基于遥感DSI指数的干旱与冬小麦产量相关性分析

利用2000—2012年MODIS ET/PET和NDVI数据集构建干旱指数(DSI),监测山东省和河南省冬小麦主产区的农业干旱,并在地级市尺度上进一步评估冬小麦关键生育期干旱对冬小麦产量的影响。结果表明:2010年9月—2011年2月山东省特大干旱过程显示的DSI不仅能监测气象干旱,还能较好地反映农业干旱在空间上的差异性以及时间上的演变。不同冬小麦生育期干旱对冬小麦产量影响不同,灌浆期干旱对冬小麦产量的影响最大,干旱致使土壤水分亏缺,影响了作物正常的灌浆强度,进而导致作物减产;其次是拔节期;返青期干旱对产量基本没有影响。     

冬小麦归一化植被指数日变化规律及拟合模型研究

为探究冬小麦归一化植被指数(NDVI)主要生育期内的日变化规律,分别在冬小麦返青期、拔节期和抽穗期,利用Greenseeker手持式光谱仪每日以小时为单位获取冠层NDVI值,各生育期内连续测量7 d,分析冬小麦冠层NDVI在3个生育期的日变化规律,并采用二次多项式、Gauss和Sine等函数对归一化处理后的NDVI日变化过程进行拟合。结果表明,冬小麦冠层NDVI在3个生育期有明显的日变化规律,其变化趋势近似一条反向抛物线; 3种模型均能较好地对NDVI日变化曲线进行拟合,且在拔节期拟合效果最好;二次多项式模型的预测精度最高,3个生育期内其相应的决定系数(R2)分别为0.744、0.923和0.681,均方根误差(RMSE)分别为0.212、0.213和0.187,平均绝对误差(MAE)分别为0.165、0.162和0.142,Gauss和Sine函数拟合效果基本无差别;二次多项式模型作为描述NDVI日变化过程的首选模型。本研究可为今后建立冬小麦NDVI日变化模型提供参考。     

不同灌水处理对冬小麦籽粒灌浆过程的影响研究

利用2004～2005年度冬小麦测坑与桶栽籽粒灌浆试验资料,研究了冬小麦不同生育期灌水和灌浆期不同灌水处理对冬小麦籽粒灌浆进程的影响.在试验结果分析的基础上,提出了冬小麦生育期适宜灌水制度和灌浆期适宜灌水时间与土壤水分控制指标,这对干旱缺水的华北地区实现冬小麦节水与高产的统一有着重要意义.     

基于无人机高光谱长势指标的冬小麦长势监测

为快速准确监测作物长势,以冬小麦为研究对象,获取了不同生育期的无人机高光谱影像。利用无人机高光谱数据构建光谱指数,并分析4个生育期的指数与生物量、叶面积指数以及由生物量和叶面积2个生理参数构建的长势监测指标(Growth monitoring indicator,GMI)的相关性;建立与GMI相关性较强的4个光谱指数的单指数回归模型,利用多元线性回归、偏最小二乘和随机森林3种机器学习方法分别建立冬小麦各生育期的GMI反演模型;将最佳模型应用于无人机高光谱影像,得到冬小麦长势监测图。结果表明:各生育期光谱指数与冬小麦GMI相关性较高,大部分指数都达到了显著水平,其中NDVI、SR、MSR和NDVI×SR与GMI的相关性高于生物量、叶面积指数与GMI的相关性;拔节期、挑旗期、开花期、灌浆期、全生育期,表现最好的回归模型对应光谱指数分别是NDVI×SR、NDVI、SR、NDVI和NDVI×SR;对比3种方法构建的GMI反演模型,开花期模型MLR-GMI效果最佳,此时期的模型建模R~2、RMSE和NRMSE分别是0. 716 4、0. 096 3、15. 90%。     

基于平稳小波变换的冬小麦覆盖度高光谱监测

在2010与2011年度冬小麦生长季,通过大田小区试验,实测了冬小麦冠层的高光谱反射率与覆盖度。分析了不同覆盖度下的冬小麦冠层光谱特征以及不同生育期冬小麦冠层光谱反射率与覆盖度的相关性,建立了基于归一化植被指数(NDVI)与比值植被指数(RVI)、小波能量系数的不同生育期冬小麦覆盖度估算模型。结果表明:覆盖度越大,冬小麦光谱反射率在可见光波段越小,在近红外波段越大。在可见光波段,光谱反射率与覆盖度负相关,在"红边"处,由负相关变成正相关。在返青期、拔节期,NDVI估算效果好(R2为0.835 9、0.805 7);在抽穗期、灌浆期,RVI估算效果好(R2为0.803 1、0.829 4)。在返青期、拔节期、抽穗期、灌浆期,以高频、低频小波能量系数为自变量的冬小麦覆盖度估算模型的R2分别达到0.911 2、0.895 4、0.880 2、0.927 5。     

基于修正NDVI时间序列的大区域冬小麦全生育期墒情监测

针对遥感墒情监测存在的时空分辨率矛盾,提出利用高时间分辨率的共享遥感数据,将修正归一化植被指数(NDVI)作为墒情指示因子,实现对大区域冬小麦全生育期墒情准实时、半定量化监测的思想。首先,对冬小麦种植区域进行地域划分,依据冬小麦的物候特征进行生育期阶段划分;其次,利用遥感数据计算各地域、各阶段的NDVI,针对各阶段冬小麦的生长情况,进行NDVI的自适应修正。经实测墒情数据和修正NDVI相关分析表明,修正NDVI可以作为农田墒情的指示因子;最后,将监测年的修正NDVI与前三年平均值做距平差值分析,得到与前三年平均值相比,冬小麦墒情的时空分布规律,结果与实际观测值相符。可以预见:如果有较长的时间序列积累,可以得到监测年与常年相比,麦田的墒情时空分布规律。研究结果表明:提出的方法,可以用于大区域冬小麦全生育期墒情的半定量化准实时监测,而且遥感数据容易获得,基本不需要实测数据,计算方便,成本低廉。对冬小麦农田管理与决策具有重要的参考价值。     

冬小麦产量分阶段预测模型

为了解决冬小麦估产的时效性和运行化问题,通过对河北省玉田县2007～2009年冬小麦的连续监测,在不同生育期（抽穗期、灌浆期和收获期）对其产量构成三因子（穗数、粒数和粒质量）进行实地抽样测定,并结合冬小麦各个生长发育期的生理生态特点,建立相应的分阶段单产预测模型。试验发现,单因子模型的应用,可使冬小麦估产的预报时间提前到抽穗期,其拟合精度可达到88%以上。双因子模型的应用可使预报时间提前到抽穗后期至灌浆期,模型拟合精度大于90%;结果表明,冬小麦分阶段预产模型可以作为县级区域农业遥感业务化运行系统的基础,增强农业遥感监测产量的预警能力。     

不同灌溉方式对冬小麦生长发育及水分利用效率的影响

为了确定山西省晋南地区冬小麦高产高效的节水灌溉模式,采用田间小区试验,研究了微喷灌(MSI)、滴灌(SDI)和传统漫灌(CK)3种灌溉方式对冬小麦不同生育期的土壤水分变化、生长性状、产量和水分利用效率的影响。其中SDI处理和MSI处理生育期灌水3次,分别为越冬期(12月9日)、拔节期(4月1日)、灌浆期(5月20日),每次灌水量为600 m~3/hm~2;CK按当地灌水习惯,于越冬期和拔节期灌水,每次灌水量为2 250 m~3/hm~2。结果表明,各处理越冬期0~100 cm土层土壤含水率没有明显差异,灌浆期0~80 cm土层土壤含水率表现为SDI处理MSI处理CK,MSI处理、SDI处理灌浆期灌水,可满足灌浆期对水分需求,促进籽粒灌浆;与CK相比,SDI处理与MSI处理可以明显增加单株分蘖数和总茎数、促进群体生长,显著增加冬小麦成穗数、穗粒数和千粒质量,因而显著提高了籽粒产量。与CK相比,MSI处理穗粒数、千粒质量分别提高16.54%、5.21%,SDI处理穗粒数、千粒质量分别提高9.10%、11.78%,MSI、SDI处理籽粒产量分别增加了2.79%、3.35%;同时,SDI处理与MSI处理冬小麦生育期的耗水总量分别减少43.88%和41.64%,水分利用效率分别提高了83.15%和77.09%。因此,在山西临汾盆地采用微喷与滴灌可以取得明显的节水高产效果。     

基于无人机成像高光谱影像的冬小麦LAI估测

利用无人机Cubert UHD185 Firefly成像光谱仪和ASD光谱仪获取了冬小麦挑旗期、开花期和灌浆期的成像和非成像高光谱以及LAI数据。首先,对比ASD与UHD185光谱仪数据光谱反射率,评价两者精度;然后,选取7个光谱参数,分析其与冬小麦3个生育期LAI的相关性,并使用线性回归和指数回归挑选出最佳估测参数;最后利用多元线性回归、偏最小二乘、随机森林、人工神经网络和支持向量机构建了冬小麦3个不同生育期LAI的估测模型。结果表明:UHD185光谱仪光谱反射率在红边区域与ASD光谱仪趋势一致性很高,反射率在挑旗期、开花期、灌浆期的R^2分别为0.9959、0.9990和0.9968,UHD185光谱仪数据精度较高;7种光谱参数在挑旗期、开花期、灌浆期与LAI相关性最高的参数分别是NDVI(r=0.738)、SR(r=0.819)、NDVI×SR(r=0.835);LAI-MLR为冬小麦LAI的最佳估测模型,其中开花期拟合性最好,精度最高(建模R^2=0.6788、RMSE为0.69、NRMSE为19.79%,验证R^2=0.8462、RMSE为0.47、NRMSE为16.04%)。     

不同清污轮灌模式下冬小麦对Cd敏感期分析

为了探讨不同清-污轮灌模式下冬小麦吸收重金属Cd的敏感期,选择典型污灌农田进行清污轮灌田间试验,分析了重金属Cd在冬小麦植物体内的累积动态变化。结果表明,Cd在冬小麦植物体内的累积量表现为根叶茎籽粒;灌浆期使用污水灌溉显著增加冬小麦地上部分Cd累积量和籽粒含Cd量,并降低冬小麦产量;冬小麦籽粒含Cd量与不同生育期根部含Cd量的关联度分别是0.332、0.566、0.753、0.621,即灌浆期成熟期拔节期苗期。灌浆期冬小麦根部含Cd量与籽粒含Cd量关系最为密切,苗期最小。因此,灌浆期是冬小麦吸收Cd的敏感期,苗期污水灌溉影响不明显。     

基于时间序列MODIS NDVI的冬小麦产量预测方法

选择我国河北、河南、山东3省作为研究区,在250 m空间分辨率的冬小麦种植区和1 km的冬小麦像元纯度图的基础上,分析了2000—2009年MODIS NDVI抽穗期峰值与单产的时间序列变化关系。采用Becker-Reshef等提出的去噪声修正后的冬小麦抽穗期NDVI峰值与单产进行回归分析建立冬小麦产量预测模型,并分析冬小麦预测精度的影响因素。最后,利用2010年地级市尺度的统计单产对所建立的预测模型进行精度验证,模型的平均估产误差约为7.49%。结果表明,基于冬小麦抽穗期NDVI峰值的产量预测方法在中国冬小麦主产区具有一定的应用潜力。     

基于Sentinel-1/2数据特征优选的冬小麦种植区识别方法研究

为了提高冬小麦种植区识别精度,本文基于谷歌地球引擎(Google Earth Engine, GEE)平台和随机森林算法,对比雷达和光学遥感数据对冬小麦提取效果的差异,并对多类特征变量进行重要性分析,研究特征优选对冬小麦识别精度的影响。选取2019年3—5月冬小麦关键生育期的Sentinel-1和Sentinel-2影像为数据源,构建Sentinel-1的极化特征和纹理特征以及Sentinel-2的光谱特征、植被指数特征、植被指数变化率特征共5类特征变量;设置不同数据源和不同特征组合的冬小麦种植区提取方案;对方案中特征变量进行优选,得出最优特征组合,利用最优特征组合对河南省驻马店市冬小麦种植区进行提取。结果表明,无论是否进行特征优选,基于多源遥感数据的冬小麦识别精度均优于仅采用光学或雷达数据的精度;经过特征优选后,各方案的分类精度均有不同程度的提升,说明多源数据特征变量组合和特征优选均能够提高分类精度。不同月份和类型的特征变量对分类精度的贡献率不同,贡献率由大到小为4月、3月和5月;贡献率由大到小的特征类型为极化特征、植被指数变化率特征、植被指数特征、光谱特征和纹理特征。基于多源数据特...     

基于NDWI和卷积神经网络的冬小麦产量估测方法

为进一步提高冬小麦单产估测的效率和准确性,利于宏观指导农业生产、制定冬小麦整个生长期的精准管理决策,针对目前已有的县域冬小麦单产估测方法存在时效性差、准确度低、成本高等问题,以中分辨率成像光谱仪（Moderate resolution imaging spectroradiometer, MODIS)为数据源,分别提取不同时段可见光与近红外波段信息,选择归一化差值植被指数（Normalized difference vegetation index, NDVI）、归一化差值水指数（Normalized difference water index, NDWI）、土壤调节植被指数（Soil adjusted vegetation index, SAVI）、调整土壤亮度植被指数（Optimal soil adjusted vegetation index, OSAVI)、绿色归一化植被指数（Green normalized difference vegetation index, GNDVI)、改进型土壤调节植被指数（Modified soil adjusted vegetation index, MSAVI)以及绿红植被指数（Green red vegetation index, GRVI）7个遥感植被指数,以其直方图分布信息作为输入变量,应用卷积神经网络（Convolutional neural network, CNN）回归预测冬小麦产量,对比分析NDWI在冬小麦产量估测上的表现并探究其在霜冻害影响下的精度变化。研究表明,相对于植被指数NDVI、SAVI、OSAVI、GNDVI、MSAVI、GRVI,NDWI对冬小麦生育早期的产量预测表现出更好的预测效果,单产去趋势前后的NDWI对产量的预测精度均高于NDVI、SAVI等植被指数,决定系数最高可达到0.79,且在霜冻害影响下仍能保持较好的预测效果;NDWI在抽穗—灌浆阶段对冬小麦最终产量影响最大,4月23—30日时间段内NDWI对产量的决定系数可达到0.72;空间分布上,研究区域冬小麦具有东部单产最高、中部次之、西部单产最低的空间分布特征,西部和北部山区与东部黄淮海平原交界处误差较大。研究结果可为冬小麦生育早期产量预测提供科学依据。     

基于Hyperion高光谱影像的冬小麦地上干生物量反演

在黄淮海粮食主产区选择河北省衡水市深州市为试验区,以冬小麦地上干生物量为研究对象,以作物冠层高光谱和EO-1 Hyperion高光谱卫星数据为主要数据源,在分析冠层高光谱构建的窄波段植被指数(N-VIs)与实测冬小麦地上干生物量间相关性基础上,提出了利用拟合精度R2极大值区域重心确定冬小麦干生物量敏感的光谱波段中心的方法,并运用该方法确定了冬小麦生物量敏感波段中心。在此基础上,以敏感波段中心筛选结果为指导,利用窄波段植被指数及相关波段开展Hyperion高光谱卫星遥感区域冬小麦干生物量遥感反演和精度验证。最终,按精度最高原则优选区域冬小麦地上生物量反演结果。其中,研究采用了冬小麦孕穗期Hyperion数据,涉及的植被指数包括窄波段归一化植被指数(N-NDVI)、窄波段差值植被指数(N-DVI)和窄波段比值植被指数(N-RVI)。结果表明,通过与实测冬小麦地上干生物量对比,利用冠层高光谱冬小麦地上干生物量反演敏感波段筛选结果及其相应波段构建的Hyperion窄波段植被指数进行孕穗期作物干生物量估算取得了较好结果,其精度由大到小为:NNDVI、N-RVI、N-DVI。其中,以波段B18(波长528.57 nm)、波段B82(波长962.91 nm)构建的Hyperion N-NDVI估算区域冬小麦地上干生物量精度最高,相对误差(RE)和归一化均方根误差(NRMSE)分别为12.65%和13.78%。     

推迟灌拔节水对宽幅麦田光合有效辐射的影响

为研究华北平原冬小麦节水高产种植模式,以“济麦22”为研究材料,于2015-2016年和2016-2017年冬小麦生育期间在山东农业大学农学试验站进行试验.该试验设置常规种植和宽幅精播2种种植模式,2种种植模式的冬小麦均进行拔节期灌溉60 mm和拔节后10 d灌溉60 mm²2种灌溉处理,共4种处理.在生育期内对冬小麦的叶面积、光合有效辐射(PAR)截获量、干物质积累量和产量进行观测,分析不同处理对冬小麦生理指标和产量的影响.结果显示,宽幅精播种植模式显著增加了冬小麦的叶面积指数和PAR截获率.推迟灌拔节水显著优化了宽幅精播麦田对PAR的有效利用,进而促进了干物质积累.同时,推迟灌拔节水显著增加了宽幅精播麦田的穗粒数,从而显著提高小麦产量.     

补灌量和覆盖量耦合变化下旱地春小麦叶面积指数对产量的影响

[目的]免耕覆盖中补灌量和秸秆覆盖量耦合变化下春小麦叶面积指数对产量有较大影响。[方法]本研究以甘肃省定西市安定区1979—2019年历史气象数据为基础，运用APSIM模型对补灌量与覆盖量耦合变化时旱地春小麦的叶面积指数和产量及其构成因素进行模拟，并采用DPS软件进行分析实验，研究补灌量和覆盖量耦合下旱地春小麦叶面积指数对产量的影响机制。[结果]结果表明：在试验设计范围内, 不同春小麦叶面积指数对春小麦千粒质量的影响效应在开花-灌浆期为向上的二次抛物线变化。其他时期，不同春小麦叶面积指数对春小麦产量和千粒质量的影响效应为向下的二次抛物线变化, 不同春小麦叶面积指数对春小麦籽粒数的影响效应为向上的二次抛物线变化。试验变化范围内，各个时期春小麦千粒质量均未出现阈值，分蘖—拔节期，春小麦产量未出现阈值，春小麦籽粒数出现阈值，春小麦叶面积指数为1.72时春小麦籽粒数出现最小值为8716.59/m2 。其他时期，春小麦产量和籽粒数出现阈值，在春小麦叶面积指数为0.94，2.31，1.67，1.18，1.24，0.79时春小麦产量出现最大值为3818.71kg/hm2，3827.06kg/hm2，3851.41kg/hm2，3904.35kg/hm2，3819.03kg/hm2，3853.72kg/hm2。春小麦叶面积指数为0.77，2.01，1.44，1.07，1.00，0.70时春小麦籽粒数出现最小值为9579.34/m2，8745.26/m2，9638.01/m2，9050.71/m2，8554.04/m2，9038.38/m2。春小麦叶面积指数对产量和千粒质量呈正效应，对籽粒数呈负效应。[结论]合理调节春小麦叶面积指数，可以促进透光性速率的提高、光合产物的产生，对春小麦产量的提高具有积极的意义。     

非充分灌溉对冬小麦产量及水分利用效率影响研究

通过田间试验,研究冬小麦在不同生育期缺水以及不同程度的缺水对其生长发育及产量的影响,为半干旱区冬小麦建立优化灌溉制度提供理论依据。通过试验观测:枯水年份,冬小麦各生育期耗水比例相差较大,0~80cm土层的耗水量占总耗水量的绝大部分,总耗水量随灌水量的增加而增大,非充分灌溉对冬小麦叶面积、产量和水分利用率均会产生显著影响,灌水可显著提高植株叶面积,不灌水会显著降低作物产量与耗水量;灌1水的灌溉水利用效率明显高于灌2水和灌3水的灌溉水利用效率,其中以T2处理的灌溉水利用效率最高,边际效益最大;灌冬浇水与拔节水可获得较理想的产量和水分利用效率,在半干旱区水资源不足时,可作为冬小麦最佳灌水模式。     

基于无人机多时相植被指数的冬小麦产量估测

通过无人机搭载多光谱相机,对不同水分亏缺条件下冬小麦多个生育期进行遥感监测,采用不同种类多光谱植被指数表征冬小麦的生长特征,分析了植被指数与冬小麦产量的相关关系,并利用多时相植被指数构建产量估测数据集,采用偏最小二乘回归、支持向量机回归和随机森林回归3种机器学习算法进行冬小麦产量估测。结果表明,随着冬小麦的生长,多个植被指数与产量的相关性不断增强,灌浆末期相关系数达到0.7,植被指数与产量的线性回归决定系数也达到最大。多时相植被指数反映了冬小麦生长的变化特征,进一步提高了冬小麦产量估测精度,采用开花期和灌浆初期的多时相植被指数进行估产比采用单个生育期的植被指数估测产量的精度高,采用偏最小二乘回归模型的估测精度R²提高约0.021,支持向量机回归模型R²提高约0.015,随机森林回归模型R²提高约0.051。采用灌浆末期的多时相植被指数,3种模型均有较高的估测精度,偏最小二乘回归模型估测精度最高时的R²、RMSE分别为0.459、1 822.746 kg/hm²,支持向量机回归模型估测精度最高时的R²、RMSE分别为0.540、1 676.520 kg/hm²,随机森林回归模型估测精度最高时的R²、RMSE分别为0.560、1 633.896 kg/hm²,本文数据集训练的随机森林回归模型估测精度最高,且稳定性更好。     

基于随机降水的冬小麦灌溉制度制定

为了确定合理的冬小麦灌溉制度,该文在分析广利灌区30 a降水分布规律的基础上,应用蒙特卡罗方法对其进行模拟出长系列（500 a）的旬降水,结合试验所得到的冬小麦耗水的基本参数,制定出了每个模拟年份冬小麦最优灌溉制度,并对灌水规律进行统计分析,得到不同灌溉定额条件下,各生育期灌水定额的的概率分布以及不同灌水定额的高产概率。结果表明：以30 mm为灌水定额的变化步长情况下,灌溉定额为60 mm时,越冬和拔节期各应该灌30 mm,高产概率为1%;灌溉定额为120 mm时,越冬和返青期灌30 mm,拔节期灌60 mm,高产概率为12%;灌溉定额为 180 mm时,越冬和灌浆期灌30 mm,返青和拔节期灌60 mm,高产概率为62.8%;灌溉定额为240 mm时,拔节期和抽穗期灌60 mm,其他生育期灌30 mm,高产概率为98.8%。该文丰富了灌溉制度的研究方法,为冬小麦的科学灌水提供了有力的技术支持。