冬小麦叶片花青素相对含量高光谱监测

为探究冬小麦叶片花青素含量的高光谱监测方法,以陕西省关中地区冬小麦为研究对象,分析了叶片光谱反射率与花青素含量的相关性,建立以不同波段组合的RSI、DSI和NDSI光谱指数为自变量的一元回归模型以及利用偏最小二乘法构建的多元回归模型,并进行模型精度比较。结果表明,所有模型中,开花期的PLS模型精度最高,预测效果最好(建模r~2=0.872 3,RMSE=0.005 9;检验r~2=0.912 8,RMSE=0.004 8),是预测冬小麦花青素的最优模型;各生育时期中,开花期模型精度较高,表现稳定,是预测冬小麦花青素的最佳生育时期。     

基于高光谱的冬小麦不同生育时期地上部生物量监测

为实现冬小麦不同生育时期地上部生物量的高光谱监测,2017-2019年分别在河南省鹤壁市、原阳县和温县布置冬小麦氮肥梯度田间试验,分别于分蘖期、拔节期、抽穗期和灌浆期测定冬小麦地上部生物量及其冠层原位高光谱反射率（400～950 nm）,并采用Pearson相关分析明确两者间定量回归关系,再分别利用支持向量机（support vector machine, SVM）和偏最小二乘回归（partial least square, PLS）建立预测模型并进行精度验证,以确定最优光谱监测时期和有效波段。结果表明,冬小麦地上部生物量与冠层高光谱反射率在可见光区（400～715 nm）呈负相关,在近红外区（715～950 nm）呈正相关,且相关性表现为分蘖期<拔节期<灌浆期≤抽穗期。生育时期间模型精度差异较大,抽穗期效果最优,SVM和PLS模型的验证决定系数分别为0.877和0.859,相对分析误差分别为2.429和2.340;灌浆期次之,决定系数分别为0.835和0.830,相对分析误差分别为2.416和1.814;分蘖期最低,决定系数分别为0.693和0.750,相对分析误差分别为1.063和0.894。同时,冬小麦地上部生物量有效波段在生育时期间具有明显的异同性,分蘖期时有效波段在可见光-近红外区均有明显的均衡分布,至拔节期时产生明显的短波“蓝移”现象,抽穗期“蓝移”现象更显著,而至灌浆期则表现出明显的长波“红移”特征。此后,再次构建基于有效波段的冬小麦不同生育时期地上部生物量SVM和PLS监测模型,决定系数和相对分析误差分别高于0.72和1.40,预测精度较理想,能够满足无损和精准监测需求。     

基于叶片高光谱特征的小麦白粉病严重度估算模式

为了解白粉病胁迫下小麦叶片特征并预测其危害程度,基于大田小区和温室盆栽小麦白粉病接种试验,采用高光谱仪测定受白粉病不同程度危害的冬小麦叶片光谱反射率,并分析光谱特征参数与白粉病严重度间的关系。结果表明,随着小麦白粉病病情的加重,在可见光350~700nm波段内,叶片光谱反射率增加;而在700~1050nm近红外波段内,叶片光谱反射率明显降低。400~500nm和610~690nm为光谱敏感波段,在650~680nm波段相关系数最高(r0.75)。光谱参数MCARI、PSRI、VARIgreen和AI对叶片病害严重度拟合效果较好,决定系数(R2)变化范围为0.77~0.82,标准误差为9.34~10.14。模型检验表明,小麦单叶片病害严重度超过10%时,检验结果较为理想,单叶片病害严重度低于10%时,则定量估算误差偏大,10%严重度可作为光谱法识别小麦白粉病的临界值。光谱参数MCARI和VARIgreen对小麦白粉病反应敏感,估算误差较小,可作为小麦白粉病严重度的最佳估算模型。     

星机协同的冬小麦长势遥感监测研究—以陕西省咸阳市为例

为了解决作物长势遥感监测中星机协同性问题，在田块尺度上通过设置小麦氮素和灌溉梯度试验，在各关键生育时期测定SPAD和LAI两个长势指标并获取无人机遥感数据，构建小麦长势多光谱监测模型，并将优化的波段比值修正法与Sentinel-2A影像结合进行模型升尺度应用。结果表明，在拔节期、孕穗期、开花期和灌浆期，分别利用Clgreen、Clrededge、OSAVI和OSAVI构建的三次函数、指数函数、指数函数和幂函数对小麦SPAD的拟合效果最佳，升尺度应用至孕穗期、开花期和灌浆期卫星遥感监测后验证精度均较好；上述四个生育时期分别利用Clgreen、Clrededge、DATT和OSAVI构建的幂函数、二次函数、指数函数和指数函数对LAI拟合效果最佳，升尺度应用验证精度均较好。基于该星机协同方法对咸阳市冬小麦长势进行监测发现，2021年武功县、兴平市、三原县等区域小麦各生育时期长势均较优，永寿县、淳化县、彬州市等地的小麦长势均较差。这说明通过对无人机和卫星遥感影像融合方法的完善，可提高冬小麦长势监测中星机协同性。     

玉米叶片高光谱反射率、吸收率与色素含量的关系比较分析

分析测定了大田试验条件下11个玉米品种的3个氮肥处理、2个密度处理和6个生育期的150张叶片在350～2500nm波段的反射率和吸收率及其叶绿素a、叶绿素b和类胡萝卜素的含量。玉米叶片在叶绿素吸收波段的最大吸收波长位于665nm附近,665nm处叶片的吸收率与反射率间呈高度负相关(R2=-0.7533,n=150),而吸收率较高(>92%)的叶片的相关性明显强于吸收率较低的叶片。基于近红外波段和叶绿素吸收波段(红波段)或叶绿素反射波段(绿波段)构建的8个高光谱参量只有以反射率为基础计算时才与色素含量间存在相关性。mSR705和mND705无论以反射率还是以吸收率为基础计算,均表现出与色素含量间的强相关关系,而以吸收率为基础计算的mSR705和mND705与色素含量间的相关性又稍强于以反射率为基础计算的mSR705和mND705。本研究结果暗示叶片的表面反射是干扰叶片光谱(尤其是吸收光谱)对色素浓度变化响应的主要因子。     

不同施氮水平下大豆反射光谱预测叶片氮含量模型

通过分析不同施氮水平下大豆叶片氮含量与叶片光谱反射率之间的关系,确立了大豆叶片氮含量的敏感波段及预测方程.结果表明:在 530、550、890和930 nm 4个波段的光谱反射率与大豆叶片氮含量的相关性达显著或极显著水平.通过4种植被指数的比较,NDVI的R2最大,RMSE最小.筛选得到回归方程:Y= -323.214×NDVI2 (890,530)+469.9307×NDVI (890,530)-165.021,该模型适用于不同生育期大豆叶片氮含量的预测.     

不同施肥处理花生反射光谱与产量相关性研究

了解不同施肥条件下花生叶片光谱反射率与产量的相互关系,设计包含7种施肥处理、3次重复的田间试验,在主要生育期测定叶片光谱反射率和功能叶叶绿素的相对含量。结果表明,随生育期推进不同施肥处理叶片SPAD值呈现相似的先升后降的变化趋势;不同施肥条件花生叶片的光谱曲线相似,但不同波段光谱反射率大小存在一定程度的差异;"低肥+钙肥+锌肥+根瘤菌"施肥处理产量高于其他施肥处理,其中钙肥增产效果明显;开花下针期、结荚期、饱果成熟期花生叶片光谱与产量相关性较好,其中在结荚期花生叶片光谱与产量相关性最好。花生叶片光谱特征波段与产量之间具有较密切的关系,可利用叶片光谱反射率监测花生营养状况。     

SPOT-5与HJ遥感影像用于冬小麦氮素监测的效果对比

为探讨HJ遥感影像对冬小麦氮素监测的适用性,利用同期获取的SPOT-5和HJ-1B遥感影像,结合同步地面取样测试,从传感器的光谱响应、监测模型精度以及叶片氮含量空间填图3个方面,对冬小麦氮素的遥感影像监测效果进行了分析与评价.结果表明,两类遥感影像的3个波段反射率及植被指数与小麦叶片氮含量均密切相关,其中,SPOT-5影像的最优模型植被指数为GNDVI(绿色归一化植被指数),HJ-1B影像的最优模型植被指数为NDVI(归一化植被指数),SPOT-5影像在监测精度上优于HJ-1B影像,但差别不大.填图结果表明,除地块较破碎地带外,利用HJ-1B影像反演填图所得的小麦叶片氮含量在空间分布上与SPOT-5影像结果比较一致.说明利用SPOT-5与HJ遥感影像监测小麦氮素营养状况都是可行的,而HJ遥感影像在一定精度要求范围内能够替代SPOT-5等遥感影像的监测效果.     

基于Dualex植物多酚-叶绿素仪的冬小麦叶绿素含量高光谱估算

为探讨基于Dualex植物多酚-叶绿素仪和高光谱遥感技术反演小麦叶绿素含量的可行性,利用Dualex植物多酚-叶绿素仪,测定不同生育时期冬小麦叶片叶绿素含量(Chl),同时进行叶片光谱测定,以对Chl敏感的1个一阶导数波段、3个三边参数和3个植被指数作为自变量,利用偏最小二乘法(PLS)和支持向量回归(SVR)构建估测模型,并利用验证样本对各生育时期估测模型进行精度检验,同时与传统的单因素模型进行了比较。结果表明,冬小麦反射光谱曲线在不同生育时期有所不同,且随着叶绿素含量的增加,可见光波段的光谱反射率不断降低;在以一阶导数光谱敏感波段、三边参数以及植被指数构建的冬小麦Chl单因素估算模型中,基于各生育时期显著相关的植被指数构建的模型精度最优;以7个参数作为自变量,利用偏最小二乘法(PLS)和支持向量回归(SVR)构建的模型在各生育时期均表现出较好的拟合性及预测精度,尤其利用SVR建立的模型建模决定系数在0.8以上,预测决定系数在0.7以上,是进行冬小麦叶片Chl估测的最优模型。     

有机肥化肥配施的双季晚稻群体冠层光谱特征研究

以不同施肥模式为基础,分析了晚稻群体冠层光谱反射率、一阶微分光谱和归一化光谱特征,并对叶片氮含量、氮积累量、产量、叶面积指数和叶干物质积累进行了相关性分析,构建了以高光谱特征参数为自变量的水稻氮素营养诊断模型。结果表明,叶片氮素含量与665 nm处冠层光谱反射率呈极显著相关性(p0.001),与554 nm和672 nm处的一阶微分光谱也呈极显著相关性(p0.001);以λr构建的指数函数y=684.91e0.028x,决定系数(R2)为0.90、(SDr-SDb)/(SDr+SDb)构建的指数函数y=0.66e0.11x,决定系数(R2)为0.88,均能很好地诊断在有机肥和无机肥配施模式下的水稻氮素营养。     

基于高光谱遥感的小麦籽粒产量预测模型研究

为了确立能够准确预测小麦籽粒产量的敏感光谱参数和定量模型,于2003～2006年连续3个生长季,通过不同小麦品种和不同施氮水平的4个大田试验,在小麦不同生育期采集田间冠层高光谱数据并测定植株氮含量、重量和叶面积指数及成熟期籽粒产量,定量分析小麦籽粒产量与冠层高光谱参数的相互关系.结果显示,小麦籽粒产量随施氮水平的提高而增加,不同地力水平间存在显著差异.灌浆前期叶片氮积累量和叶面积氮指数均能够较好地反映成熟期籽粒产量状况,而叶片氮含量和氮积累量及叶面积氮指数在拔节～成熟期的累积值与成熟期籽粒产量的回归拟合效果更好.对叶片氮含量和氮积累量及叶面积氮指数的光谱反演,在不同品种、氮素水平和年度间可以使用统一的光谱参数.根据"特征光谱参数-叶片氮素营养-籽粒产量"这一技术路径,以叶片氮素营养为交接点将模型链接,建立了基于灌浆前期高光谱参数及拔节期～成熟期特征光谱指数累积值的小麦籽粒产量预测模型.经两年独立试验数据检验表明,利用灌浆前期关键特征光谱指数可以有效地评价小麦成熟期籽粒产量状况,拔节～成熟期特征光谱指数的累积值能够稳定预报不同条件下小麦成熟期籽粒产量的变化.因此,利用冠层特征光谱指数可以快速无损地预报小麦成熟期籽粒产量.     

多遥感光谱指标结合进行大田冬小麦叶片叶绿素含量估测研究

为解决大田冬小麦叶片叶绿素含量估测模型精度低、通用性弱的问题，在获取冬小麦拔节期和抽穗期冠层红光波段反射率(BR_red)和近红外波段反射率(BR_nir)的基础上，计算归一化差值植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、改进型比值植被指数(MSR)、重归一化植被指数(RDVI)、II型增强植被指数(EVI2)和非线性植被指数(NLI)等8个植被指数。经统计分析，选择与叶片叶绿素含量(SPAD值)相关性较好的5个遥感光谱指标(NDVI、MSR、NLI、BR_red和RVI)作为输入变量，建立了冬小麦叶片叶绿素含量的BP神经网络估测模型(WWLCC_BP),并对估测模型进行精度验证。结果表明，WWLCC_BP估测模型在拔节期估测的决定系数(r²)为0.84,均方根误差(RMSE)为5.39,平均相对误差(ARE)为9.87%。抽穗期的估测效果与拔节期较为一致。将WWLCC_BP和高分六号影像...     

冬小麦返青期主要生长指标的HJ-1A/1B遥感影像监测

为进一步深化作物长势遥感监测机理与方法,给大田管理及时提供信息与技术,结合2011-2013年定点观测试验,以HJ-1A/1B数据为遥感影像源,研究了返青期冬小麦主要生长指标、籽粒品质参数和产量间及其与遥感变量间的定量关系,分别构建及评价基于HJ-1A/1B影像遥感变量的返青期叶面积指数、生物量、SPAD值和叶片含氮量监测模型。结果表明,返青期,归一化植被指数（NDVI）、比值植被指数（RVI）、蓝光波段反射率（B₁）和RVI可分别作为监测冬小麦叶面积指数、生物量、SPAD和叶片含氮量的敏感遥感变量,所构建的遥感监测模型可靠且精度较高,模型的决定系数（R²）分别为0.62、0.56、0.46和0.58,均方根误差（RMSE）分别为0.42、452.3 kg·hm^-2、4.39和0.54%。同时,对冬小麦不同等级主要生长指标进行遥感监测并制图,量化表达了主要生长指标区域空间分布。     

基于无人机多光谱遥感的冬小麦冠层叶绿素含量估测研究

为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性,基于北京市大兴区中国水科院试验基地的2019年冬小麦无人机多光谱影像和田间实测冠层叶绿素含量数据,选取16种光谱植被指数,确定对冬小麦冠层叶绿素含量显著相关的植被指数,采用一元二次线性回归和逐步回归分析方法建立各生育时期及全生育期的SPAD值估测模型,通过精度检验确定对冬小麦冠层叶绿素含量监测的最优模型。结果表明,两种分析方法中逐步回归建模效果最佳。拔节期选取4个植被指数(MSR、CARI、NGBDI、TVI)建模效果最好,模型率定的决定系数(r~2)为0.73,模型验证的r~2、相对误差(RE)和均方根误差(RMSE)分别为0.63、2.83%、1.68;抽穗期选取3个植被指数(GNDVI、GOSAVI、CARI)建模效果最好,模型率定的r~2为0.81,模型验证的r~2、RE、RMSE分别为0.63、2.83%、1.68;灌浆期选取2个植被指数(MSR、NGBDI)建模效果最好,模型率定的r~2为0.67,模型验证的r~2、RE、RMSE分别为0.65、2.83%、1.88。因此,无人机多光谱影像结合逐步回归模型可以很好地监测冬小麦SPAD值动态变化。     

Prediction of grain protein content in winter wheat (Triticum aestivum L.) using plant pigment ratio (PPR)

The applicability of the hyperspectral data from the canopy to the prediction of wheat grain quality was assessed for winter wheat. A training experiment and a validation experiment with contrasting nitrogen (N) levels and different cultivars were conducted, respectively, at different locations in Beijing, China. The wheat canopy spectral reflectance over 350–2500 nm, leaf N concentration and chlorophyll (Chl) concentration were measured at different growth stages, and the grain protein content was also determined after harvest. Eight vegetation indices (VIs) were compared relating to leaf N concentration, and the result indicated that the plant pigment ratio (PPR, (R550−R450)/(R550+R450)), a Chl-based index, was most applicable to predict wheat grain protein due to its significant correlation with leaf N concentration at the post-anthesis stage. Based on the relationships among PPR, leaf Chl concentration, leaf N concentration, and grain protein content, the statistical prediction models of grain protein content for Zhongyou9507 (a hard winter wheat) and Jingdong8 (a semi-hard winter wheat) were developed. The root mean square error (RMSE) of the 18 DAA (days after anthesis) model of Zhongyou9507 was 0.175; those of the anthesis model and the 11 DAA model of Jingdong8 were 0.238 and 0.982, respectively. Taking both the precision and accuracy into account, the 18 DAA model of Zhongyou9507 and the anthesis model of Jingdong8 were recommended to predict grain protein content for each cultivar. The result demonstrated that PPR could be used to assess grain quality of winter wheat.     

基于高光谱遥感的小麦黄花叶病害等级监测研究

为了构建小麦黄花叶病的遥感监测技术,在小麦返青期、拔节前期和拔节后期测定了不同黄花叶病等级下的冠层反射率,并同步调查与病害等级相关的小麦株高、含水量、氮含量、色素含量等农学参数,筛选出适宜监测小麦黄花叶病的植被指数,并构建病害等级监测模型。结果表明,小麦黄花叶病的反射光谱敏感波段在返青期和拔节前期集中于560～720 nm范围,而拔节后期则集中于800～900 nm区域。随病害等级的增加,光谱反射率在可见光波段逐渐增加,而在近红外波段区域降低。植被指数与病害等级相关性在不同生育时期间存在显著差异,整体上以拔节前期最好,决定系数(r)为0.72～0.82,而拔节后期模型精度急剧下降(r=0.26～0.72)。在植被指数中,整体上以表征色素变化的mND705模型预测精度最好,r和RMSE分别为 0.59～0.68和0.79～0.98。采用偏最小二乘回归(PLSR)建立黄花叶病害分级模型,三个时期的模型精度均高于植被指数模型,且整体上以返青期和拔节期前期估算效果较好,模型验证r为0.93～0.97,RMSE为0.24～0.32。因此,利用PLSR模型可以准确评价返青至拔节期前期小麦黄花叶病害等级。     

小麦 玉米轮作区西农979不同器官氮素转运及对籽粒贡献率的影响

为了解华北地区小麦玉米轮作模式下小麦不同器官氮素吸收、分配及转运的差异,采用田间试验方法,以西农979为供试品种,于小麦的分蘖期、越冬期、返青期、拔节期、抽穗期、灌浆期和成熟期采集植株样品,对其叶、叶鞘、茎、穗轴、颖壳和籽粒的干物重及氮含量进行了测定和分析。结果表明,小麦成熟时,不同器官氮含量从大到小依次为：籽粒＞叶＞叶鞘＞颖壳＞茎＞穗轴,氮积累量从大到小依次为：籽粒>叶鞘>叶>茎>颖壳>穗轴,即氮在籽粒中分配和积累量最大,叶是最大的氮素“源器官”。在不同生育阶段,拔节至抽穗期的氮吸收量和吸收速率最大。在华北小麦玉米轮作区,籽粒氮收获指数达到68.48%,而叶对籽粒的氮转运贡献率达到54.52%;拔节至抽穗期氮素吸收比例占全生育期的48.07%,故而底施氮肥与拔节期追氮的比例控制在5∶5为好。     

追氮时期对冬小麦籽粒灌浆及淀粉特性的影响

为给小麦高产优质栽培中氮素的合理运筹提供依据,在大田高产栽培条件下,以大穗型小麦品种兰考矮早八为试验材料,研究了返青、拔节、抽德三个关键时期追氮对其籽粒灌浆特征和淀粉糊化特性的影响.结果表明,不同时期追氮处理小麦籽粒灌浆进程均呈"慢-快-慢"的"S"型变化曲线,Logistic方程决定系数均在0.99以上,达到极显著水平,拟合效果良好.籽粒干物重随灌浆进程的推进呈逐渐增加趋势,籽粒灌浆速率与粒重呈显著正相关,而灌浆持续时间与粒重形成无显著相关,表明提高籽粒灌浆速率对增加该品种粒重尤为重要.不同时期追氮对兰考矮早八籽粒灌浆及淀粉特性的效应不同,以抽穗期追氮籽粒干物质积累量和灌浆速率最大.随施氮时期的后移,籽粒直链淀粉含量下降,而支链淀粉、总淀粉含量及淀粉糊化特性则以拔节期追氮处理最高(优).     

基于无人机多时相遥感影像的冬小麦产量估算

为高效准确地预测小麦产量,以浙江省冬小麦为研究对象,利用四旋翼无人机精灵4多光谱相机获取冬小麦5个关键生育时期（拔节期、孕穗期、抽穗期、灌浆期、成熟期）的冠层多光谱数据,选取多光谱相机的五个特征波段计算各生育时期的72个植被指数,分别通过逐步多元线性回归（SMLR）、偏最小二乘回归（PLSR）、BP神经网络（BPNN）、支持向量机（SVM）、随机森林（RF）构建不同生育时期的产量估算模型,最后采用决定系数（R）、均方根误差（RMSE）和相对误差（RE）对估算模型进行评价,筛选出最优估算模型。结果表明,基于随机森林建立的模型估算效果最优,SMLR、PLSR和SVM三种方法建立的模型估算效果接近。利用随机森林算法所建拔节期、孕穗期、抽穗期、灌浆期、成熟期模型的R、RMSE和RE分别为0.92、0.35、11%;0.93、0.33、10%;0.94、0.32、9%;0.92、0.36、9%;0.77、0.67、33%。模型验证时,抽穗期估算效果最好（R、RMSE和RE分别为0.91、0.35和15%）,拔节期、孕穗期、灌浆期估算效果接近且有很好的估算能力,成熟期估算精度最差（R、RMSE和RE分别为0.71、0.47和13%）。由此说明,结合机器学习算法和无人机多光谱提取的植被指数可以提高小麦产量估算效果。