基于多光谱卫星模拟波段反射率的冬小麦水分状况评估

为及时掌握作物水分利用状况、评估作物水分亏缺和提高作物水分利用效率,在2012—2016年期间进行了不同水分处理的冬小麦田间试验,获取了冬小麦主要生育期冠层光谱和叶片含水量等数据。利用冬小麦冠层光谱以及Quickbird、IKONOS、GF-2、GF-1、Landsat8、HJ-1A/B、GF-4和MODIS卫星传感器光谱响应函数模拟卫星多波段反射率,参照归一化植被指数(Normalized vegetation index, NDVI)、比值植被指数(Ratio vegetation index, RVI)和差值植被指数(Difference vegetation index, DVI)的形式,将各卫星波段反射率两两组合,系统分析构建的植被指数与叶片含水量的相关性,探讨不同空间分辨率(2.44、4、8、30、50、250m)波段组合及植被指数对作物水分状况和灌溉活动的响应能力。结果表明,NDVI、RVI和DVI 3种指数对作物水分敏感区域的分布类似;8个卫星的近红外波段与叶片含水量的相关系数为正,其余几个波段与叶片含水量的相关系数为负;NDVI(GF-1绿波段,GF-2绿波段)、RVI(GF-1绿波段,GF-2绿波段)和DVI(GF-2蓝波段,GF-4蓝波段)与叶片含水量相关性较好,决定系数R2分别为0.776、0.774和0.886,以DVI形式构建的植被指数对叶片含水量的估算效果最好。本研究可为区域作物水分状况评估以及作物灌溉活动监测提供技术和方法支持。     

作物对水分胁迫的响应及水分利用效率的研究进展

作物对水分胁迫的响应及水分利用效率的研究是节水农业的重要方面,为此,对水分胁迫下作物形态、生理生化响应,作物水分利用效率的内涵、测定计算方法及提高作物水分利用效率途径等国内外的相关研究进行了回顾,并在此基础上,提出了我国目前在该领域研究和应用中存在的问题.     

调亏灌溉条件下的作物水分生态生理研究进展

简要回顾了近几年国内外开展作物水分生态生理机制研究的进展情况和不同控制条件下作物对水分的响应，系统阐述了调亏灌溉遵从的原理、方法和实施调亏灌溉后对作物水分生态生理机制的影响及其需要进一步研究的一些问题。     

基于近红外光谱的烤烟精准水分管理研究进展

概述了近红外光谱分析技术的原理及其应用于作物水分实时监测的研究进展,综述了烤烟精准水分管理的研究现状,分析了近红外光谱技术在烤烟精准水分管理上的可行性及其难点,以期为推动近红外光谱技术在烤烟精准水分管理上的应用提供参考。     

作物水分与产量关系的综合模型

对描述作物耗水量与产量关系的二次函数关系模型和詹森模型 ,通过水量的当量变换 ,把描述同一生产过程的二个模型统一到一个模型内 ,这个模型具有二者的优点。该模型可以把对水量的优化转化为对土壤含水率的优化 ,而土壤含水率是一个可以随时监测和控制的因素 ,所以在应用上具有现实指导意义。     

调亏灌溉条件下的作物水分生态生理研究进展

简要回顾了近几年国内外开展作物水分生态生理机制研究的进展情况和不同控制条件下作物对水分的响应 ,系统阐述了调亏灌溉遵从的原理、方法和实施调亏灌溉后对作物水分生态生理机制的影响及其需要进一步研究的一些问题。     

干旱区玉米的作物水分响应模型

通过在位于我国干旱区的河套灌区进行的玉米非充分灌溉试验,选择国际上具有代表性的作物水分响应模型分析了玉米产量与各生育阶段水分的关系,选择出了适合于河套灌区玉米的作物水分响应模型,并确定了其敏感指标和水分敏感生育阶段,以为河套灌区节水灌溉管理提供科学依据。     

冠层温度定量诊断覆膜作物水分状况试验研究

作物缺水指标 CWSI( Crop Water Strese Index)和冠层 -空气温差 ( Tc-Ta)是利用冠层温度评价作物水分状况的重要方法。 1 998和 1 999年在新疆乌兰乌苏农业气象站试验田内开展了对覆膜棉花和玉米的研究。结果表明 :CWSI能够指示作物根系层的水分状况 ,而 ( Tc-Ta)受到环境因素 (太阳辐射、空气饱和差 )的较大影响。另外 ,对用标准化的冠层 -空气温差法 NDT( Normalized Difference of Temperature)定量诊断作物水分状况的可行性进行了研究。结果表明该方法在很大程度上能消除环境因素的影响 ,直接指示作物根系层的水分状况 ,并提出了覆膜棉花和玉米各生育阶段需灌溉的临界 CWSI及 NDT值     

关于提高作物水分生产率与建立作物生态需水区划问题的探讨

作物光合作用对土壤水分有明显的阈值反应。通过土壤水分预报,控制土壤水分较长期处在略多于阈值的范围,有利于提高作物水分生产率。大定额的蓄水灌溉有利于创造下湿上干的土壤水分剖面,可减少土壤蒸发,提高水分有效利用率。 根据作物需水与年内得到降雨的补偿程度进行作物种值区划,称之为作物生态需水区划。根据这一区划进行作物布局,有利于灌溉节水。 根据作物生态需水区划,华北地区可分为四个地带:①双季作物需水补偿带;②双季作物需水基本补偿带;③一季作物需水补偿带;④一季作物需水基本补偿带。     

基于光谱探测的小麦精准追肥机设计与试验

为了实现小麦生长过程中的实时变量追肥,使用近地光谱探测技术,设计了大田实时变量追肥机。追肥光谱监测系统实时获取作物冠层归一化植被指数,结合追肥策略计算出当前的目标施肥量,采用测速和测距法反馈肥料流量信息,并根据追肥机实际行进速度,实时调整追肥量,实现精准变量追肥。试验结果表明,田间小麦长势存在空间差异性,冠层的归一化植被指数可以解析此差异性;追肥机追肥控制精度达到90%以上,可以满足精准追肥的要求;变量追肥比定量均匀追肥增施氮肥28 kg/hm2左右。     

基于4波段作物光谱测量仪的小麦分蘖数预测

使用4波段(550 nm、650 nm、766 nm和850 nm)便携式作物反射光谱测量仪对泰农18型冬小麦分蘖状态进行自动监测与建模,通过分析植被指数与分蘖数的相关关系实现了对分蘖数的建模预测。首先利用仪器获得小麦冠层在4个波段的反射信号,计算对应波段的作物冠层反射率,经校正后计算得到OSAVI、MSAVI、SAVI、EVI2、TVI、NDGI、NDVI、RVI和DVI 9种多波段组合的植被指数。然后分析以上9种植被指数与小麦分蘖数之间的相关关系,确定了可用于该类型小麦分蘖状态监测和评价的植被指数类型。2013—2014年在山东省淄博市和桓台县开展了田间试验,计算了不同氮素水平下泰农18型小麦返青期和起身期分蘖数以及其两个生育期分蘖数与9种植被指数之间的相关系数,OSAVI(650,850)指数与返青期茎蘖数相关系数最高,决定系数最高为0.85,均方根误差为118.93;EVI2(650,850)指数与起身期茎蘖数相关系数最高,决定系数最高为0.84,均方根误差为73.04;以上试验结果表明,在冬小麦返青期和起身期利用OSAVI(650,850)和EVI2(650,850)两种植被指数可以快速预测小麦分蘖状态,可为田间精细管理提供科学依据。     

基于反射光谱的苹果叶片叶绿素和含水率预测模型

为探索苹果叶片叶绿素含量(质量比)、叶片含水率与反射光谱之间的关系,以华北地区苹果树为研究对象,分别测定了各个关键生长期苹果叶片的光谱反射率、叶绿素含量和叶片含水率。分析光谱反射率与叶绿素含量以及叶片含水率之间相关性发现,在不同生长时期,苹果叶片叶绿素a含量与反射光谱在515~590 nm和688~715 nm两组波段内具有较高的相关性,且果实成熟期数据显示相关度最高(R2=0.6)。在420~500 nm、640~680 nm、740~860 nm 3个波段叶片含水率与反射光谱有较高的相关性,且果实膨大期的叶片含水率在可见光波段的相关系数最大。根据所选敏感波段,分别利用多元线性回归、主成分分析和人工神经元网络建立基于反射光谱的苹果叶片不同生长时期叶绿素和含水率的预测模型。通过对所建立的预测模型进行校验,结果显示,利用主成分分析方法所建立的苹果叶片叶绿素含量预测模型的决定系数最高(R2=0.885 2),校验系数为0.828 9。该模型可以较为准确地预测苹果叶片叶绿素含量。而采用神经元网络所建立苹果叶片含水率预测模型的决定系数R2=0.862,校验系数为0.8375,预测效果最好。     

基于图像处理的葡萄叶片含水率诊断初探

随着图像处理与分析技术的蓬勃发展,许多专家学者利用图像获取工具比人眼更精细的分辨能力,应用图像处理技术进行信息诊断研究。以温室大棚中的葡萄植株为研究对象,使用卡西欧ex-2750数码相机采集葡萄冠层叶片图像,并通过烘干法测量叶片样本的含水率,通过MATLAB计算叶片图像的灰度均值。通过对提取的15组葡萄叶片样本数据的多项式曲线拟合,建立了基于叶片图像灰度均值的叶片含水率估算模型,模型的确定系数R2高达0.780 3。结果表明,利用叶片图像的灰度均值可以对葡萄叶片的含水率进行诊断。     

基于粒子群聚类的牛肉含水率光谱检测技术

采用市场当日上架的生鲜牛肉外侧最长肌制作样本,在波长900~2300 nm内进行光谱检测和分析。利用基于粒子群算法(PSO)的聚类分析方法,对光谱信息进行优化以减少计算量,提高回归模型精度。该算法以经过多元散射校正(MSC)、变量标准化(SNV)等方法预处理后的光谱信息作为目标矩阵,以波长为目标进行聚类,根据聚类结果对不同波段进行重新组合,并建立偏最小二乘回归(PLSR)模型。结果表明,利用PSO聚类分析方法在900~1 400 nm波段内获得的生鲜牛肉含水率预测模型最优,Rc=0.920 5,Rv=0.919 1。该方法能够有效减少光谱的数量,提升回归模型的预测结果。     

基于PCA_SVR的油菜氮素光谱特征定量分析模型

研究了采用光谱分析技术对油菜植株全氮进行定量分析的方法.采用逐步回归法对氮素的光谱特征波长进行选择,为克服光谱变量间多重共线性的影响,对变量进行了主成分分析(PCA),为提高模型的拟合优度,应用支持向量机回归(SVR)建立油菜氮素的定量分析模型.对不同氮素水平的油菜冠层光谱数据进行分析,结果表明,406、460、556、634、662、675nm的光谱反射率与油菜含氮量呈极显著相关.植株全氮SVR模型预测值与实测值的相关系数为0.89,模型的检验误差(RMSE)为2.51.     

作物产量对水分亏缺敏感性指标的初步研究

在灌溉水资源不足时,作物对水分亏缺的敏感性是确定最优灌溉制度的基础。本文提出了作物对水分亏缺的敏感性指标的定义,基于此定义,给出了平均敏感性指标、概化的敏感性指标以及边际敏感性指标的具体表达式。以Ｄｏｏｒｅｂｏｓ模型、Ｊｅｎｓｅｎ模型和Ｂｌａｎｋ模型等常见作物水分生产函数模型为基础,导出了各种敏感性指标的计算公式。最后,根据水稻试验资料,分析了敏感性指标的变化规律。     

生菜叶片含水率光谱特征模型研究

利用便携式光谱分析仪测量生菜叶片的光谱反射率,并对其进行对数变换.通过变量筛选得到725、1 075、1 272、1 450、1 640和1 958 nm波长处的光谱反射率与生菜干基含水率呈极显著相关.为克服多重共线性影响,分别采用多元线性回归分析、主成分回归分析、偏最小二乘回归分析及偏最小二乘-人工神经网络回归分析4种方法建立了叶片干基含水率的定量分析模型.结果表明4种算法预测值与实测值相关系数分别为0.485 0、0.899 2、0.917 4和0.947 0,偏最小二乘-人工神经网络模型的预测能力优于其他模型.     

模拟多光谱卫星宽波段反射率的冬小麦叶片氮含量估算

基于多年大田和小区试验下的实测小麦冠层高光谱信息,利用传感器光谱响应函数模拟Landsat 8、SPOT 6、HJ-1A、HJ-1B、GF-1和ZY-3卫星可见光-近红外波段的冠层光谱反射率,构建基于光谱指数的全生育期叶片氮含量(Leaf nitrogen concentration,LNC)估算模型。结果表明,基于不同传感器模拟的宽波段光谱反射率、光谱指数之间存在差异,但差异不显著;所有筛选的光谱指数和叶片氮含量都在P0.01水平显著相关,基于各光谱指数所构建的全生育期叶片氮含量估算通用模型均通过显著性检验;基于综合指数(TCARI/OSAVI)、转化叶绿素吸收反射指数(TCARI)、比值植被指数(RVI)的叶片氮含量估算模型具有较高的敏感性,噪声等效误差(NE)均小于1.6,其中以TCARI/OSAVI建立的叶片氮含量估算通用模型具有最好的拟合、检验精度和适用性,模型决定系数为0.62,NE为1.26。     

基于WS和实际耗水量的膜下滴灌

通过田间试验，建立了膜下滴灌棉花CWSI和水汽饱和差VPD的定量关系，确定了棉花各生育阶段CWSI下基线的特定表达形式。对膜下滴灌条件下棉花生长发育、光合动态与根系分布规律以及不同水分处理的耗水量、产量与品质指标进行了观测。对不同水分处理棉花的CWSI进行了定期观测，得到了棉花CWSI与棉花耗水量的关系。