重金属铅污染下的水稻地上部器官富集特征与高光谱识别模型的构建

[目的]构建重金属铅污染下的水稻地上部器官富集特征与高光谱识别模型。[方法]以南粳44和两优培九2个水稻品种为材料,通过盆栽试验,研究了不同浓度铅污染下水稻地上部器官对铅的富集特征,以及冠层光谱特征和植株各器官铅含量的定量关系。[结果]2个水稻品种整株、茎、叶和穗各器官铅含量均随着铅污染处理浓度的增加而加大,且茎中含量最高;不同浓度铅污染胁迫下的水稻冠层反射光谱曲线在可见光红光波段也存在差异,随着铅处理浓度增大,光谱曲线反射值降低,去除包络线后归一化深度加大。通过构建NDVI(x)与水稻器官中铅含量的多种关系模型,比较了模型预测的显著性,分别构建了适用于2个水稻品种各器官的铅胁迫遥感监测的预测模型,南粳44分别为y整株=2 270.4x2-2 292.8x+577.35,y茎=4 260.9x2-4 294x+1 077.8,y叶=2 780.8x2-2 777.9x+690.71,y穗=309.31x2-306.07x+75.369;两优培九分别为y整株=524 269e-25.557x,y茎=1E+07e-31.65x,y叶=2E+07e-34.056x,y穗=14 320e-21.756x。[结论]地面高光谱遥感对水稻重金属铅污染及其胁迫水平有较好的响应,可通过水稻冠层光谱的差异性分析,实现水稻铅污染的快速、无损伤探测。     

图像处理技术在小麦生产中的应用与展望

计算机图像处理技术是人工智能与模式识别的一个重要领域,其应用已扩展到农业领域的诸多方面.通过广泛查阅文献,分析了数字图像处理技术在小麦生产方面的研究和应用进展情况,概述了图像处理技术在小麦生产过程中各阶段的应用成果,如在小麦叶面积指数测定、病虫害识别、叶绿素含量测定以及产量预测等方面的应用,提出了尚待研究解决的关键问题,并展望了图像处理技术在小麦生产上的应用前景.     

利用无人机图像颜色与纹理特征数据在小麦生育前期对产量进行预测

为了实现基于无人机的小麦产量快速预测，通过不同种植密度、氮肥和品种的田间试验，应用无人机航拍获取小麦生育前期（越冬前期和拔节期）的RGB图像，通过图像处理获取小麦田间颜色和纹理特征指数，并在小麦收获后测定实际产量。通过分析不同颜色和纹理特征指数与小麦产量的关系，筛选出适合小麦产量预测的颜色和纹理特征指数，建立小麦产量预测模型并进行验证。结果表明，小麦生育前期图像颜色指数与产量的相关性较好，而纹理特征指数相关性较差。对越冬前期利用单一颜色指数NDI构建的产量预测模型验证时，R为0.541，RMSE为671.26 kg·hm^-2；对拔节期用单一颜色指数VARI构建的产量预测模型验证时，R为0.603，RMSE为639.78 kg·hm^-2，预测结果比较理想，但不是最优。对越冬前期颜色指数NDI和纹理特征指数ENT相结合构建的产量预测模型验证时，R和RMSE分别为0.629和611.82 kg·hm^-2，比单一颜色指数模型分别提升16.27%和减小8.85%；对拔节期颜色指数VARI和纹理特征指数COR相结合构建的产量预测模型验证时，R和RMSE分别为0.746和510.29 kg·hm^-2，较单一颜色指数模型分别提升23.71%和减小20.24%。上述结果说明，将无人机图像颜色和纹理特征指数相结合建立的估产模型精度较高，可在小麦生育前期对产量进行有效预测。     

高光谱遥感技术及其在草地及植被中的应用

随着高光谱遥感技术的发展及其自身的优点,其在植被中的应用备受关注。概括高光谱遥感技术的原理及相关植被指数,着重介绍高光谱技术在植被生长信息检测、产量预测、养分诊断等方面的应用,明确其在草地碳储量研究中的必要性以及相关研究进展,并提出今后的研究方向和应用前景。     

基于计算机视觉的水稻叶部病害识别研究

【目的】文章重点分析了病健交界特征参数、病害识别流程对提高病害识别准确率的影响。实现水稻叶部15种主要病害的准确识别,尤其是相似病害的判断。【方法】（1）病斑图像获取：水稻叶部病害图像来源包括水稻大田、病害图册和病害数据库,文中选用改进的mean shift图像分割算法提取病叶图像中的病斑并根据相关方程获取病斑特征信息。（2）特征参数的选择与设计：首先选取一至三阶颜色矩和颜色直方图作为病害的颜色特征参数,选取球状性、偏心率和不变矩作为病斑的形状特征参数,选取角二阶矩、对比度和相关作为病斑的纹理特征参数;然后针对相似病斑误报率高的问题提出一种病健交界特征参数,通过病斑内部、边缘和外围颜色上的差异描述该特征,并根据3个区域相互间归一化颜色直方图的欧氏距离计算该项特征参数,该参数可以用于描述病斑与健康部分交界处的特征。（3）病害识别流程的设计：根据病害在颜色、形状、纹理、病健交界4个特征上差异的显著程度设计完成病害识别流程,流程中首先通过颜色特征识别病害,对于通过颜色特征无法识别的病害再通过形态特征识别,倘若形态特征依然无法识别则通过纹理和病健交界特征进行最终识别。（4）病害识别模型的建立：将病害数据分成两部分,一部分用于建立模型,另一部分用于模型的验证;利用LibSVM程序包完成建模,其中svmtrain函数用于建立支持向量机模型,Grid程序用于优化参数,svmpredict函数用于对模型进行验证。【结果】15种水稻叶部病斑可以从复杂的背景中分割出来,并可快速准确的被识别,平均识别准确率为92.67%,平均漏报率为7.00%,最大漏报率和误报率分别为15.00%和25.00%;病健交界特征参数引入后,识别准确率提高了14.00%,平均漏报率降低了7.50%,漏报率最大降幅为20.00%,误报率最大降幅为65.00%;与用所有特征参数直接进行病害识别相比,采用本文提出的识别流程进行病害识别的准确率提高了12.67%,漏报率降低了9.33%,一些病害的漏报率和误报率降幅达30.00%以上;在识别流程各步骤中,颜色特征识别环节的平均准确率为96.71%,漏报率和误报率均未超过10.00%;形态特征识别环节的平均准确率为94.17%,漏报率和误报率均未超过15.00%;纹理和病健交界特征识别环节的平均准确率为91.50%,漏报率和误报率均未超过25.00%。【结论】利用mean shift图像分割算法可以准确分割水稻叶部病斑;基于支持向量机模型的分类方法可以对15种水稻病斑准确分类;论文中提出的病健交界特征参数以及病斑识别流程均提高了病斑的识别准确率;病健交界特征参数对提高一些相似病害的识别精度效果显著;将这些方法相结合可以有效对水稻常见叶部病害进行识别,为水稻病害的田间智能诊断提供技术支撑。     

水稻高产株型指标的研究

本文阐述了提高单产仍然是水稻生产的主攻方向,在分析水稻主要生育期株型与产量形成关系的基础上,提出了各生育期的株型形态、生理指标。     

稻麦周年生产农机深松整地技术及其操作规范

机械深松整地技术是改善耕地质量和提高作物产量的有效措施。在介绍农机深松整地原理和作用的基础上,从作业条件、作业技术要求以及作业规程等方面总结了深松的操作规范。     

肥料运筹对不同类型专用小麦品质的影响

以弱筋品种宁麦9 号、中筋品种扬麦11 和强筋品种中优16 为材料,每个品种进行4 种肥料处理,2 次 重复,分析籽粒蛋白质含量、籽粒硬度、出粉率、湿面筋含量、降落值、溶剂保持力、淀粉糊化特性和粉质仪等参数。结 果表明院每种小麦通过2 套品质指标的对比,降低总施肥量有利于小麦弱筋品质的体现,而施用肥料的处理中,基肥 比例高对弱筋小麦品质有利,拔节肥比例越大对弱筋小麦的品质越不利;提高总施肥量能提升中筋小麦的品质,同 时可以适当减少基肥施用量,控制好拔节肥的比例;提高总施肥量、扩大拔节肥的比例,能显著提升强筋小麦的品 质。     

水稻超高产株型的可视化模拟研究

在概述水稻株型及作物模拟技术发展的基础上，提出了水稻超高产株型可视化模拟的技术路线与技术指标，并对存在的问题进行了探讨。