基于平稳小波变换的冬小麦覆盖度高光谱监测

在2010与2011年度冬小麦生长季,通过大田小区试验,实测了冬小麦冠层的高光谱反射率与覆盖度。分析了不同覆盖度下的冬小麦冠层光谱特征以及不同生育期冬小麦冠层光谱反射率与覆盖度的相关性,建立了基于归一化植被指数(NDVI)与比值植被指数(RVI)、小波能量系数的不同生育期冬小麦覆盖度估算模型。结果表明:覆盖度越大,冬小麦光谱反射率在可见光波段越小,在近红外波段越大。在可见光波段,光谱反射率与覆盖度负相关,在"红边"处,由负相关变成正相关。在返青期、拔节期,NDVI估算效果好(R2为0.835 9、0.805 7);在抽穗期、灌浆期,RVI估算效果好(R2为0.803 1、0.829 4)。在返青期、拔节期、抽穗期、灌浆期,以高频、低频小波能量系数为自变量的冬小麦覆盖度估算模型的R2分别达到0.911 2、0.895 4、0.880 2、0.927 5。     

不同氮水平下棉花冠层NDVI分析与产量估测

以2011—2013年连续3个棉花生长季的田间试验数据为基础,利用GreenSeeker获取冠层归一化差值植被指数(NDVI),研究不同氮营养条件下棉花的产量变化、冠层NDVI值随施氮量和生育期的动态变化,以及NDVI与产量的相关性定量分析,建立基于NDVI的棉花产量估算模型。结果表明,生育期冠层NDVI值总体上呈"低-高-低"变化趋势。棉花4个生育期(盛蕾期、花期、盛铃期和初絮期)的NDVI值与产量的相关系数(r)分别为0.7137、0.847 9、0.897 9、0.692 6,在花期(P=0.003 4)、盛铃期(P=0.000 8)达到极显著正相关。经验证,NDVI能够估测关键生育期的产量,其中以盛铃期预测精度最高(R2=0.908 2,RSME为301.67 kg/hm2,RE为5.15%)。     

冬小麦生育早期冠层叶片光谱的特征与应用

利用不同测试方法对冬小麦返青期和拔节期的冠层叶片反射光谱进行了测量,分析了反射光谱与叶绿素质量浓度之间的相关关系。分析结果表明:处于返青期的小麦由于生长较为稀疏,冠层叶片反射光谱受到裸露地面等外界因素的影响,反射率和NDVI值与叶绿素的相关性差。拔节期由于地表覆盖率提高,反射率和NDVI值与叶绿素之间的相关性较好。返青期和拔节期冠层叶片反射光谱曲线的"红边"位置与叶绿素之间的相关性,可以较好地反映其叶绿素的质量浓度。通过实验分析两者之间的相关性,分别建立了返青期和拔节期叶绿素质量浓度线性预测模型和二项式模型,结果显示模型可用于冬小麦冠层叶片叶绿素质量浓度的无损检测预测。比较了植被指数NDVI值的不同获取方法,提出了不同生长阶段测试方法的选择方案,为冠层叶片叶绿素检测以及精细追肥提供技术支持。     

无人机多光谱数据可靠性分析与冬小麦产量估算研究

无人机多光谱遥感用于冬小麦产量预测中捕获的数据准确性不高,为指导田块尺度下冬小麦产量的精准预测,需构建高精度的冬小麦产量估算模型。本研究利用校正后的近地面高光谱数据(Field-Spec 3型野外光谱仪获取)验证低空无人机多光谱遥感数据(大疆精灵4型多光谱相机获取),将通过无人机多光谱影像计算的植被指数与经验统计方法结合,采用一元回归和多元线性回归分别对抽穗期、开花期和灌浆期冬小麦进行基于单一植被指数和多植被指数组合的产量估算,其中多植被指数包括归一化差异植被指数(NDVI)、优化的土壤调节植被指数(OSAVI)、绿色归一化差值植被指数(GNDVI)、叶片叶绿素指数(LCI)和归一化差异红色边缘指数(NDRE)。结果表明,基于单一植被指数的冬小麦估产模型,一元二次回归模型精度最高,而基于5种植被指数的多元线性回归模型在3个生育时期的拟合效果均优于单植被指数模型。一元或多元回归模型在抽穗期的拟合效果最好。冬小麦基于GNDVI指数的一元二次回归估产模型建模集的决定系数(R²)、均方根误差(RMSE)分别为0.69、428.91 kg/hm²,验证...     

基于MODIS数据河北省冬小麦长势及干热风灾害的遥感分析研究

使用MODND1D中国500 m分辨率归一化差值植被指数（NDVI）产品数据,对河北省2018年10月—2019年5月冬小麦各生育期NDVI变化进行分析,并对2019年5月22日冬小麦灌浆期河北省的一次大面积干热风过程进行分析,对比干热风发生前后NDVI变化特征。结果表明,NDVI可以较好地反映冬小麦各生育期长势情况,同时可以反映干热风对冬小麦灌浆期的影响,当干热风发生时NDVI出现明显的下降趋势,且其下降幅度随干热风灾害程度加重而增大。      

基于图像颜色特征的密植冬小麦覆盖指数反演

为了快速获取大田冬小麦作物生长信息,对田间植被覆盖度(VCI)进行检测。采用开发的多光谱图像采集系统,在拔节期-扬花期获取冬小麦冠层可见光( B、G、R ,400～700 nm)和近红外(NIR,760～1 000 nm)图像。图像经自适应平滑滤波处理后,针对RGB图像,采用HSI色彩空间模型,设定 H 分量阈值［π/4,6π/5］进行分割,对NIR图像采用自动阈值分割法分割,进而提出了基于“ H +NIR”组合的冬小麦冠层多光谱图像分割方法,并计算VCI值。对未经分割的原始图像提取了9个图像检测参数,包括各通道图像灰度均值( A R、 A G、 A B、 A NIR )、归一化植被指数(NDVI)、归一化差异绿度指数(NDGI)、比值植被指数(RVI)、差值植被指数(DVI)和冠层 H 分量均值 A H。图像检测参数与VCI相关性分析结果表明,各植被指数与VCI的相关系数绝对值均大于0.90。应用NDVI、NDGI、RVI和DVI建立了多元线性回归模型,其 R 2 c =0.948, R 2 v =0.884,可以用于快速反演VCI,为田间作物生长评价和管理提供支持。     

基于遥感和积温的冬小麦生育期提取方法

为了给监测作物长势和产量预测提供重要的基础数据,以河北、河南、山东三省冬小麦为研究对象,利用中等分辨率成像光谱仪(Moderate-resolution imaging spectroradiometer,MODIS)的叶面积指数(Leaf area index,LAI)产品,采用Savitzky-Golay上包络线滤波重构2015年MODIS LAI时间序列,提取抽穗期;基于Logistic函数拟合LAI时间序列提取返青期;根据提取的2015年返青期和抽穗期,基于多年历史积温法分别提取当年拔节期和开花期。利用研究区域内64个农业气象站点(简称农气站点)的生育期观测值对提取值进行验证,结果表明,采用农气站点观测值验证,提取的生育期精度较高,返青期、拔节期、抽穗期和开花期的平均误差分别为7. 4、4. 5、4. 4、3. 8 d。二阶导数的方法对混合像元及Logistic函数拟合准确度敏感,对拔节期、抽穗期、开花期的提取精度较高。研究表明,基于时间序列MODIS LAI数据,采用Logistic函数拟合提取大面积冬小麦生育期具有很好的可行性。     

基于无人机高光谱长势指标的冬小麦长势监测

为快速准确监测作物长势,以冬小麦为研究对象,获取了不同生育期的无人机高光谱影像。利用无人机高光谱数据构建光谱指数,并分析4个生育期的指数与生物量、叶面积指数以及由生物量和叶面积2个生理参数构建的长势监测指标(Growth monitoring indicator,GMI)的相关性;建立与GMI相关性较强的4个光谱指数的单指数回归模型,利用多元线性回归、偏最小二乘和随机森林3种机器学习方法分别建立冬小麦各生育期的GMI反演模型;将最佳模型应用于无人机高光谱影像,得到冬小麦长势监测图。结果表明:各生育期光谱指数与冬小麦GMI相关性较高,大部分指数都达到了显著水平,其中NDVI、SR、MSR和NDVI×SR与GMI的相关性高于生物量、叶面积指数与GMI的相关性;拔节期、挑旗期、开花期、灌浆期、全生育期,表现最好的回归模型对应光谱指数分别是NDVI×SR、NDVI、SR、NDVI和NDVI×SR;对比3种方法构建的GMI反演模型,开花期模型MLR-GMI效果最佳,此时期的模型建模R~2、RMSE和NRMSE分别是0. 716 4、0. 096 3、15. 90%。     

基于NDVI指数的夏玉米中耕施肥模型设计与试验

根据肥料效应函数法,结合最佳环境和经济效应模式,研究了河南郑州地区夏玉米的中期追肥模型。以土壤耕层NO_3~--N含量及玉米目标产量为施肥依据,设计了夏玉米品种郑单958的种植、基肥、追肥等试验方案;利用Greenseeker植物冠层仪,测定追肥期玉米冠层的NDVI指数值,结合试验中依据线性加平台模型计算的最佳施肥量,进行了线性和2次多项式数据分析,构建了郑单958品种的线性追肥模型,用于指导玉米中期不同行数的变量施肥,拟合函数的决定系数为0.9239。     

冬小麦冠层温度对大气温度的时滞效应与影响因素研究

冠气温差能够间接监测作物水分变化规律，而冠层温度与大气温度之间存在的时滞效应会影响监测效果，为探明两者之间的时滞效应变化规律及影响因素，本研究以拔节期至乳熟期的冬小麦为研究对象，利用红外温度传感器连续监测灌溉上限分别为田间持水率的95%(T1)、80%(T2)、65%(T3)和50%(T4)4个不同灌溉处理的冠层温度，并同步获取短波净辐射(Short-wave net radiation,R_S)、大气温度(Atmospheric temperature,T_A)、相对湿度(Relative humidity,R_H)等气象数据。利用错位相关法计算冠层温度与大气温度之间的时滞时间(Time lag,T_L),分析其在不同生育期和不同灌溉条件下变化规律，并采用相关性分析法探究气象因子(R_S、T_A、R_H)变化率和日均值与时滞时间的相关性，最后通过通径分析探讨气象因子(R_S、T_A、R_H     

基于WOFOST-SHAW耦合模型的冬小麦冠层气温模拟

以河南省商丘地区为研究区域,在田间实验的基础上,对WOFOST模型和SHAW模型进行本地化标定,利用WOFOST-SHAW模型模拟2016年冬小麦拔节期-成熟期冠层0~80 cm高度每小时气温的变化特征,并将其模拟结果与实测数据进行对比。结果表明,利用WOFOST-SHAW模型模拟的冬小麦冠层,除了80 cm高度,气温的模型效率均大于0.90,超过75%的模拟气温的绝对误差在-1.5~2.5℃之间,说明冠层气温的整体模拟精度较高。WOFOST-SHAW模型对冬小麦冠层各高度的日最低气温的模型效率平均值为0.86,日最低气温模拟值偏高0.53℃,说明冠层日最低气温的模拟值与实测值吻合度较高。同时冬小麦易受冻高度层模拟气温能准确地反映0℃以下的冠层日最低气温,因此,WOFOST-SHAW模型可以很好地模拟冠层气温,提升SHAW模型的适用性,可为冬小麦晚霜冻害的监测提供参考依据。     

基于冠层光谱特征的冬小麦植株含水率诊断研究

【目的】快速、精确地获得作物水分状况。【方法】采用高光谱采样数据分析方法,研究了北京大兴冬小麦不同生育期不同水分条件下的冠层光谱变化特点,筛选了水分光谱敏感波段,构建了冬小麦水分状况诊断模型。【结果】(1)在750~1 075 nm近红外反射平台拔节—抽穗期、抽穗—灌浆期冬小麦冠层光谱反射率随植株含水率的增大而上升,在350~750 nm的可见光区域灌浆—成熟期冬小麦冠层光谱反射率随植株含水率的增大而降低;(2)不同生育期冬小麦植株水分状况均与650~775 nm波段密切相关,其中对冬小麦植株含水率变化最为敏感的波段为661nm和771 nm;(3)通过筛选光谱参数模型、构建基于敏感波段回归模型并综合分析2类模型对冬小麦植株含水率的监测效果发现,冬小麦不同生育期植株含水率监测最佳模型均为光谱参数模型。【结论】在利用光谱技术监测冬小麦植株含水率时,包含661 nm及771 nm附近波段的水分监测光谱参数模型效果最佳。     

基于高分一号卫星数据的冬小麦叶片SPAD值遥感估算

以陕西省关中地区冬小麦不同生育期冠层高光谱反射率为数据源,模拟国产高分辨率卫星高分一号(GF-1)的光谱反射率,提取18种对叶绿素敏感的宽波段光谱指数,构建了基于遥感光谱指数的冬小麦叶片叶绿素相对含量(SPAD)遥感监测模型,并利用返青期的GF-1卫星数据对研究区的冬小麦叶片SPAD值进行了估算和验证。结果表明:返青期、孕穗期和全生育期SPAD值均与TGI指数相关性最高,相关系数分别为-0.742、-0.740和-0.483。拔节期和灌浆期SPAD值分别与SIPI指数和GNDVI指数相关性最高,相关系数分别为0.788和0.745。GNDVI、GRVI和TGI植被指数在各个生育期都和冬小麦叶片SPAD含量在0.01水平下呈显著相关。基于此3类植被指数构建的冬小麦叶片SPAD值回归模型精度较高,其中基于随机森林回归算法的估算模型效果最优,各类模型均在冬小麦拔节期的预测效果最佳。GF-1号卫星数据结合SPAD-RFR模型对研究区冬小麦叶片SPAD的估算结果最为理想,可用于大面积空间尺度的冬小麦叶片SPAD值遥感监测。     

基于多光谱成像技术的玉米氮素营养诊断方法研究

为快速、无损地获取寒地玉米作物养分信息,利用多光谱成像技术开展了大田玉米氮素营养诊断研究。采用美国ADC多光谱相机采集玉米拔节期冠层多光谱图像,利用德国AA3连续流动分析仪测定叶片氮含量。提取红色通道灰度均值(AVSR)、绿色通道灰度均值(AVSG)和近红外通道灰度均值(AVSNIR)等3个光谱参数,构建归一化植被指数(NDVI)、绿色归一化植被指数(GNDVI)、红色通道与绿色通道比值植被指数(RVIR/G)、红色通道与近红外通道比值植被指数(RVIR/NIR)、近红外通道与红色通道比值植被指数(RVINIR/R)、红色归一化比值(RNR)、绿色归一化比值(GNR)、近红外归一化比值(NIRNR)等8个植被指数。将全部光谱参数及植被指数分别与氮素值进行相关性分析,建立寒地玉米氮素一元线性回归、多项式回归及多元回归模型。结果表明:一元回归模型R2最高达0.854,多元回归模型R2为0.870,所得模型可为寒地大田玉米精准施肥和长势监测提供支持。     

冬小麦冠层高光谱特征与覆盖度相关性研究

在2010年度与2011年度冬小麦生长季大田试验小区,实测了3个播种密度、3个灌水水平下冬小麦冠层的高光谱反射率与覆盖度。分析了冬小麦冠层光谱特征以及不同生育期冬小麦冠层光谱特征参数与覆盖度的相关性,建立了基于光谱特征参数的不同生育期冬小麦覆盖度估算模型。结果表明:从返青到成熟,冬小麦冠层可见光区光谱反射率先减小后增大,近红外区先增大后减小。不同种植密度下,适宜供水冬小麦在可见光波段的反射率依次小于轻度亏水、重度亏水条件下的冬小麦;在近红外波段,规律正好相反。在相关性分析中,传统光谱特征参数和新光谱特征参数与覆盖度在不同生育期均具有较好的相关性。相比以传统光谱特征参数为自变量的冬小麦覆盖度估算模型,基于绿峰峰度的估算模型可以提高冬小麦覆盖度的估算精度。     

棉花氮素营养诊断与追肥推荐模型

利用主动遥感光谱仪Green Seeker进行棉花的氮素营养诊断,建立棉花冠层归一化植被指数(NDVI)的氮素追肥推荐模型,实现棉花氮素的精准管理。利用2011—2012年不同氮肥处理的田间试验数据,建立棉花冠层NDVI与施肥量、NDVI与产量的定量关系,结合氮肥效应函数建立光谱氮素推荐模型,并利用2013年的独立试验数据进行田间验证。结果表明:总体上施氮量增加棉花冠层NDVI值增大,但当氮肥增加到一定量时NDVI值不再增加,在棉花盛蕾期、花期、盛铃期和初絮期,随着氮肥施用量的增加,棉花NDVI值均呈线性增加的趋势;全生育期最佳施氮量为294.7 kg/hm2,棉花盛蕾期、花期、盛铃期和初絮期NDVI临界值分别为0.695、0.833、0.881和0.809;NDVI每低于临界值0.001单位所需施肥量分别为0.24、0.91、1.11和0.16 kg/hm2。经田间验证,在保证产量的前提下,光谱推荐可减少施肥量,缩小地力之间的差异,达到按需施肥的目的。     

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。     

基于多波段光谱探测仪的玉米冠层叶绿素含量诊断

为了快速无损地检测大田作物冠层叶绿素含量,使用便携式多波段光谱探测仪针对农大8号（G1）、郑单（G2）、先玉（G3）和京农科（G4）4种玉米作物品种,在拔节期采集550、650、766、850 nm波长处太阳光信号和作物冠层反射光信号,用于建立玉米冠层叶绿素含量诊断模型。首先,利用作物冠层650 nm和550 nm波长反射率之间的差值 T D 剔除了土壤背景数据点（ T D >0）。然后,组合计算了NDVI、RVI和DVI共12个植被指数,分析各植被指数与叶绿素含量之间的相关关系,结果显示与G1~G4品种叶绿素含量相关性最优的参数分别为RVI(766,550)、 DVI(850,650)、 NDVI(850,550)和RVI(766,550),相关系数均达0.6以上。数据按一定间隔聚类后,相关性分析结果表明多波段光谱探测仪对玉米叶绿素含量检测最优分辨率为0.5 mg/L,且NDVI(850,550)、NDVI(766,550)和RVI(850,550)与叶绿素含量的相关系数分别为0.837 0、0.773 7和0.767 7,达到了强相关水平。最后,建立了多品种通用型玉米拔节期叶绿素含量诊断模型,可为大田玉米拔节期叶绿素含量诊断提供技术支持。     

田间茶树冠层三维信息获取及其高度和轮廓表达方法

茶树的冠层信息是茶树田间管理的重要内容,也是茶叶机械化作业机具设计的重要依据。针对传统的作物冠层信息获取方法费时费力、主观性强且易造成损伤等问题,提出了一种茶树冠层高度和轮廓的获取与估计方法。首先,通过3D LiDAR从多个站点采集茶园的点云数据,对原始点云进行姿态矫正、ROI划分、配准、降噪以及高程归一化预处理,得到高程归一化的茶树点云。其次,通过反距离权重插值法、不规则三角网插值法在不同空间分辨率下生成茶树的冠层高度模型（Canopy height model, CHM）,其中,空间分辨率0.05m下不规则三角网插值生成的茶树CHM具有较好的插值精度,模型产生的凹坑也相对较少。最后,分别以90~100间的21个百分位数提取CHM的栅格值作为茶树冠层高度与实测值比较,结果表明,第98.5百分位数时估计值最为准确,与真值间的相关系数为0.88,平均绝对误差为3.17cm,均方根误差为4.16cm。此外,在高程归一化的茶树点云中提取20处冠层断面点云,分别采用椭圆模型、高斯模型和二次多项式模型拟合了冠层轮廓点云,其中,二次多项式模型能更好地反映茶树冠层轮廓特征,点云与拟合曲线间平均最小距离的均值为2.60cm,方差为0.21cm2。研究可为茶园现代化管理和茶叶机械化作业机具的设计提供理论支持。     

冬小麦冠层光谱与土壤供氮状况相关性研究

通过设置2个冬小麦品种不同氮素水平的完全随机区组试验,获取冬小麦关键生育期(返青期、拔节期、孕穗期、灌浆期)的土壤氮素、植株氮素和冠层光谱数据,通过分析土壤氮素与植株氮素间的相关关系,间接构建土壤氮素状况的光谱诊断模型。结果表明,不同施氮水平冬小麦各生育期冠层光谱与麦田土壤氮素含量差异显著,土壤硝态氮、碱解氮含量与冬小麦植株氮素含量的相关系数达到0.72以上,相关系数分别在0.72~0.84和0.75~0.82之间,均达极显著水平,而土壤全氮含量与冬小麦植株含氮量的相关性相对较差;研究证实土壤调节植被指数SAVI(1040,680)和比值植被指数RVI(1040,680)分别与土壤硝态氮、碱解氮含量具有重要的关系。另外,基于光谱参数SAVI(1040,680)的土壤硝态氮估算模型(R~2≥0.739 6)和基于RVI(1040,680)所构建的碱解氮含量估算模型(R~2≥0.810 0)具有较好的估测能力,可以实现利用冠层光谱对土壤氮素状况的实时、快速估测。