新疆南疆、东疆棉花遥感识别最佳时相的初步研究

以南疆阿克苏6团和东疆哈密黄田农场为例,主要从当地棉花与其它作物的物候历差异、光谱差异方面对棉花的遥感识别最佳时相进行了研究.     

新疆棉花遥感监测背景数据库系统的设计

 阐述了新疆棉花遥感监测背景数据库系统的开发意义,介绍了其结构和功能设计,提出了实现此背景数据库系统的技术路线。该数据库系统包含遥感影像数据库、 基础与专题图数据库、 地面监测所得的GPS、GIS矢量数据库和属性数据库等子库系统;具有数据更新与显示、数据库管理、数据查询与应用以及外推连接等功能。     

基于农户的棉花生产和长势信息管理决策系统

 以全国140～150个产棉县的棉花生产数字信息为研究对象,根据2002年至2009年对各县棉花生产和长势信息的调查和监测,结合各县有关地形和气候等知识库和空间数据库,综合运用中国棉花生产景气指数模型（CCPPI）以及中国棉花生长指数模型（CCGI）,构建了基于RIA+WebService技术的农户为基本单位的棉花数字信息管理决策系统。该系统可动态发布棉花生长信息和空间变化信息以及管理决策预案,从而实现对棉花生产的快速监测、评价和高效管理。为我国广大棉区棉花生产和长势信息数字化管理决策提供技术支撑。     

棉花分生育期水分生产函数Jensen模型研究

通过对棉花作物分生育期水分生产函数的研究分析发现,Jensen模型在反映分生育期耗水量与产量关系中有较好的表现形式。利用中国灌溉试验资料数据库中有关灌溉制度资料,建立了中国棉花主要种植地区作物的Jensen模型,并且对模型的特点以及在应用中可能存在的一些问题进行了分析。     

基于产业链的棉花质量问题探讨

 近年来，我国棉花产业正面临着日益激烈的国际竞争的考验，改善棉花质量是提高我国棉花产业国际竞争力的关键。本文从棉花产业链的角度，考察了我国棉花质量现状与问题，分析影响我国棉花质量问题产生的制度、技术和自然根源，并从此三方面提出了相应的对策建议。     

气象因子对山东惠民棉花产量的影响及其评价模型

 根据山东省惠民县30年来的棉花单产及相应的气象资料,分析了主要气象因子对惠民县棉花产量的影响,并在此基础上建立了棉花产量评价模型。该模型包含了全生育期主要气象要素对棉花产量的综合影响,模型的拟合效果良好,可以在农业气象服务中应用。     

基于高光谱遥感的小麦叶片含氮量监测模型研究

为了在作物氮素管理中实现叶片氮含量的实时无损估测,以不同类型小麦品种在不同施氮水平下连续3年田间试验为基础,研究了小麦叶片氮含量与冠层高光谱参数的定量关系.结果表明,叶片氮含量随着施氮水平的增加而提高,冠层光谱反射率在不同叶片氮含量水平下存在明显差异.叶片氮含量的敏感波段主要存在于近红外平台和可见光区,其中,红边区域最为显著.红边及面积类参数REPIE、SDr-SDb和FD729与叶片氮含量关系密切,方程拟合决定系数R2分别为0.829、0.806和0.856,估计标准误差SE分别为0.278、0.295和0.271;模拟宽光谱波段组合类参数方程拟合精度较低,标准误差较大,以AVHRR-GVI为变量模拟方程,R2 和SE分别为0.786和0.315;多波段组合类参数方程拟合效果较好,以mND705为变量建立方程,其R2 和SE分别为0.836和0.275.经不同年际独立数据检验,红边及面积类参数表现最好,以REPIE、SDr-SDb和FD729三个参数为变量,模型预测的RMSE分别为0.418、0.380和0.395,相对误差RE分别为14.4%、15.1%和15.2%;模拟宽光谱波段组合类参数与多波段组合类参数比较,模拟宽光谱波段组合模型预测效果更好,以AVHRR-GVI 和mND705为变量建立模型,RMSE分别为0.436和0.408,RE分别为17.3%和16.7%.以上结果表明,红边及面积类参数与叶片氮含量关系密切且表现稳定,利用REPIE、SDr-SDb和FD729三个参数可以对小麦叶片氮含量进行可靠的监测.     

基于MLM混合线性模型的大豆全基因组关联分析可行性研究

为研究MLM混合线性模型在大豆全基因组关联分析中应用的可行性,以便精确寻找影响表型性状差异的主要基因标记位点范围,帮助检测分析个体在全基因组水平范围内遗传变异的多态性,采用混合线性模型,引入固定效应和随机效应来分解和计算基因组与多性状之间的相关性,对大豆全基因组数据与对应的表型性状进行关联分析。根据模型计算结果得出P值并展示有效基因位点图,不同性状与对应有效基因标记关联性显著突出。通过设定的模拟有效基因位点检验混合线性模型关联分析的遗传评估力,结果高出一般线形模型的效率,验证该方法在大豆全基因组关联分析上具有可行性,可为其它物种进行关联分析研究提供借鉴。     

基于机器视觉技术的棉株识别定位

 针对棉花机械打顶中棉株识别难的问题,提出一种基于机器视觉技术的棉株识别定位方法,利用2个相同型号的摄像头搭建双目立体视觉系统,在此基础上进行相机标定、图像采集、图像分割、特征点提取等过程,利用最小二乘法计算出棉株的深度信息,并进行校正。校正后棉株定位误差在0.43～30.57 mm,误差均值为20.58 mm。研究结果表明基于机器视觉技术的棉株识别定位方法是可行的。     

基于高光谱遥感的小麦籽粒产量预测模型研究

为了确立能够准确预测小麦籽粒产量的敏感光谱参数和定量模型,于2003～2006年连续3个生长季,通过不同小麦品种和不同施氮水平的4个大田试验,在小麦不同生育期采集田间冠层高光谱数据并测定植株氮含量、重量和叶面积指数及成熟期籽粒产量,定量分析小麦籽粒产量与冠层高光谱参数的相互关系.结果显示,小麦籽粒产量随施氮水平的提高而增加,不同地力水平间存在显著差异.灌浆前期叶片氮积累量和叶面积氮指数均能够较好地反映成熟期籽粒产量状况,而叶片氮含量和氮积累量及叶面积氮指数在拔节～成熟期的累积值与成熟期籽粒产量的回归拟合效果更好.对叶片氮含量和氮积累量及叶面积氮指数的光谱反演,在不同品种、氮素水平和年度间可以使用统一的光谱参数.根据"特征光谱参数-叶片氮素营养-籽粒产量"这一技术路径,以叶片氮素营养为交接点将模型链接,建立了基于灌浆前期高光谱参数及拔节期～成熟期特征光谱指数累积值的小麦籽粒产量预测模型.经两年独立试验数据检验表明,利用灌浆前期关键特征光谱指数可以有效地评价小麦成熟期籽粒产量状况,拔节～成熟期特征光谱指数的累积值能够稳定预报不同条件下小麦成熟期籽粒产量的变化.因此,利用冠层特征光谱指数可以快速无损地预报小麦成熟期籽粒产量.     

Use of Linear Spectral Mixture Model to Estimate Rice Planted Area Based on MODIS Data

MODIS (Moderate Resolution Imaging Spectroradiometer) is a key instrument aboard the Terra (EOS AM) and Aqua (EOS PM) satellites.Linear spectral mixture models are applied to MOIDS data for the sub-pixel classification of land covers.Shaoxing county of Zhcjiang Province in China was chosen to be the study site and early rice was selected as the study crop.The derived proportions of land covers from MODIS pixel using linear spectral mixture models were compared with unsupervised classification derived from TM data acquired on the same day,which implies that MODIS data could be used as satellite data source for rice cultivation area estimation,possibly rice growth monitoring and yield forecasting on the regional scale.     

基于模拟光谱数据的冬小麦播期遥感监测最佳时相研究

为利用高时空分辨率的航天数据对区域冬小麦播期实现尽早监测,对冬小麦播期的不同遥感监测时相精度进行了分析。首先利用耦合作物模型和辐射传输模型模拟不同播期冬小麦从播种至返青的冠层光谱反射率,分析不同播期的冠层光谱响应差异,选取对不同播种日期敏感的波段。然后,根据敏感波段的冠层光谱,选择训练样本并计算不同播期之间的J-M距离,初步判断出光谱可分性较好的时相。最后,对不同的播期进一步进行判别分析,判定未知类别样本的所属类别。根据正确分类的精度,在华北平原北部选择播期监测的最佳时相为12月中旬,精度达到89.5%。     

遥感光谱指标和神经网络结合的冬小麦地上部生物量估测

为探讨基于神经网络对小麦地上部生物量(aboveground biomass, AGB)进行遥感估测的可行性,在江苏省泰州泰兴市、盐城大丰区和宿迁沭阳县布设冬小麦大田试验,在对冬小麦近红外波段反射率(near-infrared band reflectance, REF_nir)、红光波段反射率(red band reflectance, REF_red)、归一化差值植被指数(normalized difference vegetation index, NDVI)、差值植被指数(difference vegetation index, DVI)、比值植被指数(ratio vegetation index, RVI)、土壤调节植被指数(soil adjusted vegetation index, SAVI)和优化土壤调节植被指数(optimized soil adjusted vegetation index, OSAVI)等7个遥感光谱指标与冬小麦生长指标(LAI和AGB)进行相关性分析基础上,构建基于BP神经网络的冬小麦AGB估测模型,并与...     

多遥感光谱指标结合进行大田冬小麦叶片叶绿素含量估测研究

为解决大田冬小麦叶片叶绿素含量估测模型精度低、通用性弱的问题,在获取冬小麦拔节期和抽穗期冠层红光波段反射率(BR_red)和近红外波段反射率(BR_nir)的基础上,计算归一化差值植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、改进型比值植被指数(MSR)、重归一化植被指数(RDVI)、II型增强植被指数(EVI2)和非线性植被指数(NLI)等8个植被指数。经统计分析,选择与叶片叶绿素含量(SPAD值)相关性较好的5个遥感光谱指标(NDVI、MSR、NLI、BR_red和RVI)作为输入变量,建立了冬小麦叶片叶绿素含量的BP神经网络估测模型(WWLCC_BP),并对估测模型进行精度验证。结果表明,WWLCC_BP估测模型在拔节期估测的决定系数(r²)为0.84,均方根误差(RMSE)为5.39,平均相对误差(ARE)为9.87%。抽穗期的估测效果与拔节期较为一致。将WWLCC_BP和高分六号影像...     

基于高光谱的倒伏冬小麦产量预测模型研究

为利用高光谱遥感技术对倒伏小麦产量进行准确、快速地估算,选取在乳熟期发生不同程度倒伏的两个春性冬小麦品种为材料,利用光谱仪测定了不同倒伏级别下小麦冠层光谱反射率,研究植被指数与产量及其构成因素间的相关性,最终建立快速、有效估测倒伏小麦产量的数学模型。结果表明,不同级别倒伏对小麦千粒重和产量的影响均达显著水平（P<0.05）,随倒伏级别的增加,千粒重和产量均呈降低趋势,二者最高降幅分别为10.72%和17.69%。对倒伏小麦产量与冠层光谱反射率进行相关分析,在350~690 nm波段,相关系数随波长的增加总体呈下降趋势;在690~760 nm波段,相关系数呈上升趋势,在764 nm处,相关系数绝对值达最大,为0.734。千粒重与DVI_570,670的相关系数值最高,产量与DVI_764,407的相关性最好,且都通过了0.01水平检验。利用植被指数-千粒重-产量构建的反演模型,可提高模型预测精度,与单因子植被指数-产量模型、多因子植被指数-产量模型相比,能更好地反演不同倒伏程度的小麦产量。     

基于多源遥感数据和机器学习算法的冬小麦产量预测研究

为探讨基于多源遥感数据和机器学习算法预测冬小麦产量的可行性,利用中麦175/轮选987重组自交系F₇代群体中70个家系开展田间试验,通过无人机遥感平台和地面表型车平台及手持式冠层鉴定平台,获取冬小麦灌浆期光谱数据,分别用4种机器学习方法和集成方法建立产量预测模型。结果表明,在61个光谱指数中,除MCARI、DSI、PVI外,其余指数均与产量显著相关或极显著相关,700 nm和800 nm组合的高光谱指数能够比较准确地预测产量。相对于高光谱和多光谱,RGB传感器预测产量精度最高,平均决定系数(r²)为0.74,平均均方根误差(RMSE)为517.78 kg·hm^-2。相对于决策树(DT)、随机森林(RF)、支持向量机(SVM)三种传统机器学习算法,岭回归(RR)算法预测产量的精度最高,平均r²为0.73,平均RMSE为516.1 kg·hm^-2。与单一的传统机器学习算法相比,DT、RF、SVM、RR结合集成算法的预测精度高且稳定,r²高达0.77,RMSE也...     

基于遥感信息和WOFOST模型参数同化的冬小麦单产估算方法研究

为探讨遥感信息和作物生长模型在作物估产方面的优势互补特性,选取河北省藁城市冬小麦作为研究对象,采集多个关键生育时期的生理生化、农田环境、气象等数据,并获取准同步的环境减灾小卫星HJ-CCD影像数据,采用植被指数反演冬小麦叶面积指数（LAI）,基于扩展傅里叶振幅灵敏度检验法(EFAST)对WOFOST作物模型的26个初始参数进行全局敏感性分析,筛选敏感性参数,调整WOFOST模型的核心参数,利用查找表优化算法构建基于WOFOST模型和遥感LAI数据同化的区域尺度冬小麦单产预测模型,并定量预测区域冬小麦单产水平。结果表明,增强型植被指数（EVI）是遥感反演LAI的最佳植被指数(开花期建模r=0.913,RMSE=0.410,灌浆期建模r=0.798,RMSE=0.470),预测能力最强(开花期r=0.858,RMSE=0.531,灌浆期r=0.861,RMSE=0.428);筛选出6个待优化参数,即TSUM1、SLATB1、SLATB2、SPAN、EFFTB3和TMPF4;产量预测精度r=0.914,RMSE=253.67 kg·hm_-2,找到了待优化参数的最佳取值,最终完成了单产模拟。     

基于冠层高光谱遥感的杂交水稻植被指数氮素营养诊断模型

以杂交水稻为研究对象,进行两因素裂区试验,主区为品种,副区为施氮水平,分析了4个植被指数(VIs)分别与叶片氮素含量(LNC)、叶片氮素积累量(LNA)和地上部氮素积累量(APNA)之间的相关性,并建立了以VIs为自变量的氮素营养诊断模型.结果 表明,4个VIs和LNC、LNA之间均存在决定系数大于0.7的波段区域且波...     

利用有效积温提高冬小麦估产精度的研究

为探索如何利用冬小麦生长过程中的积温信息来提高遥感估产的准确性,以2009-2010和2012-2013年2个冬小麦生长季的田间试验数据为基础,利用有效积温和植被指数(NDVI)构建冬小麦当季估产指数INSEY(In-season estimate of yield)和INSEY-CGDD(In-season estimate of yield-cumulative growing degree days),分别用NDVI、INSEY和INSEY-CGDD与实测产量建立估产模型,并比较分析3类估产模型的精度。结果表明,3个变量与实测产量均成指数关系,其中INSEY-CGDD模型的精度最高(R2=0.59),预测能力最优,其次是INSEY模型(R2=0.55);而NDVI模型的精度最低(R2=0.35),预测能力最差。因此,在冬小麦估产模型中引入有效积温调整参数,可有效提高遥感估产模型精度。