NOAA/AVHRR冬小麦苗情长势遥感动态监测技术研究

<正> 本文结合河南省7000余万亩冬小麦生产实际,经过近5年的探索,深入研究了冬小麦光谱反射特性及NOAA气象卫星AVHRR遥感绿度解译规律,“绿度值”的构成及其与小麦农学参数间的关系;冬小麦苗情长势农学指标及其与气象条件的统计关系;冬小麦苗情长势宏观遥感动态监测绿度指标模型。实际证明,利用卫星遥感资料,对大面积冬小麦苗情长势进行跟踪监测,具有宏观、客观、科学、经济的特点。它对领导指挥小麦生产,进行高效管理,趋利避害,夺取好收成有着重要意义。同时,它也进一步开发了气象卫星遥感在农业领域的应用潜力。     

遥感估测冬小麦种植面积

估测小麦种植面积是测产的一项重要内容,运用卫星遥感技术测算农作物种植面积是未来面积估算的发展方向.本文通过大样方试验,第一次建立了气象卫星遥感绿度值与绿度信息的两个主要构成因素(麦土比、叶面积系数)的直接经验统计关系.     

基于HJ-CCD数据和随机森林算法的小麦叶面积指数反演

为给小麦长势的遥感监测提供技术支持,该文运用随机森林回归(RF,random forest)算法建立小麦叶面积指数(LAI)遥感反演模型。首先基于2010-2013年江苏地区小麦环境减灾卫星HJ-CCD的影像数据,提取拔节、孕穗和开花3个生育期的卫星植被指数,进而根据各生育期植被指数和相应实测LAI数据,利用RF算法构建各期小麦LAI反演模型,并以人工神经网络(ANN,artificial neural network)模型为参比模型进行预测精度的比较。结果表明:RF算法模型在3个生育期的预测结果均好于同期的ANN模型。拔节、孕穗和开花3个生育期RF模型预测值与地面实测值的R2分别为0.79,0.67和0.59,对应的RMSE分别为0.57,0.90和0.78;ANN模型的R2分别为0.67,0.31和0.30,对应的RMSE分别为0.82,1.94和1.43。该研究结果为提高大田尺度下的小麦LAI遥感预测精度提供了技术和方法。     

NOAA/AVHRR资料在低纬高原小春作物估产中的初步应用

利用气象卫星NOAMAVHRR1、2通道遥感光谱资料在GPS和GIS的支持下，进行遥感绿度数字图像的目视解译和统计解译，计算绿度值概率密度。结合地面农情监测资料和同期气候资料，预测低纬高原(曲靖市为例)小春作物增减产趋势，建立遥感估产模型，结果表明1～3月是小春作物信息提取、长势动态监测的最佳时期，3月是小春作物产量预报的最佳时欺。针对卫星遥感资料短的特点，采用时间和空间结合扩大样本法效果较好。     

冬小麦病害与产量损失的多时相遥感监测

为了开展农作物病害遥感监测与产量损失评估,该文以北京郊区大田生产条件下的冬小麦条锈病、白粉病的为研究对象,获取了2007年4月10日、4月26日、5月12日、5月28日共四期Landsat TM卫星影像,准同步地测量了试验地块的冠层光谱数据及配套农学数据。利用该4个时相的遥感数据,分析了试验区的冬小麦条锈病、白粉病在主要生育期的光谱特征及其变化,与对照地块相比,病害小麦在可见光和短波红外波段的光谱反射率降增大,近红外波段反射率减小,红边则会向短波方向移动,红边振幅减小,NDVI值减小。并利用冬小麦病害发生前期（4月10日,4月26日）的卫星遥感数据建立了作物产量的早期预测模型,结合实测的产量数据,定量计算了条锈病和白粉病的产量损失,结果表明两个白粉病和条锈病小麦地块的减产幅度超过了30%。     

利用NOAA卫星资料进行冬小麦苗情分类统计的研究

农作物苗情长势是指导农业生产、预测农作物产量的重要参考,利用气象卫星绿度值资料分析统计淮北地区的冬小麦三类苗情比例,首先根据1986～1994年地面苗情观测资料分析了小麦苗情的分布特征,提出4条假设,通过对绿度 值历史资料的统计分析,确定三类苗情的绿度值划分指标,从而可利用气象卫星绿度值资料统计小麦苗情比例及其分布。     

小麦冠层宽波段反照率与长势的关系

基于小麦田间试验,采用ASD光谱仪连接余弦接收器实测小麦冠层宽波段反照率,并同步取样测试小麦覆盖指数、干物质积累量、含氮量及绿度特征等指标,对小麦冠层宽波段反照率与小麦长势的关系进行分析。结果表明,冠层反照率与叶面积指数(LAI)间呈极显著正相关关系(P0.01),拟合方程的决定系数为0.74,与NDVI、EVI间均呈显著的线性函数关系(P0.05);冠层反照率与地上干物质积累量、叶茎含氮量间也均呈极显著正相关关系(P0.01),拟合方程的决定系数分别为0.71、0.81和0.60。对于小麦叶片绿度特征,冠层反照率与其相关关系采用两段线性拟合效果较好,两个线性函数的决定系数分别为0.53、0.63。研究结果说明小麦冠层反照率与麦田覆盖特征关系密切,利用宽波段反照率监测小麦长势变化特征是可行的。     

南京地区小麦不同生育期土壤湿度适宜范围的确定

在小麦的主要生育期进行了不同土壤湿度和不同持续时间的水分胁迫,研究了土壤湿度对小麦产量及产量形成的影响。结果表明:小麦经济产量、叶面积和单株干重与土壤湿度之间存在极显著的二次函数关系;小麦对水分胁迫最敏感的生育期为拔节-开花期;而且不同生育期的适宜土壤湿度范围不同,并据此确定出南京地区小麦不同生育期适宜的土壤湿度范围。其结果对定量评估不同生育期土壤水分胁迫对产量的影响程度和小麦生产中合理控制土壤湿度范围有一定参考价值。     

运用PLS算法由HJ-1A/1B遥感影像估测区域小麦实际单产

为进一步提高遥感估产精度,显示国产影像在农业估产中的应用效果。该研究以2010-2013年HJ-1A/1B影像为遥感数据,分析了卫星遥感变量与小麦实际单产的定量关系,运用偏最小二乘回归算法构建及验证了以实际单产为目标的多变量遥感估产模型,并制作了小麦实际单产空间等级分布图。研究表明:实际单产与所选用的大多数遥感变量间关系密切,且多数遥感变量两两间具有严重的多重相关关系;实际单产偏最小二乘回归模型的最佳主成分为5,且植被衰减指数、绿色归一化植被指数、调整土壤亮度的植被指数、比值植被指数和归一化植被指数为实际单产遥感估测的敏感变量;建模集和验证集实际单产估测模型的决定系数分别为0.74和0.70,均方根误差分别为754.05和748.20 kg/hm2,相对误差分别为11.5%和8.88%,且估测精度比线性回归算法分别提高20%以上和40%以上,比主成分分析算法分别提高18%以上和30%以上,说明偏最小二乘回归算法模型估测区域实际单产的效果要明显好于线性回归和主成分分析算法,该模型应用结果与小麦实际单产区域分布情况相符合,为提高区域小麦实际单产的遥感估测精度提供了一种途径。     

基于HJ-1A/1B数据的冬小麦成熟期遥感预测

基于遥感数据获取作物成熟度信息,制订收割顺序,是遥感在精准农业中的一个重要应用课题,目前的作物物候监测在空间分辨率和预测的时效性上尚无法满足精准农业的要求。以山东禹城市为研究区,选取观测点,分析冬小麦成熟期临近过程中水分和叶绿素的动态变化,获取基于遥感监测小麦成熟期的依据。以HJ-1A CCD数据构建的植被指数来反映作物绿度的变化,以HJ-1B IRS数据构建的归一化水指数来反映作物含水率的变化,通过回归分析建立了冬小麦成熟期的遥感预测模型,实现了禹城市冬小麦成熟期的遥感监测。小麦成熟期预测值与观测值的相关性达极显著水平,预测与观测小麦成熟期的先后顺序较为一致,在以误差小于1 d作为成功预测衡量标准的情况下,预测结果的准确度为65%。提出了使用HJ-1A/1B数据开展冬小麦成熟期预测的模型,而使用不同时相遥感数据预测成熟期的通用模型将成为下一步研究重点。     

基于综合指标的冬小麦长势无人机遥感监测

作物长势监测可以及时获取作物的长势信息,该文尝试建立新型长势指标,监测小麦总体长势情况。将反映小麦长势的叶面积指数(leaf area index,LAI)、叶片叶绿素含量、植株氮含量、植株水分含量和生物量5个指标按照均等权重综合成一个指标,综合长势指标(comprehensive growth index,CGI)。利用450~882 nm范围内单波段和任意两个波段构建归一化光谱指数(normalized difference spectral index,NDSI),比值光谱指数(ratio spectral index,RSI)和简单光谱指数(simple spectral index,SSI),计算CGI与光谱指数的相关性,筛选出相关性好的光谱指数,结合偏最小二乘回归(partial least squares regression,PLSR)建立反演模型。以CGI为指标,运用无人机高光谱影像对2015年小麦多生育期的长势监测。结果表明:1)冬小麦各生育期,总体上CGI与光谱指数的决定系数R~2均好于各项单独指标与相应光谱指数的R~2。仅孕穗期CGI和RSI(754,694)的R~2比叶绿素和RSI(486,518)的R~2低,开花期的CGI和R570的R~2比生物量和R834的R~2低以及灌浆期CGI和SSI(582,498)的R~2比植株含水量和SSI(790,862)的R~2低。2)拔节期,孕穗期,开花期,灌浆期和全生育期PLSR模型的建模R~2分别为0.70,0.72,0.78,0.78和0.61。拔节期,孕穗期和开花期的无人机CGI影像验证模型的均方根误差RMSE(root mean square error)分别为0.050,0.032和0.047。CGI与相应光谱指数的R~2高于单独各项指标与相应光谱指数的R~2,光谱指数能够很好反映CGI包含的信息。无人机高光谱影像反演CGI精度较高,能够判断出小麦总体的长势差异,可为监测小麦长势提供参考。     

受渍指数构建及其在长江中下游小麦渍害风险评估中的应用

渍害是长江中下游地区影响小麦生长发育的一种主要农业气象灾害,针对目前渍害评估方法中考虑致灾因子不全面和没有考虑作物耐渍性生育期差异等问题,该研究提出了以整个生长季受渍指数表征小麦受渍程度特征的量化模型。该模型综合考虑了土壤低氧对根系影响和不同生育期内小麦耐渍性差异,并将2016—2022年SMAP(soil moisture active passive)土壤表层含水率产品数据代入模型中计算长江中下游地区各栅格点（10 km×10 km）受渍指数值,通过分析受渍指数与小麦产量的关系,确定受渍指数5.3为是否受渍的阈值,从而得到长江中下游地区受渍率空间分布,并依据受渍率进行分区风险评估。结果表明：湖北省、安徽省、江苏省小麦发生渍害地区主要集中在长江沿线,即各省南部,主要以中风险区为主;湖南省、江西省小麦发生渍害高风险区主要集中在各省的中部,2省其他区域都为中风险区。长江中下游地区全域无渍害区面积占20.0%,低风险区占14.8%,中风险区占30.1%,高风险区占35.7%。研究可为作物渍害精细化风险评估提供可靠的方法与手段。     

Chemical structure of terrestrial humus materials formed from different vegetation characterized by solid-state 13C NMR with CP-MAS techniques

Eleven samples of terrestrial humus from different vegetational backgrounds were examined with solid-state ¹³C NMR using cross-polarization and magic-angle spinning (CP-MAS). In addition, all the samples were run with a dipolar dephasing pulse sequence for non-quarternary carbon suppression (NQS). The humus samples all appeared to contain small amounts of aromatic substances and larger amounts of aliphatic compounds. Most of the samples contained considerable amounts of hydroxyl groups and acetals, which originate mainly from carbohydrates. No correlations were found between vegetational background and chemical structure.     

基于时序归一化植被指数的冬小麦收获指数空间信息提取

为获取农作物收获指数（HI）空间分布信息,该研究充分利用遥感技术,以冬小麦为例,利用时序归一化植被指数NDVI构成的作物生长过程曲线提取MODIS NDVI阶段性累积特征参数,并用生殖生长关键阶段和营养生长关键阶段对应的NDVI累积参数比值HINDVI_SUM构建了用于反演冬小麦收获指数的参数,并建立了参数HINDVI_SUM与冬小麦实测收获指数的定量关系,利用上述定量关系实现作物收获指数空间信息的提取。经过对反演冬小麦收获指数的精度验证,结果表明,利用构建参数HINDVI_SUM在区域范围内反演冬小麦收获指数取得了较好的效果。其中,冬小麦收获指数预测的平均相对误差为2.40%,均方根误差（RMSE）为0.02,证明了该研究利用时序NDVI构建参数HINDVI_SUM反演区域冬小麦收获指数空间信息的方法准确性和可行性。     

基于赤池信息量准则的冬小麦叶面积指数高光谱估测

冬小麦叶面积指数(leaf area index,LAI)是描述冠层结构的重要参数之一,对评价其长势和预测产量具有重要意义。该文利用灰色关联分析(grey relational analysis,GRA)对植被指数进行排序,用偏最小二乘法(partial least squares regression,PLS)选择不同的植被指数个数作为自变量进行回归建模,通过赤池信息量准则(Akaike’s information criterion,AIC)选择AIC值最小的模型作为冬小麦LAI最优估算模型,即GRA、PLS和AIC 3种方法整合建立冬小麦LAI最优估算模型。使用2008-2009年在中国北京通州区和顺义区获取的整个生育期冬小麦LAI和配套的光谱数据进行建模,利用2009-2010相关数据进行验证。研究表明:采用GRA评价标准与冬小麦LAI关联度最大的植被指数是VOG1,关联度最小的植被指数是SR;通过AIC建立的以8个植被指数作为自变量的冬小麦LAI模型效果最优,建模集的决定系数R2和标准误SE分别为0.76和0.009,验证集的R2和相对均方根误差RRMSE分别为0.63和0.004,预测模型和验证模型均具有较高的精度和可靠性。结果表明采用GRA-PLS-AIC方法进行冬小麦LAI反演是可行的,为提高冬小麦LAI遥感预测精度提供了一种有效的方法。     

小麦生物量及产量与无人机图像特征参数的相关性研究

为了明确无人机图像信息与小麦生物量、产量之间的相关性,该文利用无人机航拍获取田间小麦主要生育时期的RGB图像,通过影像处理获取小麦颜色指数和纹理特征参数值,并通过田间取样获取同时期小麦生物量和最终产量,分析不同颜色指数和纹理特征参数与小麦生物量和产量的关系。结果表明：利用无人机图像可提取归一化差分指数（NDI）、超绿植被指数（ExG）、可见光大气阻抗植被指数（VARI）、超红植被指数（ExR）、绿叶植被指数（GLI）、绿红差值指数（ExGR）、改良绿红植被指数（MGRVI）、红绿蓝植被指数（RGBVI）共8个颜色指数和能量（ASM）、对比度（CON）、相关度（COR）、熵（ENT）共4个纹理特征参数。各颜色指数在小麦拔节期、孕穗期与生物量和产量都有较好的相关性。拔节期所有颜色指数与生物量的相关性均达到极显著水平,其中ExGR与生物量的相关性最高,相关系数r达到0.911,孕穗期除RGBVI未达到显著相关外,其余均达到显著或极显著相关,其中MGRVI相关性最高,相关系数r为0.817。各颜色指数与产量的相关性趋势同生物量一致。越冬前期和开花期各颜色指数与生物量及产量的相关性较拔节期和孕穗期略有下降。而各纹理特征参数中,只有越冬前期的ASM和ENT、拔节期的CON和COR以及孕穗期的CON与生物量的相关性达到显著或极显著水平,其中COR相关性最高（负相关）,相关系数r为-0.574。拔节期的CON和COR、孕穗期的CON、COR和ENT与产量的相关性达到显著或极显著水平,其中拔节期COR相关性最高（负相关）,相关系数r为-0.530。将颜色指数与纹理特征参数相结合后,其与小麦生物量及产量的相关性均有提高,其中生物量相关性在4个时期分别提高0.27%、0.11%、8.81%和2.65%,产量相关性在4个时期分别提高7.05%、0.72%、0.58%和0.12%。因此,将无人机图像颜色指数与纹理特征参数结合可以提高小麦生物量和产量的估测精度。     

不同小麦品种氮、硫积累特性与子粒品质的关系

依据小麦子粒含硫量和N/S比值的差异,用聚类分析的方法,将供试的12个小麦品种分为3 组:高N/S比组、中N/S比组和低N/S比组。研究不同类型小麦氮硫积累特性及其与子粒品质的关系,结果表明,小麦植株的氮素积累量与硫素积累量呈极显著正相关,氮素收获指数与硫素收获指数之间无显著线性相关关系。高N/S比组品种具有较高的氮素积累量或氮素收获指数,但硫素收获指数或硫素积累量相应较低;中N/S比组品种氮素收获指数高,硫素收获指数亦高;低N/S比组品种硫素积累量和硫素收获指数均较高,但氮素收获指数较低,植株体积累的氮素和硫素在子粒中分配比例的不同是品种间子粒N/S比值差异的重要原因。不同N/S比组品种比较,子粒谷蛋白含量、谷蛋白含量与醇溶蛋白含量比值、面团形成时间和稳定时间存在显著差异,且与子粒N/S比值呈极显著二次曲线关系,适宜的N/S比有利于子粒谷蛋白的积累及子粒品质的形成。     

影响我国主要麦区小麦籽粒硫含量的品种(系)与土壤因素

【目的】明确我国主要麦区小麦主栽品种(系)籽粒硫含量差异,研究地点、年份、品种(系)对小麦籽粒硫含量的影响,为科学施肥和选育优质稳产小麦品种提供依据。【方法】于旱作区、麦玉区和稻麦区共47个地点种植当地主栽品种(系),测定了小麦生物量、收获指数、产量及其构成、籽粒硫累积量,并对籽粒硫含量与小麦生物量、收获指数、产量构成、硫累积量、籽粒养分含量、土壤肥力指标间的相互关系进行分析。【结果】旱作区、麦玉区和稻麦区主栽小麦品种(系)籽粒硫含量分别介于1.73～2.27、1.59～2.01和1.42～1.73 g/kg,平均值分别为1.98、1.78和1.53 g/kg。同一麦区内籽粒硫含量主要受品种(系)、地点和年份影响。旱作区,品种(系)对籽粒硫含量变异的贡献率最高,为13.1%;麦玉区和稻麦区地点对籽粒硫含量变异的贡献率最高,平均分别为34.2%和52.0%,品种(系)对籽粒硫含量变异的贡献率平均分别为25.4%和7.1%。收获指数和籽粒硫吸收量对小麦籽粒硫含量的影响大于产量构成要素、硫收获指数和地上部硫吸收量。旱作区籽粒硫含量与千粒重、地上部硫吸收量显著正相关,麦玉区与产量显著负相关,与...     

基于高光谱遥感估测条锈病下的混种小麦产量分析

为利用高光谱遥感监测小麦条锈病,并对条锈病胁迫下的产量进行估测,通过4个对小麦条锈病具有不同抗病性的品种进行混合种植,从中找出产量最高的品种组合,利用高光谱遥感研究不同发病程度的混合种植小麦的冠层光谱,并用光谱数据提取植被指数,研究病情指数和产量与植被指数之间的关系,建立反演模型。结果表明：A（农大195）︰C（0045）︰D（农大211）=1︰1︰1组合的产量最高。在乳熟期时,归一化植被指数与产量相关性高。利用NDVI对各个生育时期的产量及产量构成因素进行模拟,产量在灌浆期时的模拟效果最好。条锈病发生后利用多时相组合的植被指数NDVI对产量进行模拟精度高。     

数字图像诊断技术在冬小麦氮素营养诊断中的应用

本文应用数码相机获取冬小麦冠层图像并对其进行相应色彩参数处理, 结合土壤、植株快速测试技术, 分析了色彩参数与传统氮素营养参数之间的数量关系, 研究了应用数字图像技术进行冬小麦氮素营养诊断的可行性, 建立了应用数字图像技术诊断冬小麦氮素营养状况的图像获取方法, 筛选出了适宜于冬小麦氮素营养诊断的最佳色彩参数以及最佳诊断时期, 建立了冬小麦氮素营养诊断指标体系和推荐施肥方程。研究结果表明, 数字图像技术可以作为冬小麦氮素营养诊断的方法。数字图像获取时, 可将数码相机与冬小麦冠层呈30°~60°角度进行拍摄。在冬小麦拔节期和孕穗期多数冠层图像色彩参数与施氮量、叶片SPAD 值、植株硝酸盐浓度、植株全氮含量、0~90 cm 土壤硝态氮含量之间存在显著或极显著相关关系; 在众多色彩参数中, 拔节期冠层图像绿光标准化值G/(R+G+B)与各项氮素指标的相关性最好, 可作为冬小麦氮素营养诊断的最佳色彩参数指标;拔节期可作为应用数字图像技术进行氮素诊断的关键时期。