基于冠层时序植被指数的冬小麦单产预测

【目的】研究冬小麦冠层时序植被指数的动态变化规律并基于其构建单产预测模型,为田间实时、准确获取作物单产信息提供有效的技术手段。【方法】本研究于2017—2019年在江苏省兴化市万亩粮食产业园开展不同品种及氮肥水平的田间小区试验,利用主动传感器RapidSCAN CS-45获取冠层归一化红边植被指数（normalized difference red edge,NDRE）和归一化植被指数（normalized difference vegetation index,NDVI）,基于双Logistic函数拟合时序植被指数并提取曲线特征参数,进而分析各特征参数与单产的相关关系,并以独立试验数据对单产预测模型进行验证。【结果】NDRE在孕穗期和抽穗期与单产关系最好,R²达到0.84以上;通过多元逐步线性回归法发现,利用2个或多个时期NDRE预测单产的效果较单生育时期有所提高,且第一和第二被选择的时期分别为拔节期和孕穗期。基于全生育时期相对NDRE（relative NDRE,RNDRE）和相对NDVI（relative NDVI,RNDVI）构建时序曲线,并利用曲线特征参数建立单产预测模型,其中RNDRE和RNDVI的最大值、累积值及增长速率与单产关系较好。利用独立试验数据对上述单产预测模型进行检验,结果表明基于RNDRE时序曲线最大值和累积值所构建的单产模型验证效果较好,R²大于0.80,相对均方根误差和相对误差均小于10%,其验证效果优于单时期或多时期基于NDRE的预测模型,且优于基于NDVI构建的单产模型。【结论】基于冠层时序植被指数提取的特征参数RNDRE最大值和累积RNDRE具有良好估测单产的潜力,研究结果为田间进行实时、准确预测冬小麦单产提供了技术支持。     

基于新型植被指数的冬小麦LAI高光谱反演

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。     

近20年华北粮食主产区冬小麦种植面积遥感快速提取研究

【目的 】基于遥感数据,研究快速提取华北粮食主产区近20年（2001—2020年）冬小麦种植面积的方法,生成准确的长时间序列冬小麦面积遥感产品,为政府决策机构和科研单位的工作提供数据支持。【方法 】文章基于经过滤波重构的MODIS植被指数产品,分析了研究区不同纬度下冬小麦在整个生长季中的时序特征,考虑到不同区域冬小麦物候差异,提出了一种关键生长季时序NDVI曲线匹配的方法,在无样本的条件下,快速提取冬小麦面积。通过使用统计年鉴进行面积验证,并结合目视解译的样本和高分辨率数据哨兵2号提取的结果,计算混淆矩阵并进行精度评价。【结果 】与2001—2018年的统计年鉴数据对比,平均相对误差为16.1%;与目视解译和哨兵2号分类结果中的6 459个采样点的精度评价相比,总体精度达到87.4%,kappa系数为0.61。【结论 】根据冬小麦的物候特征,通过提取NDVI的时序特征并采用时序NDVI曲线匹配算法,可以快速准确地提取华北粮食主产区冬小麦的种植面积和分布情况。     

河南省冬小麦产量遥感监测精度比较研究

【目的】预测冬小麦产量,提高估产精度,为国家粮食生产安全宏观调控提供重要的数据和技术支撑。【方法】以河南省为研究区,利用时间序列MODIS-NDVI数据,结合河南省17个地市的产量数据以及河南省的冬小麦遥感监测面积数据,运用实时NDVI与产量数据建立线性模型、两年差值NDVI与对应的差值产量建立线性模型两种方法对河南省冬小麦产量进行预估,比较分析两种方法的精度。【结果】(1)两年差值归一化植被指数(dNDVI)明显比实时归一化植被指数(NDVI)更好地预估冬小麦产量。(2)实时NDVI预估单产产量相对误差基本可以满足要求,大部分在0.25以下,只有少数几个市(焦作、鹤壁、新乡、安阳)相对误差较高。(3)两年差值归一化植被指数(dNDVI)预估单产的整体误差均可以满足估产的要求,均在0.1以下。【结论】两年差值归一化植被指数(dNDVI)可以有效预测冬小麦产量,有利于提高估产精度。     

冬小麦水分利用效率相关驱动因子及其预测模型构建

【目的】水分利用效率能够综合反映冬小麦生长适宜度和能量转化效率,筛选并探究冬小麦各生育时期响应标准化水分利用效率(WP*)的驱动因子,构建相关驱动因子的WP*预测模型,对黄淮海平原冬小麦水分利用效率监测及水资源高效利用具有重要意义。【方法】以冬小麦为研究对象,设置3个水分处理,包括水分亏缺处理(W1):35 mm和(W2):48 mm,对照处理(W3):68 mm,获取冬小麦拔节期、孕穗期和灌浆期的冠层温度参数、生理指标和标准化水分利用效率(WP*)。通过逐步回归和通径分析筛选各生育时期响应WP*变化的主要驱动因子,探究WP*与相关驱动因子间关系,最后采用偏最小二乘回归(PLSR)和支持向量机(SVM)方法构建各生育时期基于驱动因子的WP*预测模型。【结果】较对照处理(常规灌溉),水分亏缺处理下冬小麦冠层温度参数、生理指标和WP*均表现出显著差异。基于逐步回归方法筛选出了各生育时期响应WP*的主要驱动因子,并采用通径分析得到各驱动因子响应WP*敏感程度排序,即拔节期依次为冠层温度极差(MTD)、气孔导度(G_s)、叶片含水量(LWC)和POD;孕穗期依次为冠层相对温...     

基于热红外图像的小麦品种抗旱性鉴定与评价

【目的】分析不同基因型小麦冠层的温度参数相关信息,探寻快速高效筛选冬小麦抗旱品种的指标和方法,给冬小麦抗旱品种筛选提供参考依据。【方法】本研究以小麦为研究对象,获取干旱胁迫下10个抗旱性存在差异的小麦品种冠层热红外图像,采用温度频率直方图等分析方法提取冠层温度特征参数,明确温度特征参数与抗旱指数之间定量关系,分析冠层温度特征参数对筛选冬小麦抗旱品种的有效性。【结果】基于产量抗旱指数（DRI）的分级标准将测定小麦品种分为4种抗旱类别,其抗旱性越强,最大光化学效率（F_v/F_m）,植株含水量（PWC）,气孔导度（G_s）,蒸腾速率（T_r）和籽粒产量越稳定。基于热红外图像提取冠层温度特征参数,小麦抗旱性越强,冠层温度的差异性越小,冠层温度的离散程度也较小。产量抗旱指数（DRI）与拔节期、孕穗期和开花期的作物冠层温度与环境温度的偏差（CTD）均呈现极显著的正相关关系,相关系数r为0.79—0.84,而与冠层温度标准差（CTSD）、变异系数(CTCV)、水分胁迫指数（CWSI）和冠层相对温差（CRTD）呈显著负相关（r=-0.56—-0.78）。基于单一生育时期冠层温度特征参数建立了产量抗旱指数（DRI）回归模型,估算精度为r²=0.73—0.87,其中以拔节期预测模型精度最高。而基于3个生育时期的相关冠层温度参数CTD、CTCV、CTSD CWSI组合构建产量抗旱指数（DRI）预测模型,较基于单一生育时期预测精度显著提升（r²=0.95）。【结论】利用热红外图像可进行小麦品种抗旱性的早期鉴定与快速评价,这对促进作物高效节水生产具有重要意义。     

中国南方双季稻氮营养指数及产量估算模型研究

[目的]构建归一化差值植被指数(normalized difference vegetation index,NDVI)和氮营养指数(nitrogen nutrition index,NNI)关系模型,并构建不同时期积分归一化植被指数(integrated NDVI,NDVI_(int))与相对产量(relative yield,RY)之间的算法,以期通过NDVI无损监测氮素营养的亏缺来预测水稻产量。[方法]通过2年(2014—2015年)不同品种和不同施氮处理的早、晚稻田间小区试验,获取水稻地上部干物质量和氮含量,冠层植被指数(NDVI)及产量等,基于临界氮浓度稀释曲线计算不同时期NNI,分析NDVI与NNI、积分NDVI与RY之间的定量关系。[结果]早、晚稻各个时期的NDVI与NNI之间能够很好地以指数函数(NNI=a×e~b×NDVI)拟合,拔节期的估算效果最好,模型为:早稻的NNI=0.431e~(1.372NDVI);晚稻的NNI=0.075e~(3.471NDVI),其估算NNI与实测NNI的R~2、准确度和RRMSE分别为0.92、0.868和7.092%(早稻)及0.84、0.914和13.736%(晚稻)。早、晚稻各时期的NDVI_(int)与RY之间存在显著线性关系,除晚稻分蘖期外都具有较好的预测准确性,经检验,早稻各时期模型预测产量与实测产量的R~2、准确度和RRMSE分别为0.91~0.93、0.812~0.899和7.216%~9.978%,晚稻的分别为0.79~0.89、0.721~0.980和5.134%~6.736%,其中全生育期的模型效果最好,但是在0.05显著水平下早稻与晚稻之间具有较大差异。[结论]构建的基于NDVI的氮营养指数估算模型及基于积分NDVI的相对产量估算模型分别能够准确地反映作物氮素营养状况和预测产量,可为中国南方双季稻区追肥管理和产量预测提供技术支持和理论依据。     

运用光谱技术改进Beer-Lambert定律的定量化及其应用研究

 运用简便、快捷的无损测试提供的归一化植被指数（normalized difference vegetation index, NDVI）方法，对Beer-Lambert定律进行定量化改进，构建了以NDVI为自变量的LAI预测模型，并采用不同年份、不同株型的玉米数据对其改进结果进行检验。结果表明，当生长55 d时，叶向值（LOV）显著不同的3种株型的NDVI、LAI和消光系数K的差异均最大；披散型（LOV≤30°）NDVI饱和点的出现较中间型和紧凑型为早；利用NDVI改进Beer-Lambert定律的定量预测模型能够敏感反映植株冠层结构参数的动态变化，且最适用于紧凑型品种。随着玉米育种目标更偏向培育偏紧凑型品种，其改进结果在育种栽培实际中更有利用价值。     

冬小麦关键物候空间分布遥感监测方法研究

物候信息对农作物生长的动态监测、田间管理具有重要意义。归一化植被指数(normalized difference vegetation index, NDVI)能够在大范围覆盖区域内准确地反映农作物物候信息。以河北省为研究区域,选用2000至2009年的SPOT/VEGETATION NDVI旬合成产品数据集,尝试结合气象站点的气温,利用Savitzky-Golay(S-G)滤波重构NDVI时序曲线,以动态阈值法监测研究区冬小麦的返青期开始和抽穗期开始,并对监测结果进行了分析。空间分布上,河北省冬小麦物候期总体上呈现由南到北逐渐推迟的空间分布规律,从各具体年份来看,冬小麦遥感监测结果符合实际的物候地面观测结果,并在因异常气候变化物候期发生变化的年份也有较好的反应,结果表明,通过NDVI时序曲线结合气温的方法可以准确监测河北省冬小麦关键物候期。     

估算水稻叶面积指数的调节型归一化植被指数

【目的】叶面积指数（LAI）是描述植物冠层结构、群落生长分析和陆地生态系统研究的重要参数,提高叶面积指数的估算精度是遥感工作者的重要研究方向之一。【方法】通过不同氮素营养水平的水稻小区实验,利用2004年中稻高光谱反射率数据,模拟中等分辨率成像光谱仪（MODIS）前四个通道,提出包含蓝、绿、红和近红外四个谱段的调节型归一化植被指数ANDVI（adjusted-normalized difference vegetation index）。对ANDVI和归一化植被指数NDVI（normalized difference vegetation index）、增强型植被指数EVI（enhanced vegetation index）、绿波比值指数GRI（green ratio index）、红边比值指数RRI（red-edge ratio index）等5个光谱植被指数与水稻LAI的相关关系进行了分析。利用2004年晚稻试验数据,对与LAI相关关系较好的ANDVI进行验证。【结果】ANDVI指数模型预测效果最好,均方根误差为1.771,估算精度达到63.1%。【结论】说明ANDVI具有进行在大面积范围内监测水稻LAI的能力。     

基于像元二分法的冬小麦植被覆盖度提取模型

【目的】快速准确提取冬小麦返青期植被覆盖度信息。【方法】利用无人机获取田间冬小麦可见光图像,提取图像中4种常见可见光植被指数;在像元二分法原理的基础上,分别构建基于差异植被指数(Visible-band difference vegetation index,VDVI)、过绿指数(Excess green,EXG)、归一化绿蓝差异指数(Normalized green-blue difference index,NGBDI)和归一化绿红差异指数(Normalized green-red difference index,NGRDI)的植被覆盖度提取模型,采用支持向量机(Support vector machine,SVM)监督分类结果作为真值对各模型进行精度验证。【结果】4种模型中,利用VDVI植被覆盖度提取模型获取的植被覆盖度精度最高,提取效果较好。与监督分类结果对比,4种植被覆盖度提取模型的提取误差(EF)分别为3.36%、15.68%、8.74%和15.46%,R2分别为0.946 1、0.934 4、0.695 3和0.746 0,均方根误差(RMSE)分别为0.021 9、0.059 5、0.042 0和0.055 9。【结论】采用可见光植被指数结合像元二分法构建植被覆盖度提取模型实现了冬小麦返青期植被覆盖度准确快速提取,为植被覆盖度提取提供了一种新途径,可为无人机遥感监测提供参考。     

基于高光谱遥感的冬小麦叶水势估算模型

【目的】采用高光谱技术,建立快速、无损与准确获取冬小麦叶水势的估算模型,为小麦灌溉的精确管理提供科学依据。【方法】利用不同水分处理的大田试验,于小麦主要生育期同步测定冠层光谱反射率、叶水势、土壤水分等信息,并探讨高光谱植被指数与冬小麦叶水势之间的定量关系。通过相关性分析、回归分析等方法,基于不同水分处理,构建4种植被指数与冬小麦叶水势的估算模型。【结果】不同水分处理和不同生育期的冬小麦,其冠层光谱反射率具有显著的变化特征。在可见光波段,冬小麦冠层反射率随着水分含量的增加而逐渐降低,而在近红外波段,其冠层反射率则随着土壤水分含量的增加而升高。随着小麦生育期的推进,在近红外波段,抽穗期的冠层反射率比拔节期的高,在灌浆期之后,红波段(670 nm)、蓝波段(450 nm)的反射率上升加快;4种植被指数与叶水势显著相关(P0.05),相关系数|r|均在0.711以上,四者均可用于冬小麦叶片水势的定量监测。在充分供水条件下(70%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.75和0.771)均低于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.808和0.896),而在重度水分亏缺条件下(50%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.857和0.853)均高于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.711和0.792);所建模型对45个未知样的预测结果与实测值相似度较高,其回归模型R~2、验证模型MRE、RMSE的范围分别为0.616—0.922、-17.50%—-12.52%、0.102—0.133。在70%FC水分处理下,基于EVI2(enhanced vegetation index)所得叶水势估算模型的R~2最高,为0.922,而在60%FC和50%FC水分处理下,由于考虑了土壤背景的影响,基于OSAVI所建模型的R~2最高,分别为0.922和0.856。【结论】4种植被指数均可用于冬小麦叶水势的定量监测。但是,在构建不同水分处理的叶水势估算模型时,应考虑土壤背景对冠层光谱的影响。研究结果可以为小麦精准灌溉管理提供技术依据,为星载数据的参数反演提供模型支持。     

冬小麦生育前期LAI 高光谱反演研究

【目的】冬小麦生育前期稀疏植被条件下叶面积指数反演对于播期、早期苗情监测有重要意义。【方法】文章利用实测冬小麦生育前期冠层高光谱数据,基于相关关系矩阵图筛选7个新的敏感植被指数、优选40个前人研究的双波段组合或多波段组合植被指数,利用单变量回归和偏最小二乘多变量回归分析47个植被指数与稀疏冬小麦叶面积指数(LAI)的相关性。【结果】植被指数PVR(650,550)、VARI(680,555,480)、RVI(1 868,1 946)与LAI相关性好,其中PVR(650,550)与LAI构建的模型拟合度最好,决定系数R~2为0.730,均方根误差RMSE为0.450。而相对单个植被指数,利用多个植被指数的偏最小二乘多元回归模型提高了LAI估算精度,R~2为0.779,RMSE为0.380。【结论】在冬小麦生育前期植被稀疏条件下,利用高光谱数据反演冬小麦LAI是可行的,可为冬小麦早期长势遥感监测提供支撑。     

江西鹰潭地区早稻氮素营养光谱诊断模型的构建与应用

 【目的】建立基于水稻冠层归一化植被指数NDVI的早稻氮素诊断模型,并利用模型指导水稻生产实践,实现水稻氮素追肥的精确定量。【方法】基于不同氮肥处理的田间试验数据,建立了水稻冠层NDVI与植株吸氮量之间的定量关系,并利用独立试验数据进行了检验,筛选出最佳的氮素光谱诊断模型。在此基础上,结合水稻高产栽培经验,对早稻的追肥用量进行了实时推荐,并和当地农户施肥模式及氮肥-产量曲线计算出的最佳氮肥用量和产量进行对比。【结果】水稻关键生育时期(苗期、分蘖期、拔节期、抽穗期和灌浆期)的冠层NDVI与水稻植株吸氮量都呈显著正相关,相关性高于整个生育期,指数函数拟合效果要优于线性函数。独立试验检验结果表明,单生育时期的预测效果高于整个生育期,指数模型优于线性模型;其中,分蘖期和拔节期的光谱诊断模型表现最佳,预测精度分别为0.907和0.941。推荐施肥应用表明,与常规农户施肥模式相比,光谱诊断施肥模式在产量不减少的情况下降低了氮肥用量,提高了氮素利用率,而产量与常规施肥没有显著差异。在低密度和高密度处理下,光谱推荐施肥模式的施氮量与最佳施氮量的误差分别为2.12%、-2.22%;而产量与最高产量的误差分别为-0.75%、-5.04%。【结论】光谱推荐施肥模式可在保证产量的情况下,降低氮肥用量,提高氮肥农学利用率,在水稻生产中有较好的推广利用价值。     

基于无人机影像特征的冬小麦植株氮含量预测及模型迁移能力分析

【目的】氮素的精准监测和合理施用对小麦健康生长、产量及品质提升、减少农田环境污染与资源浪费尤为重要。为精准监测小麦生长关键生育期植株氮含量,探索机器学习方法构建的植株氮含量预测模型的迁移能力。【方法】小区试验于2020—2022年在河南省商水县开展,在冬小麦拔节期、孕穗期、开花期和灌浆期,采用M600大疆无人机搭载K6多光谱成像仪获取5波段(Red、Green、Blue、Rededge、Nir)多光谱影像。基于5个波段冠层反射率提取20种植被指数和40种纹理特征,采用相关分析从65个影像特征中筛选冬小麦植株氮含量敏感特征。基于筛选出的敏感特征,采用BP神经网络(BP)、随机森林(RF)、Adaboost、支持向量机(SVR)4种机器学习回归方法构建植株氮含量预测模型,并对模型预测效果和在不同水处理条件下模型的迁移预测能力进行分析。【结果】(1)植株氮含量与影像特征的相关系数通过0.01极显著水平检验的包括22个光谱特征和29个纹理特征。(2)4种机器学习回归方法构建的冬小麦植株氮含量预测模型存在差异,RF和Adaboost方法预测植株氮含量集中于95%的置信区间,多分布于1:1直线附近...     

基于无人机影像的作物土壤水分亏缺反演方法

【目的】基于无人机影像进行作物土壤水分亏缺反演研究有利于提高农田集约化管理效率,提升农田精准灌溉水肥空间分布信息高效获取技术水平。【方法】文章以冬小麦为例,采用大型喷灌机变量灌溉的方式,设置3个灌溉水平和6个不同施肥处理;利用无人机携带热红外、可见光、多光谱相机,规划航线飞行采集影像数据,结合田间布点取样校准,反演冬小麦长势;根据获取的无人机遥感影像,经图像拼接、数据提取等处理,获得田间不同试验小区光谱数据,计算植被指数,反演水肥指标,构建土壤水分反演模型。【结果】水分亏缺情境下,灌水的多少直接影响冬小麦的生理生长指标,灌水量越多,冬小麦株高和叶面积发育越好;3个灌溉水平处理间冠层温度差异在2～5℃;植被指数与灌溉处理一致性较好,而不同的施肥处理反演效果不理想。【结论】热红外影像反演作物冠层温度计算得到的作物水分亏缺指数可以展现冬小麦作物水分亏缺空间分布,作物水分亏缺指数与土壤水分平均含水率有很好的相关性。无人机遥感在田间水肥管理的应用有效提升了大田时空数据的获取能力,下一步应开展水肥时空变异性研究,探讨水肥精准施用技术,从理论和技术两方面着手提升精准管理水平。     

基于PLS 和组合预测方法的冬小麦收获 指数高光谱估测

【目的】通过遥感反演测量收获指数(HI),可节省时间和人力,但需要提高精度。通过权重最优组合算法改善收获指数估算精度,为基于多时相多光谱信息的HI遥感估算提供新方法参考。【方法】利用测定的冬小麦多个关键生育期的冠层光谱数据,对筛选的44种常用植被指数与实测收获指数进行相关性分析,挑选出每个育期中5种最优的典型植被指数;应用偏最小二乘(PLS)的方法建模,分别得到基于单个生育期光谱信息的HI遥感估测模型;借鉴组合预测原理,应用组合预测方法对全部单生育期的各HI光谱模型赋予最优权重,最终构建基于多生育期数据的HI光谱组合预测模型。【结果】(1)利用PLS后,单一生育期的建模结果较单一植被指数有所改进,但仍有待提高;(2)应用组合预测原理的HI组合预测模型,显著改善了HI的估测精度,R2达到0.55,较单生育期的建模预测,提升了13%。【结论】基于多生育期信息的组合预测方法,对各单一生育期HI预测模型赋予最优权重进行优化组合,实质间接利用了各生育期对作物HI形成的贡献,显著提高冬小麦收获指数的估测精度,是一种新颖的作物HI遥感估测方法。     

基于无人机多光谱图像监测棉花冠层含水量

使用无人机搭载的多光谱相机获取田间遥感影像,通过相关性计算选取合适的波段组合,基于多光谱影像间的波段运算得到植被指数(VIs),采用最小二乘法构建棉花冠层含水量反演模型.结果表明,红波段(680nm)和近红外1波段(800nm)间的光谱特征与棉花冠层含水量相关性最高,由此光谱区间构建了归一化植被指数(NDVI)和比值植被指数(RVI),基于NDVI的二阶多项式回归得到了较好的预测结果,R2在0.69以上.使用此方法可以实现棉花冠层含水量的快速、无损监测,从而为田间精准灌溉提供技术支持.     

基于中国气象卫星数据的乌克兰农作物长势监测

【目的】 利用我国第二代风云极轨卫星（FY-3C与FY-3D）的归一化植被指数（NDVI）数据,对乌克兰农作物长势进行持续监测,为及时且准确掌握乌克兰作物生长状况提供科学依据。【方法】 文章基于当旬NDVI值与过去多年历史平均值构建的NDVI差值模型、以及当旬NDVI值与历史平均值绘制的时间序列曲线,动态监测2022年3—7月乌克兰冬季作物生长状况。基于NDVI差值模型,从3月上旬开始,以旬为尺度绘制作物长势分布图,并根据NDVI差值模型计算结果,将作物长势划分为5个等级：差、较差、正常、较好和好。同时,乌克兰全境,尤其是俄罗斯相邻的北部和东部5个州的NDVI平均值被用于绘制作物生长时间序列曲线。【结果】 结果显示,2022年3—7月初,乌克兰的农作物长势呈“前期较差,后期较好”的状态,整体优于多年均值。生成的NDVI时间序列曲线显示,4月上升略有滞后,4月底到6月底逐步升高,7月初NDVI值略有下降,但仍高于过去多年的平均值。【结论】 上述结果证明乌克兰冬季作物的生长状况并未因俄乌冲突的发生和持续受到严重影响。