长江中下游生态区大豆生长性状及产量的冠层高光谱偏最小二乘回归预测

高光谱遥感能够快速无损地估测作物生长性状及产量,这为作物规模化育种的田间评价与选择提供了高效手段。选用生育时期相似、生长性状有差异的52份大豆品种(系)进行2年田间试验,在盛花期(R2)、盛荚期(R4)及鼓粒初期(R5)测定大豆冠层反射光谱,同步测定大豆叶面积指数(LAI)和地上部生物量(ABM),收获后测定产量。针对不同生育时期冠层光谱与生长性状及产量进行偏最小二乘回归(PLSR)分析。结果表明:不同生育时期LAI的PLSR模型可以解释LAI总变异的54.4%~61.0%;不同生育时期ABM的PLSR模型可以解释ABM总变异的65.5%~67.0%;R5期是利用冠层光谱估测产量的最佳生育时期,其PLSR模型可以解释产量总变异的66.1%。本研究结果可望为大豆规模化育种中大量试验材料的田间长势监测和产量估测提供快速无损预测的技术支持。     

基于不同玉米品种叶片高光谱的SPAD值估测模型研究

通过研究不同玉米品种叶片SPAD值与高光谱参数的关系,建立玉米叶片SPAD值估测模型,并对模型进行品种间精度检验。通过两年试验,测定不同玉米品种的叶片SPAD值及其高光谱数据,综合分析叶片SPAD值与高光谱反射率、反射率一阶导数及其光谱参数的相关关系,对玉米叶片SPAD值估测模型进行构建。玉米叶片SPAD值与高光谱反射率最敏感波段在550和710 nm附近,反射率一阶导数最敏感波段出现在500~750 nm范围内。叶片SPAD值与单波段反射率的相关性要高于其一阶导数,以550 nm附近光谱反射率构建的模型对大多数品种的叶片SPAD预测值平均误差最小。     

大豆叶面积指数的高光谱估算模型研究

通过测试大豆4个生育阶段350～2500nm波段的冠层高光谱数据,用近红外波段760nm-850nm及红光波段650nm-670nm的2个范围内的波段反射率,组成了高光谱比值植被指数（RVI）和800nm和670nm2个波段反射率组成修改型二次土壤调节植被指数（MSAVI2）;基于RVI和MSAVI2植被指数,建立了大豆叶面积指数（LAI）的6种单变量线性与非线性函数模型,经检验均达到1％极显著水平。其中,以RVI所构建洲的幂函数、MSAVI2所构建LAI的指数函数、对数函数估测模型的相关系数相对较高;用MSAVI2所构建的LAI精度较高的对数函数模型反演大豆叶面积指数,实测LAI与估测LAI呈极显著线性相关（R=0．9098^＊＊,n=46）,模型方程的估算精度达84．9％,实测值与估算值的RMSE=0．2420,平均相对误差为0．1510。表明采用高光谱植被指数,能够实时、无损、动态、定量提取大豆叶面积指数,为设计理想的大豆群体和大豆遥感估产提供了科学的依据。     

基于无人机RGB影像的小麦叶面积指数与产量估算研究

为探讨基于无人机RGB影像实现对小麦叶面积指数(leaf area index, LAI)和产量估算的可行性,设置不同生态点、品种和氮素处理的小麦田间试验,应用大疆精灵4 Pro无人机获取小麦拔节期、抽穗期、扬花期和灌浆期4个主要生育时期的RGB高时空分辨率影像,并同测定小麦LAI。采用相关性分析筛选出不同生育时期对LAI敏感的光谱与纹理特征集,并借助随机森林(random forest, RF)、偏最小二乘回归法(partial least squares regression, PLSR)、BP神经网络(back propagation neural network, BPNN)和支持向量机(support vector machine, SVM)分析方法,筛选出小麦不同生育时期最优的LAI估测模型。基于不同生育时期的光谱与纹理特征以及时期特征集,进一步建立产量预测模型,并在不同生态点验证叶面积估算模型与产量预测模型的普适性。结果表明,基于RF的LAI估测模型的验证精度最高,4个生育时期的均方根误差(root mean square error, RMSE)分别为2.26、1.44...     

不同产量水平大豆群体光合特性和产量构成差异研究

为探讨不同产量水平大豆品种的产量构成因子、功能叶SPAD值、冠层叶面积指数(LAI)和光能截获率(LI)的差异,本研究以产量为依据,采用方差分析法将12份大豆品种划分为高产型、中产型和低产型,比较不同产量水平大豆产量构成因子、SPAD值、LAI及LI的差异特征.结果表明:(1)不同产量水平大豆品种SPAD值、LI和LA...     

基于多载荷无人机遥感的大豆地上鲜生物量反演

以多载荷无人机获取数据和地面实测的数据为基础,将大豆生殖生长期分段建模,采用植被指数和光谱参数相结合再加上农学参数株高,通过最小二乘法建立多元线性回规模型的方法,来估算大豆开花期和结荚期的鲜生物量,采用高光谱植被指数法估算大豆鼓粒期和成熟期的鲜生物量。结果表明:在大豆开花期和结荚期内,采用混合法构建生物量反演模型利用交叉验证法,验证结果的R~2和RMSE分别为0.714和0.393;在大豆鼓粒期和成熟期内,采用高光谱植被指数法构建生物量反演模型,利用交叉验证法,验证结果的R~2和RMSE分别为0.697和0.386;大豆开花结荚期构建的模型和鼓粒成熟期构建的模型都有比较高的精度和可靠性,利用这两种模型完成了高光谱影像鲜生物量的遥感空间制图,能反映当地当时大豆的真实长势情况。     

不同施氮水平下大豆反射光谱预测叶片氮含量模型

通过分析不同施氮水平下大豆叶片氮含量与叶片光谱反射率之间的关系,确立了大豆叶片氮含量的敏感波段及预测方程.结果表明:在 530、550、890和930 nm 4个波段的光谱反射率与大豆叶片氮含量的相关性达显著或极显著水平.通过4种植被指数的比较,NDVI的R2最大,RMSE最小.筛选得到回归方程:Y= -323.214×NDVI2 (890,530)+469.9307×NDVI (890,530)-165.021,该模型适用于不同生育期大豆叶片氮含量的预测.     

小麦花后15 d主要苗情参数多光谱卫星遥感定量监测

为进一步探究小麦关键期苗情多光谱遥感监测机理与方法,提高多光谱遥感监测的定量化水平和可信度,结合两年定点观测试验,以环境减灾卫星HJ-CCD数据为多光谱遥感影像源,研究了小麦花后15 d主要苗情参数、籽粒品质参数和产量与多光谱卫星遥感变量间的定量关系,分别构建并评价基于HJ-CCD影像遥感变量的小麦花后15 d叶面积指数、生物量、SPAD和叶片含氮量的监测模型.结果表明,小麦花后15d时,结构加强色素植被指教(SIPI)、近红外波段光谱反射率(B4)、绿波段光谱反射率(B2)和归一化植被指数(NDVI)可分别作为监测小麦叶面积指数、生物量、SPAD值和叶片含氮量的敏感遥感变量,所构建的遥感监测模型可靠且精度较高,模型的决定系数(R2)分别为0.84、0.81、0.73和0.83,均方根误差(RMSE)分别为0.89、2 425.2 kg·hm-2、3.17和0.27％.同时,对小麦不同等级的主要苗情参数进行遥感监测并制图分析,量化表达了小麦主要苗情参数的区域空间分布.     

水分胁迫对不同基因型夏大豆冠层发育及耗水量的影响

在防雨棚条件下研究了不同阶段水分胁迫对4个夏大豆品种五星3号、冀豆15、冀豆16和冀豆17冠层发育和耗水特性影响.结果表明:大豆耗水规律为出苗后20 d内日耗水强度较低,初花期～鼓粒初期较高,最高峰出现在初花期前后,鼓粒中后期较低.最大叶面积指数(LAI)出现在盛花期,不同阶段水分胁迫使多数品种的LAI明显下降.从冠层发育角度,冀豆16苗期抗旱性较强,五星3号花期和鼓粒期抗旱性较强,冀豆15鼓粒期抗旱性较强.五星3号、冀豆15和冀豆16的LAI相近,但五星3号的耗水量较低,冀豆17 LAI和耗水量均较高.大豆主要耗水层在0～100 cm,尤其0～50 cm土层土壤水分状况对大豆的生长发育影响效应更大.     

基于分数阶微分的春小麦叶绿素含量高光谱估算

为提高农作物叶片叶绿素含量高光谱估算的准确度,以阜康农作物试验地为研究靶区,测定了165个采样点的春小麦叶片叶绿素含量和叶片光谱反射率,运用分数阶微分算法进行光谱预处理,最后运用偏最小二乘法(PLSR)建立叶绿素含量估算模型。结果表明,对数学变换■、lg~R、1/lg~R、1/R)的光谱及原始光谱(R)的数据进行0～2阶分数阶微分预处理时,通过0.01水平显著性检验的波段数量明显增加,且光谱数据经4种数学变换后均在1.2阶微分与小麦叶绿素含量有较高的相关性。1.2阶微分处理后,对叶绿素含量的敏感波段数量表现为■。利用对数变换和1.2阶微分计算的植被指数(NDVI、DVI、RVI、MSR_(705)、MSR_(670,800)、CI)建立的PLSR模型的估算精度最优,其预测的相对误差、决定系数和平方根差分别为2.17、0.87和0.243mg·g~(-1),可作为小麦叶片叶绿素含量的最佳估算模型,也说明对光谱数据进行数学转换和分数阶微分处理可显著提高春小麦叶绿素含量的估算精度。     

基于红边特性和连续小波变换的冬小麦叶绿素含量估算

为充分利用高光谱数据红边区域对冬小麦叶绿素含量进行估算,以关中地区冬小麦为研究对象,基于红边波段反射率的一阶导数进行连续小波变换,对变换后得到的小波系数与叶绿素含量进行相关性分析,选取相关性较好的小波系数分别结合偏最小二乘法(PLS)、BP神经网络(BPNN)算法、随机森林(RF)算法和XGBoost算法构建冬小麦叶绿素含量估算模型。结果表明：(1)通过对建模数据和验证数据的决定系数(R²)、均方根误差(RMSE)和相对分析误差(relativepredictive derivation, RPD)进行比较,利用XGBoost算法构建的估算模型表现最好;(2)通过XGBoost算法的特征重要性分析得到13个有效小波系数,将其与7个红边指数共同作为自变量代入XGBoost算法发现,优化后的模型精度得到显著提高,建模集决定系数(R²=0.91)和验证集决定系数(R²=0.802)分别提高了1.34%和11.54%。这说明该方法可以作为一种挖掘高光谱敏感特征信息的途径来估算冬小麦叶绿素含量。     

大豆叶片叶绿素含量与光谱的特征分析

用Unispec光谱分析仪和SPAD叶绿素仪测定了2个品种从初花期到成熟期的反射光谱和叶绿素含量.用SPAD叶绿素仪测定结果表明:每个时期均为合交98-1667的叶绿素含量高于合丰55号;用Unispec光谱分析仪测定结果显示:合丰55号大豆的光谱反射率高于合交98-1667,并且发现在可见光510 nm～610 nm处有一个叶绿素反射吸收峰,此吸收峰是大豆叶片上特有的一个特征值.数据统计分析表明:叶片叶绿素含量与光谱植被指数mSR705、mND705,和PSSRc具有极显著相关性.说明可以通过测量叶片光谱的方法来监测大豆叶片叶绿素含量.     

大豆蚜虫危害单叶片生理变化及光谱特征分析

不同时期受大豆蚜虫危害的作物与正常植株进行比较。其株高、叶面积和SPAD值差异显著,而叶片氮素含量差异达到了极显著水平．说明大豆蚜虫对植株各生理指标影响程度不同。利用植物光谱仪测定受害叶片的光谱反射率变化。大豆蚜虫危害程度可以在大豆叶片的光谱中得到响应．并认为近红外区比可见光区更具利用价值．     

区域尺度冬小麦叶绿素含量的高光谱预测和空间变异研究

为从区域尺度探讨小麦SPAD的近地高光谱遥感监测技术,采用ASDField Spec 3.0型便携式高光谱仪获取的冬小麦冠层高光谱数据,利用相关分析和偏最小二乘法(PLSR)对SPAD进行建模预测,并采用地统计学方法进行空间变异制图。结果表明,冬小麦叶片SPAD值在不同生长阶段存在一定的差异,但在不同区域之间差异不显著。基于PLSR建立模型,并利用原始光谱和二阶导数光谱进行预测,R~2分别为0.653和0.995,均方根误差分别为2.622和0.327,相对析误差分别为1.549和13.66。综合来看,二阶导数光谱所建立的模型预测能力比原始光谱好。选择拔节期和成熟期进行区域化表达,与实测得到的SPAD空间分布图相比,采用全光谱数据和二阶导数光谱数据预测的SPAD均表现出了较高的空间相似性,其中二阶导数接近实测值。     

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。     

基于无人机航拍图像的水稻叶片SPAD值反演

为利用无人机航拍图像实现水稻叶绿素含量的高通量检测,以籼型三系杂交水稻品种兆优5431为材料,设置3个密度水平和5个施氮量水平,共15个处理,在水稻不同生育期通过大疆精灵4RTK无人机获取航拍图像和人工测定水稻叶片SPAD值,并选取7种与水稻叶片SPAD值显著相关的可见光植被指数,采用线性回归和机器学习方法构建了水稻叶片SPAD值反演模型,通过精度验证确定水稻叶片SPAD值最优预测模型。结果表明,机器学习模型中,随机森林模型精度均高于其他回归模型,该算法构建的模型具有较高的预测精度,其模型各项指标分别是建模集R2为0.85、RMSE为2.73,验证集R2为0.76、RMSE为3.64。因此,机器学习模型能为水稻叶片SPAD值进行无损、快速监测提供参考。     

不同氮肥水平下大豆叶片光谱反射率与叶绿素含量的相关性研究

用Unispec光谱分析仪和SPAD-502叶绿素仪测定不同生育时期不同氮肥水平大豆叶片光谱反射率及叶绿素含量,并分析了光谱植被指数与叶绿素含量的相关性。结果表明:不施氮肥处理光谱反射率高于施氮处理,随着施氮量的增加,大豆叶片光谱反射率下降,并初步断定结荚期是大豆氮素光谱营养诊断的敏感时期;随着氮肥水平的提高叶绿素含量增加;整个生育时期,除鼓粒期不施氮处理外其它处理的植被指数mND705与叶绿素含量均呈极显著正相关;在花期和结荚期,各处理的mSR705与叶绿素含量呈极显著正相关,PSSRc与叶绿素含量呈极显著负相关。     

基于冠层高光谱植被指数的水稻产量预测模型研究

及时、准确、快速的进行粮食产量预测预报对指导农业生产和国家制定粮食政策有重大意义。以不同水稻品种和施氮水平为试验因素，进行两因素裂区设计试验，在水稻拔节期、孕穗期和抽穗期测定其冠层光谱反射率，通过筛选出与产量相关性最高的最佳波段组合，计算最优波段组合组成的12种植被指数，并建立了基于单植被指数和多植被指数组合的水稻产量预测模型。结果表明，孕穗期，在401～723 nm波段范围内水稻冠层原始光谱反射率与产量呈显著负相关关系；各植被指数与产量的相关性达到极显著水平。基于单植被指数构建的水稻产量预测模型，以孕穗期线性模型精度最高(R²=0.436,RMSE=874.57 kg/hm²)，最佳植被指数为重归一化植被指数(RDVI)，模型表达式为y=7.7E+05×RDVI₍(455,456))+1.1E+04；基于逐步回归构建的多植被指数产量预测模型同样以孕穗期表现最佳(R²=0.443,RMSE=861.81 kg/hm²)，最优植被指数为比值植被指数(RVI)、土壤调节型植被指数(...     

株行距配置对夏大豆光合特性及产量的影响

在5.5×105株·hm-2种植密度下,共设计5种株行距配置,即行距×株距分别为:30 cm×6 cm(A)、(15+30)cm×8 cm(B)、60 cm×3 cm(C)、(15+15+60)cm×6 cm(D)、40 cm×4.5 cm(E),研究不同株行距配置对夏大豆光合特性和产量的影响,为北疆麦后复播大豆高产,筛选出合理的株行距配置提供理论依据。结果表明:等行距模式夏大豆的叶绿素含量(SPAD值)、叶面积指数(LAI)、光合速率(Pn)等指标均随着行距的增大株距的减小而减小,即表现为A处理E处理C处理,其中A处理SPAD值、LAI、Pn测定期平均值分别比C处理的高8.89%、19.20%、2.72%;同株距条件下,D处理的SPAD值、LAI、Pn测定期平均值分别比A处理高2.72%、18.73%、7.09%。株距最宽的宽窄行B处理测定期SPAD值、LAI、Pn的平均值均比D处理的要高,而且各处理中B处理的产量最高为1 628.94 kg·hm-2,较A、C、D、E处理分别增加43.62%、75.69%、25.03%、51.21%,且均达极显著差异水平(P0.01)。说明适当缩行增株构建的株行距配置是提高夏大豆产量的重要措施之一。     

基于主成分分析和随机森林的橡胶小苗叶片磷含量高光谱预测

为指导橡胶苗施肥管理,通过设置不同磷素水平的橡胶小苗砂培试验,利用高光谱仪测得不同磷处理水平下的橡胶苗叶片光谱反射率,进而运用主成分分析法对原始光谱反射率数据进行压缩及提取主要信息,最后以提取的主要信息为输入变量,结合多重线性回归、偏最小二乘回归和随机森林模型对橡胶苗叶片磷含量进行预测。结果表明：不同磷处理水平下橡胶苗叶片磷含量差异显著;在可见光波谱范围401～669 nm内,光谱反射率随施磷量的增加而增加;不论在训练集还是在验证集,随机森林模型的预测精度最高,训练集和验证集中预测值和实测值之间的相关系数r分别为0.985 0和0.988 4,均方根误差RMSE分别为0.016 5和0.018 2,平均相对误差MRE分别为5.74%和5.99%,模型性能指数RPD分别为3.83和4.01,证明高光谱技术可以快速、准确地诊断橡胶苗叶片磷含量。