质积累量对籽粒贡献率（R=0.859）呈极显著正相关,而与出谷率和千粒重间无显著相关性。通过主成分分析,确定了单穗重、单穗粒重、干物质重和地上部含水量可以作为耐盐碱性鉴定指标,且通过主成分分析和隶属函数进行了谷子耐盐碱性的综合评价,济谷22和济谷21的综合得分值最高。【结论】 在盐碱地条件下,不同谷子品种存在耐盐碱性差异,单穗重、单穗粒重、干物质重和地上部含水量可以作为大田耐盐碱性的鉴定指标,济谷22和济谷21为耐盐碱性品种;在盐碱地条件下,不同谷子品种花前同化物质的转运量提高,且花前转运同化物质对籽粒的贡献率和开花期地上部含水量均与盐害率呈显著负相关,因此,提高开花期地上部各器官的含水量和花前转运同化物对籽粒的贡献率是提高盐碱地条件下谷子产量的重要手段。     

基于品种和氮肥的棉花叶色值、叶片氮含量及产量估测

【目的】棉花叶色和叶片氮含量在各生育时期的变化规律,研究叶色、叶片氮含量与产量的相关性,基于棉花叶色和叶片氮含量的产量估测。【方法】以新陆早45号、新陆早58号、新陆早62号、新陆早50号、鲁棉研24号为材料,设置4个施氮水平:N0(不施氮对照)、N1(120 kg/hm²)、N2(240 kg/hm²)、N3(360 kg/hm²),采用两因素完全随机区组设计,共20个处理,重复3次。【结果】(1)叶色值在全生育期变化趋势为吐絮期＞铃期＞花铃期＞盛蕾期＞现蕾期,叶片氮含量在全生育期变化趋势为花铃期＞铃期＞吐絮期＞现蕾期＞蕾期;(2)棉花叶色值、叶片氮含量、产量均呈线性正相关。其中棉花叶色值与叶片氮R²达0.37^**,叶色值与产量的R²达0.56^**,叶片氮含量与产量的R²达0.61^**;(3)通过产量对叶色值和叶片氮含量的响应特征,可基于二者实现棉花测产,产量估测方程为Y=363.48-65.175^*S+274.079^*N,R²达0.69(S指叶色值,N指叶片氮含量,Y指产量)。【结论】各棉花品种均在N3处理下产量最高,且通过叶色值和叶片氮含量实现棉花产量估测,在棉花测产中是较其它估产更精准的一种方法。     

糜子叶片氮含量和籽粒蛋白质含量高光谱监测研究

【目的】本研究以叶片氮含量为切入点,探求糜子籽粒蛋白质含量的最佳光谱预测模型,为糜子优质生产的管理调控提供理论依据。【方法】结合2017年和2018年2年的氮肥运筹试验数据和光谱数据,通过“光谱特征信息—叶片氮含量—籽粒蛋白质含量”这一研究思路,以叶片氮含量为中间链接点将光谱模型和籽粒蛋白质含量链接,建立基于高光谱糜子籽粒蛋白质含量监测模型。【结果】利用支持向量机（SVM）构建的糜子全生育期叶片氮含量监测模型要优于逐步多元线性回归（SMLR）和偏最小二乘法（PLS）,并且原始光谱反射率（R）的SVM模型效果优于一阶导数（1ST）模型,建模集和验证集的R ²分别为0.928、0.924;RMSE相对较小,分别为0.19、0.12;RPD都大于2,分别为3.71、6.07。开花期、灌浆期和成熟期的叶片氮含量和籽粒蛋白质含量均达到极显著正相关,相关系数分别为0.48、0.66和0.73。灌浆期R-SVM模型能准确的监测糜子籽粒蛋白质含量,决定系数R ²为0.798,均方根误差RMSE为0.14,预测残差RPD为1.65。 【结论】建立基于灌浆期糜子籽粒蛋白质含量的高光谱R-SVM监测模型,有助于指导糜子优化田间管理、种植业结构调整和籽粒品质分级,为高光谱技术在糜子优质高产栽培和精准农业发展提供技术基础。