水稻高光谱遥感监测研究综述

高光谱遥感技术凭借其可以快速、实时、准确、无损地获取水稻生长信息的优势,已经成为监测水稻生长状况的重要手段。本研究综述了高光谱遥感技术在水稻长势监测(包括叶绿素含量、叶面积指数和地上生物量)、产量估算、养分诊断(包括氮素、磷素和钾素)、数据处理与反演方法等领域的国内外研究进展,并针对目前的研究进行了展望,以期为水稻的精准管理提供参考。     

高光谱遥感技术及其在草地及植被中的应用

随着高光谱遥感技术的发展及其自身的优点,其在植被中的应用备受关注。概括高光谱遥感技术的原理及相关植被指数,着重介绍高光谱技术在植被生长信息检测、产量预测、养分诊断等方面的应用,明确其在草地碳储量研究中的必要性以及相关研究进展,并提出今后的研究方向和应用前景。     

基于固定翼无人机多光谱影像的水稻长势关键指标无损监测

【背景】近年来随着遥感技术的快速发展，实时无损监测作物生长状况已成为当前研究热点，遥感获取的农情信息将为实现大面积作物精确管理提供指导。在众多遥感监测平台里，无人机因其操作简单、使用成本低等特点而受到广泛关注，无人机搭载多光谱相机可以快速获取作物的长势信息。【目的】尝试将固定翼无人机多光谱影像纹理信息与光谱信息结合，探究“图谱”信息对水稻长势指标的监测效果。【方法】通过开展两年涉及不同播期、品种、播栽方式、施氮水平的水稻田间试验，在水稻关键生育期使用固定翼无人机搭载Sequoia多光谱相机获取水稻冠层遥感影像，同步进行地上部破坏性取样以获取水稻叶面积指数(LAI)、地上部生物量(AGB)和植株氮含量(PNC)等农学指标，采用简单线性回归、偏最小二乘回归和人工神经网络回归算法，构建基于固定翼无人机多光谱影像的水稻长势指标监测模型，比较分析光谱纹理信息在不同模型中的监测效果。【结果】利用简单线性回归方法探究了植被指数(VI)、单波段纹理特征与水稻LAI、AGB和PNC间的定量关系，结果表明植被指数与LAI和AGB之间有较强的相关性，表现最好的植被指数为CIRE和NDRE,R 2分别为0.8...     

基于机器学习的粳稻叶片叶绿素含量高光谱反演建模

叶绿素含量是表征粳稻生长状态的重要指标,高光谱遥感技术能够无损、快速的获取粳稻叶片叶绿素含量。本研究利用2015—2017年沈阳农业大学辽中水稻实验站粳稻叶片高光谱数据,并利用主成分分析法(PCA)、典型相关分析法(CCA)、核典型关联分析法(KCCA)3种方法对粳稻叶片高光谱信息降维,选出较优光谱参数作为叶绿素含量反演模型的输入变量。采用支持向量机回归(SVR)、神经网络(NN)、随机森林(RF)、偏最小二乘法(PLSR)四种机器学习算法建立粳稻叶片叶绿素含量反演模型。结果表明,KCCA降维方法对粳稻叶片高光谱降维效果要优于PCA和CCA两种方法。采用KCCA-SVR方法建立的粳稻叶片叶绿素含量反演模型的模型决定系数R²=0.801,RMSE=1.610,建立的粳稻叶绿素含量反演模型精度最高。该模型良好的预测能力为粳稻叶片叶绿素含量反演研究和养分诊断提供了数据支撑和模型参考。     

农业物联网光谱感知及系统方案研究

农业物联网是实现农业生产信息化的核心技术,但在信息感知阶段由于采用的传感技术简单,只能获取一些简单的农作物生长环境信息,无法实现对农作物养分与生理信息的有效感知。就农业物联网采用光谱感知技术获取农作物养分与生理信息展开研究,并就光谱技术与其他传感技术在农业物联网的联合感知分析了物联网的技术架构及感知控制层结构,讨论了信息传输流程及数据网关结构。农业物联网采用光谱感知技术可增加对农作物生长信息的泛在感知能力,进一步促进农业产业的信息化和精细化。     

基于RF-VR的紫丁香叶片叶绿素含量高光谱反演

利用高光谱技术精确估测植物叶片叶绿素含量,对植物生长趋势和营养状况的监测和管理具有重要意义。本文以紫丁香为研究对象,针对高光谱所含波段数量大、波段间相关性强导致数据中冗余信息增多的现象,通过卷积平滑和二阶微分(SG-SD)处理光谱数据,应用随机蛙跳(RF)算法筛选特征波段,最后结合偏最小二乘(PLSR)和投票回归器(VR)建立了植物叶片叶绿素含量反演模型,并与全波段光谱法和5种经典变量提取方法进行了比较。结果显示,相比于原始光谱数据,SG-SD是一种有效的提高建模精度的光谱预处理方法;相比于全波段光谱和经典变量提取方法,RF算法筛选出的敏感波段建模效果最佳;相比于PLSR模型,VR模型的预测精度和预测稳定性能更优。本文对原始光谱数据进行SG-SD预处理后,对经RF算法筛选出的特征波段建立VR模型,变量数由全波段数204个减少为35个,建模集决定系数0.944 2,验证集决定系数0.951 4,最后利用RF-VR模型结合伪彩图技术得到紫丁香叶片叶绿素分布反演图,为紫丁香叶片养分分布提供更直观的信息表达。结果表明,该方法可为紫丁香叶片营养含量诊断和长势监测提供技术支持。     

作物养分管理集成系统研究

为了解决作物不同生长阶段养分需求,维持土壤养分供给与作物吸收之间的平衡,从而有效地提高作物产量和品质,提出了作物养分管理集成系统。该系统包括土壤速效氮磷钾养分吸光度检测技术、作物养分反射光谱检测技术和激光诱导击穿光谱养分检测技术,它能够快速检测作物播种前和生长发育过程中土壤养分状况以及作物植株养分丰缺状况。结果表明,作物养分管理集成系统中土壤速效氮磷钾吸光度法测量结果与碱解扩散法测量土壤速效氮,钼锑抗比色法测量土壤速效磷和火焰光度法测量土壤速效钾的相关系数分别为0.888 2、0.908 4和0.847 4;水稻叶反射光谱与土壤作物分析仪SPAD(Soil-plant analysis development,SPAD)测试值相比,相关性系数为0.901 6;激光诱导击穿光谱获得的土壤钾谱线强度与火焰光度法钾测试结果相关系数为0.808 5。应用"3414"试验方案研究了玉米氮磷钾养分丰缺指标,建立了土壤养分和目标产量之间的关系式,为作物养分管理提出了一种解决方案。     

基于高光谱成像技术识别水稻纹枯病

【目的】利用高光谱成像技术对水稻纹枯病进行早期的快速无损识别,结合判别分析方法建立相应的鉴别模型。【方法】以健康和感染纹枯病的水稻幼苗为研究对象,采集叶片和冠层各180个样本的380~1 030 nm波段的360条高光谱图像,剔除明显噪声部分后,以440~943 nm波段作为水稻样本的光谱范围,分别用不同的方法预处理获得水稻叶片的光谱曲线。采用偏最小二乘–判别分析(PLS-DA)对不同预处理的光谱建模。采用MNF算法对冠层的原始光谱数据进行特征信息提取,并基于特征信息建立线性判别分析(LDA)模型和误差反向传播神经网络(BPNN)判别模型。【结果】标准正态变量变换(SNV)预处理后建立的PLS-DA模型的预测集判别正确率最高,为92.1%。基于特征信息的LAD和BPNN模型的判别结果优于基于全波段的PLS-DA判别模型。基于最小噪声分离变换特征信息提取的BPNN模型取得了最优效果,建模集和预测集正确率分别达99.1%和98.4%。【结论】采用高光谱成像技术对水稻纹枯病生理特征进行无损鉴别是可行的,本研究为水稻纹枯病的识别提供了一种新方法。     

利用独立变量分析与高光谱植被指数模型监测成熟期水稻中砷污染

水稻中过量砷(As)能够损害叶片中叶绿素和叶片内部结构,进而影响水稻光合作用效率,并改变水稻在光谱上的表现.利用高光谱植被指数(CARI、PRI、SIPI)和独立变量分析(ICA)模型对水稻中As含量进行了研究.结果表明,以上3种高光谱植被指数与水稻中As含量均呈一定的相关关系,其相关系数在0.67以上;而经过独立变量分析(ICA)可知,在蓝光波段(440～540 nm)和红光波段(600～700 nm)之间各有一个独立变量与水稻中As含量高度相关,相关系数达到0.95以上.将上述植被指数与独立变量和水稻中As含量之间进行回归分析,得到水稻中As含量的线性回归方程.研究表明,重金属As对水稻生长的影响可以通过其在光谱上的特征(如相关植被指数)改变来体现,并可以用独立变量分析(ICA)方法提取光谱中关于As胁迫的隐含弱信息,建立遥感预测模型,为大面积监测农作物As污染提供依据.     

基于高光谱的水稻叶片氮素估测与反演模型

快速、无损、准确地监测水稻叶片氮素状况,对于诊断水稻生殖生长特征、提高氮肥运筹水平具有重要意义。利用无人飞行平台搭载高光谱成像系统获取水稻冠层高光谱数据,分析了试验点水稻分蘖期叶片氮素与冠层高光谱信息之间的关系。结果表明,水稻分蘖期叶片氮素含量与同期归一化差值植被指数(NDVI)之间有良好的相关性,可以建立水稻分蘖期叶片氮素含量反演的相关统计模型。     

光谱技术在玉米生产中的应用

随着光谱技术的普及和应用,利用光谱技术对农作物生长等相关信息进行无损监测的研究日益深入。综述了光谱技术在玉米养分、籽粒品质、估产等方面的研究成果,介绍了玉米光谱监测研究的最新进展,提出了广东省玉米光谱监测存在的问题和发展方向。     

基于近红外光谱的重金属汞、镉和铅污染水稻叶片鉴别

通过近红外光谱技术结合模式识别技术,建立重金属Hg、Cd和Pb污染水稻叶片的判别模型,以发展快速检测重金属污染水稻的技术。结果表明:在模拟稻田重金属Hg、Cd和Pb质量分数分别在1.5、1和500mg/kg条件下水稻正常生长发育;叶片近红外光谱数据通过小波函数(daubechies 2,db2)在0～5水平预处理后分别输入反向传递神经网络(back propagation neural networks,BPNN)和径向基神经网络(radial basis function neuralnetworks,RBFNN)预测的结果表明,小波转换采用db2函数第3分解水平对光谱的预处理结合径向基人工神经网络对重金属胁迫下水稻叶片识别效果最优,对Hg、Cd和Pb污染土壤上以及正常条件下生长的水稻叶片的识别正确率分别为95.5%,81.8%,91.3%和100.0%。这为近红外光谱分析技术在重金属污染水稻的识别上提供了初步依据,并有利于保障植物环境安全。     

遥感监测技术在薯类作物上的应用研究进展

遥感技术凭借其可以实时、快速、准确、无损地获取薯类作物生长信息的特点,已经是监测薯类作物生长的重要手段。薯类作物的茎叶和块根生长分别在地上和地下,光谱反射机理均不同于禾本科类作物(如水稻、玉米和小麦),因此,薯类作物具有遥感监测研究特有的方面。总结了遥感技术的特点,遥感平台的种类和遥感监测方法,以及应用遥感技术在薯类作物种植面积提取、病害管理、长势监测和估产等领域的国内外研究进展,分析了遥感技术在薯类作物生长信息监测的不足,进一步提出相关建议,并指出了探索薯类作物空间分布信息及变化、薯类作物长势高效监测、薯类作物产量预测模型、薯类作物遥感模型与农学模型同化机制研究是未来的发展方向。     

水稻根系三维建模及可视化方法研究进展

根系是水稻获取养分的主要器官,水稻根系三维建模及可视化有助于进一步了解其根系的形态、结构和功能。随着计算机视觉和非侵入性技术的不断发展,根系形态和功能研究已进入数字化和可视化的阶段。近年来许多研究者分别从制作出土根系手绘图、计算机断层扫描(CT)等非侵入性技术、数学建模以及仿真模拟等方面推进水稻根系三维建模及可视化的研究。根系数据的获取是三维建模的有效前提,根据是否破坏根系原有生长环境,根系数据探测被分为破坏性探测和原位探测两类,本文对比分析了两种探测方式的方法和特点。从人工观察测量、机器视觉、光学仪器或断层扫描的三维数字化等方面对水稻根系的三维建模进行了阐述,总结了水稻根系三维建模及可视化的研究进展,并对当下主流三维重构技术进行分类和对比,总结了不同根系三维重构方法在重建效果、成本、操作水平等方面的优劣势。此外,由于根系生长在复杂多变的土壤环境中,不同时期根系的生长发育受土壤紧实度,水分、养分分布等因素的影响而存在差异,且受限于土壤的不透明和不稳定性,更多水稻根系的三维建模研究主要停留在根系基本指标与非环境因素(如土层深度、时间)的统计拟合及单环境因子对水稻根系生理生态的影响上,而根系与多环境因子动态交互方面的研究较少。在高度非结构化的根系数据处理困难的情况下,探究水稻根系与环境的动态转化过程及根系生长与多环境因子的定量关系模型将成为未来根系三维建模研究的重要方向,为构建更具真实意义的可视化模型提供基础。     

基于冠层高光谱的南方丘陵地区晚稻氮素营养诊断

为研究水稻氮素营养诊断的快速方法、初步构建基于高光谱的水稻氮素营养诊断模型,以南方丘陵区晚稻氮肥试验为例,利用分别测定不同施氮水平及水稻不同生育期水稻冠层叶片的高光谱反射特征,应用一阶微分光谱以及植被指数分别构建基于高光谱的晚稻氮素营养诊断模型。结果表明:不同氮素水平下冠层叶片光谱反射率的差异主要集中在400~650 nm可见光处和730~1350 nm近红外处,随着冠层氮素含量增加可见光处光谱反射率降低,而在近红外范围内反射率增加。随着水稻生长发育,冠层叶片光谱反射率降低,而且反射峰值由519 nm向554 nm移动。应用738 nm处的光谱反射率与叶片氮素含量建模,用一阶微分反射率得到的最优模型为指数模型Y=1.591 4e~(88.794X)(R~2=0.736 2),用比值植被指数(RVI)和归一化植被指数(NDVI)得到的最优模型分别为指数模型Y=18.658e~(-1.040 9X)(R~2=0.630 4)和二次多项式Y=-17.454X~2+0.733 1X+4.130 2(R~2=0.652 3),所有模型中以一阶微分反射率得到的模型最佳,最适合于在供试条件下的水稻氮素营养诊断。     

基于模型和遥感的水稻长势监测研究进展

水稻生长模型是集气候、土壤、品种和栽培措施等因素为一体的对水稻的物候发育、光合生产、器官建成、同化物积累与分配以及产量与品质形成等生理过程及其与环境和技术因子关系综合量化的动态数学模型,具有机理性和预测性。遥感影像的信息波段及其组合可以反射作物生长的空间信息,可实现对水稻进行长势监测和估产,具有及时性和广域性。将二者结合用于长势监测不但具有理论研究意义,而且还具有重要的应用价值。在简要概述水稻生长模型和长势遥感监测研究进展的基础上,总结了水稻生长模型和长势遥感监测相结合下水稻长势监测应用的研究进展,并提出一些今后研究设想。     

水稻叶片SPAD值的高光谱估算模型

[目的]构建水稻叶片SPAD值的高光谱精确估算模型,为进一步提高高光谱对水稻SPAD值反演估算精度提供参考依据.[方法]利用SPAD-502型叶绿素测定仪测量水稻叶片SPAD值,以FieldSpec 4光谱仪采集水稻叶片光谱数据.通过分析光谱植被指数、位置参数与SPAD值的相关性,构建4个水稻叶片SPAD值高光谱估测模型,即逐步多元线性回归(SMLR)模型、支持向量机回归(SVR)模型、基于主成分分析的支持向量机回归(PCA+SVR)模型和以逐步多元线性回归确定最佳参数的支持向量机回归(SMLR+SVR)模型;并采用均方根误差(RMSE)、平方相关系数(R2)、相对分析误差(RPD)和平均相对误差(MRE)等指标对模型进行评价.[结果]在分析的15个光谱特征参数中,除黄边位置(λy)无显著相关外(P>0.01),水稻叶片SPAD值与叶片光谱位置参数及植被指数参数间存在显著相关性,选择相关系数大于0.800的5个植被指数参数(VOG1、VOG2、VOG3、CARI和PRI)和7个光谱位置参数[蓝边面积(SDb)、黄边振幅(Dy)、黄边面积(SDy)、绿峰反射率(Rg)、红谷净深度(Hr)、蓝边振幅(Db)和红边位置(λh)]作为输入变量构建水稻叶片SPAD值的估测模型.R2和RPD值越大,RMSE和MRE值越小,则表明模型的性能越好,估算精度高.比较4个模型训练与测试结果的R2、RMSE、MRE和RPD可知,在模型估算精度上,SMLR+SVR模型高于SMLR模型,PCA+SVR模型高于SVR模型.总体上,SMLR+SVR模型能更好地实现对水稻叶片SPAD值的预测,其模型各项评价指标R2、RMSE、MRE和RPD分别为0.856、2.076、3.984%和2.550.[建议]进一步挖掘分析光谱特征参数与水稻叶片SPAD值间的关系,提出新的光谱特征参数或优化特征参数选择组合方法,增加回归建模算法,提高高光谱对水稻叶片SPAD值的有效估算.采集水稻冠层高光谱图像,反演出高光谱图像中的水稻冠层SPAD值,研究冠层SPAD与水稻长势关系,为水稻科学管理提供技术支持.     

基于高光谱技术的覆膜旱作水稻植株氮含量及籽粒产量估算

为建立利用光谱技术快速诊断覆膜旱作水稻植株氮营养和产量的估算模型,应用高光谱技术分析了长江中下游覆膜旱作区水稻拔节期和抽穗期内5种不同施氮水平(0、60、120、180和240kg/hm~2(N))下植株冠层光谱特征及其与植株氮素含量和产量的关系,并分别构建了植株含氮量和产量的估算模型。结果表明:拔节期和抽穗期内不同供氮水平下冠层光谱的变化规律基本一致,均随着供氮水平的增加,反射率在可见光区降低、在近红外区增大。覆膜旱作水稻植株氮含量与552和890nm 2个敏感波段构成的比值(RVI)和绿色归一化植被指数(GNDVI)的关系最佳。构建的水稻关键生育期植株全氮含量及水稻产量的估算模型预测效果均较好,其中植株全氮含量拟合方程的决定系数为0.730~0.808,采用拔节期的RVI对覆膜旱作水稻进行估产的决定系数达到0.724。本研究构建的模型可以用来估计该地区覆膜旱作水稻的氮素营养状况和作物产量。     

光谱技术在水稻生长监测中的应用研究进展

光谱技术可以快速、准确、无损地获取水稻生长状态的实时信息,是水稻生长监测和精确管理中实施变量投入不可或缺的关键技术。综述了以光谱技术监测水稻长势（包括叶面积指数和生物量）、水稻生物化学参数（包括氮素营养和叶绿素含量）和水分的国内外研究进展,并提出了一些今后研究的设想,以期为提高水稻精确管理水平和单位面积产量提供技术支撑。     

智能化精准灌溉施肥技术研究现状与展望

精准灌溉施肥技术是精确施肥和精确灌溉相结合的产物,精准灌溉施肥关键技术涉及到作物生长信息检测、营养液管理、决策支持系统。基于光谱技术、机器视觉技术的植物生长信息快速无损检测技术已成为精准农业的关键技术之一。营养液的配制及使用过程中的调节是精准灌溉施肥系统的核心,目前主要有基于电导率(EC)值的营养液管理方式、养分添加的营养液管理方式和基于作物模型的营养液管理方式。在精准灌溉施肥决策方面,研究农作物不同生长发育阶段与土壤、气象、管理措施的定量关系,为生成不同尺度的变量处方提供了依据,并对精准灌溉施肥技术进行了展望。