不同生育时期冬小麦叶面积指数地面高光谱遥感模型研究

为建立不同生育时期冬小麦叶面积指数（LAI）的高光谱遥感预测模型,2017年在荥阳和鹤壁大田区域进行野外试验,利用便携式光谱仪ASD FieldSpec Handheld测量不同生育时期冬小麦冠层高光谱数据,使用LAI2200冠层分析系统采集冬小麦冠层LAI。通过对高光谱数据进行不同形式的变换以及高光谱特征变量的计算,并与叶面积指数进行相关分析。结果表明,在拔节-抽穗期,LAI与Dr（红边幅值）、SDr（红边面积）、VI₃（红边面积SDr与蓝边面积SDb的比值指数）、VI₅（红边面积SDr与蓝边面积SDb的归一化指数）、VI₆（红边面积SDr与黄边面积SDy的归一化指数）的相关性较大,相关系数均大于0.85;在开花-乳熟期,LAI与Rr（红谷反射率）、VI₁（绿峰反射率Rg与红谷反射率Rr的比值指数）、VI₂（绿峰反射率Rg与红谷反射率Rr的归一化指数）、VI₃、VI₅的相关性较大,相关系数均大于0.7,且均通过0.01水平显著性检验。因此,拔节-抽穗期选择变量Dr、SDr、VI₃、VI₅、VI₆作为估算模型的自变量;开花-乳熟期选择变量Rr、VI₁、VI₂、VI₃、VI₅作为估算模型的自变量。拔节-孕穗期叶面积指数单变量估算模型中大部分变量的二次模型决定系数较大,其中VI₃、VI₅、lg(1/ρ676）、dρ₇₅₀/dλ₇₅₀的二次模型决定系数超过0.6,拟合程度较高,同时dρ₇₅₀/dλ₇₅₀的RMSE值最小,因此认为以dρ₇₅₀/dλ₇₅₀为自变量的二次模型最优。开花-乳熟期单光谱变量建立的叶面积指数估算各类模型中大部分参数的指数模型决定系数较大,其中Rr、VI₃、VI₅的指数模型决定系数超过0.7,拟合程度最高,同时VI₅的RMSE值最小,因此认为以VI₅为自变量的指数模型最优。     

基于气象关键因子的河南省夏玉米产量预报研究

以河南省13个地市1990—2006年逐旬光温水气象资料为基础,通过相关分析确定了影响河南省夏玉米产量的关键气象因子,建立了7月中旬—9月中旬的夏玉米气象产量预报模型。将全省由南至北划分为三个区域,分区回代1990—2006年资料对模型预报准确率进行回代检验,并利用2007—2010年资料对模型进行试报。检验结果表明,模型回代准确率全省为88.4%,不同区域间回代准确率差异明显,北部最高92.9%,中部次之87.4%,南部最低83.4%,分析 原因主要受夏玉米产量年际波动的影响;模型预报准确率全省为94.9%,各区域差别不大,基本在95%左右。     

冬小麦叶面积指数真实性检验尺度扩展方法研究

为在空间尺度上实现冬小麦LAI地面观测与遥感观测直接匹配,从1 m×1 m范围的实测LAI出发,通过优化采样方法扩展得到16 m×16 m范围的冬小麦LAI,然后利用空间分辨率为16 m的高分1号卫星的多光谱数据计算样本点的植被指数,建立其与冬小麦LAI的拟合模型,从四种植被指数的拟合模型中挑选表现最好的LAI估测模型,获得16 m×16 m尺度的LAI分布图,并经过重采样聚合为250 m×250 m尺度的LAI格点图,从而实现从地面点测量数据到卫星尺度数据的扩展。检验结果表明,16 m×16 m和250 m×250 m两个研究区域模拟点值和实测点值的相对误差分别为4.18%和3.64%,说明这种尺度扩展方法是科学可行的。