耕层土壤含水量间接光谱估测模型

为克服光学卫星遥感只能获取表层土壤光谱信息而不能用于直接估测耕层土壤含水量的局限性,建立基于表层土壤高光谱的耕层土壤含水量间接估测模型。以山东省济阳县85个潮土样本的含水量及高光谱数据为基础,根据表层与耕层土壤含水量的内在关系,建立耕层土壤含水量间接光谱估测模型。结果表明,表层土壤光谱反射率的对数变换效果较好,以1339、1457、1745、1969、1996 nm波段的对数变换值为估测因子,采用多元线性回归模型建立的表层含水量估测模型的决定系数为R ²=0.8911,平均相对误差为13.67%;土壤耕层与表层含水量之间存在着显著的相关性,R ²=0.8131;耕层土壤含水量间接光谱估测模型的精度较高,决定系数R ²=0.8138,平均相对误差为9.66%。研究表明,山东省济阳县潮土表层、耕层含水量之间存在着显著的相关性,利用表层土壤光谱间接估测耕层土壤含水量是可行有效的。     

夏玉米籽粒含水率对机械粒收质量的影响

玉米机械粒收过程中出现的籽粒破碎、果穗遗漏、籽粒散落等影响收获质量的现象是机械粒收推广过程中备受关注的问题。开展机械粒收质量及其影响因素研究, 是确定适宜粒收时期、指导品种改良等的基础, 对于机械粒收技术的推广普及具有重要意义。本研究于2015年和2017年在中国农业科院新乡综合试验站, 以黄淮海夏玉米区生产用品种为试材, 采用同一收获机和操作人员分期收获, 调查不同收获期籽粒含水率变化以及破碎率、杂质率、落粒率和落穗率等机械粒收质量指标, 分析籽粒含水率与粒收质量指标的关系。结果显示, 随着收获期推迟, 籽粒含水率逐渐降低, 籽粒破碎率和落粒率呈先降低后升高趋势, 杂质率逐渐降低, 落穗率逐渐增加。2年参试样本籽粒含水率分布在9.68%~41.36%之间, 破碎率与籽粒含水率的关系符合y = 0.068x ²-2.743x+31.09 (R ²= 0.79 ^**, n = 140)模型; 含水率在15.47%~24.78%之间时, 破碎率低于5%; 含水率为20.05%时, 破碎率最低。杂质率与籽粒含水率的关系符合y = 0.0158e ^{0.1111 x}(R ²= 0.66 ^**, n = 140)模型, 杂质率随着含水率降低逐渐降低并趋于稳定。落粒率与籽粒含水率符合y = 0.006x ²-0.236x+3.479 (R ²= 0.42 ^**, n = 127)模型, 含水率为20.37%时, 落粒率最低。落穗率与籽粒含水率符合y = 2578.7645/x ^2.2453(R ²= 0.35 ^**, n = 140)模型, 当含水率低于16.15%时, 落穗率将超过5%。研究还发现, 即使籽粒含水率相近, 不同品种的收获质量(特别是籽粒破碎率)也存在显著差异。本研究的结果表明, 破碎率是决定机械粒收质量的关键因素, 以破碎率5%和落穗率5%为标准, 黄淮海夏玉米适宜机械粒收的籽粒含水率范围为16.15%~24.78%, 籽粒含水率在20%左右时, 收获质量最佳。     

秋玉米SPAD值的光谱估算模型研究

研究不同秋玉米品种叶片SPAD值与一阶微分光谱的相关关系,筛选出8个品种的敏感波长和一阶微分光谱参数,建立不同品种SPAD值的一元线性、指数、多项式和基于一阶微分光谱参数的预测模型,计算建模集和验证集的均方根误差RMSE和相对误差RE。结果发现,不同秋玉米品种SPAD值与光谱一阶微分相关系数较高,均在0.8以上;不同秋玉米品种光谱一阶微分的敏感波段位于650~680nm;基于敏感波长建立的SPAD值预测模型均表现出较好效果,多项式模型效果最佳,模型估测精度在不同品种间存在差异;在8个秋玉米品种中,正大999的多项式预测模型表现最佳,其建模集RMSE和RE分别为2.762和3.643%,其验证集RMSEv和REv分别为3.322和4.518%。     

氮素养分对青稞营养功能特征及籽粒产量的影响

为确定在不同氮素条件下影响青稞生产力的关键性营养功能特征,以‘藏青2000’为试材,就不同施氮水平对青稞营养功能特征及籽粒产量的影响进行试验研究。结果表明：施氮显著提高了青稞籽粒产量、株高、相对生长率和比叶面积,而降低了单位叶面积根量和叶干物质含量,施氮水平与株高、相对生长率和比叶面积呈正相关关系,与单位叶面积根量和叶干物质含量呈负相关关系。随着施氮强度加大,产量持续提高,但增长速率下降,青稞籽粒产量与施氮水平呈二次曲线关系(y=-171.25x ²+1327.3x+10, R ²=0.958, P小于0.05)。青稞籽粒产量与株高(y=43.026x-2596.6, R ²=0.8994, P小于0.05)、相对生长率(y=7178.7x-150.66, R ²=0.5361, P小于0.05)和比叶面积(y=6.4604x+413.3, R ²=0.4153, P小于0.05)呈显著线性正相关,与叶干物质含量(y=-29.668x+4045.7, R ²=0.4488, P小于0.05)呈线性负相关关系,与单位叶面积根量(y=-2025.4x+2746.4, R ²=0.0579, P大于0.05)无明显相关性。结果表明：青稞的植株高度、相对生长率和比叶面积促进产量增长,叶干物质含量对产量有抑制作用,而单位叶面积根量对产量影响不明显。在本试验条件下,植株高度、相对生长率、比叶面积和叶干物质含量4个功能特征可在物种水平上被认为是影响青稞生产力的标记性特征。     

基于高光谱分数阶微分的烟叶SPAD值估测

基于高光谱分数阶微分估测烟叶SPAD值,旨在提升高光谱数据估测烟叶SPAD值的准确度。首先,确定估测烟叶SPAD值的最优变换方式,并进行分数阶微分处理;然后,基于相关性分析、袋外数据(OOB)重要性、随机森林(RF)相结合的方法,筛选特征波长;最后构建烟叶SPAD值估测模型。结果表明：（1）估测烟叶SPAD值的特征波长主要有绿波段(499、500 nm),红边波段(634、636、702、703、732 nm)、近红外波段(972、1286、1289、1295、1298、1316 nm)、短红外波段(1450、1453、1456、1806 nm)。（2）以1.9阶次的特征波长所构建的RF-SPAD模型的精度最高,R²=0.690,较0、1、2阶次分别提高了22.1%、42.6%、87%,RMSE=2.799,比0、1、2阶分别减少了13.5%,20.2%,27.8%。利用1.9阶次特征波长构建的RF-SPAD模型较整数阶次模型有效提高了烟叶SPAD值的估测精度,为高光谱分数阶微分技术估测SPAD值提供了新的思路。     

基于高光谱遥感的玉米叶片SPAD值估算模型研究

灌浆期玉米叶片叶绿素含量对玉米光合作用及产量形成具有重要作用。为通过高光谱特征准确、高效估测玉米叶片叶绿素含量,以SPAD值表征叶绿素相对含量,构建了基于光谱特征参数的传统回归模型、基于全谱和光谱特征参数的PLSR模型和BP神经网络模型,并进行了比较分析。结果表明：基于全谱构建的PLSR模型SPAD值拟合效果最好（R ²=0.910,RMSE=2.071）,而基于光谱特征参数所建立的PLSR模型拟合效果可达到与全谱PLSR模型相近的水平。但后者的实测值与预测值拟合效果（R ²=0.867,RMSE=2.581,RPD=2.628）优于全谱PLSR模型,且建模时间短,模型复杂程度降低。BP神经网络模型相较于两种PLSR模型预测效果略差,但优于传统回归模型。综合来看,基于光谱特征参数建立的PLSR模型估测效果最好。     

黄土高原旱作玉米籽粒水分与机械粒收质量的关系

玉米机械粒收是全程机械化的关键, 但存在着籽粒破碎、果穗和落粒损失严重等备受关注的问题。开展机械粒收质量及其影响因素研究, 对推进旱作玉米机械粒收技术应用具有重要意义。本研究选择国内玉米主栽品种33个, 于2016-2017年在甘肃泾川同一地块上用福田雷沃谷神收割机械粒收, 分析籽粒水分与机械粒收质量指标的关系。结果表明, 基因型差异是造成玉米机械粒收质量不同的主要原因, 两年收获时平均籽粒水分26.05%, 破碎率7.47%, 产量损失率3.25%, 落穗损失率2.58%, 杂质率1.04%; 籽粒水分(X)与破碎率(Y₁)、产量损失率(Y₂)显著正相关, 并且存在Y₁ = 0.027X ²-0.987X+14.06 (R ² = 0.373 ^**, n = 51), Y₂ = 0.052X ²-2.223X+24.86 (R ² = 0.418 ^**, n = 51)的变化关系, 籽粒水分依次下降到18.3%、21.4%时, 对应的破碎率(5.1%)、产量损失率(1.1%)最低, 即在一定含水率范围内随着籽粒水分的增加破碎率、产量损失率升高, 机械粒收的籽粒适宜水分为18%~22%, 破碎率可控制在5.0%~5.5%的范围内; 籽粒水分对落穗损失的影响大于落粒损失, 随着籽粒水分增加落穗损失率增加的幅度明显高于落粒损失率的升高; 各因素对玉米机械粒收产量损失的影响为: 落穗损失率(0.924)>籽粒水分(0.048)>破碎率(0.043), 因而籽粒水分高和落穗损失量大是影响黄土高原旱作玉米机械粒收质量的主要因素。     

基于全波段高光谱的冬小麦生长参数估算方法比较

利用高光谱数据监测作物生长情况具有无损和高效的特点,是现代农业的发展方向。为了简化高光谱数据处理流程,直接利用原始的高光谱反射率完成从建模到估算作物生长参数的全过程,应用于作物长势的实时监测。本文利用偏最小二乘回归（partial least squares regression,PLSR）、支持向量回归（support vector regression,SVR）和前馈神经网络（feedforward neural network,FNN）3种方法,利用全波段高光谱数据分别对冬小麦多个关键生育期（拔节、孕穗、扬花和乳熟期）生长参数（地上部生物量、叶面积指数、全氮含量和叶绿素浓度）进行了估算。比较3种方法的建模及估测效果,发现对于建模集数据,SVR对上述生长参数4个生育期的估测结果R²均值为0.89~0.98,MAPE为1.70%~7.53%,对于验证集数据,R²均值为0.90~0.94,MAPE为4.04%~7.46%,拟合优度和估测精度均超过PLSR和FNN,是估算方法中利用全波段光谱反射率估测冬小麦生长参数的最佳方案。随着无人机载高光谱技术成熟,SVR方法能够用于处理航拍获取的大范围田间高光谱信息,简便快捷地进行建模与参数反演,实时反映作物生长状态。     

基于无人机多光谱的华北平原花铃期棉花叶片SPAD建模方法研究

华北平原地区棉花叶片SPAD光谱特征有待探明,其最适宜建模方法亦有待研究。笔者针对华北平原棉区,基于无人机多光谱探索其叶片SPAD光谱特征和最佳建模方法。以德州市夏津县大李庄棉区为研究区,利用无人机获取棉花花铃期的多光谱图像,同步测定棉花叶片SPAD值;对原始光谱进行预处理并组合构建光谱指数,进而采用相关分析筛选出6个棉花SPAD特征光谱指数;分别采用BP神经网络(BPNN)、多元逐步回归(MSR)和支持向量机(SVM)方法构建棉花SPAD值定量分析模型,并对模型验证、对比,优选最佳模型和建模方法,进而定量分析研究区棉花叶片SPAD空间分布。结果表明:棉花叶片SPAD的特征波段为红光和红边波段;入选模型的特征光谱指数为r、r*reg、(reg-r)/(reg+r)、r-g、r/g、$\sqrt{r^{2}+g^{2}}$;对比3种建模方法,BPNN模型精度最高,其建模集R²、RMSE分别为0.747、4.568,验证集R²、RMSE、RPD分别为0.758、4.142、2.135,确定为棉花叶片SPAD的最佳模型。基于BP神经网络模型进行棉花叶片SPAD的空间分布反演,反演值与实测值具有高度一致性,拟合结果较好。BP神经网络可以作为基于无人机多光谱的华北平原棉花叶片SPAD建模的优选方法,该研究可促进棉田定量遥感和棉花长势监测。     

黄河鲤在池养条件下的生长特性分析

为了研究黄河鲤(Cyprinus carpio haematopterus)在池养条件下的生长特性,探索黄河鲤的生长规律,于2017年5—10月开展了养殖试验,获得其成活率和饲料系数,并通过测量其体长、体质量和体高,对黄河鲤在池养条件下进行生长特性的分析。结果表明:经过约5个月的养殖,黄河鲤成活率92.6%,饲料系数1.38,体长、体质量和体高的平均值分别为21.13 cm,689.21 g和7.73 cm。相应的变异系数范围分别为10.88%~15.53%,9.15%~46.44%和13.82%~22.04%,肥满度在2.84~7.31之间变动。体长(L_S)与全长(L_T)之间存在线性回归关系:L_T=1.721L_S+0.4517 (R²=0.9998),体长与体质量(W)的回归方程为:W=0.0174L^3.2946 (R²=0.9725)。拟合出von Bertallanffy生长方程:L_St=29.354 (1-1.082e^-0.399t)³,W_t=1790.916 (1-1.688e^-0.547t)³,L_Ht=9.352(1-1.688e^-0.54t)³,投入产出比为1:1.19。黄河鲤在池养条件下生长速度较快,且经济效益良好,为皖北黄河鲤规模化养殖提供理论参考。     

西南玉米机械粒收籽粒破碎率现状及影响因素分析

籽粒破碎率高是西南玉米机械粒收技术发展和应用的主要限制因素。明确当前西南玉米机械粒收籽粒破碎率现状,研究其主要影响因素,对推动西南玉米机械粒收的发展具有重要意义。利用2017—2018年在西南区开展的多点多品种系列粒收试验获得的788组籽粒破碎率样本数据,分析了西南玉米机械粒收籽粒破碎率现状,并于2018年采用同一机型、同一操作人员开展多品种、大跨度多收期试验,调查不同收获时期籽粒破碎率、含水率、力学强度变化,分析籽粒含水率、力学强度与破碎率的关系。结果表明,当前西南玉米机械粒收籽粒破碎率范围为0.54%～42.72%,平均值为8.34%。随机械粒收时期推迟,籽粒含水率下降,籽粒力学强度增加,破碎率先降低后逐渐升高。破碎率(y)与籽粒含水率(x)间的关系符合y=0.0329x2-1.3328x+15.529(R2=0.5467**)方程,在籽粒含水率为20.26%时破碎率最低,破碎率≤5%的籽粒含水率范围为10.76%～29.76%;破碎率(y)与籽粒立面(x立面)和侧面(x侧面)压碎强度的关系符合y=0.0006x立面2-0.2692x立面+32.7030(R2=0.3138**)和y=0.0021x侧面2-0.6092x侧面+46.979(R2=0.3790**)方程,当籽粒立面和侧面压碎强度为224.33 N和145.05 N时破碎率最低。籽粒压碎强度与含水率呈极显著负相关。随收获时期推迟,籽粒含水率下降导致其力学强度的改变是影响破碎率变化的主要原因,通过选育和选用后期立秆能力强、籽粒脱水快的品种,当籽粒含水率降至28%以下进行机械粒收是降低西南玉米机械粒收籽粒破碎率的重要举措。     

基于随机森林法的棉花叶片叶绿素含量估算

为了高效和无损地估算棉花叶片的叶绿素含量,本研究测定了棉花光谱反射率及叶绿素含量(soilandplant analyzerdevelopment,SPAD)值,对光谱数据进行包络线去除处理、立方根转换和倒数转换,以SPAD值与反射光谱之间的相关性为基础,通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段,构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression,PLSR)两个模型。结果表明,在605～690nm范围内的反射率与SPAD值相关性达0.01显著水平,均呈负相关,相关系数最高值为-0.619。与原始光谱相比,经过变换后的棉花反射率与SPAD值相关性结果相差较大,其中去除包络线光谱在550～750 nm波段范围有效提高了相关性,相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段,进而提高模型估算精度。在两种模型中,基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R~2分别为0.92、0.83,说明这两种模型的估算能力较好;两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%,表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。     

Nitrogen deficiency effects on plant growth, leaf photosynthesis, and hyperspectral reflectance properties of sorghum

An experiment was conducted under outdoor pot-culture conditions to determine effects of nitrogen (N) deficiency on sorghum growth, physiology, and leaf hyperspectral reflectance properties. Sorghum (cv. DK 44C) was seeded in 360 twelve-litre pots filled with fine sand. All pots were irrigated with half-strength Hoagland's nutrient solution from emergence to 25 days after sowing (DAS). Thereafter, pots were separated into three identical groups and the following treatments were initiated: (1) the control (100% N) continued receiving the half-strength nutrient solution; (2) reduced N to 20% of the control (20% N); and (3) withheld N from the solution (0% N). Photosynthetic rate (Pn), chlorophyll (Chl) and N concentrations, and hyperspectral reflectance of the uppermost, fully expanded leaves were determined at 3- to 4-day-interval from 21 to 58 DAS during the N treatments. Plants were harvested 58 DAS to determine effects of N deficiency on leaf area (LA), biomass accumulation, and partitioning. Nitrogen deficiency significantly reduced LA, leaf Chl content and Pn, resulting in lower biomass production. Decreased leaf Pn due to N deficiency was mainly associated with lower stomatal conductance rather than carboxylation capacity of leaf chemistry. Among plant components of dry weights, leaf dry weight had the greatest and root dry weight had the smallest decrease under N deficiency. Nitrogen-deficit stress mainly increased leaf reflectance at 555 (R₅₅₅) and 715 nm (R₇₁₅) and caused a red-edge shift to shorter wavelength. Leaf N and Chl concentrations were linearly correlated with not only the reflectance ratios of R₄₀₅/R₇₁₅ (r² = 0.68^***) and R₁₀₇₅/R₇₃₅ (r² = 0.64^***), respectively, but also the first derivatives of the reflectance (dR/dλ) in red edge centered 730 or 740 nm (r² = 0.73–0.82^***). These specific reflectance ratios or dR/dλ may be used for rapid and non-destructive estimation of sorghum leaf Chl and plant N status.     

三熟制油菜秸秆还田条件下施氮量对早稻产量形成和氮肥利用率的影响

为明确油-稻-稻三熟制油菜秸秆还田条件下早稻的适宜施氮量,2017-2018年以超级常规早稻中嘉早17为材料,设置0、75、120、165、210kg/hm ²等5个施氮量,探究油菜秸秆还田条件下施氮量对早稻产量形成及氮素吸收利用的影响。结果表明：在油菜秸秆还田条件下,适宜施氮量有利于早稻分蘖成穗,灌浆期维持较高的叶面积指数、光合势和干物质积累量,同步增加单位面积有效穗数和保持较多的每穗粒数,从而扩大总库容量。在施氮量为165kg/hm ²时早稻即可达到较高产量,同时维持较高的氮肥吸收利用率。采用线性加平台模型拟合得出最佳施氮量,2017和2018两年分别为155.91、160.37kg/hm ²,产量潜力分别达8 241.17和8 387.32kg/hm ²。     

不同氮素水平下双季稻株型与冠层内光截获特征研究

本文旨在阐明双季稻株型与冠层内光合有效辐射截获的时空分布特征。选用4个不同株型早、晚稻品种,设置4个不同施氮水平,系统观测其植株形态和冠层内光合有效辐射截获率(IPAR)的时空分布状况。结果表明,施氮水平对早、晚稻株高、穗长、叶长和叶基角均有显著影响,均表现为随施氮水平的增加而增大;早、晚稻孕穗期的分层叶面积指数(LAI)和向上累积LAI大于抽穗后12 d,分层LAI呈冠层中部大于上部和下部的分布特征,最大分层LAI出现在0.58相对高度处;冠层上中部分层LAI和向上累积LAI随施氮水平的增加而增大;向上累积LAI随相对高度呈S型曲线分布,可用Logistic方程定量描述(R~2 0.99);早、晚稻孕穗期的冠层IPAR大于抽穗后12 d,且随施氮水平的增加而增大,其日变化表现为正午较小,早晚较大;株型紧凑的早、晚稻品种,冠层IPAR低;冠层IPAR与向下累积LAI之间的关系可用方程IPAR=a (1-e~(-b×LAI))定量描述(R~2 0.88);冠层内IPAR的三维空间分布表现为冠层上中部水平面上IPAR较低,光斑变化大,冠层下部水平面上IPAR较高,光斑变化较平缓,同一冠层高度水平面上的IPAR呈不均匀分布。研究结果可为双季稻高产栽培及理想株型的优化设计提供支撑。     

基于高光谱的棉花叶片磷含量估测模型

研究不同施磷条件下棉花叶片叶绿素含量的变化规律,旨在建立基于高光谱的叶片磷含量估测模型,实现棉花叶片磷含量快速监测。在盆栽试验条件下,设置不同的磷肥量,测定棉花功能叶叶绿素含量与磷含量,并利用植被指数和叶绿素含量的相关性构建磷含量的光谱变量,从而实现利用高光谱对棉花叶片磷含量的定量监测。结果表明：(1)棉花播种后100天左右,叶片磷含量与叶绿素呈现显著关系(决定系数R²=0.96)。(2)利用多个植被指数(X)和叶绿素含量(I)的相关性构建倒一叶、倒二叶、倒三叶、倒四叶的磷含量光谱变量,其中各叶片相关性最优的模型：倒一叶(L₁)为I₁=2.6131X_RENDVI-0.4275,X_RENDV为红边归一化植被指数,R²=0.71,RMSE=0.2;倒二叶(L₂)为I₅=0.0142X_TVI+0.3274,X_TVI为三角植被指数,R²=0.76,RMSE...