基于作物生长监测诊断仪的玉米LAI监测模型研究

为探索作物生长监测诊断仪（CGMD-402型）在作物长势监测应用中的精准性与适用性，连续2年在不同氮肥水平下进行不同玉米品种的实验。使用作物生长监测诊断仪采集冠层归一化差值植被指数（Normalized differential vegetation index，NDVI）、比值植被指数（Ratio vegetation index，RVI），并同步以ASD FR-2500型野外高光谱辐射测量仪获取冠层光谱反射率，构建NDVI、RVI高光谱植被指数；通过对比两种仪器获取的植被指数特征及其定量关系，评价CGMD-402型作物生长监测诊断仪监测精度；基于CGMD-402型作物生长监测诊断仪获取的NDVI、RVI，建立叶面积指数（Leaf area index，LAI）监测模型，并对模型监测精度进行验证。结果表明：玉米冠层NDVI、RVI随施氮量增加而增加，增加幅度分别为8.20%~36.59%、4.40%~25.16%；CGMD-402型作物生长监测诊断仪与ASD FR-2500型野外高光谱辐射测量仪获取的NDVI、RVI相关系数分别为0.991、0.985，决定系数分别为0.983、0.969，说明CGMD-402型作物生长监测诊断仪具有较高的监测精度，可替代ASD FR-2500型野外高光谱辐射测量仪获取NDVI、RVI指数；利用CGMD-402型作物生长监测诊断仪获取NDVI、RVI，建立LAI监测模型的决定系数分别为0.911、0.898；以独立数据对模型精度进行验证，模型预测值与田间实测值间决定系数分别为0.963、0.954，相对误差分别为6.65%、9.37%，表明二者具有高度一致性。研究表明，利用作物生长监测诊断仪能有效监测玉米不同品种LAI动态变化，可以替代AccuPARLP-80型植物冠层分析仪获取玉米LAI数据。     

GF6卫星红边波段对春季作物分类精度的影响

为探究高分六号(GF6)宽幅遥感影像红边波段在春季作物识别中的应用,以河南省杞县为研究区,通过分析2019年3月25日单时相影像及其光谱特征,利用随机森林算法完成4种不同红边波段方案下冬小麦、大蒜和其他作物(油菜、蔬菜等)的分类提取,并基于地面采样数据实现不同方案分类精度评价、样本间可分性测度以及光谱反射率计算分析。结果表明,有红边波段参与下,较无红边波段参与时作物总体分类精度和不同作物可分性测度值均有所提高;单红边波段参与下,红边波段2作物总体分类精度较红边波段1提高了1.98个百分点;引入全部红边波段较无红边参与方案的作物总体分类精度由81.56%提高到86.19%,提高了4.63个百分点,Kappa系数由0.72提高到0.79,冬小麦-大蒜、冬小麦-其他作物、大蒜-其他作物的J-M(Jeffries-Matusita)可分性测度也分别增加了0.085 6、0.076 1和0.025 1。研究表明,红边波段的引入不仅增加了作物间的可分性测度,降低了分类结果中作物误分、漏分情况,也在一定程度上降低了结果中的"椒盐现象",为国产红边卫星数据在农业上的应用提供参考。     

基于CASA-VPM模型的植被最大光能利用率研究

通过综合利用CASA模型和VPM模型,在像元尺度上开展ε_(max)值估算研究,从而提高ε_(max)值的空间精细度,为指导农业生产,开展精准农业提供技术支持。以河南省为研究区,首先基于MODIS数据,结合CASA模型和关系模型计算NPP值,进一步结合VPM模型得到像元上的ε_(max)值,最后根据土地利用数据对林地、草地、水田和旱田4种植被覆盖类型的ε_(max)值进行时空分析,并探索相关环境因素对ε_(max)值的影响。结果表明,2001—2015年,ε_(max)值介于0.000～4.796 g/MJ,空间上呈西北、西南高,其他区域低的格局;月尺度变化上,不同植被覆盖类型ε_(max)值均在6—8月份达到峰值,其中,旱田ε_(max)值呈现明显的双峰分布,和河南省大部分地区一年两熟的作物种植制度相符。4种植被覆盖类型中,因为用于光合作用的叶面积较大,林地ε_(max)值较高;环境影响因素中,化肥使用折纯量、二氧化碳含量、植被含水指数和有效灌溉面积与ε_(max)值呈现明显的正相关,相关系数分别为0.66、0.61、0.56、0.53,说明ε_(max)值的变化是自然、人为因素共同影响的结果。可见,在农作物生长的关键阶段,适当增加人为的影响可以提高光能利用率,从而增加作物生产潜力和产量。     

SPOT 5与HJ遥感影像用于冬小麦氮素监测的效果对比

为探讨HJ遥感影像对冬小麦氮素监测的适用性，利用同期获取的SPOT5和HJ1B遥感影像，结合同步地面取样测试，从传感器的光谱响应、监测模型精度以及叶片氮含量空间填图3个方面，对冬小麦氮素的遥感影像监测效果进行了分析与评价。结果表明，两类遥感影像的3个波段反射率及植被指数与小麦叶片氮含量均密切相关，其中，SPOT5影像的最优模型植被指数为GNDVI（绿色归一化植被指数），HJ1B影像的最优模型植被指数为NDVI（归一化植被指数），SPOT5影像在监测精度上优于HJ1B影像，但差别不大。填图结果表明，除地块较破碎地带外，利用HJ1B影像反演填图所得的小麦叶片氮含量在空间分布上与SPOT5影像结果比较一致。说明利用SPOT5与HJ遥感影像监测小麦氮素营养状况都是可行的，而HJ遥感影像在一定精度要求范围内能够替代SPOT5等遥感影像的监测效果。     

基于多生育期MODIS-NDVI的区域冬小麦遥感估产研究

以河南省开封市为研究区,采用2005—2013年种植区域冬小麦生育期内16 d合成的250 m空间分辨率的归一化植被指数(NDVI)之和,与冬小麦产量数据进行相关分析,筛选得到最佳遥感估产时相,建立单变量回归模型;同时,基于冬小麦生长的各个关键时期NDVI构建多元回归模型,再通过主成分分析方法对多元回归模型参数进行改进,得到新的估产模型;最后使用开封市2014年的产量数据对估产模型进行验证,旨在构建具有较高精度的估产模型,从而更好地指导小麦生产。结果显示,3种估产模型的估产误差均控制在10.55%内,根据3个模型得到研究区内冬小麦最佳产量预测时段为3月下旬,即拔节期;3个模型中,主成分回归估产模型的产量拟合精度最高,达93.12%,具有一定的实用价值。     

基于农户数据的河南中东部地区气象因子对冬小麦产量的影响分析

以河南中东部3个村庄为研究区,通过入户调查的方法,得到2003-2009年农户冬小麦实际产量数据,利用直线滑动平均法去除农户冬小麦趋势产量,从中提取出气象产量,并与相邻气象站点的数据进行相关分析,找出与产量相关度较高的气象因子。结果表明,研究区内影响冬小麦产量的关键气象因子为播种-越冬前降水量、灌浆-乳熟期日照时数、灌浆期平均气温,这些因子在冬小麦生长中分别以苗期旱灾,灌浆-乳熟期阴雨寡照和灌浆期高温的形式影响产量。研究结果可为冬小麦生产提供技术支持。     

基于多源数据的县域冬小麦氮肥调控管理分区

为便于对县域尺度冬小麦进行精确氮肥调控,该文以安阳县冬小麦种植区为研究对象,在3S技术的支持下,利用定性和定量相结合的分析方法,分别对影响冬小麦氮肥调控的重要因子,如地形、土壤类型、土壤养分和光谱信息等多源数据,进行聚类和综合叠加分析,以确定最终的县域氮肥调控管理分区。基于土壤养分和产量的管理分区划分结果评价表明,各级分区土壤养分和产量的变异系数均有所减低,其中三级分区的21个子区为最终分区结果,其管理分区之间的土壤理化性质差异显著,有机质、碱解氮和产量变异系数均值分别降低70%、53%、66%。基于光谱数据的管理分区划分结果评价表明,不同分区内归一化植被指数(NDVI)的集中程度明显提高。分区结果可以作为冬小麦氮肥调控的决策单元,为精确农业管理提供有效途径。     

基于MODIS数据的河南省冬小麦长势监测研究

利用MODIS卫星数据提供的红波段和近红外波段(分辨率为250 m)计算冬小麦的NDVI,建立NDVI值和麦苗长势的对应关系。利用河南省冬小麦面积分布图层数据,去除非小麦信息。将全省划分为5个遥感监测生态区,利用历史数据做出每个生态区的多年平均NDVI值随日期变化曲线,将需要分类的NDVI合成图和变化曲线进行比较进而对冬小麦进行分类。叠合行政区划图层,以行政区划为单元进行统计输出,监测河南省冬小麦长势。     

基于GF-1数据的夏玉米FPAR遥感动态估算

为探索高分一号卫星（GF-1）估算农作物光合有效辐射吸收比率（Fraction of absorbed photosynthetically active radiation, FPAR）的潜力,以田间小区与大田夏玉米为对象,基于GF-1卫星的16 m空间分辨率宽视场（Wide field view, WFV）传感器光谱响应函数对地面实测冠层高光谱反射率进行重采样,获取GF-1 WFV的模拟反射率,构建宽波段植被指数,利用与FPAR极显著相关且具有较高相关系数的植被指数,建立不同生育期夏玉米FPAR的一元与多元逐步回归模型,筛选FPAR估算的最适模型,并在此基础上实现县域尺度不同生育期的FPAR动态估算。结果表明：模拟宽波段光谱反射率与GF-1 WFV光谱反射率间的相关系数|R|为0.967～0.985,决定系数R²为0.935～0.969;基于模拟反射率构建3波段植被指数与FPAR的相关性优于2波段植被指数,增强型植被指数（EVI）、土壤调节植被指数（MTVI2）、可见光大气阻抗植被指数（VARI）、综合植被指数（TCARI/OSAVI）等3波段植被指数与FPA...