基于无人机多光谱影像的地物识别

【目的】利用2018年5和6月获取的无人机多光谱影像对北京市大兴试验基地的部分农田进行地物类型提取研究。【方法】确定感兴趣地物种类,对影像进行时相与光谱特征分析,然后确定归一化植被指数NDVI、归一化绿蓝差异指数NGBDI、修正型比值植被指数MSR和红边波段反射率可以作为最优分类特征,通过基于光谱变量阈值分割的决策树分类法,实现地物分类,并提取种植面积,选取基于目视解译的地面调查数据进行方法验证。【结果】基于时相与光谱特征的决策树分类方法有较好效果,该方法用于小麦、果树和大棚的提取,误差值分别为10.68%、6.06%和16.48%,面积提取误差在17%以内,对无人机多光谱遥感影像进行地物识别具有一定的适用性。【结论】无人机低成本、高效率的优势为农田信息及时获取提供参考。     

荒漠林高光谱与光学影像植被指数(VI)的比较

【目的】利用地面遥感和航天遥感数据结合植被指数实现快速调查,研究各数据中植被指数的差异。【方法】用地面高光谱数据和光学影像中分别对梭梭林和柽柳林进行归一化植被指数(NDVI)、重归一化植被指数(RDVI)和土壤调节植被指数(SAVI)3种植被指数的提取,并进行比较。【结果】在高光谱VI中,梭梭林和柽柳林的3种VI的数值大小和变化趋势都很接近,特别是SAVI和RDVI,但NDVI的变化较其他2种大;而在光学影像VI中,梭梭林和柽柳林的NDVI和SAVI的数值基本保持在一定范围内,且变化幅度微小,而RDVI的数值和变化趋势均较大,相对不稳定。【结论】高光谱数据所提取的NDVI和SAVI均大于光学影像,而光学影像所提取的RDVI均大于高光谱数据,RDVI对植被覆盖度更敏感。     

基于荧光参数的棉花盛铃期水分状况高光谱监测

【目的】研究棉花盛铃期反射光谱、荧光参数Fv/Fm(PSⅡ最大光化学量子产量)的变化特征,确立叶绿素荧光参数与棉花冠层高光谱植被指数的相关关系。为高光谱遥感监测棉花的水分状况提供理论依据。【方法】选用棉花品种新陆早45号和新陆早62号,采用美国ASD地物高光谱仪测定田间试验条件下,设置4个不同灌水量处理,研究2个棉花品种盛铃期的冠层反射光谱,同期利用PAM-2100叶绿素荧光仪测定棉花叶片的Fv/Fm,并用相关软件对棉花的反射光谱数据及Fv/Fm进行处理并作相关分析,建立相关回归模型。【结果】不同水分处理条件下,棉花冠层反射光谱的变化趋势相似;棉花新陆早62号盛铃期的单叶荧光参数Fv/Fm与棉花冠层高光谱反射率在350~514 nm、612~692 nm和1 945~2 076 nm波段范围内呈极显著正相关,而在708~1 361 nm和1 621~1 740 nm波段范围内呈极显著负相关;采用敏感波段构建植被指数NDVI(归一化植被指数)和RVI(比值植被指数),RVI与Fv/Fm的相关性较高(r_RVI-Fv/Fm=-0.721 5^**,n=20,P<0.01);建立Fv/Fm与RVI的估算模型方程,Fv/Fm估测值与实测值呈极显著线性正相关(r_{估测Fv/Fm-实测 Fv/Fm}=0.723 0^**,n=20,RMSE=1.186×10^-2)。【结论】利用荧光参数Fv/Fm与植被指数RVI的相关关系,可以监测棉花盛铃期的水分胁迫状况。     

基于无人机多光谱遥感图像的玉米田间杂草识别

【目的】为了精确高效识别玉米田间杂草,减少除草剂施用,提高玉米种植管理精准性。【方法】通过六旋翼无人机搭载多光谱相机获取玉米田块多光谱图像。为分离图像中植被与非植被像元,计算了7种植被指数,采用最大类间方差法提取植被指数图像中非植被区域,制作掩膜文件并对多光谱图像掩膜。通过主成分分析对多光谱图像进行变换,保留信息量最多的前3个主成分波段。将试验区域分为训练区域和验证区域,在训练区域中分别选取了675处玉米和525处杂草样本对监督分类模型进行训练,在验证区域选取了240处玉米样本及160处杂草样本评价模型分类精度。将7种植被指数、3个主成分波段的24个纹理特征及经过滤波的10个反射率,共计41项特征作为样本特征参数。利用支持向量机-特征递归消除算法（support vector machines-feature recursive elimination,SVM-RFE）和Relief算法从41项特征中各筛选14项特征构成特征子集,采用支持向量机、K-最近邻、Cart决策树、随机森林和人工神经网络对特征子集进行监督分类。【结果】支持向量机与随机森林对全部特征及2个特征子集分类效果较好,支持向量机总体精度为89.13%—91.94%,Kappa>0.79,随机森林总体精度为89.27%—90.95%,Kappa>0.79。【结论】SVM-RFE算法对数据降维效果优于Relief算法,支持向量机（SVM）模型对区域冠层尺度下玉米与杂草的分类效果最好。     

基于数字图像棉花黄萎病诊断与防治的管理远程监测

【目的】获得病害的典型病害植被指数特征及其病害防治管理,为诊断和防治棉花黄萎病提供有效工具,为病害监测模型和防治管理提供决策支撑。研究冠层图像RGB至HIS空间的变换与典型病害植被指数的关系,通过Relief-F算法获得棉花黄萎病症状变化敏感的特征,构建病害监测模型。【方法】采集与结构、叶绿素相关的植被指数与棉花黄萎病症状特征的数字图像,与病害植被指数和病害严重度等级的识别有较好的对数关系。获得病害症状特征变化的典型谱段,构建棉花黄萎病病情指数,建立病害病情监测模型。【结果】获得与棉花叶片结构、叶绿素相关的植被指数和棉花黄萎病症状特征的数字图像,与不同严重度病害植被指数和病害严重度等级的诊断具有对数关系。提取棉花黄萎病症状特征变化的典型谱段,构建病害监测模型,建立防控棉花黄萎病数据的安全架构。【结论】实现获取棉花黄萎病病害的发病情况的监测和病害防控管理,为棉花黄萎病大面积精准监测和防控提供新的思路。     

基于无人机影像的棉花株高预测

【目的】 利用无人机遥感技术,快速、无损和高通量地获取田间株高表型信息,预测棉花品种(系)的长势监测及产量。【方法】 以无人机(UAV)搭载高清数码相机构成低空遥感平台,获取110份处于花铃期棉花品种(系)影像,测定地面实际株高;利用拼接软件与高清数码影像,生成研究区数字表面模型(DSM)和高清正射影像(DOM);基于高清的DOM和DSM,利用克里金插值法生成研究区离散地面高程值(DEM),经作差提取棉花株高(CHM),利用不同棉花品种(系)实测株高(H)与提取的棉花株高(CHM)作回归分析。【结果】 通过DOM可快速无损地监测花铃期各棉花品种(系)长势、叶色性状差异及分布状况,经DSM和克里金插值法提取的DEM和棉花株高分布图得出,研究区整体地势较平坦,高低落差仅0.5 m。所建株高模型R²达到0.846 9,验证模型R²也达到0.758 1。【结论】 利用无人机影像生成的DOM、DSM和克里金插值法生成的DEM,提取的棉花花铃期株高(CHM)精度较高,无人机搭载数码相机进行棉花株高测定具有较好的适用性。为大范围的棉花田间株高观测提供一种新的研究方法是可行的。     

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。     

多旋翼植保无人机与常规喷施缩节胺对棉花生长调控效应比较

【目的】分析JT-30多旋翼植保无人机喷施缩节胺(DPC)对调节棉花生长的影响,研究植保无人机在棉花化控作业中的应用效果,为植保无人机在棉花化控作业的应用提供指导。【方法】与喷杆式喷雾机作业相比,采用JT-30六旋翼植保无人机喷施DPC作业,分析其对棉花株高、果枝长度、节间距等的影响。【结果】JT-30植保无人机喷施DPC 5、10、14 d后能够有效抑制棉花的株高,抑制率分别为7.26%、15.81%和21.17%;喷杆喷雾机作喷施作业后对应的抑制率为8.55%、16.81%和 22.80%;JT-30植保无人机喷施DPC对棉花株高的抑制效果与喷杆式喷雾机作业效果相当。在果枝长度、节间长度和果枝始节高度等指标上表现出了相似的结果,且高浓度DPC没有对棉花表现出药害作用。【结论】植保无人机喷施缩节胺可以有效促进棉花营养生长向生殖生长的转移、塑造良好株型、提高成铃率,且高浓度DPC对棉花无药害,具有与常规喷施相当的效果。     

伊犁绢蒿荒漠草地3种主要植物光谱及植被指数改进

【目的】伊犁绢蒿荒漠草地是新疆草地生态系统的重要组成部分,研究其主要植物地面光谱和植被指数特征是实现物种识别的基础,准确而实时获得群落物种组成变化、提高草地监测的质量和效果。【方法】借助SOC710 VP成像光谱仪,采集4月伊犁绢蒿荒漠草地群落高光谱影像,提取伊犁绢蒿(Seriphidium transiliense)、角果藜(Ceratocarpus arenarius)、叉毛蓬(Petrosimonia sibirica)和群落的原始光谱数据,通过反射率(REF)、吸收率(ABS)及其一阶微分(GREF和GABS)的变换提高光谱辨析度,分析并筛选敏感波段;通过各波段之间的相互组合计算NDVI值和DVI值,并以全波段计算的NDVI值和RVI值作为参考,筛选出优于全波段且差值最大植被指数。【结果】(1)3种主要植物光谱曲线相近,差异主要体现在光谱值的大小,在可见光400~780 nm和近红外波段780~820 nm的反射率均表现出角果藜>伊犁绢蒿>叉毛蓬>群落的特征;(2)通过反射率REF、吸收率ABS、一阶微分反射率GREF和一阶微分吸收率GABS的变换能够进一步扩大其光谱特征,相对稳定的波段有蓝光波段490~530 nm,绿光波段510~560 nm,红光波段620~760 nm,近红外波段780~820 nm。(3)GABS和ABS变换下490~530 nm和780~820 nm波段组合计算的NDVI’和RVI’在3种主要植物间的差异大于全波段和其它波段计算的NDVI’和RVI’。【结论】对敏感波段的反射率和吸收率进行一阶微分处理,并用于改进植被指数,能够提高伊犁绢蒿荒漠3种主要植物的识别效果。     

苹果冠层叶绿素含量高光谱估算模型

【目的】 研究一种快速、简便、无损的苹果冠层叶绿素含量估测模型。探索苹果品种岩富10号冠层的高光谱特征和叶绿素含量的估测方法,为该地区岩富10号苹果营养的快速诊断奠定基础,为红富士苹果精准化管理和-7光谱尺度研究提供参考依据。【方法】以红富士苹果(Malus domestica Borkh. cv. Red Fuji)主栽品种岩富10号叶绿素含量以及冠层高光谱反射率为数据源,分析叶绿素含量与冠层原始光谱(R)、微分光谱(R')之间的相关关系,利用敏感波段建立新的对应关系,构建岩富10号叶绿素含量的多种回归估测模型,并对不同模型进行了精度评价。【结果】微分光谱用于岩富10号叶绿素含量的估测精度要显著高于原始光谱反射率;利用敏感波段组合新定义的衍生变量拟合程度更优;在多种回归方式中,三次多项式模型的拟合程度最好,最优模型为357 nm等7个波段组合定义的新植被指数所建立的三次多项式模型,其精度为0.839。【结论】应用光谱技术对南疆塔里木盆地阿克苏地区岩富10号叶绿素含量进行定量反演是可行的。     

甜瓜皇后及其姊妹系和亲本材料的ISSR分析

【目的】分析皇后姊妹系及其亲本进行遗传多样性和遗传关系,为哈密瓜遗传改良提供依据。【方法】利用12份材料的ISSR标记结果,进行非加权成对群算数平均和主成分分析。【结果】皇后姊妹系及其亲本的Nei基因多样性指数为0.37,Shannon信息指数为0.55。12份材料的JC遗传相似系数在0.23~0.91之间,平均值为0.58,亲本金黄与其他供试材料的JC值平均为0.28。除亲本金黄外,所有亲本材料和大部分皇后姊妹系被聚在类群Ⅰ内,类群Ⅱ、Ⅲ和Ⅳ分别只有一份材料,与类群Ⅰ具有一定的遗传距离。亲本金黄遗传差异显著,除皇后和皇后88系外其余姊妹系间遗传差异不明显,PCA分析结果与UPGMA聚类分析结果一致。【结论】皇后和皇后88系的遗传基础较宽,与选育亲本间具有一定的遗传距离,这两份材料仍可作为哈密瓜杂种优势育种的骨干亲本。     

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.     

棉田棉蚜飞防药剂筛选及农药减量增效药效分析

【目的】筛选高效安全适用于无人机防治棉蚜的药剂和助剂,实现农药减量增效。【方法】采用田间喷雾法测定大疆MG-1P型植保无人机喷洒5种药剂及添加助剂后对棉蚜防效。【结果】药后1 d,200 g/L丁硫克百威EC对棉蚜的防效最高,达85.9%,80%烯啶·吡蚜酮WG防效次之,达75.1%;药后7 d, 22%氟啶虫胺腈SC防效最高,防效为96.2%,70%吡虫啉WG防效次之,为92.4%。施药后1～7 d,药剂减量20%与对照无显著差异,施药后15 d,减量20%与对照存在显著差异,减量10%与对照无显著差异。【结论】供试药剂中22%氟啶虫胺腈悬浮剂和70%吡虫啉水分散颗粒剂对棉蚜防效最佳,且添加助剂后减量10%~20%对棉蚜的防效与常规药量相比二者防效无显著性差异。     

棉花生产上新型肥料研究进展

【目的】 综述新型肥料在棉花上的应用状况。【方法】 查阅国内外相关文献,概述新型肥料种类,分析新型肥料改变棉花产量、品质及生理特性的研究进展。【结果】 缓/控释肥料、水溶性肥料、微生物肥料、微量元素肥料和商品有机肥五大类新型肥料在棉花上均有不同程度的应用,可增加土壤肥力,提高棉花产量,促进棉花产业健康发展。但肥料生产和加工缺少统一的质量标准和评价体系,应用结果间存在较大差异。【结论】 施用新型肥料能够提高棉花皮棉和籽棉产量,改善棉花品质,提高肥料利用率。     

扁桃棉花间作对棉田主要害虫及捕食性天敌的影响

【目的】 研究扁桃棉花间作对棉田主要害虫及其主要捕食性天敌的影响,为扁桃棉花间作模式下棉田害虫防治和天敌的保护利用提供理论依据。【方法】 采用目测法,调查2种扁桃棉花间作棉田和单作棉田棉花的主要害虫及捕食性天敌的种群数量。【结果】 扁桃棉花间作(南北向)有利于棉田蚜虫和捕食性天敌的发生,扁桃棉花间作(东西向)则不利于其发生。扁桃棉花间作不利于棉田牧草盲蝽的发生;扁桃棉花间作对棉田棉蓟马和棉铃虫的发生无影响;不同类型棉田烟粉虱的发生与虫源地距离有关。扁桃棉花间作有利于棉田蜘蛛的发生。【结论】 扁桃棉花间作对棉田主要害虫及捕食性天敌存在一定的影响。     

化肥减量有机替代对新疆滴灌棉花产量及土壤养分的影响

【目的】 研究新疆滴灌棉花合理的化肥减施量和有机肥替代量,为棉花优质高产、产业可持续发展提供理论支撑。【方法】 采用田间小区滴灌栽培试验, 化肥减量微生物菌剂替代对新疆滴灌棉花产量及其构成因素与土壤养分的影响。【结果】 与习惯施肥(CF)相比, 优化施肥减氮30%增施微生物菌剂(OPT+M-N30%) 处理的棉花籽棉产量、皮棉产量、单铃数及衣分有不同程度的提高, 其中棉花单铃数和籽棉产量分别提高16.42%, 5.09%。且OPT+M-N30%处理的土壤有机质、全氮及碱解氮含量均高于其余施肥处理, 较农民常规施肥增加了7.74%、5.97%、1.70%。【结论】 优化施肥减氮30%增施微生物菌剂处理有利于提高棉花产量和土壤养分含量,表现较好的经济效益。