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。     

基于灰色关联下神经网络在南果梨始花期预报中的应用

为探寻更精确有效的南果梨始花期预报方法,采用灰色关联分析法确定与始花期关联较大的冬季气象因子,以此作为BP(Black Propagation)神经网络与RBF(Radial Basis Function)神经网络建模的输入因子并预测南果梨始花期,利用均方根误差(RMSE)和相对误差(RE)评价该模型的预测效果,同时对比与南果梨始花期显著相关的冬季气象因子建立逐步回归方程并进行回代后的预测结果。结果表明：（1）与南果梨始花期灰色关联较大的气象因子为冬季日均气温、日最高气温、日最低气温、日均相对湿度,关联度均在0.6以上,故将这4个因子作为BP和RBF神经网络模型的输入层来预测南果梨始花期;（2）与始花期显著相关的气象因子有日均气温、日均5 cm地温、日最低气温、日最高气温,相关系数分别为-0.646、-0.628、-0.638、-0.663,所建回归模型均通过了显著性检验且具有统计学意义;（3）BP和RBF方法建立的模型拟合精度总体上较接近;（4）基于灰色关联下BP神经网络和RBF神经网络预测结果误差分别为1 d和2.25 d,BP神经网络预测的开花日期更接近实际开花日期;（5）基于灰色关联下BP神经网络模型RMSE为1、RE为6.34%、R²为0.7,而RBF神经网络模型RMSE为2.25、RE为13.13%、R²为0.568。综上,灰色关联分析法建立的BP神经网络模型较RBF模型预测南果梨始花期更精确。     

GF-1/WFV在玉米叶面积指数估算中的应用研究

叶面积指数(leaf area index,LAI)是植被冠层重要的结构参数之一,与冠层生理过程密切相关,也是植被遥感领域关注的重要参数之一。本研究对已在轨运行7年的高分一号卫星WFV传感器的植被监测性能进行评测,以吉林省农安县典型玉米分布区作为研究区域,结合地面同步观测的叶面积指数和冠层光谱等实测数据,借助归一化植被指数(NDVI)、比植被指数(RVI)、大气阻抗植被指数(ARVI)、土壤调节植被指数(SAVI)、修改性土壤调节植被指数(MSAVI)这5种植被指数,对比分析地面实测光谱与GF-1/WFV光谱对玉米冠层叶面积指数的估算能力。通过决定系数(R²)、均方根误差(RMSE)、相对误差(RE)和预测残差(RPD)等参数筛选最优模型。研究结果显示,各种植被指数与LAI之间的相关性均表现为地面实测光谱高于GF-1/WFV星载光谱;对比不同植被指数与LAI的相关性发现,地面光谱和星上光谱构造的植被指数中,均表现为MSAVI与LAI的相关性最高;基于地面光谱和星上光谱的MSAVI构建的估算模型中,R²最高值所对应的函数类型不同,基于地面光谱的函数中,R²最高值对应的是指数模型,而基于GF-1/WFV星上光谱的函数中,二项式的R²最高。     

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。     

基于小波分析小麦旗叶净光合速率高光谱遥感反演

精准估算冬小麦净光合速率(P_n)对监测植物生长状况和产量估计有重要意义。本文对小麦旗叶高光谱反射率通过Bior1.3小波基进行多层小波分解,分析不同尺度与净光合速率的相关性,最佳分解层次敏感波段构建光谱指数,建立BP神经网络模型并与敏感波段模型比较。结果表明:基于Bior1.3小波基变换的5层分解重构效果最好,敏感波段集中在400、600和800 nm附近;5层小波分解中高频分量cD₄最能体现与P_n有关的光谱细节信息,788与404 nm构建的差值指数(DVI[788-404])和比值指数(RVI[788-404])相关性最高,R²分别为0.75和0.72,其次为高频分量cD₅中788和400 nm的差值指数(DVI[784-400]),R²为0.71;敏感波段与高频分量cD₄光谱指数建立的BP神经网络模型对比发现,光谱指数模型精度最高,R²为0.86,RMSE为1.99。表明基于小波变换的光谱指数构建不仅可行,且精度高于敏感波段模型,能更多地反映小麦旗叶P_n的光谱细节信息,为P_n反演提供了一种有效快速的可选方案。     

伊犁裂腹鱼生物学特性

【目的】研究伊犁河水系特克斯河伊犁裂腹鱼系统生物学特性。【方法】2018~2020年通过采集伊犁河水系特克斯河伊犁裂腹鱼样本,运用经典鱼类生物学方法鉴定其形态特征,分析其年龄与生长等种群性状。【结果】特克斯河伊犁裂腹鱼,形态特征与其他水系裂腹鱼差异小,口下缘无硬质角质;体背细鳞,臀鳞较发达;体背部淡青色,微泛黄,体侧和腹部银白色,小个体体侧有斑点。体长均值为（21.56±10.48） cm,不符合正态分布。体重均值为（404.00±483.11） g,不符合正态分布。年龄均值（7.36±3.97）⁺,不符合正态分布,其中5⁺为优势年龄个体,占11.40％。体长和体重相关方程为：W=0.022 L³（R²=0.959 4）;渐进体长L∞=65.48 cm,生产系数k=0.06,W∞=4716.67 g,t₀= 0.09,t_i=18.40⁺;生长方程为：L_t = 65.48（1-e^{-0.06（t -0.09）}） 和W_t = 4 716.67（1-e^{-0.06（t -0.09）}）³。伊犁裂腹鱼成熟系数和丰满系数：GSI=（3.54±1.94）和K=（2.34±0.63）。【结论】伊犁河水系特克斯河伊犁裂腹鱼着细鳞,较大型土著鱼类,年龄结构差异较大,匀速生长,适应性较强,水域生态较优,生长周期较长,性状较稳定,拐点年龄大,性成熟周期长。     

新疆开都河长身高原鳅的年龄与生长的关系

【目的】研究塔里木河流域开都河长身高原鳅的年龄与生长的关系。【方法】2017～2019年通过对塔里木河流域开都河长身高原鳅的采样观察,运用经典生物学测量方法鉴定年龄,分析其生长性状。【结果】开都河长身高原鳅,年龄均值为3.06±0.11⁺,年龄结构不符合正态分布,优势年龄个体2⁺;体长和体重相关方程为:W=0.013 3L^{2.809 4}(R²=0.745 9);体长和肠长的关系式为: L_I=0.730 L -2.74(R²=0.981 8);长身高原鳅渐进体长L∞=23.75 cm,生产系数k=0.64,W∞=97.42 g,t ₀ = - 0.70,t_i=9.14⁺ ;种群总体(n=139)体长和体重生长方程为:L_t = 23.75 (1-e^{-0.64 (t + 0.7)}) 和W_t= 97.42 (1-e^{-0.64 (t} + 0.7))^{2.809 4}。种群总体成熟系数和丰满度:GSI＝27.20±1.80和K＝0.88±0.26。【结论】塔里木河流域开都河长身高原鳅属于异速生长,适应性较强,生长性状不稳定,在种群动态和渔业生态平衡,起到了一定的作用。     

基于星-机光谱融合的棉花叶片SPAD值反演

【目的】为提高棉花叶片叶绿素含量的反演精度,并掌握其在山东省夏津县的空间分布特征。【方法】本研究以山东省德州市夏津县为研究区,以夏津县大李庄棉田为试验区,通过SPAD（soil and plant analyzer development,SPAD）仪实地测定试验区棉花叶片叶绿素含量的相对值（SPAD值）,并获取同期试验区无人机（unmanned aerial vehicle,UAV）近地多光谱图像和研究区Sentinel-2A MSI（MSI）卫星影像;然后分别基于UAV和MSI的光谱反射率,构建并筛选最优光谱参量,采用多元线性回归（multiple linear regression,MLR）建立SPAD值定量反演模型;最后采用二次多项式拟合法融合UAV和Sentinel-2A MSI对应的最优光谱参量,对比分析融合前后模型效果,优选最佳反演模型,实现研究区SPAD值反演。【结果】研究表明,(REG-R)/(REG+R)、R/G、CL(red edge)、NDVI可作为SPAD值的最优光谱参量;基于UAV图像的定量反演模型精度优于基于MSI影像的模型;基于二次多项式拟合后建模R ²提高了0.015—0.057,RMSE降低了0.457—0.638,验证R ²提高了0.040—0.085,RMSE降低了0.387—0.397,RPD提高了0.020—0.139;将融合后的MSI光谱参量代入基于UAV图像的反演模型（Fused MSI-Mod_UAV）,也可获得较高的反演精度,建模R ²达0.672,RMSE为3.982,验证R ²达0.713,RMSE为3.859,RPD为1.685;基于上述模型进行研究区棉花叶片SPAD值反演分析,试验区整体呈南高北低的分布趋势,研究区呈中间低、四周高的分布趋势,均与实地情况一致,具有较好的预测效果。【结论】采用二次多项式拟合法融合无人机和卫星影像数据,可较好地实现区域高精度作物生长指标的定量反演,研究结果可丰富多源遥感融合理论与技术,为后续棉花长势监测与精准生产提供技术参考和数据支持。     

减氮下运筹养分吸收高峰期追施比例对春小麦的影响

【目的】研究新疆北疆滴灌春小麦高产、优质栽培中合理减氮养分运筹，为春小麦拔节至开花的氮肥施用量选择提供依据。【方法】以新春43号为供试材料，调研213户农户氮肥施入量390 kg/hm²的基础上，按照氮肥减量20%、30%和40%设置3个施氮水平(312、270和234 kg/hm²)及拔节至开花运筹比例(7∶3、5∶5、6∶4),研究不同施氮水平下运筹调控拔节至开花期的氮肥追施比例对滴灌春小麦的影响。【结果】N₁条件下，产量以R₃最高，较R₁、R₂增产7.4%、3.7%,各生育时期干物质积累量较R₁分别增加13.9%、17.5%、26.2%、10.3%,较R₂分别增加7.7%、3.6%、10.6%和2.6%;花前、花后同化物转运量差异性不显著，叶面积指数也表现为R₃>R₂>R₁。N₂条件下，产量与N_1<...     

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.     

倒伏胁迫下玉米抽雄期叶面积密度光谱诊断

【目的】叶面积密度（leaf area density,LAD）反映作物在垂直方向上体积内叶面积总量的差异,体现作物冠层内叶面积随着高度变化的分布状况。本文旨在探索玉米叶面积密度对于倒伏胁迫强度的表征能力及其光谱响应规律。【方法】以抽雄期倒伏夏玉米为研究对象,获取倒伏后玉米多期LAD及冠层光谱数据,对倒伏玉米冠层光谱进行一阶微分和小波变换处理,根据LAD与冠层光谱一阶微分及小波分解系数的相关性分析,筛选LAD敏感波段和最佳小波分解尺度,采用偏最小二乘法构建倒伏玉米LAD光谱诊断模型,并利用实测样本验证模型精度。【结果】玉米LAD随着倒伏胁迫程度的增强而增大,LAD可有效表征玉米倒伏胁迫强度及其自身恢复能力;玉米倒伏后冠层结构发生较大变化,倒伏玉米冠层光谱反射率较正常玉米整体增高,近红外波段的增幅相比可见光波段更高,倒伏强度越强则光谱反射率越高;LAD敏感波段主要分布在蓝光波段354—442、472—495 nm和红光波段649—829 nm以及近红外波段903—1 195 nm和1 564—1 581nm;同一阶微分处理相比,基于连续小波变换的玉米倒伏LAD诊断模型的验证R²提高6.08%—9.11%,RMSE降低23.08%—31.63%;小波分解尺度对LAD诊断精度有一定的影响,中低尺度模型精度优于高尺度模型,其中第5尺度构建的模型对LAD的拟合效果最优（R²=0.898,RMSE=1.016）。【结论】利用连续小波变换技术对玉米冠层高光谱解析,可有效诊断倒伏胁迫下的玉米叶面积密度,可以为玉米倒伏胁迫灾情遥感监测提供必要的先验知识。     

Cotton Nitrogen Nutrition Diagnosis Based on Spectrum and Texture Feature of Images from Low Altitude Unmanned Aerial Vehicle

【Objective】 Based on the high spatial resolution images of unmanned aerial vehicle (UAV), the effects of removing soil background information and increasing image texture information on the inversion of cotton plant nitrogen concentration were investigated, in order to provide new technology for accurate estimation of cotton nitrogen nutrition status. 【Method】 Cotton water and nitrogen coupling experiment was conducted, and UAV images and plant nitrogen concentration data were measured during different cotton growth stages. Based on the above data, the effect of soil background on cotton canopy spectrum was firstly investigated. Secondly, the correlations between image texture parameters and plant nitrogen concentration were analyzed. Finally, the obtained data was divided into calibration dataset and validation dataset. Different scenarios, including before and after removing the soil background, and adding texture features, were set. The inversion models of plant nitrogen concentration under various scenarios were designed by using the coupled method of spectral indexes and principal component regression, and the performances of the models were compared. 【Result】 The soil background had an effect on the cotton canopy spectrum, and the trends were not the same at different growth stages. There existed significant correlations between image texture parameters and plant nitrogen concentration. For the scenarios before removal soil background, the plant nitrogen concentration prediction model had determination coefficient (R ²) value of 0.33 and root mean square error (RMSE) value of 0.21% during model calibration, and R ² value of 0.19 and RMSE value of 0.23% during validation. For the scenarios after removing soil background, the plant nitrogen concentration prediction model had R ² value of 0.38 and RMSE value of 0.20% during model calibration, and R ² value of 0.30 and RMSE value of 0.21% during validation. For the scenarios adding image texture information, the plant nitrogen concentration prediction model had R ² value of 0.57 and RMSE value of 0.17% during model calibration, and R ² value of 0.42 and RMSE value of 0.19% during validation. 【Conclusion】 Based on high spatial resolution images of low-altitude UAVs, both removing soil background and adding image texture information could improve the inversion accuracy of cotton plant nitrogen concentration. Image texture could be considered as important information to support prediction of crop nitrogen nutrition status using UAV images.     

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。     

基于低空无人机影像光谱和纹理特征的棉花氮素营养诊断研究

【目的】基于无人机高空间分辨率影像,探讨剔除土壤背景信息及增加纹理信息对棉花植株氮浓度反演的影响,为棉花氮素营养精准探测提供新技术手段。【方法】开展棉花水、氮耦合试验,分别在棉花的不同生育期获取无人机多光谱影像和植株氮浓度信息。基于以上数据,首先探讨了土壤背景对棉花冠层光谱的影响;其次,分析了影像纹理特征与植株氮浓度间的相关性;最后,将获得的数据分为建模样本和检验样本,设置剔除土壤背景前、剔除土壤背景后、增加纹理特征等不同情景,采用光谱指数与主成分分析耦合建模的方法,来建立各种情景下植株氮浓度的反演模型,并对模型反演效果进行比较。【结果】土壤背景对棉花冠层光谱有影响,且不同生育期趋势不同;影像纹理特征参数与植株氮浓度间有显著相关关系;剔除土壤背景前植株氮浓度反演模型的建模决定系数为0.33,标准误差为0.21%,验证决定系数为0.19,标准误差为0.23%;剔除土壤背景后模型的建模决定系数为0.38,标准误差为0.20%,验证决定系数为0.30,标准误差为0.21%;增加纹理信息后模型的建模决定系数为0.57,标准误差为0.17%,验证决定系数为0.42,标准误差为0.19%。【结论】基于低空无人机高空间分辨率影像,剔除土壤背景和增加纹理特征均可提高棉花植株氮浓度的反演精度;影像纹理可以作为一种重要信息来支撑无人机遥感技术反演作物氮素营养状况。     

不同滴灌带配置对春小麦产量的影响

【目的】研究不同滴灌带配置对新疆滴灌春小麦产量的影响。【方法】 在田间试验条件下,以春小麦品种新春44号为材料,设置3种滴灌带配置:1管1行(TR₄,对照)、1管6行(TR₆)和1管8行(TR₈),研究靠近滴灌带的第1(R₁)、第2(R₂)、第3(R₃)和第4行(R₄)行间植株产量的差异。【结果】 TR₆和TR₈植株叶面积比TR₄分别减少了5.80%和8.69%,其株高降低了1.03%和2.71%。各行小麦植株干物质积累量和产量均随着滴灌带间距的增长而下降,R₁和R₂行干物质积累和籽粒产量显著高于R₃和R₄行,其它各项指标也呈相近的趋势,R₃和R₄常处于水分亏缺状态。【结论】 水肥条件下滴灌春小麦穗粒数对产量的影响为直接效应,千粒重为间接效应。     

基于机器学习的滴灌玉米光合响应特征

【目的】提出一种优化模型精度的机器学习网格搜索方法,解决滴灌玉米光合响应曲线模型参数确定难、精度低等问题,为滴灌玉米光合生理机制及光合响应特征提供新思路。【方法】2017年和2018年以宁夏玉米主栽品种（TC19）为试验材料,设置6个施钾水平（0（K0）、90 kg·hm ^-2（K1）、180 kg·hm ^-2（K2）、270 kg·hm ^-2（K3）、360 kg·hm ^-2（K4）、450 kg·hm ^-2（K5））,使用Li-6400XT光合仪测定不同钾肥水平下玉米吐丝期光响应曲线。运用机器学习网格搜索法和非线性回归分析法对基于直角双曲线修正模型的光响应曲线进行拟合。选取决定系数（R ²）、均方根误差（RMSE）及平均绝对误差（MAE）对模型精度进行评价。【结果】在玉米吐丝期,叶片光合参数Pn、Tr和Gs随施钾量的增加呈先增大后减小的趋势。拟合评价结果表明,在K0和K1处理下机器学习方法计算效果优于传统方法,R ²均大于0.991,RMSE均小于1.487,MAE均小于1.350。在K2—K5处理下,2种方法拟合效果相当,R ²均大于0.993,RMSE均小于0.952、MAE均小于0.860。最优拟合方法（网格搜索法）对光响应特征参数计算结果表明,α、Pn_max、Rd、LSP和LCP的变化趋势与其光合参数相似。在施钾量为360 kg·hm ^-2（K4）时,各光响应特征参数均达到最大,在450 kg·hm ^-2（K5）时出现光抑制现象。【结论】基于机器学习的网格搜索法可准确地拟合宁夏滴灌玉米光响应特征,且施钾量为360 kg·hm ^-2时玉米光合性能达到最佳。     

基于红边参数不同品种的估算模型

【目的】利用红边参数的动态变化规律建立不同品种滴灌棉花叶面积指数估测模型。【方法】以棉花品种新陆早50号、新陆早58号和鲁棉研24号(杂交棉)为材料,分析LAI和红边位置的动态变化,构建滴灌棉花叶片红边参数-LAI估算模型。【结果】LAI增长最快时期均出现在40~70 d,不同品种滴灌棉花的LAI增长速率有明显的差异,表现为:鲁棉研24号>新陆早50号>新陆早58号;不同品种棉花均在病虫害发生期出现蓝移现象,在棉花正常生长下,出现红移现象。红边参数与LAI均达到极显著相关,构建3个估算模型中,鲁棉研24号精度最高(R²=0.816 8 ,RMSE=0.77)。【结论】建立的估算模型均可对LAI进行有效估测。