基于MK—SVR模型的小麦叶面积指数遥感反演

提出了运用多核支持向量回归(MK-SVR)算法构建小麦叶面积指数(LAI)遥感监测模型。以2010—2013年试验样点小麦拔节、孕穗、开花3期的实测LAI数据为基础,同步获取我国自主研发的环境减灾卫星HJ-CCD对该研究区域的影像数据,分析了各生育期小麦LAI与8种植被指数间的相关性。以显著相关的植被指数作为输入参数,使用MK-SVR算法构建了每个生育期的小麦LAI反演模型,即MK-SVR-LAI模型。为了评价模型,每期使用单一核支持向量回归(SK-SVR)、偏最小二乘(PLS)回归算法构建了SK-SVR-LAI、PLS-LAI模型。将模型估算LAI值和田间观测LAI值进行比对,以决定系数(R2)和均方根误差(RMSE)为指标评价并比较了模型。结果表明:3个生育期MK-SVR-LAI模型的RMSE值均低于参比模型,拔节期为0.293 1,孕穗期为0.466 8,开花期为0.548 6,且该模型的R2也都最高,拔节期为0.762 4,孕穗期为0.801 8,开花期为0.668 9。     

运用PLS算法由HJ-1A/1B遥感影像估测区域小麦实际单产

为进一步提高遥感估产精度,显示国产影像在农业估产中的应用效果。该研究以2010-2013年HJ-1A/1B影像为遥感数据,分析了卫星遥感变量与小麦实际单产的定量关系,运用偏最小二乘回归算法构建及验证了以实际单产为目标的多变量遥感估产模型,并制作了小麦实际单产空间等级分布图。研究表明:实际单产与所选用的大多数遥感变量间关系密切,且多数遥感变量两两间具有严重的多重相关关系;实际单产偏最小二乘回归模型的最佳主成分为5,且植被衰减指数、绿色归一化植被指数、调整土壤亮度的植被指数、比值植被指数和归一化植被指数为实际单产遥感估测的敏感变量;建模集和验证集实际单产估测模型的决定系数分别为0.74和0.70,均方根误差分别为754.05和748.20 kg/hm2,相对误差分别为11.5%和8.88%,且估测精度比线性回归算法分别提高20%以上和40%以上,比主成分分析算法分别提高18%以上和30%以上,说明偏最小二乘回归算法模型估测区域实际单产的效果要明显好于线性回归和主成分分析算法,该模型应用结果与小麦实际单产区域分布情况相符合,为提高区域小麦实际单产的遥感估测精度提供了一种途径。     

水稻叶片营养的光谱诊断研究

通过测定不同氮肥水平下2个水稻品种的叶片营养数据和光谱数据,分析了遥感参量与叶片营养参数间的相关性.结果表明:在400～1 250 nm波段,叶片光谱反射率与SPAD、CHL呈显著负相关;在720～1 000 nm和1 450～1 500 nm波段,叶片光谱透射率与LWC间呈显著正相关;在400 ～ 650 nm波段,叶片光谱吸收率与CHL、SPAD和CAR呈显著正相关;分别构建了以NDVI、NDWI、GreenNDVI和NRI为自变量、叶片营养为因变量的光谱诊断模型,经检验,模型预测性较好,尤其利用NDWI(860,1 240)诊断LWC具有相对最大R2、最小RMSE和最小RE,表明此模型预测能力最强.     

基于红边参数的夏玉米长势监测及其营养诊断研究

分析了夏玉米各组分含量、红边参数以及两者间的相关性。结果表明,可利用FD-Max反演叶面积指数,利用Depth672反演茎秆全N含量,利用Lwidth反演叶片全N含量、叶片和茎秆的含水量以及可溶性糖含量。构建了以红边参数为自变量的各组分的反演模型,对反演模型预测性分析表明,利用上述红边参数预测农学组分是可行的。     

不同氮素水平下夏玉米冠层光辐射特征的研究

对不同氮素水平(0、7.5和15 g·m-2)下3个夏玉米品种的群体光辐射特征进行了研究.结果表明:叶面积指数(LAI)随生育进程呈抛物线单峰变化,且生长约55 d时各氮肥处理的LAI值及其差异性达到最大;平均叶簇倾斜角(MLIA)在抽雄期达到最大且随施氮量的增加而变小;散射辐射透过系数(TCDP)和直接辐射透过系数(TCRP)随生育进程和施氮量增加均呈递减的趋势,TCRP随天顶角增加呈先增后减的趋势,以37.5°时最大;消光系数在抽雄期最小,且随天顶角增大而增大,随施氮量的变化因生长期而异;叶片分布(LD)值随生育进程和施氮量呈增加趋势,随方位角增大呈先增后减的趋势,以180°～270°最大.此结果为实现夏玉米冠层结构改良和高产、稳产目标奠定了基础.     

不同条件下夏玉米冠层反射光谱响应特性的研究

通过对两个年份不同牛育阶段的田间夏玉米活体进行冠层反射光谱测定,该文分析了不同空间尺度、种植密度、观测角度、生育阶段、叶面积指数KAI、氮素胁迫、叶片含水量以及与杂草共生等8个条件下的冠层反射光谱响应特性,并探讨其发生机理,研究结果表明,夏玉米在不同条件下的冠层反射光谱响应均呈现出一定的规律性.在近红外波段,其反射率值随氮肥施用量的增加而增大,尤以750～1350 nm波段,但在可见光波段,反射率值降低;随着观测探头的逐步升高,反射率值降低:随杂草量的增多,反射率值逐渐增大.这些结果揭示了高光谱遥感田间夏玉米理化信息获取的巨大潜力,同时,为以后遥感反演建模提供了依据.     

运用光谱技术改进Beer-Lambert定律的定量化及其应用研究

 运用简便、快捷的无损测试提供的归一化植被指数（normalized difference vegetation index, NDVI）方法，对Beer-Lambert定律进行定量化改进，构建了以NDVI为自变量的LAI预测模型，并采用不同年份、不同株型的玉米数据对其改进结果进行检验。结果表明，当生长55 d时，叶向值（LOV）显著不同的3种株型的NDVI、LAI和消光系数K的差异均最大；披散型（LOV≤30°）NDVI饱和点的出现较中间型和紧凑型为早；利用NDVI改进Beer-Lambert定律的定量预测模型能够敏感反映植株冠层结构参数的动态变化，且最适用于紧凑型品种。随着玉米育种目标更偏向培育偏紧凑型品种，其改进结果在育种栽培实际中更有利用价值。     

农业信息技术课程教学标准的建立与应用

以农业信息技术课程为研究对象,探讨了建立课程标准的意义与必要性,阐述了建立课程标准的原则,结合教学实践构建了"知识、能力与技能"三位一体的课程标准体系,并加以实践应用,取得了较好的教学效果。     

基于超像素分割的田间小麦穗数统计方法

【目的】 小麦穗数是产量构成的重要因素。通过图像处理技术快速准确地统计小麦穗数,为作物长势监测和产量估测提供重要依据。【方法】 本研究以经氮肥梯度处理后不同长势的小麦为研究对象,首先,通过简单线性迭代聚类算法（simple linear iterative cluster,SLIC）对田间小麦图像进行超像素分割的预处理;提取并分析图像的部分颜色特征参数,选择适宜的颜色特征参数训练分类器;选择准确率最高的分类器对图像进行分类处理,识别麦穗。其次,对麦穗识别结果进行二值化;经腐蚀、膨胀等一系列形态学计算提取麦穗主体并进行区域统计;提取麦穗骨架,检测骨架角点数,结合角点数与区域统计结果计算小麦穗数;最后,通过线性回归分析方法验证了无氮（0）、低氮（1/2常规施氮量）、正常氮（常规施氮量）、高氮（2倍的常规施氮量）4个氮水平麦穗统计结果。【结果】 （1）利用超绿值（E_g）和归一化红绿指数（D_gr）作为分类特征可以有效地识别麦穗、土壤和叶片;（2）相较于直接基于像素进行图像处理,经超像素分割处理后麦穗识别结果更理想,识别出麦穗主体清晰,形态更为完整;（3）经比较,高氮水平下小麦长势较好,穗数统计准确率最高,为94.4%,无氮水平下小麦长势较差,穗数统计准确率最低,仅为81.9%;排除无氮情况后,长势较均匀的氮水平混合样本中麦穗计数准确率达到92.9%,相较于长势差异较大的混合样本准确率提高了8.3%。【结果】 在一般环境下,利用超像素和颜色特征的麦穗自动统计方法可以快速准确地对大田小麦进行穗数计算,长势过弱以及差异过大区域不推荐使用,研究结果为小麦大田估产提供了新的参考。     

基于遥感影像植被指数变化量分析的冬小麦长势动态监测

为进一步探究利用中低分辨率影像监测小麦苗情的机理，丰富小麦长势动态监测的模式，结合2017-2018年定点观测试验，以GF-WFV数据为遥感影像源，研究了孕穗-开花期冬小麦主要长势变化量参数和产量及其与植被指数变化量间的定量关系，以逐步回归方法筛选目标长势变化量参数，分别构建及评价基于GF-WFV影像遥感植被指数变化量的孕穗-开花期叶片含氮量变化量和叶绿素含量变化量监测模型。结果表明，冬小麦叶片含氮量变化量（ΔLNC）和叶绿素含量变化量（ΔCHL）与产量密切相关，而孕穗-开花期的归一化植被指数变化量（ΔNDVI）、比值植被指数变化量（ΔRVI）分别与ΔLNC和ΔCHL相关性最好，因此选择这两个植被指数变化量作为敏感参量构建冬小麦长势监测模型。经验证，基于ΔNDVI和ΔRVI构建的长势线性模型可靠且精度高，其决定系数分别为0.70和0.64，均方根误差分别为0.39%和0.08 mg·L^-1FW。基于预测模型和实测数据分级量化表达冬小麦长势的空间分布状况，能够很好实现了基于GF-WFV时相影像长势不同等级的遥感监测。