冬小麦叶片氮含量的时空分布及光谱监测研究

叶片氮素含量与作物生长密切相关,为明确对氮素响应敏感的叶片位置,比较冠层光谱和叶片光谱预测叶片氮含量的精度,研究基于氮素运筹试验,测定叶片氮含量以及冠层、叶位光谱反射率,分析氮含量与反射率的响应关系。结果表明,冬小麦叶片氮含量随施氮量增加而增加,随生育进程而降低,其中,顶3叶变化幅度最大;孕穗期,各施氮处理含氮量大小趋势基本为顶2叶顶1叶顶3叶,其余时期为顶1叶顶2叶顶3叶,顶2叶对氮素响应也较为敏感;叶片光谱预测不同叶位叶片氮含量PLS模型效果均优于冠层光谱,R2最大达0.810,RMSE为0.242。研究以期为冬小麦氮素研究提供一定的理论依据。     

冬小麦籽粒氮积累量高光谱监测研究

为探究冬小麦籽粒氮积累量与冠层光谱反射率的定量关系,实现冬小麦籽粒氮积累量的无损快速监测,以连续2 a氮运筹试验为基础,结合偏最小二乘法(PLS)和逐步多元线性回归(SMLR)建立植株氮积累量(PNA)和叶片氮积累量(LNA)光谱监测模型,分析PNA和LNA与籽粒氮积累量(GNA)的定量关系,以PNA和LNA为中间变量建立GNA光谱监测模型。结果表明,基于PLS-SMLR建立的PNA和LNA高光谱模型监测效果均较好,且冬小麦PNA,LNA与GNA均有较好的定量关系;分别以PNA和LNA为中间变量建立的GNA光谱监测模型中,以LNA为中间变量的模型建模集和验证集表现均较佳,可以实现冬小麦GNA高光谱准确监测。     

基于SPA-MLR方法的土壤含水量光谱预测模型研究

以人工调配的不同含水量土壤的高光谱数据为基础,运用11种常规的变换方法对原始光谱反射率进行变换,使用连续投影算法(SPA)提取特征波段,然后建立多元线性回归(MLR)模型,并对不同模型进行评价比较,旨在选择监测土壤含水量的最佳高光谱模型,实现土壤含水量高光谱监测。结果表明,随着土壤含水量的增加光谱反射率先升高后降低;使用SPA提取的特征波段为3~5个,且不同变换处理后提取的特征波段存在差异。利用特征波段建立MLR回归模型,表明原始光谱经一定数学变换处理可以提高土壤含水量高光谱监测精度,其中对数的一阶微分变换处理(T_8)后建立的SPA-MLR模型监测精度最高,其校正模型表现为R~2=0.957,RMSE=2.16,RPD=4.74,验证模型表现为R~2=0.903,RMSE=3.41,RPD=2.95。故基于反射率对数一阶微分变换处理所建立的SPA-MLR模型可以更好地实现土壤含水量的高光谱监测。     

基于高光谱植被指数的冬小麦产量监测

为了研究利用不同生育时期的植被指数监测冬小麦产量,以2 a不同肥料处理的冬小麦为研究对象,分析不同生育时期植被指数与冬小麦产量的关系,构建冬小麦产量的光谱植被指数监测模型。结果表明,植被指数能有效监测冬小麦产量,其中,孕穗期和抽穗期植被指数的监测效果较好,孕穗期的校正均方根误差(RMSEC)和决定系数(R_C~2)分别为1 131.42和0.78,抽穗期的RMSEC和R_C~2分别为1 015.59和0.77,拔节期的监测效果次之,灌浆期和成熟期的监测效果较差;但从作物生产角度考虑,拔节期监测冬小麦产量具有更重要的现实意义。研究表明,利用拔节期植被指数能够实现冬小麦产量的早期估测。