APSIM模型对甘蔗叶面积指数和蔗叶含氮量的模拟与验证

应用农业生产系统模型-甘蔗模块(APSIM-Sugarcane)模拟和检验了广西亚热带蔗地的新植甘蔗叶面积指数和蔗叶含氮量状况,并模拟分析了甘蔗生长过程需氮量状况。结果表明,模拟叶面积指数和蔗叶含氮量的状况都与甘蔗真实生长过程相吻合,叶面积指数和蔗叶含氮量的模拟值和实测值回归统计检验显示回归线都接近1∶1线,决定系数分别为0.94和0.79,表明模拟的准确性都达到了显著水平。甘蔗逐日需氮量的动态分析反映了应用APSIM-Sugarcane模型可为甘蔗产业的精准化管理提供科学依据。     

水稻株型因子对冠层结构和光分布的影响与模拟

 以3个具有代表性株型的杂交稻为材料,并结合上位2叶伸长期施用氮肥以调节上部叶片的形态,于齐穗期、齐穗后10 d、齐穗后25 d平行测定了株型元素 分层叶面积 冠层光分布。用试验数据验证了由水稻株型因子计算分层叶面积的解析模型,并用该模型分析了3个材料株型因子对冠层结构的影响。进一步根据作物群体光分布模型,验证了分层叶面积与冠层内光分布的数值关系,并用该模型分析了3个材料株型因子对冠层内辐射分布的影响。实现了由水稻株型因子估算冠层结构和冠层内光分布的方法。     

玉米生长模型MCSODS对气候变化的适应性检验

利用河南省温县多年玉米栽培数据资料对玉米生长模型MCSODS的系统参数进行调试,使品种模拟参数符合当地情况。采用秋常、秋凉、秋暖不同年型下典型年份的玉米栽培资料检验玉米生长模型对气候变化的适应性。结果显示,不同年型下生育期的模拟误差根均方差(RMSE)在秋常条件下为2.06,吻合度最高;秋凉、秋暖年RMSE分别为2.32和3.45。产量模拟误差RMSE为494.8 kg/hm2,模拟效果一致性较好。2006、2007年玉米田间实测数据对系统叶面积指数和地上生物量模拟的检验结果显示,郑单958和浚单20叶面积指数的RMSE分别为0.441 0和0.402 2,地上干物重RMSE分别为1 683.0 kg/hm2和898.5 kg/hm2,模拟结果良好。     

基于APSIM的油用亚麻叶面积指数模型构建

为准确模拟油用亚麻叶面积指数,构建油用亚麻生长模型,本文研究环境效应和作物遗传特性对叶面积指数的作用,分别利用2012-2013年定西试验区不同密度、2012-2013年榆中试验区不同施氮、磷量试验测量数据构建模型,采用潜在叶片数、叶片尺寸和种植密度构建潜在叶面积指数;研究同化作用、水分和氮素胁迫的限制构建实际叶面积指数;研究熟化、光竞争、水分胁迫等引起的衰老叶面积指数,从而构建基于APSIM(农业生产系统模型)的油用亚麻叶面积指数模型。利用2014年定西和榆中的实际测量数据对模型进行校正。模型检验结果表明,该模型能够较准确地模拟油用亚麻叶面积指数,RMSE最小值0.043,最大值0.672,决定系数R2取值范围0.56~0.98,模型拟合效果良好。同时,研究结果表明,定西试验站合理密植7.5×106粒·hm-2,可获最大叶面积指数(盛花期)3.92,榆中试验区最佳施氮量75kg·hm-2、施磷(P2O5)量75kg·hm-2在盛花期获得最大叶面积指数4.486。     

利用RADARSAT-2雷达数据与改进的水云模型反演冬小麦叶面积指数

利用微波遥感反演植被参数往往受到植被分布不均、稀疏植被覆盖、地表裸土等因素影响,导致微波遥感用于农业参数估计的效果不佳。为解决微波遥感反演地表植被参数的问题,本研究在原有的水云模型基础上引入植被覆盖度以及裸土对于雷达后向散射系数的直接作用信息,提出一种改进的水云模型,并充分考虑地表植被的覆盖分布情况,结合地面实测数据及RADARSAT-2雷达数据对改进模型进行验证,然后根据改进模型通过查找表法反演出植被含水量,最后利用叶面积指数与植被含水量的经验关系间接得到叶面积指数的估测值。结果表明,改进的水云模型对后向散射系数的模拟精度比原有的水云模型精度高,模拟的决定系数在HH和VV极化时分别为0.850和0.739,均方根误差分别为0.918dB和1.475dB。由此可见,改进的模型对研究区植被条件更为敏感,能够较好地分离出植被与土壤信息对雷达后向散射系数的影响,同时利用其反演得到的叶面积指数精度较高,决定系数达到0.841,均方根误差为0.233。     

小麦叶面积指数变化的模拟

分段模拟了潜在生产条件下小麦叶面积指数变化,并建立了模拟模型,模型可作为进一步模拟小麦群体生长的基础。     

小麦生长模拟模型（WheatGrow）的适应性评价

为对小麦生长模拟模型(WheatGrow)的稳定性和适应性进行测试与评价,基于IoA(一致性系数)、MAE(绝对平均误差)和NRMSE(准根均方差)等指标,利用不同地点、年份、品种、氮素及播期的小麦田间试验资料对模型进行校正和检验.结果表明,WheatGrow模型对小麦生育期模拟值与实测值的误差为0～9 d,在南京、徐州、泰安和保定地区对叶面积指数、地上部干物重和产量的模拟值与实测值比较的NRMSE平均值分别为12.56%～20.78%、11.37%～20.85%和2.37%～6.99%,说明模型对各生态点具有较好的模拟效果,能较好地应用于区域适应性验证的研究.     

图像处理技术在冬小麦叶面积指数测定中的应用

为了探讨利用图像处理技术测定冬小麦叶面积指数的可行性,在室外光照条件下．固定数码相机高度垂直拍摄冬小麦群体图像,利用图像处理技术获取小麦冠层的图像叶面积指数(ILAI),并用手工测量获得小麦群体实际叶面积指数(LAI),建立ILAI和LAI间与施肥处理有关的关系模型,对该模型的稳定性和实用性进行统计检验。试验结果表明,利用图像处理技术通过ILAI获取小麦LAI是可行的,且简便易行,测量精度和效率都很高。     

基于WOFOST模型的华北冬小麦动态长势评估指标构建

为构建基于WOFOST作物模型主要输出要素地上部生物量(TAGP)和叶面积指数(LAI)的华北平原冬小麦长势评估指标,利用华北平原冬小麦主产区农业气象站冬小麦生育期、叶面积指数和土壤湿度等观测资料以及河北固城站、河南郑州站和山东泰安站3个农业气象试验站冬小麦生物量观测资料,完成WOFOST模型参数本地化和适应性分析。利用华北平原354个气象站2001-2016年逐日气象资料驱动模型,根据不同时段15年地上总生物量(TAGP)和叶面积指数(LAI)要素及其与15年平均值的距平百分率的概率统计分布,确定冬小麦长势动态评估指标;利用冬小麦田间观测资料,检验指标的合理性和有效性。结果表明:(1)试验站观测值与模拟值对比显示,冬小麦生育期模拟误差绝对值平均为3.7d,地上部总生物量及各器官生物量的误差为3.8%～11.7%,WOFOST模型可较为准确地模拟冬小麦生长发育及其生物量的动态累积过程,在华北平原适用性良好;(2)基于指标的动态长势评估等级与观测数据对比,2个农业气象试验站点的指标评估结果与观测资料一致性较好,1个站点的结果则在冬小麦生长过程中呈波动状态,总体上基于LAI的长势评价指标与观测资料对比相关系数高于基于TAGP的评价指标;(3)基于WOFOST模型的冬小麦长势评估指标能够一定程度反映冬小麦长势状况,可用于业务中进行实时、动态和定量的评估。     

联合主成分分析与最小二乘支持向量机估测冬小麦叶面积指数

利用单一植被指数估测叶面积指数存在高光谱遥感丰富的波段信息易丢失和外界因素干扰大的缺点,但若将波段信息全部引入模型又会增加建模难度。为解决利用多波段信息估测叶面积指数的问题,利用主成分分析法(PCA)对光谱数据进行降维,之后将提取的主成分与最小二乘支持向量机(LS-SVM)模型相结合,构建冬小麦叶面积指数的高光谱估测模型,并与以4类植被指数作为LS-SVM输入参数建立的模型进行比较。结果表明,以主成分作为LS-SVM模型的输入参数建立的模型精度最高,模型检验集R2为0.71,检验集RMSE为0.56,估测结果较使用植被指数作为输入参数建立的模型精度高,稳定性好。该方法可为利用多波段信息进行大范围冬小麦叶面积指数的无损测定提供参考。     

几种水氮模式处理下冬小麦冠层结构的差异

为了给冬小麦水氮管理提供理论依据,以京冬8号为试验材料,采用随机区组设计,研究了4种水氮模式处理下冬小麦冠层结构的差异.结果表明,与传统水肥相比,传统灌溉-优化施肥的冬小麦株型较紧凑,植株高度相近,基部节间缩短,上3叶变短、变厚,总面积减少11.6%,叶倾角大,各层透光率高;优化灌溉-传统施肥的冬小麦株型松散,植株高度增加,基部节间差异小,上3叶变长、变薄,总面积增加14.1%,叶倾角小,各层透光率低;优化水肥与秸秆还田优化水肥株型稍松散,高度有所增加,基部节间缩短,上3叶长度有所增加,宽度有所减少,总面积分别减少2.3%和1.7%,叶倾角略减小,各层透光率略下降.与优化水肥相比,秸秆还田优化水肥有利于改善冬小麦冠层结构和光分布,但效果不明显.     

不同株型水稻叶倾角群体分布的模拟

 以株型因子为参数,建立了不同株型品种水稻叶倾角分布模型。对该模型进行验证,模拟值与实测值的1∶1回归直线的R2和RMSE分别为0.9472和3.93%。用本模型对3种株型、6个冠层高度和7个生长期的水稻冠层叶倾角分布的模拟结果表明,3种株型水稻叶倾角分布不同,紧凑株型的两优培九叶倾角较大,叶片挺立;松散株型的汕优63叶倾角最小,叶片披垂;中间型两优Y06介于两者中间,与实际观察结果一致。同一品种7个生长期叶倾角分布不同,从分蘖期到孕穗期,冠层叶倾角逐渐变大,叶片逐渐挺立;从孕穗期到成熟期,两优培九叶倾角变化不明显,汕优63和两优Y06则逐渐变小,叶片逐渐披散,其中,汕优63尤为明显。同一品种相同生长期的 6个冠层高度叶倾角分布不同,随着冠层高度增加,3个品种的分层LAI均减小,两优培九叶倾角变化不大,汕优63逐渐增大,两优Y06逐渐减小。试验证明该模型具有良好实用性。     

Simulation of Canopy Leaf Inclination Angle in Rice

A leaf inclination angle distribution model, which is applicable to simulate leaf inclination angle distribution in six heights of layered canopy at different growth stages, was established by component factors affecting plant type in rice. The accuracy of the simulation results was validated by measured values from a field experiment. The coefficient of determination （R2） and the root mean square error （RMSE） between the simulated and measured values were 0.9472 and 3.93%, respectively. The simulation results showed that the distribution of leaf inclination angles differed among the three plant types. The leaf inclination angles were larger in the compact variety Liangyoupeijiu with erect leaves than in the loose variety Shanyou 63 with droopy leaves and the intermediate variety Liangyou Y06. The leaf inclination angles were distributed in the lower range in Shanyou 63, which matched up with field measurements. The distribution of leaf inclination angles in the same variety changed throughout the seven growth stages. The leaf inclination angles enlarged gradually from transplanting to booting. During the post-booting period, the leaf inclination angle increased in Shanyou 63 and Liangyou Y06, but changed little in Liangyoupeijiu. At every growth stage of each variety, canopy leaf inclination angle distribution on the six heights of canopy layers was variable. As canopy height increased, the layered leaf area index （LAI） decreased in all the three plant types. However, while the leaf inclination angles showed little change in Liangyoupeijiu, they became larger in Shanyou 63 but smaller in Liangyou Y06. The simulation results used in the constructed model were very similar to the actual measurement values. The model provides a method for estimating canopy leaf inclination angle distribution in rice production.     

Analysis and Simulation of Plant Type on Canopy Structure and Radiation Transmission in Rice

Three typical hybrid rice cultivars,together with three artificially modified plant types by the application of N fertilizer during the elongation of the two uppermost leaves were used to analyze how the plant type affected the layered leaf area and radiation transmission.Plant type factors,layered leaf area and radiation distribution were measured at the full heading,10 d and 25 d after full heading stages,respectively.A model for calculating the layered leaf area from plant type factors was established and validated to determine the effects of plant type factors on the layered leaf area for the three hybrids.Furthermore,the relationship between layered leaf area and radiation transmission was established by using the radiation transmission model.The effects of the plant type factors on the radiation transmission for the three hybrids were evaluated by using this model.Finally,a method was established to describe the canopy structure,such as the layered leaf area index and the radiation distribution in the rice canopy.     

基于PROSAIL模型和无人机高光谱数据的冬小麦LAI反演

为及时准确高效监测小麦叶面积指数(leaf area index, LAI),获取了冬小麦挑旗期和开花期地面实测光谱与无人机高光谱遥感影像数据,并基于查找表建立PROSAIL辐射传输模型得到冬小麦冠层模拟光谱数据,利用数学统计回归模型与偏最小二乘回归法分别构建冬小麦LAI单变量、多变量预测模型,以实测LAI数据对预测结果进行精度评价,将最佳预测模型应用于无人机高光谱影像以分析LAI空间分布情况。结果表明,冬小麦各生育时期的预测模型均具有较高的预测精度,单变量预测模型和多变量预测模型的决定系数分别为0.598～0.717和0.577～0.755,其中以基于植被指数的多变量预测模型表现最优,其在开花期的验证精度最高,RMSE和MAPE分别为0.405和12.90%。在LAI空间分布图中,开花期预测效果优于挑旗期,各试验小区的LAI分布较为均匀。     

水稻冠层光分布模拟与应用

 综合已有作物模型的优点,构建了水稻冠层光分布模型,并进一步与原有光合作用和干物质生产模型相耦合,构建了水稻光合生产模型。新模型将水稻冠层按叶面积指数划分为5层,各层次水平面上的太阳辐射强度按Monsi和Saeki的指数模型进行分布;模型利用日照百分率资料推算直接辐射与散射辐射,并考虑了光合有效辐射的日变化、冠层结构和太阳位置对直接辐射消光系数的影响。利用独立的水稻田间试验资料,对主要生育期冠层内的光分布进行了初步验证,结果表明模拟值与观测值之间具有较好的一致性。最后,将基于冠层光分布模型与原有光合生产模型进行了比较,预测水稻干物质积累量的根均方差分别为0.74 t/hm2和1.26 t/hm2,建立的基于冠层光分布模型的预测性较好。研究结果将为水稻生长模型的改进完善以及生产管理调控与品种数字化设计奠定基础。     

基于无人机多光谱遥感的冬小麦叶片含水量反演

为了快速监测小麦叶片水分含量,以敏感波段组和植被指数组2种变量分别作为输入变量,以地面同步观测的冬小麦叶片含水量作为输出变量,分别采用偏最小二乘(partial least squares, PLS)、极限学习机(extreme learning machine, ELM)和粒子群算法(particle swarm optimization, PSO)优化极限学习机,建立冬小麦叶片含水量预测模型,并对其反演效果进行比较。结果表明,光谱反射率和植被指数与叶片含水量之间存在较为密切的相关性,依此确定的敏感光谱波段为红光、蓝光和近红外波段,敏感植被指数为绿度指数、过红指数、归一化绿红差值指数、三角形植被指数和过绿指数。从2种变量的建模效果看,基于植被指数组构建的模型的精度和稳定性均优于敏感波段组,其中基于植被指数组的PSO-ELM模型在6个叶片水分含量反演模型中表现最佳,其r²和RMSE分别为0.98和0.26%。利用最优模型反演得到研究区冬小麦叶片含水量的分布范围为45%～75%,平均为64.57%,反演结果与地面实测较相符,说明基于无人机光谱数据通过建立以植被指数为...     

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SPAD值的木薯叶绿素含量预测模型

为了探讨木薯叶绿素含量的非破坏性快速测定方法,在测量叶片SPAD值、比叶面积和叶绿素含量的基础上构建通过SPAD值预测总叶绿素含量的数学模型。结果表明,叶绿素a对于SPAD值的贡献率大于叶绿素b;比叶面积和叶位显著影响SPAD值与总叶绿素含量的关系,在SPAD值预测总叶绿素含量的模型中导入比叶面积和叶位2个自变量可提高预测总叶绿素含量的精度;基于SPAD值、比叶面积、叶位预测总叶绿素含量的模型为C=-4.51+0.092 5 Spv+0.039 9 Sa+0.145 0（Lp）。     

基于Sentinel-2多光谱数据和机器学习算法的冬小麦LAI遥感估算

为了丰富大田尺度下冬小麦叶面积指数的遥感估算方法并提高估算精度,以关中地区冬小麦为对象,基于Sentinel-2多光谱卫星数据与地面同步观测的冬小麦叶面积指数样点数据,应用偏最小二乘回归(PLSR)、反向传播神经网络(BPNN)和随机森林(RF)法构建冬小麦叶面积指数估算模型,进行区域冬小麦叶面积指数遥感反演。结果表明,Sentinel-2多光谱卫星影像中心842nm近红外B8波段与冬小麦叶面积指数相关性最好,样本总体相关系数为0.778;植被指数中反向差值植被指数(IDVI)与冬小麦叶面积指数相关性最好,样本总体相关系数为0.776。各种估算模型中LAI-RF模型预测效果最佳,r~2为0.72,RMSE为0.53,RE为16.83%。基于LAI-RF估算模型,应用Sentinel-2多光谱卫星数据较好地反演了研究区冬小麦叶面积指数区域分布,其结果总体上与地面真实情况接近,说明以Sentinel-2卫星影像数据建立LAI-RF估算模型,可应用于区域冬小麦LAI反演制图。