基于模拟光谱数据的冬小麦播期遥感监测最佳时相研究

为利用高时空分辨率的航天数据对区域冬小麦播期实现尽早监测,对冬小麦播期的不同遥感监测时相精度进行了分析。首先利用耦合作物模型和辐射传输模型模拟不同播期冬小麦从播种至返青的冠层光谱反射率,分析不同播期的冠层光谱响应差异,选取对不同播种日期敏感的波段。然后,根据敏感波段的冠层光谱,选择训练样本并计算不同播期之间的J-M距离,初步判断出光谱可分性较好的时相。最后,对不同的播期进一步进行判别分析,判定未知类别样本的所属类别。根据正确分类的精度,在华北平原北部选择播期监测的最佳时相为12月中旬,精度达到89.5%。     

冬小麦新品种晋麦86号播期和播量试验研究

采用单因素随机区组排列试验设计,通过比较不同播期和播量对晋麦86号生育期变化、群体动态、产量构成要素及单产水平等的影响,总结提出晋麦86号适宜的播期为9月25-30日,适当的播量是基本苗25万/667m2。     

旱冻双重胁迫下的冬小麦幼苗长势遥感监测研究

为了探讨"旱冻交加"的气候条件下遥感监测小麦苗情的可行性,以河南省冬小麦为例,利用多时相MODIS为遥感数据源,引入了广泛用于小麦苗情监测的距平植被指数(AVI),同时基于植被健康状态指数(VHI)和晚霜冻害综合指数(I),构建了旱冻双重胁迫条件下的小麦苗情综合指数(CI),以反映冬小麦拔节期的生长状况,并分别利用实测样点苗情分类和距平植被指数对结果进行验证。结果表明,CI的总体分类精度为85.00%,Kappa系数为0.74;冬小麦总茎数与CI呈线性正相关关系,拟合方程为y=8.732CI+1.256,决定系数为0.605 3;与实测样本对比,CI预测精度为73.30%,苗情分类分级更符合小麦生长实际情况。因此认为旱冻双重胁迫下可以利用CI对冬小麦苗情进行监测。     

不同播期冬小麦茎叶碳氮比的光谱监测

为了探讨利用冠层光谱监测不同播期下小麦植株碳氮比的可行性,基于不同播期和不同施氮水平下的两年田间试验,对冬小麦茎叶碳氮比与冠层光谱的关系进行了研究。结果表明,不同播期下冬小麦茎叶碳氮比随生育时期的推进均呈"高-低-高"的动态变化;各个波段综合原始反射率和一阶微分与碳氮比均有显著相关性;NDVI、RDVI、EVI、SAVI等植被指数对茎叶碳氮比均有较好的拟合效果,其中NDVI受播期的影响较小,可用于建立各播期冬小麦茎叶碳氮比监测模型。检验结果显示,冬小麦各播期茎叶碳氮比监测模型的预测精度为0.678 2~0.963 6,相对误差0.095 5~0.323 9,均方根误差1.864 6~5.714 2,说明利用冠层光谱可以实现对不同播期条件下冬小麦茎叶碳氮比较为准确的监测。     

播期推迟对冬小麦产量形成和籽粒品质的调控效应

为了明确推迟播期对小麦产量形成和品质的影响,选用2个冬小麦品种(轮选987和京冬8号),在大田条件下研究了播期推迟对小麦群体动态、物质积累、产量构成和籽粒品质的调控效应.结果表明,播期推迟能显著降低小麦冬前分蘖数,促进春季分蘖的发生和成穗,提高分蘖成穗率.播期对小麦植株干物质积累的影响存在基因型差异.播期推迟引起小麦产量构成因素的变化,进而导致籽粒产量下降,且京冬8号出现显著下降时对应的播期早于轮选987.播期推迟后小麦籽粒中的淀粉含量呈下降趋势,蛋白质含量呈上升趋势,同时二者的主要组成成份也随之改变.因此,冀东地区选用轮选987且适当早播(10月5日播种)可以获得高产;推迟播期至10月10日则籽粒品质提高,但要注意加强小麦生育后期的田间管理,防止粒重明显降低.     

播期对冬小麦茎蘖幼穗分化及产量的影响

为探讨播期对冬小麦茎蘖幼穗分化及产量的影响,以冬小麦品种“京冬8”为试材,观察了不同播期下冬小麦的茎蘖幼穗分化过程。结果表明,随着播期的推迟和蘖位的增高,进入穗分化各时期的日期推迟,穗分化总历时缩短。随着播期的推迟,雌雄蕊分化期之前主茎幼穗各分化时期的持续时间缩短,至雌雄蕊分化期后各分化日期及历时达到一致。随着播期的推迟以及蘖位的增高,各分蘖的穗分化日期推迟。随着播期的推迟,同位蘖穗分化前期持续时间缩短,穗分化中后期以中播处理分化持续时间最短。晚播处理的Ⅱ、Ⅲ位蘖和中播处理的Ⅲ位蘖分化至小花分化期基本死亡。不同蘖位间,早播处理随蘖位增高穗分化前期持续时间缩短,后期高位蘖持续时间延长;中晚播处理,随着蘖位的增高各穗分化期持续时间延长。随播期的推迟,单茎分化小穗数和结实小穗数显著减少,有效穗数显著减少,产量显著降低。因此,本区域小麦适宜播期为9月底至10月初。     

播期对再生稻生长影响的研究进展

合理的播期是实现再生稻两季高产优质的基础.笔者主要从生育期、产量、农艺性状、源库关系、腋芽萌发及米质等6个方面综述了播期对再生稻生长的影响,并总结出湖南不同生育期再生稻品种的适宜播期.针对当前播期研究的薄弱环节,对再生稻播期未来研究方向进行展望.     

播期对冬小麦群体性状、产量和叶绿素荧光特性的影响

为给淮北小麦选择适宜的播期,以冬小麦半冬偏冬性品种烟农19和半冬性品种皖麦52为材料,研究了播期(10月3日、10月10日、10月17日、10月24日、10月31日和11月7日)对小麦群体干物重、叶面积指数、叶绿素含量、叶绿素荧光和产量的影响。结果表明,两个品种群体干物重、叶面积指数、叶绿素含量皆以10月10日和17日播种时最高,其次为10月3日和24日播种。正常播种(10月10日)和适度晚播(10月17日)可以改善小麦叶绿素荧光特性,其中10月10日播种时烟农19的Fo、Fm、Fv/Fm、qP、ETR和ΦpsII分别比10月3日和11月7日播种的增加了8.5%、7.9%、3.0%、38.1%、15.9%、16.9%和21.1%、33.3%、6.9%、73.0%、67.6%、62.0%。10月10日和17日播种时烟农19和皖麦52的穗数、穗粒数、千粒重、容重和产量皆高于其他播期,并与11月7日播种处理差异显著。因此10月10日至10月17日可作为淮北地区半冬性小麦品种的适宜播期。     

SPOT-5与HJ遥感影像用于冬小麦氮素监测的效果对比

为探讨HJ遥感影像对冬小麦氮素监测的适用性,利用同期获取的SPOT-5和HJ-1B遥感影像,结合同步地面取样测试,从传感器的光谱响应、监测模型精度以及叶片氮含量空间填图3个方面,对冬小麦氮素的遥感影像监测效果进行了分析与评价.结果表明,两类遥感影像的3个波段反射率及植被指数与小麦叶片氮含量均密切相关,其中,SPOT-5影像的最优模型植被指数为GNDVI(绿色归一化植被指数),HJ-1B影像的最优模型植被指数为NDVI(归一化植被指数),SPOT-5影像在监测精度上优于HJ-1B影像,但差别不大.填图结果表明,除地块较破碎地带外,利用HJ-1B影像反演填图所得的小麦叶片氮含量在空间分布上与SPOT-5影像结果比较一致.说明利用SPOT-5与HJ遥感影像监测小麦氮素营养状况都是可行的,而HJ遥感影像在一定精度要求范围内能够替代SPOT-5等遥感影像的监测效果.     

SPOT 5与HJ遥感影像用于冬小麦氮素监测的效果对比

为探讨HJ遥感影像对冬小麦氮素监测的适用性,利用同期获取的SPOT5和HJ1B遥感影像,结合同步地面取样测试,从传感器的光谱响应、监测模型精度以及叶片氮含量空间填图3个方面,对冬小麦氮素的遥感影像监测效果进行了分析与评价。结果表明,两类遥感影像的3个波段反射率及植被指数与小麦叶片氮含量均密切相关,其中,SPOT5影像的最优模型植被指数为GNDVI（绿色归一化植被指数）,HJ1B影像的最优模型植被指数为NDVI（归一化植被指数）,SPOT5影像在监测精度上优于HJ1B影像,但差别不大。填图结果表明,除地块较破碎地带外,利用HJ1B影像反演填图所得的小麦叶片氮含量在空间分布上与SPOT5影像结果比较一致。说明利用SPOT5与HJ遥感影像监测小麦氮素营养状况都是可行的,而HJ遥感影像在一定精度要求范围内能够替代SPOT5等遥感影像的监测效果。     

播期对南疆冬小麦产量和品质的影响

为探究全球气候变暖背景下推迟播期对新疆冬小麦产量和品质的影响规律，在南疆一年两熟地区大田条件下，于2020年10月5日（S₁）、10月10日（S₂）、10月15日（S₃）、10月20日（S₄）、10月25日（S₅）5个播期下种植新冬60和新冬20，比较分析了不同播期下冬小麦产量、营养品质及加工品质的差异。结果表明，随着播期推迟，冬小麦的有效穗数、千粒重和产量均逐渐降低，且新冬20的降幅高于新冬60；播期对两品种的穗粒数影响不显著。蛋白质含量、湿面筋含量及沉降值随着播期推迟呈先降后升的变化趋势，播期对新冬60的湿面筋含量及新冬20的沉降值影响不显著；面团弱化度随播期推迟逐渐降低，拉伸面积、延伸度、最大拉伸阻力、拉伸比的变化规律与其相反，表现为S₁>S₂>S₃>S₄>S₅。千粒重与沉降值、延伸度呈显著负相关，与淀粉含量呈显著正相关。综合考虑，播期对南疆冬小麦产量和品质的效应存在不同步性，早播（10月5日）可获得高产的同时得到较佳的品质；晚播（10月25日）会减产，但可增加形成时间和稳定时间，降低弱化度。     

河南省冬小麦长势遥感监测指标的适宜性

为了解不同监测指标在河南省各个监测地域分区中对小麦不同生育期长势监测的有效性和适宜性,以MODIS为主要数据源,在长势监测地域分区的基础上,从小麦实时监测和生长过程监测两个角度出发,对NDVI、LAI、NPP、NDWI和TCI等监测指标与长势等级和单产进行了相关分析。结果表明,在各长势监测地域分区中,NDVI、LAI和NPP都与长势等级呈负相关,与单产呈正相关,一般在抽穗期和开花期相关性最高。NDWI在各个监测分区都表现不稳定,且在不同生育期与长势等级和单产的相关性也较低。TCI在豫西山地丘陵区和豫南地区与长势等级呈正相关,与单产呈负相关,相关性在起身期和拔节期相对较高。说明,不同长势监测分区需要用不同监测指标进行长势监测,在同一长势监测分区不同生育期遥感监测的适宜指标也存在差别。     

播期和密度对冬小麦豫麦49-198群体性状和产量的影响

为给豫麦49-198大面积推广选择适宜栽培措施,设置播期和密度各3个水平,通过大田裂区试验研究了播期和密度对该品种群体性状、产量及其构成因素的影响.结果表明,通过播期和密度变化可以调控群体性状,最高群体茎数随播期推迟和种植密度减小而下降,早播(10月5日)的最终成穗数较少;最大叶面积指数随播期推迟而下降,孕穗后早播的叶面积指数衰减较快;就花后干物质积累而言,播期间适播(10月12日)＞晚播(10月19日)＞早播(10月5日).不同播期和密度处理对籽粒产量及其构成因素的影响达显著水平,并且密度对产量构成因素的影响大于播期.3个播期中,适播的产量显著高于早播,但与晚播的差异不显著;密度间以中密度(195万/ha)产量最高,低密度(120万/ha)最低,两者差异达显著水平,但中密度与高密度(270万/ha)的产量差异不显著.根据本试验结果可以得出,豫麦49-198维持最大叶面积指数9.5和干物质积累量21 000 kg/ha左右时,籽粒产量可以突破9 000 kg/ha,相对应的适宜播期和种植密度为10月中旬和195万～270万/ha.     

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...     

基于遥感影像植被指数变化量分析的冬小麦长势动态监测

为进一步探究利用中低分辨率影像监测小麦苗情的机理,丰富小麦长势动态监测的模式,结合2017-2018年定点观测试验,以GF-WFV数据为遥感影像源,研究了孕穗-开花期冬小麦主要长势变化量参数和产量及其与植被指数变化量间的定量关系,以逐步回归方法筛选目标长势变化量参数,分别构建及评价基于GF-WFV影像遥感植被指数变化量的孕穗-开花期叶片含氮量变化量和叶绿素含量变化量监测模型。结果表明,冬小麦叶片含氮量变化量（ΔLNC）和叶绿素含量变化量（ΔCHL）与产量密切相关,而孕穗-开花期的归一化植被指数变化量（ΔNDVI）、比值植被指数变化量（ΔRVI）分别与ΔLNC和ΔCHL相关性最好,因此选择这两个植被指数变化量作为敏感参量构建冬小麦长势监测模型。经验证,基于ΔNDVI和ΔRVI构建的长势线性模型可靠且精度高,其决定系数分别为0.70和0.64,均方根误差分别为0.39%和0.08 mg·L^-1FW。基于预测模型和实测数据分级量化表达冬小麦长势的空间分布状况,能够很好实现了基于GF-WFV时相影像长势不同等级的遥感监测。