棉花全生育期叶片SPAD值的遥感估算模型

叶绿素含量是评估棉花生长状况的重要参数,估算叶绿素含量对于棉花生长监测具有重要意义。以渭北旱塬区种植的棉花为试验材料,测量全生育期棉花叶片SPAD值与冠层反射率光谱,将原始高光谱反射率、一阶微分光谱反射率、不同波段组合的遥感光谱参数分别与SPAD值做相关性分析,用传统回归分析方法构建五种重要光谱参数的SPAD值预测模型,同时,采用PLSR方法建立全生育期SPAD值的估算模型。最后对模型进行检验,筛选出精度最高的模型。建模结果表明,基于多种光谱参数的全生育期PLSR预测模型精度最高、预测效果最好,估算模型的决定系数R~2为0.733,验证模型R~2为0.737。PLSR方法建立的多光谱参数的SPAD值估算模型预测效果显著,利用高光谱技术对棉花SPAD值进行监测,可为全生育期棉花长势遥感监测提供依据。     

猕猴桃叶片SPAD值高光谱估算模型构建

利用便携式野外光谱辐射仪和叶绿素仪在陕西杨凌蒋家寨村测定了猕猴桃不同生育期叶片光谱反射率及其对应的叶绿素相对含量(SPAD)值,通过分析其光谱反射率、一阶微分光谱和SPAD的相关关系,构建了不同生育期基于红边位置、红边幅值、红边偏度和红边峰度的SPAD估算的单因素回归模型和多元逐步回归模型。结果表明:(1)随着猕猴桃叶片叶绿素含量升高,红边位置"红移",红边幅值随着SPAD值的增大而递减,红边面积有所减小,红边曲线形状由右偏逐渐转变为左偏,峰度值逐渐降低;(2)红边偏度能够更好地反映叶片叶绿素含量;(3)在不同生育期,均以红边偏度建立的单因素模型效果最好,建模R2分别为0.821、0.874、0.842;(4)与单因素多项式回归模型相比,多元逐步回归模型在不同生育期均有更好的建模精度和预测精度,在不同生育期,其预测R2分别为0.848、0.926、和0.850,是估算猕猴桃叶片SPAD值的最佳模型。     

基于叶片SPAD值的滴灌春小麦氮肥分期施用推荐模型

试验于2014—2015年进行,利用2014年田间试验建立基于叶片SPAD值的滴灌春小麦氮肥分期施用推荐模型,2015年进行推荐模型的验证实验。结果表明:在滴灌春小麦拔节期、孕穗期、抽穗期和灌浆期,随着氮肥施用量的增加,小麦叶片SPAD值均呈线性增加的趋势;各生育期叶片SPAD值与产量具有显著的相关性;全生育期最佳施氮量为261 kg·hm-2;滴灌春小麦拔节期、孕穗期、抽穗期和灌浆期叶片SPAD临界值分别为42.4、39.4、41.8、54.1;建立了基于叶片SPAD值的滴灌春小麦氮肥分期施用推荐模型,在保证产量的前提下,基于模型推荐施肥可以节约肥料7.86%,提高氮肥利用率9.64%。研究得出,小麦叶片SPAD值可以指导滴灌春小麦氮肥分期施用。     

寒地水稻叶片SPAD值与稻米蛋白质含量的关系

为揭示寒地水稻叶片SPAD值及其衍生值与稻米蛋白质含量的关系,于2020—2021年在水稻拔节期（T1）、孕穗期（T2）、齐穗期（T3）测定顶部3片叶的SPAD值,依据盆栽试验（试验1和试验2）的数据资料建立SPAD值衍生指标与稻米蛋白质含量之间的关系模型,利用大田试验（试验3）数据资料对建立的模型进行验证。结果表明,2020年氮肥试验中A8水平（氮素施用量362.07 kg·hm^-2）稻米蛋白质含量较A1~A7水平（A1~A7氮素施用量分别为0、51.72、103.45、155.17、206.90、258.62、310.35 kg·hm^-2）分别极显著增加34.55%、27.44%、26.39%、22.19%、18.07%、14.39%、12.23%,而A8水平食味值较A1~A7水平分别极显著降低8.10%、5.06%、4.99%、4.10%、3.45%、2.96%、2.28%,2021年蛋白质含量、食味值变化趋势与前者相同。两年品种试验6个品种稻米蛋白质含量比较中,C6品种（三江6号）蛋白质含量较C5（龙粳21）、C4（垦粳8号）、C3（龙稻203）、C2（松粳16）、C1（松粳22）分别极显著提高2.99%、12.23%、10.43%、5.04%、15.63%,C6食味值较C5、C4、C3、C2、C1分别极显著降低1.17%、12.09%、3.54%、2.89%、7.93%。品种差异及施氮量对不同生育时期水稻顶部3 片叶的SPAD值分布规律有较大影响,但水稻冠层叶片出现的两次“黑黄交替”现象不受品种的影响,其中单片叶的SPAD值受品种差异的影响,与蛋白质含量不存在相关性,借助指标SPAD_(L1+L2+L3)/3、SPAD_L2×L3/mean可有效降低品种及环境差异对蛋白质含量预测结果的影响,指标SPAD_(L1+L2+L3)/3与蛋白质含量在T1~T3期（拔节期、孕穗期、齐穗期）的拟合方程分别为：Y=0.24X-1.94 ,R²为0.75^**、Y=0.25X-1.69,R²为0.74^**、Y=0.27X-2.45 ,R²为0.72^**;SPAD_L2×L3/mean拟合方程分别为：Y=0.22X-1.05 ,R²为0.75^**、Y=0.27X-2.43, R²为0.72^**、Y=0.26X-2.24,R²为0.72^** （Y为蛋白质含量,X为SPAD衍生值）,拟合方程均达到极显著水平。稻米蛋白质含量和食味值评分变现为线性负相关,回归方程为Y=-4.21X+113.32（Y为食味值,X为蛋白质含量）,拟合优度R²=0.93^**,达到极显著水平。综上,借助指标SPAD_(L1+L2+L3)/3和SPAD_L2×L3/mean能够实现快捷、无损和实时预测稻米蛋白质含量,在一定程度上判定出稻米蒸煮食味品质的优劣,达到按质收获以及对品质实时监测的要求,促进优质寒地水稻的可持续发展。     

基于冠层高光谱的甜菜不同生育时期SPAD值估测研究

文中基于高光谱与田间试验进行了甜菜不同生育时期(甜菜幼苗期、叶丛生长期、块根膨大期和糖分积累期)SPAD值估测研究。采用便携式ASD光谱仪和SPAD-502叶绿素仪分别实测了甜菜冠层反射光谱和SPAD值,分析不同生育时期冠层高光谱响应特征,并对12种光谱指数与不同生育时期的冠层SPAD值进行相关性分析,最后建立了SPAD值的最佳估测模型。研究结果表明:在可见光波段(450-680nm)与近红外波段(760-950nm),甜菜不同生育时期冠层反射光谱存在明显差异;不同生育时期所筛选的3种光谱指数与SPAD值均达到了极显著(p<0.01)或显著(p<0.05)相关水平;甜菜幼苗期、叶丛生长期、块根膨大期和糖分积累期分别以NDVI、SDr/SDy、CCI和SDb为单一自变量所建立的估测模型最佳,模型决定系数R~2分别达到了0.573、0.212、0.363和0.324。     

水稻冠层叶绿素含量高光谱估算模型

为了寻求西北引黄灌区水稻冠层叶绿素含量的高精度估算模型,通过田间试验测定了水稻冠层SPAD和高光谱数据,运用任意波段组合的方式构建了一系列基于原始光谱、一阶导数光谱的比值、差值、归一化和土壤调节植被指数,筛选出反映水稻冠层SPAD的最佳植被指数作为自变量,应用普通回归分析方法和随机森林算法建立了该区域水稻冠层SPAD估算模型并进行了对比分析。结果表明：（1)应用普通回归分析方法,以RVI(D₁₃₁₆,D₇₃₆)为自变量建立的指数模型是估算西北引黄灌区水稻冠层SPAD的最佳单变量模型;（2)采用随机森林算法,以4个植被指数RVI(R₆₉₆,R₅₄₀)、DVI(R₇₀₀,R_{536)、SAVI(R700,R536)、RVI(D1316,D736)建立的估算模型比普通回归模型精度更高,验证结果的决定系数R²为0.873,均方根误差RMSE为3.221,平均相对误差RE为13.25%。说明通过随机森林算法建立的模型可以实现水稻冠层SPAD的精准估测,可以用于西北引黄灌区水稻冠层叶绿素含量的快速、无损获取。}     

夏玉米叶片光合色素含量高光谱估算

为了实现夏玉米叶片光合色素含量的快速、无损检测,以陕西省关中地区夏玉米“大丰26号”为研究对象,探究了不同总色素含量水平的玉米叶片反射光谱特征。分别提取与叶绿素a、叶绿素b、类胡萝卜素和总色素含量相关性较强的15个光谱参数,通过单变量回归、多元逐步回归和随机森林回归分析,建立光合色素含量估算模型并进行精度比较。结果表明：基于随机森林方法构建的光合色素估算模型精度最高,其中,叶绿素a、叶绿素b、类胡萝卜素的建模R²为0.93,总色素的建模R²为0.92;叶绿素a和类胡萝卜素的检验R^{2<、sup>为0.74,叶绿素b和总色素的检验R2为0.71;各模型的均方根误差（RMSE）和相对误差（RE）相差不大;拟合精度由高到低依次为叶绿素a、类胡萝卜素、总色素和叶绿素b的RF模型。证实了随机森林方法在夏玉米叶片光合色素含量估算中的优越性,并构建了高精度的光合色素RF估算模型。}     

基于随机森林算法的土壤含盐量预测

快速监测区域土壤盐渍化信息,对于盐渍化治理与生态环境保护具有重要意义。本文以Sentinel-2A和Landsat8 OLI遥感影像为数据源,以银川平原为研究区,利用谷歌地球引擎（Google Earth Engine,GEE）平台,基于随机森林算法,通过建立光谱指数特征与地面实测土壤含盐量之间的关系,进行土壤含盐量估算。结果表明：GEE能够为土壤含盐量预测提供可靠的数据支撑;以Sentinel-2A为数据源建立的随机森林模型具有更好的预测精度（R2=0.789,RMSE=1.487）,优于Landsat8 OLI,可用于土壤含盐量高分辨率遥感估算,能够为大尺度土壤含盐量监测工作提供理论支撑。     

基于不同遥感数据的林火污染物排放估算对比研究

遥感技术是进行林火污染物排放估算的重要手段,而空间分辨率的差异会对林火污染物排放估算产生重要影响。文中采用“自下而上”的遥感估算方法,针对三种不同空间分辨率遥感数据(哨兵2号、Landsat OLI、MODIS)分别进行了林火污染物排放量估算,结果表明：1)由空间分辨率造成的火烧迹地整体差异范围介于1.81%～9.82%之间。2)从可燃物载量来看,林地可燃物载量最大相差20.69%,灌丛最大相差13.78%,草地最大相差31.13%。3)从各燃烧强度面积来看,重度燃烧的差异范围为12.93%～45.08%,中度燃烧的差异范围为18.22%～18.84%,轻度燃烧的差异范围为6.20%～10.96%。4)基于MODIS、Landsat OLI以及哨兵2号遥感数据计算的污染物总排放量分别为4.13×10⁵t、4.44×10⁵t以及4.92×10⁵t,哨兵2号与Landsat OLI计算结果的差异为9.77%,与MODIS计算结果的差异为16.01%。     

基于Sentinel-2数据的干旱区典型绿洲植被叶绿素含量估算

以渭干河-库车河绿洲(渭-库绿洲)为研究区,采用在机器学习方面具有明显优势的随机森林回归算法,对绿洲内的4种典型植被(棉花、芦苇、杨树、大枣)叶片的叶绿素相对含量(soil and plant analyzer development,SPAD)考。进行估算和验证。首先基于"红边"处光谱信息丰富的哨兵2号(Sentinel-2)影像和由其衍生的一阶微分、二阶微分影像各提取23种对叶绿素敏感的宽波段光谱指数,加入3种影响植物生长的土壤参量(土壤含水量,土壤有机质,土壤电导率)作为影响叶片SPAD的特征变量,再根据以上特征变量对每种植被叶片各建立3种方案的SPAD估算模型,从而实现对绿洲内植被叶绿素的监测。结果表明:①影像经一阶微分再提取的植被指数相比原位光谱植被指数,在SPAD估测模型中起到了更重要的作用,在随机森林算法的重要性排序中位居前列;②4种植被叶片的SPAD估测模型都取得了不错的效果,芦苇叶片尤为显著,确定系数(R^2)达到了0.926;③分析对比3种方案下模型预测能力,方案3(包含土壤参量)的预测能力卓越〔2.143<相对百分比偏差(RPD)<2.692〕,其预测能力排序为:方案3>方案1>方案2,土壤属性和模型预测结果有较强的非线性相关。Sentinel-2数据具有理想的估算绿洲植被叶绿素含量的潜力,提供了一种高效、低成本、潜在高精度的方案来估算叶绿素含量,可为干旱区绿洲农业、生态系统实现更有效的保护和管理提供参考。     

基于NOAA-NDVI的河南省冬小麦遥感估产

以河南省为研究区域,利用1982-2006年冬小麦生长关键期3-5月的NOAA-NDVI数据集,结合河南省18地市冬小麦产量数据,分析了研究区NDVI与冬小麦产量的时间动态变化特征,建立了基于NDVI的冬小麦产量估算模型,并对模型进行了验证与比较。结果表明:自1982-2006年,研究区冬小麦生长关键期的NDVI和小麦产量均表现出显著增长态势;利用3月、4月、5月NDVI分别建立的冬小麦产量线性预测模型相对误差均较小,分别为-7.56%、-6.10%、-2.63%;利用不同月份组合的NDVI累积和分别建立的冬小麦产量预测模型相对误差较小,平均误差为-5.08%;利用多个月份组合的NDVI分别建立的多元线性回归模型,虽然综合考虑了冬小麦生长期,但估测精度却低于基于单月NDVI和NDVI累积所建立的模型精度。通过误差对比分析后发现,利用5月NDVI建立的冬小麦估产模型误差最小。     

基于同化叶面积指数和条件植被温度指数的冬小麦单产估测

应用数据同化方法将遥感信息与作物生长模型融合,是估测区域作物产量的重要方法之一。以2008—2014年越冬后的冬小麦为研究对象,选择与作物长势、产量及水分胁迫信息密切相关的叶面积指数(LAI)和条件植被温度指数(VTCI),采用粒子滤波算法对CERES-Wheat模型模拟和遥感数据观测的LAI和VTCI实施同化,分别基于观测LAI和VTCI、同化LAI和VTCI构建冬小麦单产估测模型。结果表明,同化LAI变化趋势更加符合关中平原冬小麦的实际生长状况,同化VTCI能更好地反映冬小麦的水分胁迫程度。应用观测LAI和VTCI构建的估产模型决定系数为0.402,而单独应用LAI或VTCI单变量构建的估产模型决定系数分别为0.279和0.339,说明应用LAI和VTCI双变量构建的估产模型的精度优于单独应用LAI或VTCI单变量的精度。相比于观测LAI和VTCI构建的估产模型,基于同化LAI和VTCI构建的估产模型的决定系数从0.402提高到0.547。表明基于同化LAI和VTCI构建的估产模型的精度明显提高。     

甘肃省森林生态系统服务功能及其价值评估

在祁连山森林生态站长期定位观测数据以及甘肃省各林区2007-2009年调查数据的基础上,采用全国第七次森林资源清查甘肃省数据和国家权威机构公布的社会公共数据,利用国家林业局发布实施的森林生态系统服务功能评估规范（LY/T 1721-2008）,评价了甘肃省＂十一五＂期间不同林分各优势树种生态系统服务功能的价值。结果表明：（1）甘肃省森林生态系统服务功能总价值为2163.86亿元.a-1,其中涵养水源价值为854.02亿元.a-1;保育土壤价值为378.51亿元.a-1;固碳释氧价值为529.83亿元.a-1;积累营养物质价值为46.94亿元.a-1;净化大气环境价值为119.36亿元.a-1;生物多样性保护价值为215.70亿元.a-1;森林防护价值为17.23亿元.a-1;森林游憩价值为2.31亿元.a-1。（2）不同树种提供的服务功能总价值顺序为灌木林〉硬阔类〉栎类〉阔叶混〉云杉〉冷杉〉经济林〉杨树〉桦木〉软阔类〉针阔混〉华山松〉油松〉柏木〉落叶松〉针叶混〉桐类〉椴树类〉铁杉。     

基于随机森林算法构建白眉野草螟监测预警模型

为科学防治白眉野草螟Agriphila aeneociliella,以16种气象因子为自变量,以白眉野草螟发生程度为因变量,采用随机森林算法构建白眉野草螟的监测预警模型,并利用构建的模型对2010—2016年影响鲁东地区白眉野草螟发生程度的关键气象因子进行分析。结果表明,当特征值为9,决策树数量为400时,白眉野草螟监测预警模型的袋外估计错误率最低,为17.88%,轻度发生和重度发生的错误率分别为17.58%和18.18%。利用测试数据检验模型,模型错误率为20.00%。通过所构建的模型分析显示影响鲁东地区白眉野草螟发生程度的关键气象因子为平均水汽压、日最低气温、平均气温和日最高气温,其Gini值分别为18.82、14.84、13.67和9.30。     

基于预设SPAD阈值的花生氮肥施用效果研究

为利用花生叶片SPAD值进行实时、无损诊断花生生长过程中的氮素丰缺,指导花生合理施用氮肥,试验通过设定花生出苗后30、45、60、75 d和90 d倒3叶的SPAD值,分别将SPAD值按各时间段在30～33、38～41、42～45、44～47和43～46每隔1个点值预设一种施氮方案,共3种方案(分别以SN-1、SN-2和SN-3表示),探究不同氮素管理方案对花生的自身固氮力、氮素利用效率和产量的影响效果。研究结果显示,3种方案中,SN-3阈值设定过高,不利于花生的生长,SN-1和SN-2的阈值设定方案较合理,均可促进花生根瘤生长,提高氮素利用效率和产量。其中,SN-1的阈值设定最佳,与常规施肥比较,SN-1的花生单株根瘤量和单个根瘤重分别增加17.65%和4.35%,氮素利用效率和氮素农学利用效率分别提高19.36和3.99个百分点,花生产量增加12.95%。因此,SN-1方案的SPAD预设值可以作为花生栽培过程中各生育时段的氮素丰缺阈值。