基于高光谱的温室网纹甜瓜不同叶位叶片含水率监测

叶片是植物缺水时生理变化最敏感的器官,监测叶片水分情况可以实时快速判断植株体内水分状况,从而为温室甜瓜精准灌溉提供理论依据。通过对网路甜瓜进行4个水分处理的2年盆栽试验,获取了伸蔓期不同叶位叶片高光谱反射率、叶片含水率,进一步基于325~1 075 nm波段范围内的原始光谱、一阶导数光谱、倒数光谱,构建了任意2个波段组合下的比值和归一化光谱指数,并分析上述高光谱指数与甜瓜叶片含水量的定量关系。结果显示:网路甜瓜上部叶片一阶导数构建的NDVI680 nm,734 nm、RVI680 nm,750 nm及中部叶片一阶导数构建的RVI603 nm,758 nm模型的R2分别为0.746、0.743和0.707。利用独立试验数据对模型进行检验,模型测试精度R2和相对均方根误差RRSME分别为0.667、0.660、0.600和1.409%、1.629%、1.923%。研究结果为高光谱实时监测网路甜瓜叶片水分状况提供了新的方法。     

高光谱遥感估测大豆冠层生长和籽粒产量的探讨

现代作物育种需要监测大量育种材料的生长并估测产量潜势, 高光谱遥感技术为此提供了简单、快捷、非损伤性测定的可能途径。选取30份大豆育成品种进行连续2年的产量比较试验, 在盛花期(R2)、盛荚期(R4)和鼓粒始期(R5)测定地上部生物量(ADM)和叶面积指数(LAI), 并利用ASD高光谱地物仪同步收集大豆冠层反射光谱信息。供试品种间ADM、LAI和产量差异显著或极显著。不同生育期可见光和近红外区域的光谱反射率与大豆ADM、LAI及产量均有显著相关, 尤其在R4和R5期相关性最高。在构建大量光谱参数的基础上, 遴选出对ADM、LAI及产量预测精度较好的回归模型。其中, R5期的P_Area560光谱参数与LAI和R4期的V_Area1450光谱参数与ADM构建的两个生长性状的监测模型效果最好, 决定系数(R²)分别为0.582和0.692。未发现单一生育期光谱参数对大豆估产的有效模型, 但综合R2期NPH1280、R4期V_Area1190以及R5期NPH560构建的产量估测模型, 决定系数(R²)达到0.68, 效果较好。本研究     

基于过程的小麦株型指标动态模拟

【目的】揭示小麦株型指标变化规律及播种密度对株型指标的影响。【方法】基于不同播种密度和不同株型品种的小麦田间试验,通过连续观测主要生育时期小麦主茎叶型和茎型指标,分析并模拟分层叶面积、叶向值、株高构成指数等株型指标的动态变化规律及播种密度对其的影响。【结果】不同株型品种分层叶面积指数（LAI）均表现为中部>上部>下部的分布特征,并随生育期的推进逐渐向中上部集中,且冠层中上部总是高密度群体LAI较大。所有品种高低密度间株高构成指数（穗下节与倒二节间长度之和与株高的比值,IL）均表现出显著差异,不同株型品种株高构成指数（n节间长与n节间加n-1节间长度之和的比值,In）表现为从下至上先减小后增大的趋势,且上部节间受密度影响较大。较为紧凑的矮抗58叶向值在不同密度下表现平稳,随生育进程略微表现为增大-减小-趋缓的趋势;较为披散的扬麦12号中高密度下随生育进程均表现为平缓-减小-平缓的趋势;扬麦16号则表现为平缓-减小-略微增大的趋势。在分析株型指标变化趋势和课题组已有形态模型的基础上,通过冠层切割和叶面积积分的方法模拟了叶面积指数的分层动态变化,利用组合的形态参数模拟了株高构成指数和叶向值的动态变化,并通过对形态指标的归类分析,构建了综合性株型构成指数,综合体现了叶型和茎型的动态变化。利用独立试验资料对分层叶面积指数、株高构成指数和叶向值的动态变化模型进行了检验,其平均RRMSE分别为17.44%、7.64%和10.66%。【结论】经检验,该模型对上述小麦株型指标具有较好的预测性。     

水稻叶色变化动态的模拟模型研究

定量描述叶片颜色变化的动态过程是植物生长数字化和可视化的重要内容。本研究通过对不同水稻品种和不同水氮处理条件下主茎和分蘖不同叶位叶色变化过程的连续观测和定量分析，构建了水稻叶片颜色随生长度日变化的动态模拟模型。水稻叶片颜色变化的基本过程可以用3个阶段的SPAD值分别表达，第一阶段为基于幂函数的伸长期，叶色逐渐增强，第二阶段为相对稳定的功能期，叶色基本不变，第三阶段为基于二次曲线的衰老期，叶色逐渐减弱；并基于二次曲线方程分别描述了叶片含氮量和含水量对叶色变化过程的调控效应。在此基础上，进一步建立了叶片SPAD值与叶色组分（RGB）值的关系模型。利用独立的水稻田间试验资料对所建模型进行了测试和检验，显示主茎不同叶位叶色变化3个阶段模拟值的均方根差分别为2.58、3.69和3.82，4个分蘖不同叶位叶色变化模拟值的均方根差分别为4.65、4.39、3.51和4.25；SPAD值与叶色组分间模拟值的均方根差分别为2.98和3.25。表明本模型可较好地模拟不同生长条件下水稻不同茎蘖上不同叶位叶色的动态变化过程，从而为实现水稻生长系统的数字化模拟和可视化显示奠定了基础。     

浅谈智慧农业

为满足日益增长的粮食需求,迅速增加粮食产量成为了亟待思考的问题。而在土地资源紧缺的现实下,发展智慧农业有助于提高农作效率,进而提高粮食产量。现对智慧农业的3个主要部分(包括传感器和物联网、人工智能、自动化装备等)进行介绍,并对智慧农业的发展重点——数据进行阐述,以使大众更加了解智慧农业。     

基于Laravel框架的农业物联网数据采集管理系统开发及应用

数据采集管理系统在整个数据的生命周期中扮演着重要的角色,它既可以缩短一个数据的"数据里程"(即数据从采集到决策使用的整个过程),又可以方便数据的分发和共享,是数字化农业生产的重要基础环节。基于Laravel框架建立农业物联网数据采集管理系统,该系统采用多平台自适应设计,并且采用统一的硬件管理接口,能够实时采集、上报和分析设施环境数据。测试结果表明,系统能够同时服务100个并发线程,能够负载100万次短连接,系统采集数据实时性强,能够将不同接口的数据进行统一管理和汇总,并为用户提供即时的告警服务。