基于氮素叶绿素关系的冬小麦籽粒蛋白质含量高光谱反演

为进一步提高光谱数据反演小麦籽粒蛋白质含量的精度以及反演模型的可解释性,研究以籽粒蛋白质含量（GPC）-氮素-叶绿素之间的关系为载体,通过叶绿素筛选相关植被指数,采用偏最小二乘回归（PLS）方法建立GPC反演模型。结果表明,开花期是监测籽粒蛋白质含量的最优时期。开花期氮素与对应密度叶绿素的相关性较高。通过筛选出与叶绿素密切相关的植被指数,利用PLS建立籽粒蛋白质含量反演模型,模型决定系数R2为0.77,RMSE为0.95%,用其他年份数据进行模型验证,结果显示RMSE达到1.22%。本研究表明：基于氮素、叶绿素关系建立PLS反演模型能够实现不同年份GPC光谱遥感反演,且模型在年际间表现出较高的精度和稳定性。     

基于神经网络的冬小麦蛋白质含量关键生态影响因子分析

温度、降雨、光照和土壤等生态因子影响冬小麦籽粒蛋白质含量,确定这些因子是否有重要影响及影响程度对于小麦种植区划具有重要意义。该文利用北京地区具有代表性的小麦种植点的气象数据和土壤养分数据,通过神经网络方法来评估温度、降雨、光照和土壤等因子对蛋白质含量影响的相对重要程度。研究表明,影响北京地区蛋白质含量的主要因素依次有：6月6日至6月10日的光照时间、气温大于32℃的天数、土壤碱解氮含量、5月上旬至6月上旬的平均气温、5月26日至5月30日的平均气温、5月下旬至6月上旬≥0℃的积温、6月1日至6月5日的平均气温、5月下旬至6月上旬的温差、5月下旬至6月上旬的降雨量和土壤有机质含量;并针对部分关键因子利用神经网络模型制作了响应曲线以反映蛋白质含量随生态因子的变化趋势。     

优化施氮对宁夏引黄灌区稻田CO2、CH4和N2O通量的影响

针对宁夏引黄灌区稻田施氮严重过量现象,在宁夏引黄灌区的青铜峡稻田,采用静态箱-气相色谱法,通过田间试验研究常规施氮(N300)、优化施氮(N240)和不施氮(N0)对水稻不同生育期CO_2、CH_4和N_2O通量以及稻田增温潜势(GWP)的影响。结果表明:CO_2排放主要在水稻灌浆和成熟期,CH_4排放主要发生在水稻孕穗期,而N_2O排放关键期在水稻的分蘖和拔节期。与N0处理相比,施氮能显著增加稻田CO_2、CH_4和N_2O排放通量以及稻田GWP;常规施氮处理中CO_2、CH_4和N_2O的累积排放量分别为18 446.87、146.57 kg C·hm~(-2)和2.93 kg N·hm~(-2);为期一年的优化施氮没有显著增加水稻生育期内稻田CO_2排放,但使灌区稻田CH_4和N_2O排放分别显著降低了24.42%和36.28%。总的来看,为期一年的优化施氮使宁夏引黄灌区稻田GWP显著降低了26.70%。未来应结合土壤有机碳氮形态和含量变化以及土壤微生物技术,分析长期优化施氮对土壤温室气体通量的影响机制。     

遥感数据和作物模型集成方法与应用前景

为了促进遥感数据和作物模型集成这一新方法在农业领域中更广泛的应用,在分析遥感数据和作物模型农业应用中各自优缺点的基础上,阐明二者结合的必要性,并介绍了遥感数据和作物模型的3种集成方式.回顾了遥感数据和作物模型同化的研究进展,并重点分析了遥感数据和作物模型结合在农作物产量预测、品质遥感预报、精准施肥管理决策、精准灌溉决策等领域的应用潜力,最后指出了当前遥感数据和作物模型结合中存在遥感定量化、参数集和驱动数据的获取、最优化算法选择和改进、作物模型的完善和订正等问题,有望随着遥感数据源的丰富、定量遥感和作物模型的发展、以及同化理论的进一步完善得到解决.     

作物品质遥感监测预报研究进展

 当前中国对优质农作物有巨大需求,部分优质农作物产品供不应求或依赖进口。通过监测作物生长过程而进行调优栽培,优化作物分类收获、分级收购加工体制,提高作物品质监控水平是保证作物品质的重要组成部分。遥感技术的发展为作物品质信息的监测和预报提供了快捷、低廉、无损检测的手段。本文综述了面向多种作物的品质遥感监测预报研究最新进展,归纳了作物品质遥感监测的主要模式,分析了作物品质遥感技术中存在的问题并进行了展望。     

东北地区春玉米物候期时空动态变化特征

利用1981～2012年东北地区农业气象观测站的物候期观测记录,分析春玉米关键生育期及不同生育阶段的空间分布及变化趋势,为春玉米种植的适应策略提供支撑。研究结果表明,东北地区春玉米平均播种期、拔节期、开花期及成熟期日序的变化范围分别为112～139、170～193、196～213和249～270 d,物候期空间分布整体表现为纬度越高物候期越迟的趋势。播种期、拔节期、开花期及成熟期的倾向率分别在-0.53～0.8、-0.4～0.5、-0.7～0.65和-0.22～0.65 d/年。各生育期长度的空间分布差异不明显,营养生长期、并进期、生殖生长期及全生育期长度的范围分别为42～70、17～31、47～62、119～155 d。营养生长期倾向率大多在0～0.7 d/年,并进期倾向率大多在-0.88～0.48 d/年,生殖生长期倾向率大多在0～0.76 d/年,全生育期倾向率大多在0～0.5 d/年。     

基于决策树和面向对象的作物分布信息遥感提取

利用我国2012年4—11月覆盖主要农作物全生育期的23幅中分辨率HJ-1A/1B卫星时序影像,采用决策树和面向对象相结合的分类方法提取黑龙江省双河农场主要农作物分布信息,并与传统决策树分类方法进行对比。通过影像预处理构建时序HJ星影像集,先利用面向对象方法提取道路,为作物提取排除田间道路及附属地物干扰;再结合作物物候历分析不同地物光谱和时序特征,筛选出7个特征指数和14个敏感时相,建立决策树分类模型,提取出玉米和水稻。研究表明,多特征指数辅助作物分类十分有效,尤其是归一化水指数NDWI对水稻提取非常有效;较之传统决策树分类,决策树和面向对象相结合的分类方法能有效剔除田间道路及附属林带沟渠对作物分类的干扰,总体分类精度从89.22%提升至95.18%,该方法可为其他地区利用中分辨率遥感影像低成本高精度提取作物分布信息提供借鉴。     

基于Faster R-CNN的松材线虫病受害木识别与定位

松材线虫病是一种毁灭性松树传染病,其传播速度快、发病时间短、致病力强,及时发现、确定受害木的位置,并采取安全处理措施是目前控制松材线虫病蔓延的有效手段。本文通过小型无人机搭载可见光RGB数码相机获取超高空间分辨率影像,采用Faster R-CNN目标检测算法实现对染病变色松树的自动识别,与传统受害木识别方法不同,本文考虑了其他枯死树和红色阔叶树对受害木识别的影响。实验结果表明,根据受害木的冠幅大小修改区域生成网络中的锚框(anchor)尺寸,并考虑其他枯死树和红色阔叶树的影响,有利于提高受害木识别效果和检测精度。改进后受害木识别总体精度从75.64%提高到82.42%,提高了6.78个百分点,能够满足森林防护人员对受害木定位处理的需求。通过坐标转换的方式得到受害木的精确位置信息与空间分布情况,结合点位合并过程,最终正确定位出494棵受害木。本文通过无人机遥感结合目标检测算法能监测松材线虫病的发生和获取受害木的分布情况,可为松材线虫病的防控提供技术支持。     

基于磷指数模型的海河流域农田磷流失环境风险评价

农田面源磷流失是导致水体富营养化的主要原因,识别农田磷流失的关键源区、影响因子是农田面源污染防治的重要环节。该研究以海河流域为研究区,采用磷指数模型,选取土壤有效磷含量、磷肥施用量作为源因子,以土壤侵蚀模数、年径流深、农田和水体间归一化距离指数作为迁移因子,结合GIS技术评估海河流域农田磷流失风险,并利用结构方程模型研究农田磷流失风险指数与各影响因子间关系。结果表明:1)海河流域农田土壤有效磷、磷肥施用量、土壤侵蚀模数、年径流深及归一化距离指数处于中-低、中-高、极低、中-高和高级别风险等级的区域面积占比最高,分别占农田总面积的66.5%、61.1%、99.0%、54.2%和64.8%;2)影响农田磷流失的关键因子为迁移因子,其中关键的迁移因子为年径流深及归一化距离指数;3)源因子与迁移因子间呈极显著负相关(P0.01),土壤性质(包括土壤质地及有机碳含量等)与源因子呈极显著负相关(P0.01),与迁移因子呈极显著正相关(P0.01);4)海河流域农田磷流失关键源区位于黄河北岸的山东省和河北省东南部的平原农耕区、海河流域西北部的山区地带。该研究结果对流域尺度上农田磷流失研究的方法创新有所裨益,可为海河流域农田面源污染防治提供科学参考。     

基于深度学习的地面苹果识别与计数

在农业保险中,苹果园受灾理赔需要通过快速准确的落果计数进行定损,然而自然场景的复杂性、落果的分布状态、采集员的身高、拍照习惯等环境因素和人为因素影响了基于影像的落果识别与计数的准确性和可靠性。通过获取不同落果背景、光照度、落果分布密集度、拍摄高度和拍摄距离等条件下地面的苹果影像,采用基于深度学习的更快速的区域卷积神经网络(faster region convolutional neural networks,Faster-RCNN)模型进行地面苹果检测的方法,与传统方法Hough变换和分水岭算法进行对比。结果表明,Faster-RCNN模型的平均识别精度达到95.53%,明显优于传统的地面苹果提取方法;在弱光、落果分布密集、拍摄距离较远等不理想的条件下,识别精度也达到90%以上,有较好的稳定性。基于深度学习的地面苹果识别与计数方法,有望为提高农业果品保险定损的精度与效率提供重要的技术参考。