作物氮素高光谱遥感监测研究

高光谱遥感技术在作物氮素营养诊断与监测中表现出强大的优势,具有广阔的应用前景。本文在介绍高光谱遥感技术发展和作物氮素高光谱遥感监测机理的基础上,从作物叶片、冠层及多角度三个尺度对作物氮素含量高光谱监测研究进行梳理,对研究现状进行分析,并提出今后发展方向,以期为有效开展作物氮素高光谱遥感诊断研究提供借鉴。     

小麦氮素积累动态的高光谱监测

 【目的】研究小麦地上部氮积累量与冠层高光谱参数的定量关系,分析多种高光谱参数估算地上部氮积累量的效果。【方法】连续3年采用不同蛋白质含量的小麦品种在不同施氮水平下进行大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定植株不同器官生物量和氮含量。【结果】植株氮积累量随着施氮水平的提高而增加,不同地力水平间存在明显差异。植株氮积累量的光谱敏感波段主要存在于近红外平台和可见光区,而地上部氮积累量与冠层光谱的相关性明显降低。对植株氮积累量的光谱估算,在不同品种、氮素水平、生育时期和年度间可以使用统一的光谱模型。在籽粒灌浆期间植株氮积累量自开花期随时间进程的积分累积值与对应时期籽粒氮素积累状况存在显著的定量关系,根据特征光谱参数植株氮素营养籽粒氮积累量这一技术路径,以植株氮积累量为交接点将模型链接,建立高光谱参数与籽粒氮积累量间定量方程。将植株氮积累量与籽粒氮积累量相加,确立了基于高光谱参数的籽粒灌浆期间地上部氮积累量监测模型。经不同年际独立资料的检验表明,利用光谱参数SDr/SDb、VOG2、VOG3、RVI（810,560）、[（R750-800）/（R695-740）]-1和Dr/Db建立模型可以实时监测小麦地上部氮素积累动态变化,预测精度R2分别为0.774、0.791、0.803、0.803、0.802和0.778,相对误差RE分别为16.7%、15.5%、15.6%、18.5%、15.5%和17.3%。【结论】利用关键特征光谱参数可以有效地评价小麦地上部氮素积累状况,其中尤以植被指数VOG2、VOG3和[（R750-800）/（R695-740）]-1的效果更好。     

水旱地冬小麦植株氮素含量的高光谱监测

作物氮素状况是评价作物长势的关键指标之一,利用高光谱技术对水旱地植株氮素含量进行监测具有重要的实践意义。通过研究闻喜县水旱地小麦植株氮含量与叶面积指数(LAI)的定量关系,探索建立以LAI为中间变量的水旱地冬小麦氮素含量的监测模型的可行性。结果表明,水旱地冬小麦不同生育时期LAI特征波段不同,LAI与植被指数FDDVI,FDNDVI和FDMSAVI的相关性均好;冬小麦LAI与植株氮素含量在拔节期、抽穗期和灌浆期3个主要的生育时期均达到较好的相关性;水地冬小麦以FDNDVI(770,688 nm)为自变量建立的植株氮素含量监测模型最优,R2=0.849 9,RE=0.220 8,RMSE=0.060 2,RE和RMSE最小,预测性最好;旱地冬小麦以FDDVI(771,685 nm)为自变量建立的植株氮素含量监测模型最优,R2=0.802 9,RMSE=0.032 6,RE=0.17。研究结果可为实现水旱地冬小麦氮素的准确、快速、大面积的监测提供新的途径。     

作物冠层光谱的获取和应用研究进展

作物冠层光谱受作物的色素、组织结构和冠层结构影响。通过获取冠层光谱,适当数学运算后和农学参数建立相关监测模型,可以监测作物的长势、营养状况、病害危害情况、产量及品质。本文综述了国内近十年来作物冠层光谱的获取方法、光谱分析方法和应用领域,并展望了未来发展方向。     

基于作物冠层数字图像的氮素营养及生长指标监测研究进展

农作物生长信息的实时、快速、无损监测与诊断正逐步成为现实,可广泛应用于作物生产的栽培管理、生产力预测等。随着数码相机、手机相机、扫描仪的普及,运用数字图像处理技术进行作物营养状况与生长指标监测成为成本低、应用方便的方法。基于数字图像技术的作物营养诊断和生长指标监测,包括基于单叶片与基于冠层图像分析两类。该文综述了基于数字图像的作物冠层氮素营养及生长指标监测的研究进展。     

作物氮素营养诊断的无损测试研究与应用现状

介绍了作物氮素营养诊断的几种无损测试技术,即利用便携式叶绿素仪、高光谱遥感技术、冠层色彩分析技术和叶绿素荧光技术进行作物的氮素营养诊断的方法及研究现状。     

氮素胁迫下寒地玉米高光谱特征研究

利用高光谱近地遥感技术,采集不同氮素水平下的不同生育期的寒地玉米冠层高光谱图像,采用ENVI软件提取玉米冠层的光谱反射率。结果表明,不同氮素水平下寒地玉米冠层反射率存在较大差异,玉米“红边”具有双峰现象,红边位置呈“红移”现象;根据玉米冠层高光谱反射率以及红边位置峰值可定性区分严重缺氮、正常施氮和过量施氮。     

高光谱成像在农产品无损检测中的应用

：随着计算机技术和光谱技术的发展,高光谱成像技术逐渐成为农产品检测的重要手段之一。高光 谱成像技术将图像分析和光谱分析有机结合起来,而图像信息可以表现出农产品的外部品质和特征,光谱信 息则可以用来检测农产品的内部品质,农产品的内外部品质信息可以完全反映出来,实现对农产品内外品质 的快速、无损检测。介绍了高光谱成像的基本原理,总结了国内外高光谱成像技术在果蔬、肉类、谷物等农产 品无损检测中的应用。     

不同氮素营养水平的水稻冠层光谱红边参数及其应用研究

通过对不同氮素营养水平水稻冠层光谱特性的田间试验研究，发现红边位移现象：在孕穗期之前，红边随施氮量增加向长波方向“红移”；孕穗期后“红移”现象基本消失，而发生“蓝移”。红边参数(红边、红边振幅、红边振幅与最小振幅的比值、红边峰值面积)与上层叶片的叶绿素含量、LAI、累积施氮量有着密切的关系，而与叶片中的叶绿素b、类胡萝卜素、蛋白氮和非蛋白氮之间的相关性不明显。一些红边参数可作为水稻叶绿素含量、LAI测定的简便方法。     

高光谱遥感技术在作物病虫害监测中的应用研究

随着科学技术的发展,高光谱遥感技术逐渐在作物病虫害监测中取得了突出效果.本文阐述高光谱遥感技术及病虫害监测原理、特点,总结高光谱遥感技术获取数据的方法,分析作物病虫害监测中高光谱遥感技术的应用,探讨作物病虫害监测中高光谱遥感技术应用需解决的问题.     

作物长势监测的应用研究现状与展望

讨论了各种植物长势监测的方法、原理、监测指标、优缺点及其研究进展,指出目前几种监测方法的一些局限性。并提出将几种监测方法有机结合起来从而弥补各自的不足的建议,最后分析了植物长势监测技术研究的发展趋势。     

基于中巴资源卫星影像的农作物长势监测

以2007年聊城地区不同月份的中巴资源影像为数据源,根据小麦不同成长周期叶绿素含量的变化规律,对其长势进行了监测,得到了该地区农作物长势优劣等级图。     

光谱技术在冬小麦氮素营养诊断中的应用研究

 1997～1999年度3个冬小麦田间试验结果表明，氮素营养水平直接影响冬小麦冠层光谱反射特性，红光波段和近红外波段是冬小麦氮素营养诊断的敏感波段，采用红光波段和近红外波段计算的比值植被指数RVI可以较为灵敏地反映冬小麦氮素营养水平。RVI与茎基部硝酸盐含量和叶绿素测定值等常规诊断指标均呈线性正相关关系，适宜作为氮素营养诊断指标。     

一种基于图像分析提取作物冠层生物学参数的方法与验证

利用图像分析方法,通过准确识别冠层和背景像素进行棉花冠层生物学产量和叶面积系数估测。采用Olympus C740 Ultra Zoom数码相机拍摄棉花不同生育期冠层图像,在棉花冠层数码照片特征分析的基础上提出了棉花冠层图片计算机自动判读的方法,即混合采用图像色度(H)、绿光(G)、红光(R)灰度值构造提取条件,通过多重判断识别棉花冠层和背景,并编写了相应的计算机程序。利用该程序分析棉花不同施氮量下、不同生育期提取地面覆盖度参数与棉花生物学产量、叶面积系数间的关系,发现棉花冠层地面覆盖度指标可以有效预测棉花生物学产量和叶面积系数,二者间指数相关系数达到r=0.97以上,为极显著相关。     

有机无机肥料长期配施对作物产量及氮素吸收利用的影响

以中国农业科学院禹城试验站轻壤质盐化潮土（黄河冲积平原土壤）20年肥料长期定位试验为平台,系统研究了有机无机肥料长期配施对作物产量及氮素吸收利用的影响。结果表明：在等氮量条件下,长期施用常量无机肥虽然小麦和玉米秸秆的含氮量较高,但向籽粒氮转移量和生理效率却较低;长期施用常量有机肥小麦和玉米生理效率较高,而含氮量和氮转移量却较低;只有常量有机无机肥料配施才能逐步提高小麦和玉米产量、经济系数、含氮量、氮素转移量和生理效率。     

中国农作物长势遥感监测研究综述

农作物长势监测的目的是为早期估产提供依据,同时为田间管理提供及时的信息。笔者总结了中国农作物长势监测的研究进展、研究方法,指出用于长势监测的遥感数据空间分辨率较低,常用的监测指标具有局限性,监测精度有待提高。“3S”技术的集成发展,进一步实现一体化应用于该领域仍是今后的发展方向。随着农作物长势运行化监测系统的进一步完善,对田间管理的诊断需求会日益加剧,因此作物长势的诊断将成为今后的研究重点。     

冠层温度与作物水分状况关系研究进展

综述了近几年囱内外小麦、水稻、玉米和棉花等作物冠层温度与作物水分状况关系的研究进展,提出了今后的研究建议,并展望了其研究前景。     

基于红边参数的棉花冠层叶片氮积累量之估算研究

测试了棉花2个品种4水平种植密度的4个关键生育时期冠层反射光谱,应用微分技术处理棉花冠层反射光谱,提取了红边(680～750nm)波段范围的最大一阶微分值(Dr)和红边面积(SDr)参数。分析了棉花冠层红边参数在不同生育期的变化特征和棉花吐絮期的两种生长类型的冠层红边状况,表明红边位置可以指示它们的氮素状况。以新陆早8号的SDr为自变量与对应的LNA为因变量进行相关分析,SDr与冠层LNA达1%极显著相关(R=0.9186**,n=32),利用其构建的模型方程估算新陆早6号的LNA,实测LNA和估测LNA的估计标准差为0.8909g/m2,估算精度为88.1%(R=0.9277**,n=32),说明采用高光谱提取的红边参数信息是无损实时、快捷评价棉花氮素状况的有效方法。