基于高光谱特征参数的冬小麦氮营养指数估算

为了实现快速高精度获取冬小麦氮营养指数的高光谱监测技术，利用美国SVC HR-1024I型野外光谱辐射仪对2017-2019年关中地区的冬小麦进行遥感监测，获取“三边”参数、任意两波段光谱指数和植被指数，通过相关性分析和逐步回归分析方法筛选冬小麦氮营养指数的敏感光谱参数，结合偏最小二乘回归(PLSR)、随机森林算法(RFR)、支持向量机回归(SVR)和梯度增强回归(GBDT)建立冬小麦氮营养指数模型，并对模型估算精度进行验证。结果表明，从拔节期到灌浆期，各时期的氮营养指数与任意两波段光谱指数均呈极显著相关，其中拔节期氮营养指数与任意两波段光谱指数相关性均高于其他时期，且基于一阶导数光谱的归一化光谱指数和比值光谱指数与氮营养指数的相关系数最大，为0.66。拔节期基于梯度增强回归的冬小麦氮营养指数预测模型的决定系数(r²)和均方根误差(RMSE)分别为0.96和0.05,模型验证的r²、RMSE和相对预测偏差(RPD)分别为0.95、0.12和2.12,模型预测精度最高。因此，拔节期基于梯度增强回归的冬小麦氮营养指数估算模型可用于冬小麦氮营养监测...     

三种氮素营养快速诊断方法在油菜上的适宜性分析

通过大田试验研究了SPAD仪法、硝酸盐反射仪法和光谱仪法在油菜氮素营养快速诊断上的适宜性。试验设施氮0、60、120、180、240、300和400kg/hm2处理,在八叶期、十叶期和蕾薹期对各处理SPAD值、冠层归一化植被指数（NDVI值）和硝酸盐含量进行检测,并测定各时期油菜生物量和收获期籽粒产量。对不同施氮量下的油菜产量进行显著性检验及方程拟合,并对三种诊断方法各测定指标与氮肥用量、籽粒产量进行相关分析。结果表明,油菜施氮量与籽粒产量具有较好的相关关系,满足氮素营养快速诊断要求。三种诊断方法中,硝酸盐反射仪法能在一定程度上反映油菜氮素营养状况,但受油菜生理特性（苗期生物量小、蕾薹期氮素奢侈性吸收等）影响,诊断结果的可信度和稳定性不高。光谱仪法比较适宜于油菜蕾薹期氮素营养诊断,但存在追肥时期过晚、操作不方便等缺点。综合分析认为,SPAD仪法诊断结果稳定,并且具有快速、简便、低耗等优点,适合于油菜氮素营养快速诊断。     

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.     

关中冬小麦叶片氮素含量高光谱遥感监测模型

为给黄土高原大范围的冬小麦氮素营养遥感监测提供理论依据,通过田间试验,研究了冬小麦叶片氮素含量遥感监测的最佳生育时期、最敏感波段及其他最优光谱参量。结果表明,灌浆期是利用高光谱遥感监测冬小麦叶片氮素营养状况的最佳生育时期;在拔节、抽穗和灌浆期680nm波段光谱反射率R680均能较好地反映冬小麦叶片氮素含量,基于光谱位置以及叶面积指数的光谱参量也能较好地反映冬小麦叶片氮素含量。拔节期、抽穗期和灌浆期分别以680nm波段光谱反射率R680、绿峰反射率Rg和植被指数(SDr-SDb)/(SDr+SDb)对小麦叶片氮素含量的拟合效果最佳,其回归方程分别为Y=27.54-280.247 X+1456.245 X2、Y=8.632 X-0.24和Y=25.83 X1.012。     

基于可见光光谱扫描的春玉米氮素营养诊断

采用可见光光谱扫描研究田间条件下春玉米冠层图像色彩参数和氮素营养指标之间的相关性以及简便、快捷、非接触性的作物氮素营养诊断方法。结果表明,春玉米冠层图像色彩参数与氮素营养指标间的相关性依次为6叶期>9叶期>3叶期。在6叶期,春玉米冠层图像色彩参数B、R/G、G/B、G/L、B/L、G/(R+G+B)均与氮素营养指标存在显著或极显著的线性相关关系,其中,G/(R+G+B)与氮素营养指标间的线性正相关性最高。运用可见光光谱扫描的数字图像进行东北地区春玉米氮素营养诊断是可行的,6叶期可作为春玉米氮素营养诊断的关键时期,G/(R+G+B)是春玉米氮素营养诊断的最佳冠层图像色彩参数。     

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。     

基于无人机多光谱遥感的冬小麦叶片含水量反演

为了快速监测小麦叶片水分含量,以敏感波段组和植被指数组2种变量分别作为输入变量,以地面同步观测的冬小麦叶片含水量作为输出变量,分别采用偏最小二乘(partial least squares,PLS)、极限学习机(extreme learning machine,ELM)和粒子群算法(particle swarm optimization,PSO)优化极限学习机,建立冬小麦叶片含水量预测模型,并对其反演效果进行比较。结果表明,光谱反射率和植被指数与叶片含水量之间存在较为密切的相关性,依此确定的敏感光谱波段为红光、蓝光和近红外波段,敏感植被指数为绿度指数、过红指数、归一化绿红差值指数、三角形植被指数和过绿指数。从2种变量的建模效果看,基于植被指数组构建的模型的精度和稳定性均优于敏感波段组,其中基于植被指数组的PSO-ELM模型在6个叶片水分含量反演模型中表现最佳,其R²和RMSE分别为0.98和0.26%。利用最优模型反演得到研究区冬小麦叶片含水量的分布范围为45%~75%,平均为64.57%,反演结果与地面实测较相符,说明基于无人机光谱数据通过建立以植被指数为变量的PSO-ELM模型可实现对冬小麦叶片水分含量的精准预测。     

新型植被指数及其在水稻叶面积指数估算上的应用

叶面积指数LAI不仅是陆表植被系统的一个重要属性,而且是全球水平衡、碳循环等模型中的重要输入参数。首先通过使用水稻小区试验冠层光谱数据模拟Landsat 5卫星蓝、绿、红光波段;其次分析了各个波段对LAI的敏感性;然后分析了由这个3个波段的所有组合分别代替常规NDVI中的红光波段构成的VNDVI对LAI变化的反应和对LAI的估算能力;最后使用不同条件下的水稻数据进行验证。结果表明,在不同的LAI范围,红绿蓝光3个波段对LAI有不同的敏感性。当LAI<3时,红蓝光波段敏感性较高。虽然这时绿光波段的敏感性不如红蓝光波段,然而绿光波段在更大的范围对LAI都有相当的敏感性。当采用红绿蓝光波段的各种组合构成植被指数时,如果要使这些植被指数不出现饱和现象,并使对LAI的敏感性有意义,其前提是要求这个波段或是波段组合的值要大于0.024,即VNDI(visible NDVI)公式中的VIS>0024,否则将可能产生饱和现象,而使LAI估算准确度降低。综合比较所有由红绿蓝光波段各种组合构成的植被指数对LAI的估算能力,认为GNDVI和GBNDVI与LAI有比较好的关系。使用其他条件下的水稻数据对各种NDVI的LAI估算能力进行了验证,仍然得到了同样的结论。可见,GNDVI和GBNDVI在估算LAI时确实比传统NDVI具有更好的效果。     

不同氮肥水平下大豆叶片光谱反射率与叶绿素含量的相关性研究

用Unispec光谱分析仪和SPAD-502叶绿素仪测定不同生育时期不同氮肥水平大豆叶片光谱反射率及叶绿素含量,并分析了光谱植被指数与叶绿素含量的相关性。结果表明:不施氮肥处理光谱反射率高于施氮处理,随着施氮量的增加,大豆叶片光谱反射率下降,并初步断定结荚期是大豆氮素光谱营养诊断的敏感时期;随着氮肥水平的提高叶绿素含量增加;整个生育时期,除鼓粒期不施氮处理外其它处理的植被指数mND705与叶绿素含量均呈极显著正相关;在花期和结荚期,各处理的mSR705与叶绿素含量呈极显著正相关,PSSRc与叶绿素含量呈极显著负相关。     

基于新型植被指数的冬小麦覆盖度遥感估算

为提高冬小麦覆盖度估测精度,从增强近红外与红光差别的数学变换原理出发,构建了一种新型植被指数(NDVIn),再基于2013、2014年冬小麦冠层高光谱和模拟的资源三号卫星宽波段多光谱数据,分别构建基于常规植被指数(NDVI)与NDVIn的冬小麦覆盖度估算模型,然后利用留一交叉验证法对模型精度进行评价。结果表明,当n=6时,新生成的植被指数NDVI6对冬小麦农田覆盖度具有最好的估算性能,利用其基于小麦冠层高光谱及卫星多光谱数据建立的冬小麦覆盖度估算模型的决定系数r2分别为0.84、0.85,RMSE分别为0.092、0.091,模型精度均好于常规指数NDVI的估算结果。说明NDVI6用于估测冬小麦覆盖度具有可行性。     

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。     

花生种子大小和形状对出苗和幼苗建成的影响

以不同花生品种的饱满种子为试验材料,采用盆栽方法,在幼苗3叶期和6叶期不同幼苗生长阶段研究种子大小(重量)、形状(长、宽、长/宽比)等特性与出苗速率及幼苗生长的关系。结果表明,花生种子大小、形状影响萌发出苗和幼苗生长。①花生种子质量愈大且种形愈长,其出苗后残留于子叶中的物质能量愈多,幼苗地上部鲜重较小;种子质量较小时,其长、宽、厚等性状与幼苗生长无明显相关关系,但种子质量和长/宽比显著影响地上部干物质的积累;适中质量的种子其长、宽、质量和长/宽比均明显促进地上部和根系的生长发育,且其种子长度和质量与残留物间呈显著相关关系。②中等质量的种子对根系生长的影响很小,且适中的长/宽比明显促进种子萌发时物质的运转和幼苗的生长。③较长粒型花生种子其长度与子叶残留物呈极显著正相关,宽度与子叶残留物呈显著负相关,且与地上部生长无显著相关关系;中等长度和较短粒型的种子的质量明显利于幼苗地上部的生长。     

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。     

甘蓝型油菜种质氮素营养效率的鉴定及评价指标筛选

为建立甘蓝型油菜种质氮素营养效率的鉴定及评价方法,筛选合理的次级评价指标和氮素营养高效基因型,在田间小区试验条件下设置低氮(45 kg/hm2)、中氮(180 kg/hm2)和高氮(270 kg/hm2) 3个施氮水平,测定了416份不同生态类型甘蓝型油菜种质植株性状及氮素吸收效率(NAE)、氮素利用效率(NUE)和氮收获指数(NHI)。各性状在不同氮素水平下对氮的敏感性不同,低氮下第一次有效分枝数的变异程度表现为最大,单株籽粒重次之;中氮和高氮处理水平下单株籽粒重的变异程度均表现为最大,低氮胁迫加大了种质间的差异。油菜种质氮素营养效率基因型间差异明显,表现中效类型的种质最多,高效和低效的较少。油菜种质间成熟期NAE的鉴定与评价应选择在低氮处理下,以单株籽粒重、单株地上干重和株高为间接指标进行选择效果明显;油菜种质间成熟期NUE的鉴定与评价应选择在高氮处理下,以单株地上干重、第一次有效分枝数、单株籽粒重和每角粒数为间接指标进行选择效果明显;油菜种质间成熟期NHI的鉴定与评价应选择在低氮处理下,以单株籽粒重、单株地上干重和茎基粗为间接指标进行选择效果明显。     

前期控氮对夏玉米产量、物质生产及氮素利用的影响

试验以郑单958为材料,在79500株/hm2密度下研究了前期控氮对玉米产量、物质生产及氮素利用的影响。结果表明,在大喇叭口期施氮120kg/hm2的条件下,前期按30～60kg/hm2进行适度控氮,产量可达到10108.5～10170.0kg/hm2,氮肥利用率为32.78%～33.35%。前期适当控氮保证玉米苗期对氮素的需求,达到蹲苗的效果,控上促下,培育壮苗,提高根系的吸收和合成能力。前期适度控氮还可保持植株后期较强的光合生产能力,增强根系吸氮能力,保证子粒有充足的碳氮来源,并促进干物质及氮素向子粒的运转,实现玉米产量与氮素利用的协同提高。     

基于数字图像特征的冬小麦渍害监测研究

为探索渍害胁迫下冬小麦灾损程度的可视化监测方法,通过田间试验,分析了麦田16个常用图像特征指数在不同受渍时间下的变化特征及其与冬小麦SPAD值、产量和千粒重的相关关系,并建立了基于图像特征指数衰减量的冬小麦渍害估算模型。结果表明,随渍水时间的增加,红光(R)、红光标准化值(NRI)、超红指数(EXR)、植被颜色指数(CIVE)极显著上升,而绿光标准化值(NGI)、归一化绿红差值指数(NGRDI)、绿-红差值指数(GMR)、超绿指数(EXG)、绿红比值指数(GRVI)则极显著下降;且这9个图像特征指数均与冬小麦SPAD值、产量和千粒重呈极显著相关,相关系数的最大绝对值分别为0.92、0.85和0.91;基于图像指数衰减量所建的SPAD值、产量和千粒重减少量的估算模型均以二次多项式最优,且以CIVE指数衰减量构建的SPAD值、产量和千粒重减少量估算模型的预测精度最高,验证集决定系数分别达到0.98、0.95、0.96。因此,数字图像技术可用于冬小麦渍害监测,且以基于CIVE指数的监测效果最佳。     

基于无人机可见光影像与生理指标的小麦估产模型研究

为及时、准确地掌握小麦产量动态信息,基于无人机遥感平台,分别分析了小麦4项生理指标［地面实测叶面积指数、叶片含氮量、叶片含水量及叶片叶绿素相对含量（SPAD值）］及10项植被指数与产量的相关性,以筛选出与产量最为敏感的生理指标与植被指数,并比较了3种建模方法（一元回归UR、多元逐步回归SMLR和主成分回归PCAR）在小麦各生育时期估产的适用性,进而得到小麦最优估产模型。结果表明：（1）不同生育时期两类变量与产量的相关性变化特征一致,均表现为抽穗期>灌浆期>成熟期;不同生理指标、植被指数与产量的相关性在各生育时期均存在差异,生理指标表现为叶片含氮量>LAI>SPAD>叶片含水量;而植被指数在各时期表现不同;（2）以生理指标与植被指数为自变量,采用SMLR模型构建的抽穗期估产模型拟合精度最高,R、RMSE和nRMSE分别为0.828、362.53 kg·hm^-2和12.35%;（3）小麦估产模型在各生育时期的预测精度表现为抽穗期>灌浆期>成熟期。     

Estimating N status of winter wheat using a handheld spectrometer in the North China Plain

Excessive nitrogen (N) fertilizer application is very common in the North China Plain. Diagnosis of in-season N status in crops is critical for precision N management in this area. Remote sensing, as a timely and nondestructive tool, could be an alternative to traditional plant testing for diagnosing crop N status. The objectives of this study were to determine which vegetation indices could be used to estimate N status in winter wheat (Triticum aestivum L.) under high N input conditions, develop models to predict winter wheat N uptake using spectral vegetation indices and validate the models with data from farmers’ fields. An N rate experiment and a variety-N experiment were conducted in Huimin, Shandong Province from 2005/2006 to 2006/2007 to develop the models. Positive linear relationships between simple ratio vegetation indices (red vegetation index, RVI and green vegetation index, GVI) and N uptake were observed independent of growth stages and varieties (R², 0.48–0.74). In contrast, the relationships between normalized difference vegetation indices (NDVI and GNDVI), red and green normalized difference vegetation index (RGNDI), and red and green ratio vegetation index (RGVI) were exponentially related to N uptake (R², 0.43–0.79). Subsequently, 69 farmers’ fields in four different villages were selected as datasets to validate the developed models. The results indicated that the prediction using RVI had the highest coefficient of determination (R², 0.60), the lowest root mean square error (RMSE, 39.7 kg N ha⁻¹) and relative error (RE, 30.5%) across different years, varieties and growth stages. We conclude that RVI can be used to estimate nitrogen status for winter wheat in over-fertilized farmers’ fields before heading.