不同株型冬小麦冠层结构特征多时相分析

同一株型不同生育期、不同株型相同生育期其结构参数均具有不同的变化特点,了解其变化,一方面有利于区分不同株型结构,进一步提高LAI（叶面积指数）等指标参数的遥感反演精度,另一方面可用于定量作物肥水管理,提高肥水利用效率。该文结合冬小麦整个生育期,在北京小汤山试验基地开展两期品种试验,对比分析实测冠层多角度光谱及结构参数,得出通过多角度光谱数据区分株型的最佳波段是红光波段,两期LAI与平均叶倾角(ALA)变化均表明,最佳时期为拔节期;起身期至拔节期所选试验品种均体现直立型品种LAI大于披散型品种。2009年试验表明利用J411 4月底LAI变化趋势差异也可较好的区分作物株型;披散型品种9428特征尺度变化出现“跷板”效应,可以作为株型识别的依据之一。     

不同播期冬小麦叶绿素含量的冠层光谱响应研究

为了探究不同播期条件下冬小麦叶绿素含量的冠层光谱响应规律,依据本区域的推广种植播期,本试验设置4个播期,获取其冠层光谱及相关数据,并利用统计学方法对4个播期试验数据进行融合分析,模拟一个具有普适性的混合播期。结果表明,在4个播期和模拟混合播期下所建立的叶绿素含量光谱监测模型中,以播期10月6日的DVI(780,670)所建立的叶绿素含量光谱模型最好,其R2可达0.7835。利用同年的试验数据对模型进行检验,其预测值和实测值的R2可达0.8617,且RE和RMSE最小,表明播期10月6日是对冬小麦叶绿素含量进行预测的最佳播期,依此所建立的冬小麦叶绿素含量光谱监测模型是可行的。同时,所建立模拟混合播期模型的决定系数可达0.6713,实测值和预测值的验证R2可达0.8342,RE和RMSE也较小,说明该模拟混合播期模型能够较准确地预测各种播期条件下的叶绿素含量,因此,模拟混合播期模型在现实的应用中具有较好的适用性和普适度。研究结果可为冬小麦品质的大尺度遥感监测和小麦生产的宏观管理调控提供一定的理论依据。     

不同筋力冬小麦冠层反射光谱的差异分析

为了利用冠反射光谱特征监不同筋力小麦品种的生理特征差异,利用不同筋力小麦冠层反射光谱的差异,可对不同小麦品种进行遥感识别与监测。试验以低筋小麦品种扬麦13和高筋小麦品种徐麦31为材料,结合不同生育时期两品种叶面积指数(LAI)、叶绿素含量和叶片氮含量的变化,以及相应的光谱参数,分析不同筋力小麦冠层反射光谱的变化特征。结果表明,在近红外和可见光波段,从拔节期到蜡熟期,扬麦13的冠层光谱反射率均高于徐麦31,在孕穗期两品种的差异最显著;LAI、叶片叶绿素和氮含量均在开花时达最大值,扬麦13的叶绿素含量明显高于徐麦31,而LAI和叶片氮含量则低于徐麦31。比值植被指数(RVI)、归一化植被指数(NDVI)与LAI;红边位置(λr)、红边幅值(Dr)与叶绿素含量,氮素反射指数(NRI)、抗大气植被指数(VARIgreen)与叶片氮含量极显著相关,表明RVI、NDVI可以反演LAI;λr、Dr可以反演叶绿素;NRI、VARIgreen可以反演叶片氮含量的变化。以上光谱参数能反映小麦相关指标的变化情况,不同时期可运用小麦冠层反射光谱进行不同筋力小麦品种识别,孕穗期为最佳识别时期。通过本研究,以期为不同筋力小麦品种的遥感识别提供依据。     

不同生育时期冬小麦籽粒蛋白质含量的高光谱遥感监测模型

为研究不同氮磷水平下冬小麦籽粒蛋白质含量高光谱遥感监测模型,提高模型精度,本文通过连续5年定位试验研究不同氮磷耦合水平下,不同生育时期冬小麦冠层光谱反射率、植株氮含量以及成熟期籽粒蛋白质含量,以相关、回归等统计分析方法,建立基于不同生育时期植株氮含量的籽粒蛋白质含量监测模型;然后通过灰色关联度分析,筛选植株氮含量的最佳植被指数,以偏最小二乘回归法,建立基于植被指数的植株氮含量监测模型;最后以植株氮含量为链接点,按照"植被指数—植株氮含量—籽粒蛋白质含量"之间的联系,建立融合植被指数与植株氮含量的冬小麦成熟期籽粒蛋白质含量监测模型。结果表明:在拔节期、孕穗期、抽穗期、灌浆期、成熟期基于植株氮含量建立的成熟期籽粒蛋白质含量监测模型,具有较好的监测精度;拔节期、孕穗期、抽穗期、灌浆期、成熟期分别基于修正叶绿素吸收反射率指数(MCARI_1)、归一化差值叶绿素指数(NDCI)、修正归一化差异指数(mNDVI)、MCARI_1、NDCI植被指数建立植株氮含量监测模型,监测精度(R~2)分别为0.826、0.854、0.867、0.859和0.819;以植株氮含量为链接点,通过"植被指数—植株氮含量—籽粒蛋白质含量"的间接联系,建立基于拔节期、孕穗期、抽穗期、灌浆期、成熟期植被指数且融合植株氮含量的籽粒蛋白质含量监测模型,R~2分别为0.935、0.972、0.990、0.979和0.936;以独立数据对模型进行验证,模型预测值与实测值间相对误差(RE)分别为11.26%、10.74%、8.41%、10.25%和11.36%,均方根误差(RMSE)分别为2.221 g×kg~(-1)、1.825 g×kg~(-1)、1.214 g×kg~(-1)、1.767 g×kg~(-1)和2.137 g×kg~(-1)。说明基于不同生育时期植被指数链接植株氮含量可以对成熟期籽粒蛋白质含量进行有效监测,且模型具有较好的年度间重演性和品种间适应性。     

冬小麦冠层光谱红边特征分析

通过对不同N素营养水平冬小麦冠层光谱特性的田间试验研究,发现红边位移现象:在孕穗期前,红边随施N量增加向长波方向"红移";孕穗期后"红移"现象基本消失,继而发生"蓝移"。红边参数中红边斜率(dλred)与叶片N累积量(TN.D)、叶绿素含量(CHL.T)、叶绿素密度(CHL.D)的相关关系通过显著性检验,红边面积(∑dλ680~760)和叶片全N含量(N%)的相关关系通过显著性检验,红边位置(λred)、红边斜率、红边面积与叶面积指数有着密切关系,均通过极显著性检验,一些红边参数可作为小麦农学参数估测的简便方法。     

基于光谱遥感的冬小麦籽粒淀粉积累量的监测

为了建立基于叶绿素密度淀粉积累量的最佳种植密度光谱监测模型,利用遥感技术准确测量小麦淀粉积累量,本试验通过大田试验,根据品种特性和晋中地区推广种植密度分别设置5个种植密度(300万苗.hm 2、450万苗.hm 2、600万苗.hm 2、750万苗.hm 2、900万苗.hm 2),对其冠层光谱、叶绿素密度和淀粉积累量进行了测定,并利用统计学方法对5个种植密度的数据进行分析,对混合密度进行模拟。结果表明,在5个密度梯度和模拟混合密度下所建立的淀粉积累量光谱监测模型中,以密度750万苗.hm 2条件下的NDVI(1 200 nm,670 nm)所建立的光谱模型最好,其精确度可达0.920 6。用2009—2010年的试验数据对模型进行检验,其预测值和实测值的R2也可达0.954 2,表明750万苗.hm 2的种植密度是对冬小麦淀粉积累量进行预测的最佳密度,依此所建立的冬小麦淀粉积累动态监测光谱模型是可行的。同时,所建立模拟混合密度模型的精确度可达0.883 1,验证R2也可达0.905 4,说明该模拟混合密度模型能够较准确地预测不同种植密度条件下的淀粉积累量。因此,模拟混合密度模型在现实应用中具有较好的适用性和普适度。     

条锈病胁迫下冬小麦冠层叶片氮素含量的高光谱估测模型

为利用高光谱遥感诊断条锈病胁迫下作物的营养状况,测量感染条锈病的冬小麦冠层反射率以及相应叶片全氮(LTN)含量,利用线性和非线性回归方法,建立了微分光谱与小麦LTN含量之间的回归模型.研究表明随病情加重,小麦LTN含量逐渐降低,并与一阶微分光谱在430～518、534～608、660～762 nm以及783～893 nm区域具有极显著相关性.经检验,以红边内一阶微分总和与蓝边内一阶微分总和比值(SDr/SDb)为变量的模型是估测LTN含量的最佳模型,其RMSE为0.3567,相对误差为8.33%.因此,利用高光谱遥感估测条锈病胁迫下作物LTN含量是可行的,且具有较高的反演精度.研究成果可为小麦氮素营养监测、精准施肥以及条锈病情诊断等提供理论依据和指导.     

不同氮营养冬小麦冠层光谱红边特征分析

利用FieldSpec FR2500光谱仪测定了不同氮素处理冬小麦冠层光谱,分析其红边特征变化规律及与农学成分的相关关系。结果表明,波长550 nm、680 nm、980 nm、1100 nm与350～680 nm和750～1100 nm可作为氮素营养诊断的敏感特征点与波段范围。随着施氮量的提高,拔节期、抽穗期以及灌浆期的红边位置（REP）、红谷位置（Lo）与光谱反射率一阶微分极大值（FD_Max）均增大,红边宽度（Lwidth）则有减小的趋势。总体上看,施氮与无氮处理在整个生育期均存在较大差异,施氮处理之间差异较小。冠层反射光谱的红边位置、红谷位置、随生育期向长波方向移动,呈现红移现象;从抽穗期开始逐渐减小,呈现蓝移现象。冬小麦红边参数中红边位置与农学组分之间的相关性优于其他参数,除与地上部生物量正相关显著外,与叶面积指数、叶含水率、叶绿素含量、叶可溶性蛋白含量、叶鲜重、叶含氮量均呈正相关且达到极显著水平。红谷位置则与叶面积指数、叶含水率、叶绿素含量、叶鲜重以及SPAD值呈极显著正相关;与可溶性蛋白呈显著正相关。红边宽度与叶面积指数、叶含水率、叶氮含量、叶绿素含量以及叶鲜重均呈极显著正相关;与可溶性蛋白含量呈显著正相关。反射率一阶导数极大值与叶面积指数、叶含水率、叶鲜重呈极显著正相关,与叶含氮量极显著负相关。通过红边参数与农学组分稳定良好的数学关系,可以对农学组分进行预测估算。     

磷营养胁迫对冬小麦冠层光谱的影响

因为磷素重要的营养作用,其胁迫的存在影响冬小麦的正常生长。借助地面遥感仪器获取冬小麦在磷营养胁迫下的多个生育期里的冠层光谱数据并对其影响特征进行了分析。利用因子分析方法提取主因子与含有丰富信息的光谱变量,并结合极显著水平(0.01)的均值比较与检验过程考察了冬小麦冠层光谱,确定了对磷营养胁迫敏感的光谱波段:760nm,810nm和870nm与950nm,并在此基础上结合冬小麦对磷素的吸收利用特征选定了运用冠层光谱敏感波段反射率探测和区分磷营养胁迫的关键生育期:拔节期。结果同时表明,对冬小麦磷营养胁迫而言,近红外区间(760nm~1100nm)光谱反射特征的区分能力要强于可见光区。本文同时指出了研究与发展利用遥感技术进行营养胁迫监测的方法和着重点。     

基于光谱变换的低温胁迫下冬小麦叶绿素含量估测研究

近年来,冻害已成为影响我国冬麦区的农业气象灾害之一,及时、快速、准确地获取冬小麦叶绿素含量对于监测冬小麦冻害发生具有极其重要的意义。本研究通过低温胁迫试验,在拔节期对两个冬麦品种进行-6℃,4 h、8 h和12 h的胁迫处理后,测定其冠层光谱反射率,并对原始光谱数据进行15种典型变换处理,分析比较不同光谱变换下冬小麦叶绿素含量的PLSR模型,筛选出能够表征低温胁迫下冬小麦叶绿素含量的最佳光谱变换方式。结果表明,随低温胁迫时间的延长,两个冬小麦品种叶绿素含量呈降低趋势,随着低温胁迫后天数的增加,各处理与对照的差异逐渐减小。胁迫后5 d,近红外区域反射率有较大升高,并随低温胁迫后时间的延长而升高;在可见光区域,短期内差异不明显。胁迫后10 d、20 d、35 d,黄、红波段逐渐趋于水平,同时近红外区域反射率差异逐渐缩小,可见光区域光谱反射率出现不同程度的上升。对原始光谱数据进行15种典型变换处理,发现原始光谱的倒数、对数、幂、平方根等变换难以提高与叶绿素含量的相关性,且建模效果较差。除原始光谱对数的一阶微分(T6)外,其他微分变换处理的叶绿素含量诊断模型都优于原始光谱。综合考虑模型的校正、验证效果、模型最佳因子数以及相对分析误差的大小,二阶微分变换处理(T15)叶绿素含量校正模型的R2和RMSE分别为0.930、0.340,验证模型的R~2为0.753,表明基于T15的光谱变换数据可实现低温胁迫下叶绿素含量的准确估算,为最佳光谱变换方式。     

基于多时相和多角度光谱信息的作物株型遥感识别初探

作物群体具有一定的冠层几何结构(株型),对于不同株型的品种,在相同的叶面积指数时冠层反射光谱往往不同,使得利用冠层反射光谱来反演叶面积指数等生物物理和生物化学参数时存在不同株型产生的误差,该文定量研究了不同叶面积指数条件下,作物株型对冠层反射光谱的影响,并提出运用波长800 nm处起身期的冠层反射光谱与该波长处拔节期和起身期冠层反射光谱的比值,可以初步实现高密度披散型品种、低密度披散型品种、高密度中间型品种、低密度中间型品种、高密度直立型品种和低密度直立型品种的遥感识别,结合一定条件下选取的15°、30°和45°观测天顶角下,与可见光和近红外波段(波长)处的二向反射冠层反射光谱数值大小进行结合,可以初步实现作物株型的遥感识别。     

用多角度光谱信息反演冬小麦叶绿素含量垂直分布

由于作物叶片具有一定的叶位空间垂直结构(倒一叶、倒二叶、倒三叶、倒四叶、倒五叶等),且存在不同叶位叶绿素等生化组分垂直分布的特性,该研究提出利用遥感数据反演作物养分垂直分布,尤其是作物中、下层信息的方法。运用多角度光谱信息,通过不同角度条件下,反映的作物上层、中层、下层信息的差异等通过构建基于不同观测天顶角条件下的冠层叶绿素反演指数的组合值,形成上层叶绿素反演光谱指数、中层叶绿素反演光谱指数和下层叶绿素反演光谱指数来反演作物叶绿素的垂直分布,达到了极显著的水平。表明运用基于多角度光谱信息的光谱指数组合能够较好的反演作物叶绿素含量的垂直分布。对于生产上迫切需要对作物中、下层叶片氮素或叶绿素状况的监测来指导适时和适量施肥,保证获得既定的作物产量和品质目标,提高肥料利用率有重要意义。     

不同施硫量对冬小麦光合特性和产量的影响

以8901-11和4185两个冬小麦品种为材料,于2001～2002年度在河北农业大学教学基地进行了试验,研究了不同施硫水平对小麦光合特性和产量的影响。试验设4个施硫量处理,分别为S0、30、60、90kg/hm2,采用裂区设计,3次重复。试验结果表明,在一定的供硫范围内(0～60kg/hm2),顶部功能叶在各生育时期,倒3叶和旗叶在展开到衰亡过程中的叶绿素含量增加,光合速率提高,可溶性蛋白质含量增加。在该施硫量范围内,两品种的产量均随着施硫量的增加而增加,且以60kg/hm2的施硫量水平产量最高,单位面积穗数、每穗粒数和千粒重随施硫量的变化趋势也同产量的变化趋势基本一致。     

Predicting grain yield and protein content in winter wheat at different N supply levels using canopy reflectance spectra

A field experiment using a split-plot randomized complete block design with three replications was carried out to determine relationships between spectral indices and wheat grain yield （GY）, to compare the performance of four vegetation indices （VIs） for GY prediction, and to study the feasibility of VI to estimate grain protein content （GPC） in winter wheat. Two typical winter wheat （Triticum aestivum L.） cultivars ＇Xuzhou 26＇ （high protein content） and ＇Huaimai 18＇ （low protein content） were used as the main plot treatments and four N rates, i.e., 0, 120, 210, and 300 kg N ha^-1, as the sub-plot treatments. Increasing soil N supply significantly increased GY and GPC （P ≤ 0.05）. For the two cultivars combined, significant and positive correlations were found between four VIs and GY, with the strongest relationship observed when using the green ratio vegetation index （GRVI） at mid-filling. Cumulative VI estimates improved yield predictions substantially, with the best interval being heading to maturity stage. Similar results were found between VI and grain protein yield. However, when using cumulative VI, GPC showed no significant improvement. The strong relationship between leaf N status and GPC （R2 =0.9144 for ＇Xuzhou 26＇ and R2 = 0.8285 for ＇Huaimai 18＇） indicated that canopy spectra could be used to predict GPC. The strong fit between estimated and observed GPC （R2 = 0.7939） indicated that remote sensing techniques were potentially useful predictors of grain protein content and quality in wheat.     

Prediction of grain protein content in winter wheat through leaf color measurements using a chlorophyll meter

A field trial was conducted over a 3-year period at the Hokkaido Kitami Agricultural Experiment Station to examine whether the grain protein content (GPC) of a winter wheat cultivar (Triticum aestivum L. cv. Chihokukomugi) suitable for Japanese noodle-making could be predicted before harvest. The prediction of the GPC was accurate based on the color of the second leaf (just below the flag leaf) at the end of the emergence of the inflorescence, when nitrogen application was graded. In order to evaluate the reliability of this test, a survey of 95 wheat fields in the eastern part of Hokkaido was also carried out during a 3-year period. The prediction of the GPC for this cultivar based on the color of the second leaf was less accurate across many sites. The results of this survey, however, suggested that the leaf color could be used as an index for ranking the GPC as low or high in relation to processing requirements. When the leaf color value of the second leaf measured with a chlorophyll meter at the end of the emergence of the inflorescence was less than 40, it was predicted that the GPC would be lower than the processing requirement. This index could be applied to the cultivars grown in the eastern part of Hokkaido, except for those grown on peat soils.     

白粉病胁迫下小麦冠层叶绿素密度的高光谱估测

为了明确病害胁迫下作物生长特征及其危害程度,基于大田小区和盆栽小麦白粉病接种试验,在病害胁迫下不同生育时期测定群体光谱及叶绿素密度。综合分析群体光谱反射率、一阶微分及传统光谱特征参数与冠层叶绿素密度间关系,建立病害叶绿素密度估算模型并检验。结果表明,随病情指数增加,叶绿素含量下降,不同感性品种均如此,对白粉病易感品种的危害较重。病害冠层叶绿素密度与红光600～630nm和红边690～718nm的反射率及红边长波段(718～756nm)的一阶微分间相关性最显著。在传统植被指数中,以SDr/SDb和VOG3为变量的估测模型拟合精度较高,决定系数R2分别为0.752和0.723,模型检验相对误差(RE)最小,RE分别为18.0%和18.6%。利用红边区域(680～760nm)波段差异特性,选取680、718和756nm波段新建红边角度指数(REAI),较传统植被指数的模型拟合精度更高,归一化角度指数NDAI(α,β)和比值角度指数RAI(α,β)的R2分别为0.783和0.776,模型检验误差更小,RE分别为16.8%和17.5%。因此,NDAI(α,β)是估测病害小麦冠层叶绿素密度的可靠指标,对利用该模型监测小麦光合潜力和病害影响评价具有积极意义。     

冬小麦冠层表面温度裂窗算法的筛选与土壤含水率监测

NOAA气象卫星的两个热红外通道可以用来反演地球表面温度,而地球表面温度可用于监测土壤含水率。该研究于2002年冬小麦主要生育期,应用9种裂窗算法反演了邯郸地区的地表温度,并用这一时期冬小麦地面观测的冠层表面温度进行验证,结果表明：9种方法中,UL92法比较适合邯郸平原区地表温度的反演,平均误差为-0.27℃,标准误差为2.66℃;并建议：对于山区和丘陵地带,如能使裂窗算法结合数字高程模型(DEM),也能使山区和丘陵地带的地表温度反演精度提高,最后以地面试验基础上所建立的冬小麦地表温度与土壤含水率间的回归拟合经验方程为基础,用UL92法反演的地表温度监测不同土层的土壤含水率,这是一种利用热红外遥感监测区域剖面土壤含水率的新方法的尝试,证明地面基础试验所建立的经验方程与遥感数据结合能监测区域土壤剖面的土壤含水率。     

不同株型品种冬小麦NDVI 变化特征及产量分析

冬小麦不同株型品种和灌溉类型是影响产量遥感估测的重要因素, 对二者的实时监测可以提高产量的估测精度。结合遥感数据(MODIS 数据)与非遥感数据(GPS 数据和外业调查资料), 研究了不同株型品种冬小麦在水、旱地条件下归一化差值植被指数(NDVI)的动态变化特征, 分析了不同生育时期NDVI 与产量之间的关系。结果表明: 冬小麦不同株型品种间NDVI 随生育时期的变化具有明显一致性, 呈“小-大-小”变化趋势; 拔节期至孕穗期不同株型品种冬小麦NDVI 差异显著, 披散型品种高于紧凑型品种, 该时期为准确识别冬小麦株型的最佳时期。水、旱地同一种株型的冬小麦品种在整个生育时期NDVI 均值差异较显著, 均表现为水地冬小麦高于旱地冬小麦, 尤以抽穗初期最为明显。水旱地冬小麦不同生育时期NDVI 与产量相关性均以抽穗初期为最高, 但用抽穗初期和灌浆期NDVI 与产量的复合回归方程进行产量预测比用抽穗初期NDVI 与产量的回归方程效果好, 旱地冬小麦尤为明显。