基于组件式GIS的冬小麦遥感估产系统的开发研究

为给政府管理部门和冬小麦生产者提供适用于生产管理与决策支持的空间信息支持,基于组件式GIS的二次开发技术,利用面向对象的可视化编程语言Borland Delphi,设计开发了冬小麦遥感估产计算机软件系统。该系统包括四大子系统模块：数据管理模块、参数运算与模型模拟模块、信息统计与分析模块以及专题图制作与输出模块。通过系统功能和输入遥感图像数据,可实现大范围的冬小麦种植品种区划、面积分布等基本农情信息的简单查询;通过图像计算处理获取植被指数信息,结合样点参数建立长势和产量估算模型,可以进行实时的长势分级监测和产量预报,并且可以输出遥感监测分级专题图等信息产品。该软件系统的开发,是对作物遥感估产方法进行定量化、信息化研究的积极探索。     

植被覆盖度对冬小麦冠层光谱的影响及定量化估产研究

为避免土壤背景对冠层光谱的干扰,提高冬小麦定量化估产精度,以河北廊坊中低产田条件下的冬小麦为研究对象,利用ASD Field Spec高光谱仪定点获取冬小麦冠层光谱信息,分析了田间植被覆盖度和冠层NDVI在生育期内的变化,并利用植被覆盖度对冠层NDVI进行了校正。结果表明,通过三基色即RGB、色度和亮度可将数字图像中冬小麦和土壤背景进行分割,从而获得单位面积上冬小麦的覆盖百分比。而通过覆盖度校正后的植被指数即CNDVI能够更具针对性地反映植株冠层氮素信息。在本试验条件下利用灌浆中期的CNDVI与产量进行一元回归或利用全生育期的CNDVI与产量进行多元回归均取得了较好的效果,决定系数分别为0.849和0.853。由于多元回归模型考虑了不同时期的CNDVI的变化,因此模型具有更强的可靠性和稳定性,较适合于冬小麦定量化估产。     

河南新乡地区冬小麦叶面积指数的动态模型研究

为给小麦高产栽培提供理论依据,依据2004～2006年度田间试验数据,研究了新乡地区冬小麦叶面积指数变化规律,及其与有效积温的关系,并利用线性方程和Logistic曲线修正方程,分段建立了以气温估算冬小麦叶面积指数的半经验公式.结果表明,对叶面积指数和有效积温归一化后,冬小麦连续两个生长年度的相对叶面积指数动态变化与相对有效积温相关关系较好.通过对2003～2004年度冬小麦叶面积指数模拟值与实测值比较,平均绝对误差0.1572,相关系数0.98,相关达极显著水平(P＜0.01),这表明该方法可很好地反映叶面积的动态变化规律.     

基于遥感信息和WOFOST模型参数同化的冬小麦单产估算方法研究

为探讨遥感信息和作物生长模型在作物估产方面的优势互补特性,选取河北省藁城市冬小麦作为研究对象,采集多个关键生育时期的生理生化、农田环境、气象等数据,并获取准同步的环境减灾小卫星HJ-CCD影像数据,采用植被指数反演冬小麦叶面积指数（LAI）,基于扩展傅里叶振幅灵敏度检验法(EFAST)对WOFOST作物模型的26个初始参数进行全局敏感性分析,筛选敏感性参数,调整WOFOST模型的核心参数,利用查找表优化算法构建基于WOFOST模型和遥感LAI数据同化的区域尺度冬小麦单产预测模型,并定量预测区域冬小麦单产水平。结果表明,增强型植被指数（EVI）是遥感反演LAI的最佳植被指数(开花期建模r=0.913,RMSE=0.410,灌浆期建模r=0.798,RMSE=0.470),预测能力最强(开花期r=0.858,RMSE=0.531,灌浆期r=0.861,RMSE=0.428);筛选出6个待优化参数,即TSUM1、SLATB1、SLATB2、SPAN、EFFTB3和TMPF4;产量预测精度r=0.914,RMSE=253.67 kg·hm_-2,找到了待优化参数的最佳取值,最终完成了单产模拟。     

向日葵苗期估产改良数学模型的研究

本文以播种至出苗天数为指标,着重研究了单株幼苗活力对向日葵籽粒产量的影响,旨在改进Wade等提出的向日葵苗期估产数学模型。结果表明,向日葵单株葵盘重与单株籽粒产量间呈极显著回归关系,由前者预测后者非常可靠。在原模型中加入单株幼苗活力这个因素后,整个多元回归模型的可信度大为提高。由此而建立的苗期估产改良数学模型可以更有效地用于根据苗情预测向日葵籽粒产量。     

基于RapidSCAN CS-45的新疆滴灌冬小麦氮肥推荐研究

为给滴灌小麦氮营养状况实时评估和氮肥合理施用提供参考,通过2年田间定位试验,以当地主栽品种新冬22号为试验材料,设置5个施氮水平(0、120、240、360、480 kg· hm-2),利用主动式光谱仪RapidScan CS-45获取各生育时期冠层归一化植被指数(NDVI)和归一化红边植被指数(NDRE),分析其与滴...     

冬小麦春生叶面积矫正系数及叶面积指数的研究

本试验随机抽取河北省目前生产应用的四个冬小麦品种，对其春生六片叶的叶面积矫正系数（ｒ）及群体叶面积指数（Ｒ）进行了研究，结果表明；（１）ｒ值与密度无关，（２）品种间ｒ值无差异，（３）春生六片叶间ｒ值差异显著，且随着叶位升高，ｒ值变小，根据ｒ值可将六片叶分为三组，其ｒ值分别为０．８３５，０．７７５和０．７２５，抽穗期全株ｒ值平均为０．７６，由此推测，春生六片叶ｒ值是由三组基因控制的（４）抽穗期单株茎     

基于NDVI密度分割的冬小麦种植面积提取

为解决作物面积遥感监测中常遇的混合像元问题,选用江苏省沭阳县冬小麦扬花期HJ-1A卫星遥感影像,基于不同地物光谱信息的差异性与可分割性,提出基于归一化植被指数(NDVI)密度分割的冬小麦种植面积提取方法。在利用GPS实地取样调查和建立解译标志的基础上,对HJ-1A卫星影像进行了几何与大气校正。利用NDVI灰度影像提取混合像元训练样本的NDVI值和小麦种植面积,计算小麦面积权重,确定混合像元的NDVI阈值。利用NDVI再归一化结果对NDVI灰度影像进行密度分割,依据不同密度分割系数下像元总面积及其所对应的小麦面积权重关系,最终得到沭阳县冬小麦种植面积。结果表明,根据NDVI密度分割法提取冬小麦面积为8.37×104 hm2,面积精度为92.37%,样本精度为93.31%。基于密度分割系数(P0.5)制作沭阳县冬小麦种植分布图,获取了全县冬小麦空间分布特征信息。以上结果说明NDVI密度分割法能较准确地提取研究区内冬小麦种植面积,可有效解决农作物种植面积提取中混合像元问题。     

冬小麦春生叶面积矫正系数及叶面积指数的研究

本试验随机抽取河北省目前生产上应用的四个冬小麦品种,对其春生六片叶的叶面积矫正系数(r)及群体叶面积指数(R)进行了研究.结果表明,①r值与密度无关;②品种间r值无差异;③春生六片叶间r值差异显著,且随着叶位升高,r值变小.根据r值可将六片叶分为三组,其r值分别为0.835、0.775和0.725,抽穗期全株r值平均为0.76.由此推测,春生六片叶r值是由三组基因控制的;④抽穗期单株茎数和r值与群体叶面积(Y)有曲线关系,其方程为Y=∑y_i=13.6619r∑x_i~2 0.7r∑x_i;⑤叶面积指数R=14r(?)x_i~2/s.p.     

茶毛虫的发育起点与有效积温

研究明确,茶毛虫Euproctis pseudoconspersa Strand各虫态的发育起点温度(℃)与有效积温常数(日度),进而探明了卵期发育的数学模式:y=12.53+191.00x,预测式:N=191.00±36.13/T-(12.53±2.15);幼虫期发育的数学模式:y=6.16+820.24x,预测式:N=820.24±99.39/T-(6.16±2.14);蛹期发育的数学模式:y=4.89+365.28x,预测式:N=365.28±6.85/T-(4.89±0.36);全世代发育的数学模     

基于多源遥感数据和机器学习算法的冬小麦产量预测研究

为探讨基于多源遥感数据和机器学习算法预测冬小麦产量的可行性,利用中麦175/轮选987重组自交系F₇代群体中70个家系开展田间试验,通过无人机遥感平台和地面表型车平台及手持式冠层鉴定平台,获取冬小麦灌浆期光谱数据,分别用4种机器学习方法和集成方法建立产量预测模型。结果表明,在61个光谱指数中,除MCARI、DSI、PVI外,其余指数均与产量显著相关或极显著相关,700 nm和800 nm组合的高光谱指数能够比较准确地预测产量。相对于高光谱和多光谱,RGB传感器预测产量精度最高,平均决定系数(r²)为0.74,平均均方根误差(RMSE)为517.78 kg·hm^-2。相对于决策树(DT)、随机森林(RF)、支持向量机(SVM)三种传统机器学习算法,岭回归(RR)算法预测产量的精度最高,平均r²为0.73,平均RMSE为516.1 kg·hm^-2。与单一的传统机器学习算法相比,DT、RF、SVM、RR结合集成算法的预测精度高且稳定,r²高达0.77,RMSE也...     

基于格点积温指标的黄淮海冬麦区冬小麦气候生产潜力预估

为宏观了解冬小麦产量及产量稳定度的变化规律,基于1991-2013年黄淮海冬麦区91个有冬小麦种植的农业气象站点的冬小麦发育期及对应年份100个气象站点逐日气象资料,采用格点积温指标划分生育期,通过逐步订正法对冬小麦的气候生产潜力及其变异系数进行估算,之后结合国家气候中心RegCM3模式模拟A1B情景下1951-2100年0.25°×0.25°格点气象资料,对未来情景下冬小麦气候生产潜力及其变异系数进行预估。结果表明,从年际变化看,黄淮海冬麦区冬小麦气候生产潜力总体呈现波动下降的趋势,且该波动逐渐趋稳;各时段气候生产潜力基本介于6 277~7 044kg·hm~(-2),除2011-2040年有21.94kg·hm~(-2)·10a~(-1)的上升趋势外,其余时段均呈明显下降趋势。冬小麦气候生产潜力在空间上总体呈北部低、四周高,在时间上主要呈先平稳后逐渐降低的趋势;其变异系数在空间上总体呈北高南低,在时间上呈北部先增后减、南部先减后增的变化趋势。在实际生产过程中应更加注重冬小麦生长发育过程中光、温、水的匹配程度。     

基于高光谱的倒伏冬小麦产量预测模型研究

为利用高光谱遥感技术对倒伏小麦产量进行准确、快速地估算,选取在乳熟期发生不同程度倒伏的两个春性冬小麦品种为材料,利用光谱仪测定了不同倒伏级别下小麦冠层光谱反射率,研究植被指数与产量及其构成因素间的相关性,最终建立快速、有效估测倒伏小麦产量的数学模型。结果表明,不同级别倒伏对小麦千粒重和产量的影响均达显著水平（P<0.05）,随倒伏级别的增加,千粒重和产量均呈降低趋势,二者最高降幅分别为10.72%和17.69%。对倒伏小麦产量与冠层光谱反射率进行相关分析,在350~690 nm波段,相关系数随波长的增加总体呈下降趋势;在690~760 nm波段,相关系数呈上升趋势,在764 nm处,相关系数绝对值达最大,为0.734。千粒重与DVI_570,670的相关系数值最高,产量与DVI_764,407的相关性最好,且都通过了0.01水平检验。利用植被指数-千粒重-产量构建的反演模型,可提高模型预测精度,与单因子植被指数-产量模型、多因子植被指数-产量模型相比,能更好地反演不同倒伏程度的小麦产量。     

基于SVM的县域冬小麦种植面积遥感提取

冬小麦种植面积的精确提取,对于农业部门进行冬小麦生长监测与产量估测有着重要的支撑作用。本研究在对Landsat-8卫星15 m×15 m空间分辨率遥感影像进行预处理的基础上,基于最佳波段指数(OIF),采用支持向量机(SVM)算法中四种核函数进行影像分类,并比较分类精度,选择精度最高的核函数作为SVM最优核函数对盐城市大丰区冬小麦种植面积进行提取,与最大似然法、最小距离法的结果进行对比。结果表明,四种核函数中,Linear核函数分类精度最高,达到98.56%。将Linear核函数作为SVM最优核函数对大丰区冬小麦种植面积进行提取,提取到的种植面积为71 834.4 hm~2,提取精度、分类精度和Kappa系数分别为91.25%、98.56%和0.98。基于SVM的冬小麦面积提取效果明显好于传统监督分类方法,说明使用支持向量机与影像光谱特征进行影像分类能够准确提取县域冬小麦种植面积。     

基于冬小麦筋型修正系数的籽粒蛋白质含量遥感预测

为优化冬小麦籽粒蛋白含量(GPC)的遥感预测模型,基于2012-2013、2014-2015和2017-2018年冬小麦生长季的田间试验,以植株氮代谢过程及GPC形成规律为依据,构建"植被指数(VI)-农学参数-GPC"的半机理模型,并在此基础上通过引入筋型修正系数λ优化"PNC-GPC"模型,修正小麦筋型对模型的影响,进一步提高"VI-PNC-GPC"模型的精度。结果表明,选取的VI与植株氮浓度(PNC)均极显著相关,其中比值光谱植被指数(RSI)与PNC的相关性最高,相关系数达到0.777,建立的PNC估算模型的决定系数(r~2)达到0.604,验证nRMSE为9.93%;构建的PNC-GPC模型为GPC=(5.843×PNC+4.847)×λ,r~2=0.792,验证nRMSE为7.43%;对比不考虑冬小麦筋型的"RSI-PNC-GPC"模型,其r~2提高了0.145,验证的nRMSE降低了0.86%。综合来看,以PNC为中间变量,通过考虑不同筋型的差异构建的筋型修正系数可以更加准确地预测GPC。     

旱地冬小麦灌浆期冠层温度与产量和水分利用效率的关系

为给抗旱节水品种的快速鉴定和筛选提供科学依据,在甘肃陇东旱塬利用红外测温仪测定了23个冬小麦品种的冠层温度,并分析了其与产量、水分利用效率的关系.结果表明,不同基因型小麦在籽粒灌浆期存在着冠层温度高度分异的现象,其差异可反映在产量和水分利用效率上.无论灌浆初期还是中期或中后期,旱地冬小麦产量、水分利用效率与冠层温度均呈极显著的负相关,并且随着灌浆过程的推移,相关性增大.这表明,灌浆期冠层温度偏低的品种具有较高的产量和水分利用效率,冠层温度可作为旱地高产节水小麦品种田间筛选的指标.     

基于无人机多光谱遥感的冬小麦叶片含水量反演

为了快速监测小麦叶片水分含量,以敏感波段组和植被指数组2种变量分别作为输入变量,以地面同步观测的冬小麦叶片含水量作为输出变量,分别采用偏最小二乘(partial least squares, PLS)、极限学习机(extreme learning machine, ELM)和粒子群算法(particle swarm optimization, PSO)优化极限学习机,建立冬小麦叶片含水量预测模型,并对其反演效果进行比较。结果表明,光谱反射率和植被指数与叶片含水量之间存在较为密切的相关性,依此确定的敏感光谱波段为红光、蓝光和近红外波段,敏感植被指数为绿度指数、过红指数、归一化绿红差值指数、三角形植被指数和过绿指数。从2种变量的建模效果看,基于植被指数组构建的模型的精度和稳定性均优于敏感波段组,其中基于植被指数组的PSO-ELM模型在6个叶片水分含量反演模型中表现最佳,其r²和RMSE分别为0.98和0.26%。利用最优模型反演得到研究区冬小麦叶片含水量的分布范围为45%～75%,平均为64.57%,反演结果与地面实测较相符,说明基于无人机光谱数据通过建立以植被指数为...     

基于适宜尺度选择的冬小麦赤霉病遥感监测

为快速、准确获取江淮麦区县域冬小麦赤霉病发生信息,选用中、高空间分辨率卫星遥感影像做多尺度信息融合研究。在筛选适宜冬小麦田块分布特征的空间尺度遥感影像基础上,通过分析冬小麦长势指标和赤霉病病情指数之间的互作关系,构建基于多农学参数的冬小麦赤霉病估测模型,并对县域冬小麦赤霉病空间变化进行遥感监测。结果表明:(1)2m×2m、8m×8m和16m×16m三种空间尺度融合影像的均值相差不大,平均梯度和标准差存在明显差异。16m×16m融合影像的清晰度最好,信息量也多,比较适合研究区域冬小麦田块分布特征。(2)16m×16m融合影像提取的归一化植被指数(NDVI)和比值植被指数(RVI)值明显高于2m×2m和8m×8m融合影像,说明16m×16m融合影像光谱信息量较丰富,有利于冬小麦的识别。(3)冬小麦叶面积指数、叶片叶绿素含量和地上部生物量是影响赤霉病发生的主要长势指标。基于主要长势指标构建冬小麦赤霉病估测模型,平方根误差(REMS)为10.5%,相对误差为14.6%。该方法可以实现对县域冬小麦赤霉病空间变化的有效监测。     

基于无人机多时相遥感影像的冬小麦产量估算

为高效准确地预测小麦产量,以浙江省冬小麦为研究对象,利用四旋翼无人机精灵4多光谱相机获取冬小麦5个关键生育时期（拔节期、孕穗期、抽穗期、灌浆期、成熟期）的冠层多光谱数据,选取多光谱相机的五个特征波段计算各生育时期的72个植被指数,分别通过逐步多元线性回归（SMLR）、偏最小二乘回归（PLSR）、BP神经网络（BPNN）、支持向量机（SVM）、随机森林（RF）构建不同生育时期的产量估算模型,最后采用决定系数（R）、均方根误差（RMSE）和相对误差（RE）对估算模型进行评价,筛选出最优估算模型。结果表明,基于随机森林建立的模型估算效果最优,SMLR、PLSR和SVM三种方法建立的模型估算效果接近。利用随机森林算法所建拔节期、孕穗期、抽穗期、灌浆期、成熟期模型的R、RMSE和RE分别为0.92、0.35、11%;0.93、0.33、10%;0.94、0.32、9%;0.92、0.36、9%;0.77、0.67、33%。模型验证时,抽穗期估算效果最好（R、RMSE和RE分别为0.91、0.35和15%）,拔节期、孕穗期、灌浆期估算效果接近且有很好的估算能力,成熟期估算精度最差（R、RMSE和RE分别为0.71、0.47和13%）。由此说明,结合机器学习算法和无人机多光谱提取的植被指数可以提高小麦产量估算效果。