基于GreenSeeker的水稻氮素估测

为研究水稻植株氮素指标与GreenSeeker植被指数的定量关系,通过设置不同年份、不同氮肥水平的田间试验,于移栽后定期使用GreenSeeker获取冠层归一化差值植被指数(NDVI)和比值植被指数(RVI),并同步破坏性取样获取植株生物量和氮含量,分析不同品种和不同氮营养条件下氮素和植被指数(NDVI和RVI)变化规律,建立基于NDVI和RVI的氮素监测模型。结果表明,植株氮含量可以基于NDVI和RVI分时期进行估算,植株氮积累量可以被分阶段反演。利用GreenSeeker可以实现水稻氮素快速无损监测,为水稻氮肥精确管理提供技术支持。     

基于便携式作物生长监测仪的水稻生长指标光谱监测研究

为验证作物生长监测仪无损监测水稻各项长势指标的准确性,并建立基于CGMD302作物生长监测光谱仪的水稻叶面积指数、生物量、氮积累量的监测模型。本研究通过实施5个氮素水平的水稻田间实验,采用甬优538和浙优18 2个水稻品种,利用仪器监测水稻冠层从分蘖期至灌浆期归一化植被指数(NDVI)和比值植被指数(RVI),同步测定水稻叶面积指数、生物量和氮积累量3个农学参数,分析水稻叶面积指数、生物量、氮积累量随移栽后天数的动态变化,分别建立了叶面积指数、生物量、氮积累量与作物生长监测仪所测得光谱参数之间的预测模型。结果发现,水稻叶面积指数、干物重和氮积累量随施氮水平的增加而增大,随移栽后天数的增加逐渐变大。甬优538和浙优18在各个生育时期NDVI、RVI与叶面积指数、生物量、氮积累量的R²值均在0.7以上,具有极显著的相关性。构建的全生育期NDVI、RVI与叶面积指数、生物量和氮积累量呈指数函数关系,R²值均在0.75以上。因此,本研究所采用的作物生长监测仪器可用于准确地获取水稻冠层的NDVI和RVI,实时有效地反映和监测水稻的生长状况。     

水稻叶面积指数和叶片生化成分的光谱法研究

利用光谱仪通过大田试验和室内测量不同氮素水平及不同时期水稻叶片的光谱反射率，测算叶面积指数LAI；利用生化方法测量相应叶片的叶绿素含量，蛋白质含量和纤维素含量；在此基础上分析了水稻叶面积指数与光谱变量，叶片生化成分与光谱变量及叶面积指数之间的相关性。结果表明；水稻叶面积指数与比值植被拽数RVI及归一化差值植被指数NDVI呈显著相关，不同氮素水平的水稻叶片的叶绿素，蛋白质及纤维素含量与LAI之间的R^2在抽穗期均达到0.75以上，其中叶绿素，纤维素含量与光谱变量的相关达显著水平，不同时期纤维素与光谱变量及LAI之间相关达显著水平，从而证明通过光谱法可以推算水稻叶片的叶绿素含量，蛋白质含量和纤维素含量。     

利用光谱法测定水稻生物物理参数及其与光谱变量的相关性研究

选用水稻品种秀水63和武进9728，利用光谱仪通过大田试验和室内测量测定不同氮素水平及不同时期水稻叶片的光谱反射率，利用GIS法测定叶面积指数(LAI)，并测量相应植株的叶形状参数(LSP)、叶片重量、茎重、地上鲜生物量、地上干生物量、叶片含水率及茎含水率等生物物理参数，在此基础上分析了水稻生物物理参数与光谱变量之间的相关性。结果表明，LAI与比值植被指数(RVI)和归一化植被指数的相关系数(NDVI)在0．85以上，达到极显著水平，而地上生物量与比值植被指数和归一化植被指数的相关系数在0．65以上，也达到显著性水平。     

对水稻微分光谱和植被指数的探讨

通过不同供氮水平的田间试验，分析了微分光谱对消除水稻冠层光谱的背景影响和植被指数在农学参数测定中的作用。结果表明：由微分光谱所得的红边位置、红边斜率与盖度、叶面积指数及供氮水平之间有一定的相关性；水稻多光谱植被指数RVI、NDVI与叶面积指数LAI及其地上部生物量之间有极显著相关性；高光谱植被指数及其变量与植被盖度、供氮水平之间存在相关性。这些表明，用微分光谱技术与植被指数方法监测水稻的田间供氮水平和长势似乎是可行的。     

水稻单茎茎鞘重与产量形成关系及其高产栽培途径的探讨

试验于1987～1990年在扬州进行。以汕优63和盐粳2号为材料。采用施肥量、栽培密度等不同因素处理。塑造抽穗期不同的单茎茎鞘重和叶面积指数的群体。结果表明:水稻抽穗期单茎茎鞘重与植株性状(比叶重、消光系数、穗粒数等)、群体粒叶比、经济系数等均呈极显著的线性正相关,与抽穗期叶面积指数呈二次曲线关系,与抽穗后叶面积衰减速度呈显著负相关。在最适叶面积指数相近时。单茎茎鞘重高的群体,最适叶面积指数保持时间长,抽穗后的光合势和净同化率高,产量提高。因而塑造一个抽穗期叶面积指数适宜,单茎茎鞘重高的群体是水稻超高产的途径。     

冬小麦抽穗期长势遥感监测的初步研究

小麦抽穗期是其生长的关键阶段,田间群体较大、郁蔽,抵抗力弱,常遇高温高湿天气,也是病虫害多发时期.因此,及时监测小麦抽穗期的苗情长势,是制定和采取科学管理措施的必要前提.有学者曾使用NOAAAVHRR、EOSMODIS数据进行小麦长势监测研究[1~3],由于这些影像的空间分辨率较低,常常造成"同物异谱"或"异物同谱"现象,使得监测精度降低.本研究利用分辨率较高的TM影像数据并结合实地GPS定位调查,试图通过分析TM影像植被指数与小麦抽穗期叶面积指数、生物量以及植株氮素含量的关系,建立上述群体质量指标监测模型,为小麦抽穗阶段的农田精确管理提供信息支持.     

水旱地冬小麦植株氮素含量的高光谱监测

作物氮素状况是评价作物长势的关键指标之一,利用高光谱技术对水旱地植株氮素含量进行监测具有重要的实践意义。通过研究闻喜县水旱地小麦植株氮含量与叶面积指数(LAI)的定量关系,探索建立以LAI为中间变量的水旱地冬小麦氮素含量的监测模型的可行性。结果表明,水旱地冬小麦不同生育时期LAI特征波段不同,LAI与植被指数FDDVI,FDNDVI和FDMSAVI的相关性均好;冬小麦LAI与植株氮素含量在拔节期、抽穗期和灌浆期3个主要的生育时期均达到较好的相关性;水地冬小麦以FDNDVI(770,688 nm)为自变量建立的植株氮素含量监测模型最优,R2=0.849 9,RE=0.220 8,RMSE=0.060 2,RE和RMSE最小,预测性最好;旱地冬小麦以FDDVI(771,685 nm)为自变量建立的植株氮素含量监测模型最优,R2=0.802 9,RMSE=0.032 6,RE=0.17。研究结果可为实现水旱地冬小麦氮素的准确、快速、大面积的监测提供新的途径。     

基于EOS/MODIS资料的江西省水稻长势遥感监测

基于2010年的MODIS数据,进行江西省水稻长势遥感监测指标的研究,提取了4种植被指数作为遥感参数,即比值植被指数RVI、归一化植被指数NDVI、植被状态指数VCI和增强植被指数EVI,并利用植被指数进行叶面积指数LAI的反演,建立了植被指数VI-LAI模型。在VI-LAI模型中EVI、NDVI与LAI的相关性较好。利用LAI的预测值和地面实测数据进行精度的分析,结果显示EVI的三次方(Cubic)模型在各方面都优于其他植被指数和其他模型,因此选择EVI作为水稻的长势遥感监测指标。     

基于SPOT5影像分析植被指数与水稻叶面积指数和产量的相关性

以2011年四川省德阳地区为研究区域,建立20个300 m×300 m样方,在水稻移栽(6月10日)、分蘖(7月10日)、抽穗(8月15日)及成熟期间(9月1日),每样方选取3个地块,每地块随机选择3个面积为1 m×1 m的样点并用GPS定位,基本在同一位置采集叶面积指数(LAI)、叶绿素含量、株高、行列距、干物质重、每公顷分蘖数、有效穗数、每穗粒数、千粒重等生态参数,测算出单产、经济系数,以SPOT5多光谱影像(2011/8/18,261/287)提取归一化植被指数(NDVI),研究每一样方内水稻区植被指数与叶面积指数、产量等定量关系。结果表明,NDVI与抽穗期LAI相关性极显著(r=0.703**),与其他3个时期LAI相关性低;NDVI与成熟期测定的单产、经济系数相关性也较低;通过抽穗期遥感影像提取的植被指数,可反演同时期水稻叶面积指数;利用单时相遥感影像反演最终单产和经济系数,需要进一步研究。