基于遥感的作物生长监测与调控系统研究

为了利用遥感技术快速无损实时地监测作物的生长、产量和品质状况,达到精确作物管理的目的,在集成作物光谱无损监测模型与作物管理知识模型的基础上,利用系统设计原理和组件化程序设计思想,构建了基于遥感的作物生长监测与调控系统,可实现从小尺度单点到大尺度农区的作物生长实时监测与调控.该系统具有文件管理、图像处理、地物分类与识别、植被指数计算、生长指标监测、生理指标监测、产量与品质预测,实时诊断与调控、工具管理以及系统帮助等功能.以江苏省泰州市的小麦为例对该系统进行实例分析,结果表明,该系统能有效实现作物生长监测与调控功能,从而为作物监测与管理的动态化和数字化奠定了基础.     

基于固定翼无人机多光谱影像的水稻长势关键指标无损监测

【背景】近年来随着遥感技术的快速发展，实时无损监测作物生长状况已成为当前研究热点，遥感获取的农情信息将为实现大面积作物精确管理提供指导。在众多遥感监测平台里，无人机因其操作简单、使用成本低等特点而受到广泛关注，无人机搭载多光谱相机可以快速获取作物的长势信息。【目的】尝试将固定翼无人机多光谱影像纹理信息与光谱信息结合，探究“图谱”信息对水稻长势指标的监测效果。【方法】通过开展两年涉及不同播期、品种、播栽方式、施氮水平的水稻田间试验，在水稻关键生育期使用固定翼无人机搭载Sequoia多光谱相机获取水稻冠层遥感影像，同步进行地上部破坏性取样以获取水稻叶面积指数(LAI)、地上部生物量(AGB)和植株氮含量(PNC)等农学指标，采用简单线性回归、偏最小二乘回归和人工神经网络回归算法，构建基于固定翼无人机多光谱影像的水稻长势指标监测模型，比较分析光谱纹理信息在不同模型中的监测效果。【结果】利用简单线性回归方法探究了植被指数(VI)、单波段纹理特征与水稻LAI、AGB和PNC间的定量关系，结果表明植被指数与LAI和AGB之间有较强的相关性，表现最好的植被指数为CIRE和NDRE,R 2分别为0.8...     

基于农田物联网设备CGMD-502的双季稻缺氮和干旱胁迫诊断研究

通过3个氮肥水平和2个水分处理的田间小区试验，模拟双季稻遭遇不同逆境胁迫的情景，利用农田物联网设备CGMD-502采集早、晚稻归一化红边指数(NDRE_CGMD)，并分析了NDRE_CGMD与农学参数(SPAD值、LAI)之间的相关关系以及该植被指数对双季稻不同程度缺氮和干旱胁迫的响应。结果发现：NDRE_CGMD与双季稻LAI之间具有较高的相关性，两者之间线性监测模型(LAI=32.25×NDRE_CGMD-2.34)的建模决定系数(R²)达到了0.72，检验均方根误差(RMSE)和偏差(bias)分别为1.25和0.80;NDRE_CGMD对双季稻缺氮和干旱胁迫具有较强的响应能力，在不同胁迫情景下的数值变化幅度略低于LAI，但与SPAD值相当。由此表明，农田物联网设备CGMD-502在生产中具有替代SPAD值和LAI诊断双季稻缺氮和干旱胁迫的实际应用潜力。研究结果对于促进农田物联网技术在双季稻生产中的应用及提高江西双季稻生产智慧管理水平具有重要意义。     

监测花生叶面积指数和地上部生物量的最优植被指数及适宜波段带宽

为推动光谱遥感在快速无损监测花生生长中的应用，明确监测花生叶面积指数（leaf area index，LAI）和地上部生物量（aboveground biomass，AGB）的最优植被指数及适宜的核心波段带宽。设置2个花生品种、4个施氮水平的花生田间试验，在不同生育时期（苗期、开花下针期、结荚期、成熟期）用Analytical Spectral Devices（ASD）公司生产的FieldSpec HandHeld 2型野外高光谱辐射仪，采集325~1075 nm范围冠层反射光谱，筛选敏感植被指数，并研究核心波段带宽对其监测叶面积指数（LAI）和地上部生物量（AGB）时精度的影响。结果显示，对花生LAI和AGB敏感的植被指数均为归一化红边指数（normalized difference red edge），即NDRE（λ₇₉₀, λ₇₂₀）。进一步分析这一指数的监测精度随波段带宽的变化，发现监测LAI时，核心波段带宽（bandwidth，b）在（λ₇₉₀：1~33 nm，λ₇₂₀：41~59 nm）范围内时能使NDRE（λ₇₉₀, λ₇₂₀）保持较高监测精度，其中带宽组合（λ₇₉₀：33 nm，λ₇₂₀：53 nm）的带宽和值最大，对核心波段带宽的要求最低，利用其构建监测模型时决定系数（determination coefficient，R²）为0.7482，利用独立试验数据检验模型时相对均方根误差（relative root mean square difference，RRMSE）为13.88%。监测花生AGB时，核心波段带宽在（λ₇₉₀：1~101 nm，λ₇₂₀：19~101 nm）范围内时能使NDRE（λ₇₉₀, λ₇₂₀）保持较高的监测精度，其中带宽和值最大的核心波段带宽组合为（λ₇₉₀：89 nm，λ₇₂₀：89 nm），其建模R²为0.7103，检验RRMSE为20.42%。综上，在花生整个生长进程中，可用上述两个具有不同核心波段带宽的植被指数NDRE（λ₇₉₀-b₃₃, λ₇₂₀-b₅₃）和NDRE（λ₇₉₀-b₈₉, λ₇₂₀-b₈₉）分别对LAI和AGB进行监测，监测模型为LAI = 0.0296 × exp^{（14.365×NDRE）}和AGB = 0.6240 × exp^{（20.222×NDRE）}。在核心波段适宜带宽上的研究结果，可以为花生长势光谱监测设备研发及评估提供参考。