棉花功能叶片色素含量与高光谱参数的相关性研究

叶片色素状况是评价植株光合能力、监测生长状况和预测产量潜力的重要指标,高光谱遥感技术为快速无损监测作物叶片色素提供了有效手段.本研究以4个棉花品种在3个施氮水平下的2年田间试验为基础,通过测定棉花(Gossypium hirsutum)功能叶片的高光谱反射率及对应的色素(叶绿素a、叶绿素b、叶绿素a b、类胡萝卜素)含量,定量分析了叶片高光谱参数与色素含量之间的相关关系.结果表明,与棉花功能叶片各色素指标相关性比较好的高光谱波段主要分布在500～700 nm;由敏感波段构建的光谱指数与各色素指标的相关性均在0.50以上;且红边最小值(Lo)可以作为共同的高光谱指数来估测不同棉花品种不同氮素水平下功能叶片的叶绿素总量(组合品种的R2为0.67).因此,通过高光谱参数来估算棉花功能叶片色素含量是可行的.     

基于地基LiDAR高度指标的小麦生物量监测研究

为探讨Li DAR监测作物生物量的可行性和方法,以小麦为研究对象,通过田间试验获取关键生育期的小麦Li DAR点云高度指标和地上部生物量,基于幂函数回归与支持向量回归、利用十折交叉验证法分别进行特征选择和模型构建,选取各算法最优的全生育期小麦地上部生物量监测模型,并在测试集上对模型的预测能力进行检验与比较。结果表明:利用H95和生育期特征所构建的全生育期支持向量回归模型精度最高,训练集上决定系数R2达到0. 814,测试集结果(R2=0. 821,RMSE为1. 730 t/hm2,RRMSE为32. 77%)表明,模型具有较好的准确性;利用Hmean所构建的全生育期幂函数回归模型决定系数R2达到0. 809,测试集结果(R2=0. 815,RMSE为1. 760 t/hm2,RRMSE为33. 33%)也表明模型具有较好的准确性;高度指标估测小麦生物量具有先天局限性,所构建模型较适宜于监测小麦地上部生物量小于10 t/hm2的情况,在超过10 t/hm2的样本集上,95%的模型预测值被低估,RMSE呈指数增长;生育期特征有利于提升监测模型预测精度。     

小麦叶层氮含量估测的最佳高光谱参数研究

 【目的】作物体内氮素状况是评价长势和预测产量的重要指标。小麦植株氮素营养的快速监测和无损诊断对于精确氮素管理具有重要作用。本文旨在通过对高光谱信息的精细分析和信息提取,探索建立小麦叶片氮含量（LNC,leaf nitrogen content）估算的最佳波段、光谱参数及监测模型。【方法】利用连续4年的系统观测资料,采用精细采样法,详细分析350～2 500 nm波段范围内原始光谱反射率及其一阶导数光谱的任意两两波段组合而成的主要高光谱指数与小麦冠层叶片氮含量的定量关系。【结果】发现小麦叶片氮含量的最佳波段为位于红边的690、691、700和711 nm以及近红外波段的1 350 nm;基于归一化光谱指数NDSI（R1350,R700）和NDSI（FD700,FD690）、比值光谱指数RSI（R700,R1350）和RSI（FD691,FD711）、土壤调节光谱指数SASI（R1350,R700）（L=0.09）和SASI（FD700,FD690）（L=-0.01）构建氮含量监测模型,决定系数（R2）分别为0.851和0.857、0.842和0.893、0.860和0.866。利用独立试验资料对模型检验的结果显示,模型测试的精度（R2）均大于0.758,RRMSE均小于0.266,尤其是高光谱参数RSI（FD691,FD711）和SASI（FD700,FD690）表现最好。【结论】总体上,利用精细采样法确定最佳波段,构建植被指数和氮含量监测模型,可显著提高模型的精确度和可靠性,从而为快速无损诊断小麦叶层的氮素状况提供新的波段选择和技术途径。     

丰之源公司:坚持党建引领 带动农民增收

河南丰之源生物科技有限公司(以下简称丰之源公司),成立于2003年,是一家专业从事核桃露、功能饮料、苏打水产品研发、生产、销售的现代化民营企业。公司现有两个生产厂区,分别位于济源市梨林食品工业园和济源市承留工业区,总占地150亩。经过十多年的持续发展,丰之源公司2012年被认定为河南省农业产业化重点龙头企业。     

小麦叶片氮素状况与冠层反射光谱指数的关系

利用不同小麦品种在不同施氮水平下的3年田间试验数据,研究了小麦叶片氮积累量与冠层反射光谱间的定量关系。结果显示,不同试验中拔节后叶片氮积累量均随施氮水平呈上升趋势,同时冠层光谱反射率在不同施氮水平下存在明显差异。对于低、中、高蛋白质含量的品种类型,近红外区域若干相邻波段和可见光波段组成的比值植被指数与单位土地面积上叶片氮素积累量的相关关系均表现较好,因此可用760、810、870、950和1 100 nm反射率的平均值与660 nm组成的比值植被指数对不同蛋白质类型小麦品种的叶片氮素积累量进行定量监测,但回归方程的斜率在不同类型品种之间存在显著差异。本研究确立的小麦叶片氮积累量与冠层反射光谱的定量关系可用于不同的小麦品种、生育时期和施氮水平,为小麦氮素营养的监测诊断与精确施肥等提供理论依据和技术途径。     

基于水稻冠层光谱特征构建粳型水稻籽粒蛋白质含量预测模型

水稻籽粒蛋白质含量是评价稻米品质的主要指标之一。本文以不同施氮水平下的4年田间试验为基础,系统分析了水稻成熟籽粒蛋白质含量与不同时期冠层反射光谱的相关性。结果显示,籽粒蛋白质含量与可见光波段(460~710 nm) 反射率呈负相关,与近红外波段(760~1 220 nm) 反射率呈正相关,其中孕穗期冠层单波段反射率与成熟籽粒蛋白质含量的相关性最高,在16个波段中以760 nm波段反射率与籽粒蛋白质含量的拟合效果最好,复相关系数达0.795。进一步分析比值植被指数、差值植被指数、归一化植被指数和红边参数等光谱参数与成熟籽粒蛋白质含量的相关性,运用线性逐步回归分析方法对相关拟合较好的16个参数进行筛选,建立了水稻成熟籽粒蛋白质含量（GPC）监测模型,GPC=－0.15× DVI(1 500, 950) + 3.00。利用不同年份不同品种及不同施氮水平下的观测数据对模型进行检验,预测值和实测值的精确度为0.56~0.86,准确度为0.85~1.18,根均方差（RMSE）为3.51%~19.91%,表明模型预测值与实测值之间符合度较高,对水稻成熟籽粒蛋白质含量具有较好的预测性。     

小麦籽粒蛋白质含量高光谱预测模型研究

为定量分析小麦籽粒蛋白质含量、叶片氮素营养指标、冠层高光谱参数的相互关系,确立能够准确预测小麦籽粒蛋白质含量的敏感光谱参数和定量模型,2003—2006年在连续3个生长季不同小麦品种和不同施氮水平的4个大田试验条件下,于小麦不同生育期采集田间冠层高光谱数据并测定植株氮素含量和籽粒蛋白质含量。试验1以低蛋白质含量的宁麦9号和高蛋白质含量的豫麦34为材料,试验2以低、中、高蛋白质含量的宁麦9号、扬麦12和豫麦34为材料,试验3以低蛋白质含量的宁麦9号、中蛋白质含量的扬麦10号和淮麦20以及高蛋白质含量的徐州26为材料,试验4以低蛋白质含量的宁麦9号和中蛋白质含量的扬麦10号为材料。结果显示,不同品种小麦的籽粒蛋白质含量随施氮水平的提高而增加,可以通过开花期叶片氮含量和氮积累量进行可靠的估测。而不同试验条件下的叶片氮含量和氮积累量可以基于统一的光谱参数进行定量反演,其中基于REPle和mND705的叶片氮含量监测模型及基于SDr/SDb和FD742的叶片氮积累量监测模型,具有可靠的预测性和适用性。根据特征光谱参数—叶片氮素营养—籽粒蛋白质含量这一技术路径,以叶片氮素营养为交接点将两部分模型链接,建立了基于开花期高光谱参数的小麦籽粒蛋白质含量预测模型,经独立资料检验表明,以参数mND705、REPle、SDr/SDb和FD742为变量建立成熟期籽粒蛋白质含量预报模型均给出较好的检验结果。因此,利用开花期关键特征光谱指数可以直接评价小麦成熟期籽粒蛋白质含量状况,其中基于mND705参数的预测模型更为准确可靠。     

小麦氮素积累动态的高光谱监测

 【目的】研究小麦地上部氮积累量与冠层高光谱参数的定量关系,分析多种高光谱参数估算地上部氮积累量的效果。【方法】连续3年采用不同蛋白质含量的小麦品种在不同施氮水平下进行大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定植株不同器官生物量和氮含量。【结果】植株氮积累量随着施氮水平的提高而增加,不同地力水平间存在明显差异。植株氮积累量的光谱敏感波段主要存在于近红外平台和可见光区,而地上部氮积累量与冠层光谱的相关性明显降低。对植株氮积累量的光谱估算,在不同品种、氮素水平、生育时期和年度间可以使用统一的光谱模型。在籽粒灌浆期间植株氮积累量自开花期随时间进程的积分累积值与对应时期籽粒氮素积累状况存在显著的定量关系,根据特征光谱参数植株氮素营养籽粒氮积累量这一技术路径,以植株氮积累量为交接点将模型链接,建立高光谱参数与籽粒氮积累量间定量方程。将植株氮积累量与籽粒氮积累量相加,确立了基于高光谱参数的籽粒灌浆期间地上部氮积累量监测模型。经不同年际独立资料的检验表明,利用光谱参数SDr/SDb、VOG2、VOG3、RVI（810,560）、[（R750-800）/（R695-740）]-1和Dr/Db建立模型可以实时监测小麦地上部氮素积累动态变化,预测精度R2分别为0.774、0.791、0.803、0.803、0.802和0.778,相对误差RE分别为16.7%、15.5%、15.6%、18.5%、15.5%和17.3%。【结论】利用关键特征光谱参数可以有效地评价小麦地上部氮素积累状况,其中尤以植被指数VOG2、VOG3和[（R750-800）/（R695-740）]-1的效果更好。     

基于高光谱遥感的小麦叶片含氮量监测模型研究

为了在作物氮素管理中实现叶片氮含量的实时无损估测,以不同类型小麦品种在不同施氮水平下连续3年田间试验为基础,研究了小麦叶片氮含量与冠层高光谱参数的定量关系.结果表明,叶片氮含量随着施氮水平的增加而提高,冠层光谱反射率在不同叶片氮含量水平下存在明显差异.叶片氮含量的敏感波段主要存在于近红外平台和可见光区,其中,红边区域最为显著.红边及面积类参数REPIE、SDr-SDb和FD729与叶片氮含量关系密切,方程拟合决定系数R2分别为0.829、0.806和0.856,估计标准误差SE分别为0.278、0.295和0.271;模拟宽光谱波段组合类参数方程拟合精度较低,标准误差较大,以AVHRR-GVI为变量模拟方程,R2 和SE分别为0.786和0.315;多波段组合类参数方程拟合效果较好,以mND705为变量建立方程,其R2 和SE分别为0.836和0.275.经不同年际独立数据检验,红边及面积类参数表现最好,以REPIE、SDr-SDb和FD729三个参数为变量,模型预测的RMSE分别为0.418、0.380和0.395,相对误差RE分别为14.4%、15.1%和15.2%;模拟宽光谱波段组合类参数与多波段组合类参数比较,模拟宽光谱波段组合模型预测效果更好,以AVHRR-GVI 和mND705为变量建立模型,RMSE分别为0.436和0.408,RE分别为17.3%和16.7%.以上结果表明,红边及面积类参数与叶片氮含量关系密切且表现稳定,利用REPIE、SDr-SDb和FD729三个参数可以对小麦叶片氮含量进行可靠的监测.     

AMMI模型在小麦区域试验产量组成性状分析中的应用

为了解AMM I模型在小麦区域试验产量组成性状分析中的应用效果,利用AMM I模型对2002年四川省小麦区域试验资料进行了分析。结果表明,在分析基因型与环境互作时,AMM I模型优于多元回归和相关分析。AMM I模型中的极显著和显著项能分别解释产量、生育期、有效穗、株高、穗粒数和千粒重等性状92.6%、76.6%、80.1%、76.4%、68.4%和72.9%的交互作用平方和。AMM I模型双标图和稳定性参数Di可以分析产量性状在不同地点下的稳定性。稳定性Di值分析表明,品系和环境的变化均能对穗粒数的稳定性产生较大影响,而品系的变化对生育期影响较小,地点对株高的影响也较小;千粒重不稳定的品系更易检测出产量的不稳定性;有效穗差异大的地点,其对产量的鉴别力相对较弱;而穗粒数变化大的地点,则对产量的鉴别力较强。