基于无人机多光谱遥感的棉花生长参数和产量估算

及时准确地监测棉花长势和产量是精准农业栽培管理的关键。无人机(UAV)平台能够快速获取高时空分辨率的遥感数据,在作物生长参数和产量估算方面显示出巨大的潜力。以山东省滨州市棉花为研究对象,利用安装在无人机上的多光谱相机获取遥感影像,分别提取各波段反射率,筛选出8种植被指数,采用多元线性回归(MLR)、随机森林(RF)、人工神经网络(BPNN)3种方法分别构建棉花的株高、叶绿素相对含量、单株产量的估计模型并进行验证。结果表明,基于BPNN的预测模型精度明显优于MLR和RF模型,盛花期与成熟期棉花株高估计模型验证集的R²分别为0.842和0.670;叶绿素相对含量估算模型验证集的R²分别为0.725和0.765;产量估算模型验证集的R²分别为0.860和0.846。为无人机遥感在作物生长参数与产量估算领域中的应用提供理论依据,为进一步优化农业生产管理、科学决策提供参考。     

无人机多光谱数据可靠性分析与冬小麦产量估算研究

无人机多光谱遥感用于冬小麦产量预测中捕获的数据准确性不高,为指导田块尺度下冬小麦产量的精准预测,需构建高精度的冬小麦产量估算模型。本研究利用校正后的近地面高光谱数据(Field-Spec 3型野外光谱仪获取)验证低空无人机多光谱遥感数据(大疆精灵4型多光谱相机获取),将通过无人机多光谱影像计算的植被指数与经验统计方法结合,采用一元回归和多元线性回归分别对抽穗期、开花期和灌浆期冬小麦进行基于单一植被指数和多植被指数组合的产量估算,其中多植被指数包括归一化差异植被指数(NDVI)、优化的土壤调节植被指数(OSAVI)、绿色归一化差值植被指数(GNDVI)、叶片叶绿素指数(LCI)和归一化差异红色边缘指数(NDRE)。结果表明,基于单一植被指数的冬小麦估产模型,一元二次回归模型精度最高,而基于5种植被指数的多元线性回归模型在3个生育时期的拟合效果均优于单植被指数模型。一元或多元回归模型在抽穗期的拟合效果最好。冬小麦基于GNDVI指数的一元二次回归估产模型建模集的决定系数(R²)、均方根误差(RMSE)分别为0.69、428.91 kg/hm²,验证...     

基于无人机多时相植被指数的冬小麦产量估测

通过无人机搭载多光谱相机,对不同水分亏缺条件下冬小麦多个生育期进行遥感监测,采用不同种类多光谱植被指数表征冬小麦的生长特征,分析了植被指数与冬小麦产量的相关关系,并利用多时相植被指数构建产量估测数据集,采用偏最小二乘回归、支持向量机回归和随机森林回归3种机器学习算法进行冬小麦产量估测。结果表明,随着冬小麦的生长,多个植被指数与产量的相关性不断增强,灌浆末期相关系数达到0.7,植被指数与产量的线性回归决定系数也达到最大。多时相植被指数反映了冬小麦生长的变化特征,进一步提高了冬小麦产量估测精度,采用开花期和灌浆初期的多时相植被指数进行估产比采用单个生育期的植被指数估测产量的精度高,采用偏最小二乘回归模型的估测精度R²提高约0.021,支持向量机回归模型R²提高约0.015,随机森林回归模型R²提高约0.051。采用灌浆末期的多时相植被指数,3种模型均有较高的估测精度,偏最小二乘回归模型估测精度最高时的R²、RMSE分别为0.459、1 822.746 kg/hm²,支持向量机回归模型估测精度最高时的R²、RMSE分别为0.540、1 676.520 kg/hm²,随机森林回归模型估测精度最高时的R²、RMSE分别为0.560、1 633.896 kg/hm²,本文数据集训练的随机森林回归模型估测精度最高,且稳定性更好。     

基于无人机多光谱遥感的大豆生长参数和产量估算

为适应现代农业发展对作物生长动态、连续、快速监测的要求，本文基于无人机多光谱遥感技术，以西北地区大豆作为研究对象，分别筛选出与大豆叶面积指数(Leaf area index, LAI)、地上部生物量和产量相关性较好的5个植被指数，采用支持向量机(Support vector machine, SVM)、随机森林(Random forest, RF)和反向神经网络(Back propagation neural network, BPNN)分别构建了大豆LAI、地上部生物量和产量的估计模型，并对模型进行了验证。结果表明，基于RF模型构建的大豆LAI和地上部生物量预测模型的精度显著高于SVM与BP模型，LAI估计模型验证集的R²为0.801,RMSE为0.675 m²/m²,MRE为18.684%;地上部生物量估算模型验证集的R²为0.745,RMSE为1 548.140 kg/hm²,MRE为18.770。而在产量的估算模型构建中，在大豆开花期(R4)基于RF模型构建的大豆产量预...     

基于无人机多光谱遥感的夏玉米叶面积指数估算方法

无人机多光谱遥感技术可以快速、无损地监测农作物叶面积指数（LAI）。为研究水分胁迫条件下，利用无人机多光谱植被指数估算夏玉米LAI的可行性，本研究基于无人机多光谱遥感系统，结合同时期实地采集的夏玉米LAI，选择5种植被指数，包括归一化差值植被指数（NDVI）、土壤调节植被指数（SAVI）、增强型植被指数（EVI）、绿度归一化植被指数（GNDVI）和抗大气指数（VARI），作为模型输入参数，使用随机森林回归算法建立全生育期不同灌溉条件下大田玉米冠层植被指数与LAI之间的关系模型，并与一元线性回归和多元线性回归算法建立的模型进行对比分析。结果表明，在充分灌溉条件下，植被指数的多元线性回归模型可以较好地估算LAI（R² = 0.83）；在水分胁迫条件下，植被指数的随机森林回归模型可以较好地估算LAI（R² = 0.74~0.87），水分胁迫因素对该模型影响较小，且NDVI和VARI对估算LAI的贡献最大。上述结果表明基于无人机多光谱遥感技术，使用随机森林回归算法估算多种灌溉条件下的夏玉米LAI是可行的。该研究为实现快速、准确地监测全生育期不同灌溉条件下的大田夏玉米LAI提供了技术和方法支持。     

基于多时相多参数融合的麦玉轮作小麦产量估算方法

为了进一步提高冬小麦产量预测的准确性,针对麦玉轮作体系缺乏直接把前茬作物信息纳入到当季作物的产量估算及管理中的研究状况,利用前茬玉米季中长势遥感信息及产量信息,融合小麦拔节期、灌浆期及成熟期长势遥感信息、播前施肥信息及土壤特性信息等多时相多模态数据,基于GPR算法,建立多时相多模态参数融合的麦玉轮作体系小麦产量估算模型,结果显示：基于多生育期的产量估算模型较单生育期最优产量估算模型性能有所提升,R²提高0.01～0.03。其中基于拔节期产量估算模型精度略低于多生育期产量估算模型,但精度相近。基于多模态参数融合的产量估算模型中,除玉米作物信息与土壤特性信息融合构建的产量估算模型,多模态参数融合的产量估算模型精度较相应低模态参数融合的产量估算模型精度高。四模态参数融合的GPR模型决定系数R²为0.92,RMSE为213.75 kg/hm²,较其他模型,R²提高0.02～0.41。对于小麦产量估算模型,各模态参数影响由大到小依次为施肥信息、小麦遥感信息、土壤特性信息、玉米作物信息。玉米作物信息对于多模态参...     

基于多时相植被指数的云南高原山地冬小麦识别与研究

粮食安全是最根本的民生问题，云、雾等自然因素是影响遥感种植监测的主要因素之一，因此获取精准、高效的耕地种植监测信息的对保障当地粮农安全、粮食估产及面积估算具有重要意义。在利用多时相植被指数（VI）合成模型的构建、农作物特征与耕地信息的可分离性两方面对高原山地农作物耕地面积提取的研究少。本研究基于哨兵2（Sentinel-2）数据，构建了多时相植被指数合成模型，估算了2020-2021年归一化植被指数（NDVI）、增强植被指数（EVI）和红绿叶绿素植被指数（RECI）三种植被指数的提取结果，研究了预测模型与高原山地农作物的相关性，探讨了不同植被指数模型对农作物识别精度。结果表明：①多时相NDVI模型相较EVI、RECI对冬小麦面积提取精度更高，与云南高原山地冬小麦相关性最强，用户精度约为93.28%；②利用三期NDVI组合与两期NDVI组合均可对冬小麦精准提取，但三期NDVI草型提取精度更高。因此，本研究利用多时相NDVI指数模型对冬小麦种植面积的精准预测，证明了该模型可有效适用于云南高原山地冬小麦，并为当地冬小麦面积的预测提供了数据支撑。     

减施氮肥和接种根瘤菌对大豆生理生长与氮素利用效率及产量的影响

在干旱、半干旱地区农业生产中,广泛采用接种根瘤菌、施用氮素等措施来促进大豆生长以提高产量,然而少有研究讨论接种根瘤菌与施用氮素的交互作用对大豆生长和产量的影响规律。本研究通过为期2年的田间试验,设置4个施氮水平(N0:0 kg/hm²;N1:60 kg/hm²;N2:120 kg/hm²;N3:180 kg/hm²)和2种接种水平,即接种根瘤菌(R)和清水拌种。在大豆各生育期测量根瘤数、根瘤干质量、叶面积指数、干物质积累及根系特性等大豆生长指标和叶绿素含量、光合参数、荧光参数等生理指标,同时还测定氮素吸收量等指标并计算氮素利用效率。结果表明,RN2处理下的大豆生长状况最佳,2年平均最大根瘤数为241.47、最大根瘤干质量为1.30 g、最大根长密度为15.00 cm/cm³、最大叶面积指数为5.44 cm²/cm²、最大干物质积累量为17 530.51 kg/hm²、最大叶绿素含量为53.55、最大净光合速率为3...     

旱作水稻水肥耦合模型及经济效应

为了探讨膜下滴灌旱作水稻水分、肥料与产量之间的关系,采用通用旋转组合设计试验方法,进行膜下滴灌旱作水稻水肥耦合模型试验,并对其应用前景进行了比较分析.在供试土壤膜下滴灌条件下,灌溉定额、氮、磷与水稻产量之间符合三元二次回归模型,其一次项、二次项及水氮交互项回归系数均达显著水平,三因素的增产作用从大到小依次为灌溉定额、施氮量、施磷量.采用此模型计算的预测产量与实际产量之间呈高度正相关,预测准确度达99%.由此计算得出最高产量灌溉定额及其施肥量、经济最佳灌溉定额及其施肥量.提出实现目标产量的水肥最优组合方案:若以9 300~9 600 kg/hm²为目标产量,则灌溉定额、氮、磷用量分别为9 730~10 500 m³/hm²,272~363 kg/hm²,136~147 kg/hm²;若同时考虑经济效益,则最佳的灌溉定额、氮、磷肥用量分别为8 500~9 015 m³/hm²,225~240 kg/hm²,90~120 kg/hm².对比不同种植模式表明,膜下滴灌旱作水稻的产量与播后上水直播基本持平,其成本与育秧移栽种植持平,但水分生产效率(1.06 kg/m³)远远高于其他3种种植方式.与传统育秧移栽种植相比较,膜下滴灌旱作水稻节水50%,节约肥料30%以上.     

基于HJ-1卫星影像的三大农作物估产最佳时相选择

对于农作物遥感估产，精确选择最佳估产时相是关键环节。该文利用中国自行研发的HJ-1卫星CCD影像对黑龙江八五二农场3大作物（水稻、玉米、大豆）进行遥感估产的最佳时相选择，通过构建小波变换滤波方法和移动平均法的时序NDVI曲线数据，并依据平滑后的时序NDVI曲线分别确定3大作物的遥感估产最佳时相。研究结果表明，从平滑后的时序NDVI曲线中识别出来的3大作物的关键生长期与当地作物的物候期相对比，水稻生长期拟合误差为-0.003356508，玉米生长期拟合误差为-0.001687117，大豆生长期拟合误差为-0     

遥感技术在种植收入保险中的应用场景及研究进展

种植收入保险已成为中国农业保险的一种重要形式,2022年将在13个粮食主产省的所有主产县开展.本文首先回顾了遥感技术在农业保险中的总体应用历程,其次,通过阐述现有种植收入保险的业务模式,展现了目前遥感技术在该模式下的应用场景,并对各种应用场景下的关键技术的应用研究进展进行了评述,包括耕地地块提取、作物分类提取、作物灾情...     

种植密度对制种玉米根冠生长及耗水量的影响

为探究密度调控下制种玉米的生长和耗水状况,于2012和2013年3-9月进行了种植密度试验研究.2012年共设置5种种植密度,分别为6.75,8.25,9.75,11.25和12.75万株/hm²,因2012年产量随种植密度的增加逐渐增加,确定最优种植密度的说服力不足,故2013年增加14.25万株/hm²的种植密度.试验对不同种植密度下制种玉米的根冠形态指标、生物量形成及耗水量进行观测,结果表明:制种玉米株高受种植密度影响较小.单株叶面积与种植密度呈负相关关系;随着种植密度的增加,制种玉米的群体生物量、深层土壤(71~100 cm)的根干质量和耗水量增加;而单株生物量、单株根长、根表面积及底部透光率降低;水分利用率和产量随着种植密度的增加先增大后减小.综合考虑农业成本和耗水情况后,建议当地制种玉米在11.25万株/hm²的密度下种植.     

大豆振兴背景下吉林省大豆供给反应研究——基于Nerlove模型的实证分析

大豆振兴背景下,大豆成为吉林省农业结构调整的关键作物。本文利用1985—2019年吉林省大豆相关数据,通过建立Nerlove模型对大豆供给反应进行分析,得出吉林省大豆短期供给价格弹性为0.23,而长期供给价格弹性为0.39,表明大豆供给对价格反应较为迟缓,缺乏弹性。测得预期价格调整系数为0.72,调整时滞为1.39,表明大豆种植户在调整种植面积行为上的滞后期约为1年。通过对吉林省大豆供给反应影响因素分析发现滞后一期的大豆播种面积、大豆市场价格、大豆与玉米单位面积收益比和大豆相关政策都对当期大豆播种面积有显著影响。基于此本文剖析了各影响因素的作用机理,提出深化农业供给侧结构性改革、完善米豆轮作制度和大豆生产者补贴政策,稳定价格、改善大豆与玉米的比价关系,提高大豆种植收益等建议,以鼓励吉林省农户大豆种植积极性,保障大豆良性供给。     

灌水量、种植密度和行距对河西地区春玉米产量的影响

为确定河西地区膜下滴灌春玉米适宜的灌水量和配套栽培技术,2020年在中国农业大学石羊河流域农业与生态节水试验站开展大田试验,设置2个灌水量(W₁,W₂)、2个种植密度(D₁,D₂)和3种行距(L₁,L₂,L₃),共12个处理,3次重复.通过测定株高、叶面积指数(LAI)、干物质累积及分配等指标,研究灌水量、种植密度与行距对春玉米生长、产量和水肥利用效率的影响.结果表明,在相同灌水量下,处理D₂的株高和LAI显著高于D₁,增加种植密度提高了玉米群体干物质积累量、产量及水分利用效率(WUE).处理W₂D₂L₃的干物质累积量和产量最高,分别为96.45和17.72 t/hm²;处理W₁D₂L₃的水分利用效率最大,为3.57 kg/m³.灌水量与种植密度两者交互作用对产量及其构成因素的影响具有统计学意义(P<0.05);灌水量、种植密度与和行距三者交互作用对收获指数的影响具有统计学意义(P<0.05),对作物耗水量(ET)和WUE的影响具有统计学意义(P<0.01).灌水量、种植密度与行距均对河西地区春玉米群体结构、耗水量、产量及水分利用效率存在一定的调控效应:由大到小为种植密度、行距和灌水量.综合分析,“80%ET_c+10.0万株/hm²+宽窄行”为河西地区膜下滴灌春玉米适宜的灌水和种植模式.     

基于地面观测和Sentinel-2数据的玉米实际蒸散发估算

基于遥感技术估算作物蒸散发(Evapotranspiration,ET)对农业用水效率评价和精量灌溉决策具有重要意义。结合Sentinel-2数据和农田连续地面观测资料,利用混合双源蒸散发模型(Hybrid dual-source scheme and trapezoid framework-based evapotranspiration model,HTEM)对宁夏回族自治区中卫市2019年两个试验田玉米主要生育期(5—8月)的蒸散发量进行估算,并用水量平衡法对遥感估算结果进行验证和评价。结果表明:Sentinel-2数据具有高时空分辨率,能够与研究区复杂的种植地块相匹配,减少了混合像元的数量;遥感反演参数与地面观测数据拟合度较高,研究区2019年遥感反演的玉米田净辐射量均方根误差为36.256 W/m²。利用HTEM模型估算可得,主要生育期内研究区两个玉米试验田的日均实际蒸散发量分别为4.269 mm/d和4.339 mm/d,实际蒸散发总量分别为525.114 mm和533.690 mm,其中植被蒸腾量分别为363.483 mm和358.196 mm,生育初期主要以土壤蒸发形式消耗水分,随着作物的生长,在生育中后期主要以植被蒸腾的形式消耗水分。ET遥感反演结果与水量平衡结果之间差别不显著,两个观测点绝对误差分别为13.533 mm和7.774 mm。因此,结合地面连续观测系统和Sentinel-2数据估算研究区玉米生育阶段蒸散发量具有较高的精度,可为作物耗水规律研究及区域农业水管理提供技术支撑。     

基于Sentinel-1/2数据特征优选的冬小麦种植区识别方法研究

为了提高冬小麦种植区识别精度,本文基于谷歌地球引擎(Google Earth Engine, GEE)平台和随机森林算法,对比雷达和光学遥感数据对冬小麦提取效果的差异,并对多类特征变量进行重要性分析,研究特征优选对冬小麦识别精度的影响。选取2019年3—5月冬小麦关键生育期的Sentinel-1和Sentinel-2影像为数据源,构建Sentinel-1的极化特征和纹理特征以及Sentinel-2的光谱特征、植被指数特征、植被指数变化率特征共5类特征变量;设置不同数据源和不同特征组合的冬小麦种植区提取方案;对方案中特征变量进行优选,得出最优特征组合,利用最优特征组合对河南省驻马店市冬小麦种植区进行提取。结果表明,无论是否进行特征优选,基于多源遥感数据的冬小麦识别精度均优于仅采用光学或雷达数据的精度;经过特征优选后,各方案的分类精度均有不同程度的提升,说明多源数据特征变量组合和特征优选均能够提高分类精度。不同月份和类型的特征变量对分类精度的贡献率不同,贡献率由大到小为4月、3月和5月;贡献率由大到小的特征类型为极化特征、植被指数变化率特征、植被指数特征、光谱特征和纹理特征。基于多源数据特...     

滦河下游灌区生态作物优化布局与地下水调控

选择我国沿海灌区-滦河下游灌区,构建地下水模拟模型(GBM)和水资源优化配置模型(OPM),通过模型验证、模型耦合与优化控制计算,得出地下水的储蓄动态变量,合理调控地下水,得出土地优化利用和生态作物优化布局方案。结果显示,从2016年到2030年,地下水净储量恢复10万m³/a,地下水储量恢复79.2%。预测到2030年基本恢复地下水下降漏斗。滦河下游灌区生态作物优化布局结果显示,到2030年可获得作物种植效益33.326 1亿元。与传统种植模式对比,生态作物种植总收益提高一倍以上。生态环境与社会经济效益十分显著。研究方法与成果可供制定农业水管理战略参考。     

基于NDVI-NSSI空间与HSV变换的成熟期农作物遥感识别

成熟期农作物的识别在农作物种植面积估算、农业生产及产量统计方面具有重要作用。为提供一种简便的成熟期农作物遥感识别方法，利用Sentinel-2A数据，以安徽省滁州市凤阳县为研究区，通过归一化植被指数(Normalized difference vegetation index, NDVI)与归一化光谱分离指数(Normalized spectral separation index, NSSI)构成的空间，提取光合植被、非光合植被、裸土的纯端元，由像元三分模型，得到非光合植被覆盖度及成熟期农作物的空间分布。为进一步提取研究区内具有相同成熟期的冬小麦与油菜，利用油菜开花期Sentinel-2A数据，由Hue saturation value(HSV)图像变换方法，分别提取出成熟期冬小麦与油菜。与地面观测数据和辅助数据相比，提取的成熟区冬小麦、油菜的总体精度为95.34%,Kappa系数为0.904,高于支持向量机方法(总体精度91.66%,Kappa系数为0.813)与决策树方法(总体精度92.39%,Kappa系数为0.838)的提取精度。结果表明，NDVI-NSSI空间与HSV变换相...     

基于SE-UNet的冬小麦种植区域提取方法

传统的小麦面积提取方法主要依靠人工野外调查,存在工作量大、效率低、成本高等问题,而遥感技术具有准确、快速和动态等优点,已成为作物面积提取的有效手段。本文以石家庄市正定县各镇的Landsat-8卫星遥感影像为训练数据,藁城区增村镇影像为测试数据,并分别选取分辨率8m的高分六号（GF-6）以及分辨率10m的哨兵二号（Sentinel-2）作为对比验证数据,提出了一种改进U-Net网络的冬小麦种植区域提取方法。首先,对Landsat-8遥感影像进行预处理,标注小麦区域制作标签集,其次,在U-Net网络中添加Squeeze and excitation(SE)注意力机制模块融入特征通道间信息,并利用Batch normalization(BN)层抑制过拟合问题;最后,经过Softmax分类器得到分类结果。选择SegNet、Deeplabv3+、U-Net作为对比模型,分别利用GF-6、Sentinel-2和Landsat-8 3种数据构建预测模型。结果表明,SE-UNet网络在基于Landsat-8数据预测模型下测试数据集表现最优,MPA和MIoU分别达到89.88%和81.44%。本方法可为大范围冬小麦种植区提取提供参考。     

基于无人机数码影像的大豆育种材料叶面积指数估测

利用低成本的无人机(Unmanned aerial vehicle,UAV)高清数码影像获取系统,于2016年7—9月在山东省济宁市嘉祥县圣丰大豆育种基地,获取大豆育种材料试验区的R1-R2、R3、R5-R6共3个关键生育期的高清数码影像,首先利用高清数码影像中的黑白定标布,对数码影像的DN(Digital number,DN)值进行归一化标定,并构建标定的18个数码影像变量,然后基于900个育种小区的叶面积指数实测数据构建大豆育种材料叶面积指数的一元线性回归、逐步回归、全子集回归、偏最小二乘回归、支持向量机回归和随机森林回归模型,最后基于模型建立和验证的决定系数(R~2)、均方根误差(RMSE)和归一化的均方根误差(nRMSE)3个指标,筛选估测叶面积指数的最佳模型。研究表明,全子集回归模型中采用4个数码影像变量B、RGBVI、GLA和B/(R+G+B)的多元线性回归模型对大豆育种材料叶面积指数的解析精度最优,模型建立的R~2、RMSE和nRMSE分别为0.69、0.99和17.90%,验证模型的R~2、RMSE和nRMSE分别为0.68、1.00和18.10%。结果表明,以无人机为遥感平台,搭载低成本的高清数码相机,利用高清数码影像进行大豆育种材料LAI估测是可行的,可以快速、有效、无损地获取大豆育种材料的长势信息,为筛选高产大豆品种提供一种低成本的可行方法。