基于手机相片的草地植被盖度估算方法研究

选取6种基于RGB通道信息的植被指数(VEG、CIVE、EXG、EXGR、NGRDI、COM),借助自主开发的手机APP对6种方法展开对比研究,从草绿度、天气条件、盖度3个角度分析估算误差的变化规律,并从阈值随光照变化角度评估每种方法的稳定性。研究表明,6种方法估算精度均高于90%,其中,COM方法最高,达到95.41%,NGRDI方法估算精度最低,为92.87%。每种方法对深绿色草的估算误差均小于对黄绿色草,在阴天条件下(云量≥70%)的估算误差小于晴天条件下(云量≤10%)。盖度增加时,VEG、CIVE、EXG、COM方法估算误差增大,EXGR、NGRDI方法无明显变化规律。同日内不同时次,随着太阳高度角、光照强度的变化,6种方法阈值无明显变化(阈值波动≤0.02)。不同天气条件下,VEG、CIVE方法的阈值基本无变化(阈值波动≤0.01),其余方法变化明显(阈值波动≥0.03)。综上,6种方法均可满足在手机平台中应用的要求,COM方法精度最高,NGRDI方法精度最低。VEG、CIVE方法阈值设定无须考虑光照变化影响,较其他方法具有更好的通用性。     

基于消费级无人机搭载数码相机监测小麦长势状况研究

[目的]本文旨在探究消费级无人机搭载数码相机更好地用于小麦长势快速监测。[方法]于2015—2017年开展涉及2个小麦品种和4个施氮水平处理的田间小区试验,在小麦关键生育期采用大疆精灵3专业版无人机自带的数码相机获取试验区数码影像,并提取6种颜色指数,同步取样并测定叶面积指数、叶片干物质量及叶片氮积累量等小麦长势信息,在小麦抽穗前、后及全生育期分别运用指数函数和随机森林算法定量分析长势信息与颜色指数的关系。[结果]在小麦各生长阶段,指数函数模型表现较好,可见光大气阻抗指数(visible atmospherically resistant index,VARI)、超红指数(excess red index,ExR)和归一化绿减红差值指数(normalized green minus red difference index,NGRDI)与叶面积指数、叶片干物质量和叶片氮积累量的相关性均表现较好,继而分别建立了基于VARI、ExR和NGRDI的叶面积指数(R~2=0.71～0.82)、叶片干物质量(R~2=0.42～0.71)和叶片氮积累量(R~2=0.52～0.76)的指数函数监测模型。独立试验数据的检验结果表明:在抽穗前及全生育期,ExR(R~2=0.45～0.70和0.42～0.62)监测模型估测的叶面积指数、叶片干物质量和叶片氮积累量与实测值拟合性更好,在抽穗后期,VARI(R~2=0.68～0.72)监测模型估测效果更好。[结论]结合小麦各生长阶段指数函数监测模型,利用无人机搭载数码相机可以快速无损监测小麦长势状况。     

基于无人机可见光影像的坐果期枣树冠层SPAD值估算

以坐果期枣树为研究对象,利用无人机可见光影像,对田间尺度的枣树冠层SPAD值进行监测,基于14种植被指数与枣树冠层实测SPAD值的相关性,优选植被指数构建单变量回归、多元逐步回归和随机森林回归的枣树冠层SPAD值估算模型,以期探讨无人机可见光遥感影像估算枣树冠层SPAD值的可行性。通过相关性分析发现,红绿比值指数(RGRI)、超绿指数(EXG)、改进型绿红植被指数(MGRVI)、可见光波段差异植被指数(VDVI)、可见光大气阻抗植被指数(ARVI)与枣树冠层SPAD值的相关性极显著,其中EXG与枣树冠层SPAD值的相关系数达到-0.578。基于枣树冠层SPAD值的相关性极显著的5种植被指数构建的单变量反演模型的r²在0.111～0.604之间,RMSE在1.936～3.085之间。其中,以EXG构建的线性模型为单变量反演模型中效果最优的模型,r²达到0.604,RMSE为1.936。基于RGRI、MGRVI、EXG协同构建的多元逐步回归模型效果优于任何单一植被指数构建的单变量反演模型,R²达到0.635。与使用单变量构建...     

运用土壤水分表征小麦受渍影响程度的指标构建

【目的】针对地下水位埋深和气象要素构建的小麦受渍程度特征量不足的问题,构建小麦受渍指数WI(Waterlogging index),为小麦产量预报和减灾抗灾提供科学依据。【方法】以长江中下游地区常见小麦种植品种“扬麦11”和“郑麦7698”为材料,通过小麦不同品种受渍处理盆栽试验,利用APSIM模型中土壤水分低氧胁迫对小麦根系影响的特征量作为小麦受渍日指数,结合土壤体积含水量,研究土壤水分低氧胁迫、受渍程度与小麦产量的关系。【结果】(1)小麦受渍时长与小麦产量增减率呈极显著线性负相关,小麦受渍时间越长,小麦产量增减率越低。对比不同受渍时期小麦产量增减率,开花至成熟期对小麦进行受渍处理产量影响较大;(2)累计WI与小麦叶片SPAD值呈显著负线性关系,即小麦受渍越严重,小麦叶片叶绿素含量及活性越低;(3)当WI≤5.3(“扬麦11”)或6.0(“郑麦7698”)时,WI与小麦产量增减率呈正相关,WI越大小麦产量增减率越高;当WI>5.3(“扬麦11”)或6.0(“郑麦7698”)时,WI与小麦产量增减率呈负相关,契合小麦受渍害影响机理。【结论】基于土壤水分构建的WI可定量表达小麦受渍...     

基于冠层RGB图像的冬小麦氮素营养指标监测

[目的]本文旨在探索基于冬小麦冠层RGB图像的氮素营养指标实时监测方法,为实现简便、准确的冬小麦氮素营养诊断和推荐施肥奠定基础。[方法]基于3年次的冬小麦大田氮肥梯度试验,采用数码相机在返青期和拔节期垂直拍摄冠层RGB图像。分析图像特征参数绿红通道比值(G/R)、绿红通道差值(GMR)、红光标准化值(NRI)、绿光标准化值(NGI)、色相(H)和冠层覆盖度(CC)与植株氮素生理指标间的关系,筛选氮素营养监测指标的最优图像特征参数,构建氮素营养指标估算模型。[结果]CC与冬小麦地上部生物量、氮积累量和叶面积指数(LAI)三者间的相关系数最高,分别为0.87、0.85和0.84(P0.01);其他特征参数与三者间的相关系数相对较低,其中H为0.81、0.77和0.79,NRI为-0.80、-0.77和-0.77,G/R为0.73、0.63和0.76,GMR为0.66、0.67和0.63。采用CC作为冬小麦氮素营养指标估算模型的输入参数,并分别使用异速生长函数和指数函数建立地上部生物量、氮积累量和LAI估算模型,异速生长函数这3个指标的估算模型R~2分别为0.82、0.76和0.82(P0.01),指数函数的R~2分别为0.80、0.74和0.85(P0.01)。利用独立试验数据对模型进行验证,异速生长函数模型预测值和观测值间的R~2平均为0.89(P0.01),地上部生物量、氮积累量和LAI预测值的均方根误差(RMSE)分别为31.09 g·m~(-2)、1.37 g·m~(-2)和0.16;指数函数模型预测值和观测值间的R~2平均也为0.89(P0.01),地上部生物量、氮积累量和LAI预测值的RMSE分别为28.95 g·m~(-2)、1.34 g·m~(-2)和0.17。[结论]异速生长函数和指数函数模型在利用CC对冬小麦氮素营养指标进行估算时均具有较好的预测性。基于RGB图像的监测方法操作简单、准确度高,可实时获取监测结果,具有较高的推广应用价值。     

基于像元二分法的冬小麦植被覆盖度提取模型

【目的】快速准确提取冬小麦返青期植被覆盖度信息。【方法】利用无人机获取田间冬小麦可见光图像,提取图像中4种常见可见光植被指数;在像元二分法原理的基础上,分别构建基于差异植被指数(Visible-band difference vegetation index,VDVI)、过绿指数(Excess green,EXG)、归一化绿蓝差异指数(Normalized green-blue difference index,NGBDI)和归一化绿红差异指数(Normalized green-red difference index,NGRDI)的植被覆盖度提取模型,采用支持向量机(Support vector machine,SVM)监督分类结果作为真值对各模型进行精度验证。【结果】4种模型中,利用VDVI植被覆盖度提取模型获取的植被覆盖度精度最高,提取效果较好。与监督分类结果对比,4种植被覆盖度提取模型的提取误差(EF)分别为3.36%、15.68%、8.74%和15.46%,R2分别为0.946 1、0.934 4、0.695 3和0.746 0,均方根误差(RMSE)分别为0.021 9、0.059 5、0.042 0和0.055 9。【结论】采用可见光植被指数结合像元二分法构建植被覆盖度提取模型实现了冬小麦返青期植被覆盖度准确快速提取,为植被覆盖度提取提供了一种新途径,可为无人机遥感监测提供参考。     

基于冬小麦冠层数码图像的叶面积指数和叶片SPAD值的估算

为探究冠层图像分析技术在冬小麦长势监测中应用,6个施氮水平的田间试验条件下,在冬小麦拔节期采集冠层图像,并同步测定冬小麦叶面积指数和叶片SPAD值.通过图像分析软件计算了冬小麦冠层覆盖度及红、绿、蓝亮度值等10种色彩指数,分析了叶面积指数及叶片SPAD值与色彩指数和冠层覆盖度的相关性,利用逐步回归方法构建了叶面积指数及叶片SPAD值的估算模型.结果表明:冬小麦拔节期叶面积指数与冠层覆盖度及几个色彩指数呈极显著相关;叶片SPAD值与红光标准化值等几个色彩指数呈极显著相关;利用叶面积指数估算模型计算的预测值与实测值的线性回归方程的决定系数为0.771,相对均方根误差为25.181％;利用叶片SPAD值估算模型计算的预测值与实测值的线性回归方程的决定系数为0.644,相对均方根误差为6.734％.相关分析和估算模型验证结果表明,基于冠层图像分析的冬小麦拔节期叶面积指数和叶片SPAD值的监测是可行的.     

基于作物生长模型的小麦区域化旱涝监测预警

利用江苏、安徽、山东和河南4个小麦主产省代表性区域有关试点的气象数据,同时采用气候数据插值专用软件ANUSPLIN插值生成的上述代表性区域1971—2015年逐年5 km×5 km分辨率的网格化逐日数据集(逐日平均气温、最高气温、最低气温、降水量、日照时数等),结合经改进的WCSODS(小麦栽培模拟优化决策系统)及其区域化方法,并利用相关监测数据,开展冬小麦旱涝灾害损失的区域化监测预警与精细化评估。结果表明,研究区域冬小麦有典型的北旱南涝、干旱灾损一般大于涝渍灾损的分布特点;短期灾损指数可对小麦旱涝灾损进行区域化的动态监测预警。     

基于无人机图像的水稻拔节期叶面积指数估算

为快速准确地估算水稻叶面积指数,利用无人机获取水稻拔节期高清图像,通过图像处理技术提取相关参数,确定绿-红(GMR)参数可以作为估算水稻LAI的较优参数并建立模型。结果表明:以GMR参数建立的水稻LAI估算模型拟合效果较好,决定系数为0.8808,达到极显著水平。同时利用独立的实测数据对模型进行了验证,决定系数为0.7897,也达到极显著水平。该方法可以为水稻LAI的智能估算提供新的参考。     

基于WCSODS的小麦旱涝灾损区域化监测与精细化评估

采用国内外广泛应用的气候数据插值专用软件-ANUSPLIN,插值生成江苏、安徽、山东和河南4个小麦主产省代表性区域1971-2015年逐年的5 km×5 km分辨率的网格化逐日数据集,数据包括逐日平均、最高气温、最低气温、降水量和日照时数等。结合经改进的WCSODS(小麦栽培模拟优化决策系统)的区域化方法,并利用相关监测数据,开展了研究区域冬小麦旱涝灾害损失的区域化监测与精细化评估。结果表明:作物模型评估的灾损率等级与实际灾损率等级在空间分布上表现一致,区域内所有格点灾损率等级基本准确率(等级差≤1)为83.3%,其中完全准确率(等级差=0)为62.3%。研究区域冬小麦有典型的北部偏旱、南部偏涝的分布特点,且干旱灾损一般大于涝渍灾损。整个研究区域平均而言,干旱和涝渍灾损均有随年份微弱减少的趋势。     

基于图像特征的油菜叶绿素含量快速估算

农业生产中叶片颜色通常被用作植物生长胁迫的诊断指标,叶片颜色与作物叶绿素含量密切相关.当前叶绿素含量的化学测定方法需耗费较多人力物力,而且得到测定结果存在滞后性,不能用于作物田间及时管理.通过油菜叶片图像颜色如R(红)G(绿)B(蓝)空间与Lab空间特征参数,可实现油菜叶绿素含量的估算.本研究表明:基于叶片图像颜色特征...     

猕猴桃叶片叶绿素含量高光谱估算模型研究

【目的】研究猕猴桃叶片叶绿素含量的高光谱估算方法,为猕猴桃长势的遥感监测提供理论依据。【方法】以陕西杨凌蒋家寨村2018年不同生育期(初花期、幼果期、膨果期、壮果期、果实成熟期)的猕猴桃叶片为研究对象,分别测定其高光谱反射率和叶绿素含量(SPAD值),分析原始光谱和5个常见的植被指数(归一化植被指数、归一化叶绿素指数、改进的叶绿素吸收反射率指数、MERIS地面叶绿素指数、土壤调整指数)与叶绿素含量之间的相关关系,提取各生育期的特征波段,分别建立基于特征波段和植被指数的单波段叶绿素含量一元线性估算模型。利用主成分分析对原始光谱数据进行降维,将得到的主成分得分作为随机森林模型的输入变量,建立基于多波段信息的叶绿素含量多元估算模型,并对模型进行精度验证和分析。【结果】不同生育期猕猴桃叶片光谱反射率变化趋势基本一致,整体趋势为可见光波段反射率低,近红外波段反射率高;在可见光波段,光谱反射率随着叶绿素含量的升高而降低;在近红外波段,光谱反射率则随着叶绿素含量的增加而升高。通过相关性分析可知,初花期、幼果期、膨果期、壮果期、果实成熟期原始光谱的特征波段分别为729,548,707,707和712 nm,估算模型决定系数(R~2)分别为0.18,0.85,0.54,0.85和0.82,其中初花期估算模型未通过显著性检验,其余生育期均通过极显著性检验。在5个常用植被指数中,初花期与叶绿素含量相关性最高的是归一化叶绿素指数(NPCI),但是估算模型决定系数R~2只有0.1,未通过显著性检验;其他生育期与叶绿素含量相关性最高的是MERIS地面叶绿素指数(MTCI),所建立的估算模型拟合效果好,预测精度高。基于主成分分析和随机森林回归建立的不同生育期猕猴桃叶片叶绿素含量估算模型的R~2在0.91～0.98,均通过极显著性检验,其拟合效果和预测精度远高于单波段一元线性回归和基于植被指数的一元线性回归模型,是估算猕猴桃叶片叶绿素含量的最优模型。【结论】基于主成分分析的随机森林模型包含了更完整的波段信息,对不同生育期猕猴桃叶片叶绿素含量具有较好的预测能力。     

基于高光谱数据的作物净初级生产力估算方法

叶片叶绿素含量、叶片含水量、叶面积指数、光合有效辐射是影响作物净初级生产力(NPP)的重要因素。以光能利用率模型作为基本模型,结合叶片叶绿素含量、叶面积指数和叶片含水量等生态参数反演方法,构建新的NPP高光谱遥感估算模型。在山东禹城实地观测的小麦和玉米NPP数据基础上,研究还将新构建的模型与NDVI、CI和MCARI等传统叶绿素冠层模型的线性拟合结果进行比较。分析结果表明,新构建的模型在小麦、玉米2种作物NPP估算中都有着较好的表现,可以用来估算作物NPP。     

基于数码照片的草地植被盖度快速提取方法对比

草地植被盖度是表征草地群落结构及其生长状况的重要生态学参数之一。本研究基于乌拉特中旗草地照片,设计一种利用自动阈值分割算法快速计算植被盖度的方法,依次选取RGB颜色空间的EXG指数、HIS颜色空间的H分量、L*a*b*颜色空间的a*分量作为草地植被盖度提取的颜色特征,对比分析上述3种颜色特征方法快速提取草地盖度的效果。结果表明:EXG指数法的提取效果最好,其估算误差相对最低、精度最高、适用性最好;a*分量法次之;H分量法的估算误差相对较大。在去除阴影后,H分量法的估算误差降低、精度也随之升高,EXG指数法的估算精度略有降低,a*分量法无明显变化。3种方法对绿色草地的估算效果均优于黄绿色草地,尤其是a*分量法,其对黄绿色草地的估算精度为80.7%,而对绿色草地的估算精度却高达91.7%,仅次于EXG指数法(93.4%)。     

基于图像分析技术的小麦叶面积指数智能估算

小麦是我国主要的粮食作物之一,合理估算小麦叶面积指数(LAI)对指导生产具有积极意义。该研究利用图像处理技术分析拔节期小麦数码图像颜色特征参数与LAI的变化趋势,通过Pearson相关性分析确定NDIG、GMR、ExG和NDIGR参数可以作为估算小麦LAI的较优参数,并利用多元线性逐步回归分析的方法建立小麦LAI的适宜估算模型。结果表明:以GMR和ExG参数结合建立的小麦LAI估算模型拟合效果较好,R~2=0.9790**,达到极显著水平;利用重复试验获取的实测小麦LAI数据对估算模型进行检验,R~2=0.9301**,RMSE为0.9535,说明该方法是可行的,可以为小麦LAI的智能估算研究提供参考。     

基于光谱角指数小麦冠层叶片特征差异估测研究

[目的]为利用高光谱技术实现作物氮素营养状况无损快速监测提供途径.[方法]通过不同品种小麦不同氮素水平试验,分析小麦不同氮素营养状况下,叶片叶绿素含量与叶面积指数、冠层光谱角的关系,定量分析光谱角指数,并建立相关模型对小麦氮素营养状况进行实时监测.[结果]冠层光谱角指数与差值叶绿素含量和差值叶面积指数的相关性最高为0.919 7,两者之间建立的模型决定系数为0.739 2,0.617 8,具有很好的拟合效果.[结论]利用光谱角可以监测小麦叶片叶绿素及叶面积差异,在此基础上进行小麦氮素营养监测是可行的.     

基于EXG因子的水稻秧苗图像分割

针对水稻稻田图像中秧苗和背景分割问题,采用基于最大类间方差法(OTSU法)的分割方法,成功地把水稻秧苗像素和背景像素分割开.首先用CCD相机获取水稻插秧机插秧作业后的水稻稻田图像,选择超绿特征因子(EXG因子)将水稻秧苗RGB彩色图像转化为灰度图像,使用OTSU法计算阈值,成功地将灰度图像转变为二值图像.又采用该方法分割了20幅水稻秧苗图像,结果表明,EXG因子可以对水稻秧苗图像有效分割.     

基于灰色预测模型的山东省粮食灾损量评估及灾害关联度分析

基于山东省1978-2012年粮食生产及自然灾害数据,利用灰色预测模型量化分析自然灾害对粮食生产的影响,估计粮食灾损量并测算不同粮食作物灾损量与不同自然灾害间的关联系数,得出结论如下:1)1979-2012年间,粮食总灾损量年平均146.50万t。平均波动周期5.67 a,总体来看波动幅度不断减小,具体来看各周期振幅呈现减小、增加、减小的变化规律。2)1979-2012年间,小麦灾损率平均波动周期6.60 a,灾损平均变化率-0.33%;玉米灾损率平均波动周期3.67 a,玉米灾损平均变化率-0.43%。3)各类自然灾害对小麦、玉米的影响程度均表现为:旱灾风雹灾害水灾。     

陇东地区主要农作物干旱灾损风险分析及区划

【目的】研究陇东地区冬小麦和春玉米种植的干旱风险,为指导该区农业生产的合理布局和有效地进行防灾减灾提供科学依据。【方法】从陇东主要农作物产量灾损角度出发,利用作物产量资料和气象资料,对历史干旱灾损情况(干旱分布、干旱发生强度和频率、干旱灾损分布)、受灾体种植面积比例和当地产量水平等方面进行综合分析,建立干旱灾损风险评估模型,确立综合区划指标,并进行干旱灾损风险区划。【结果】陇东多数县(区)冬小麦、春玉米因旱减产率大于20%的年份分别超过20%和14%;冬小麦、春玉米生育期间各类干旱发生频率分别为53%~94%和34%~80%;环县是陇东地区干旱发生最多,重度、极重度干旱发生频率最高的地区,冬小麦、春玉米干旱灾损率最大值均在环县,分别大于30%和20%;根据标准化风险指数将陇东冬小麦、春玉米种植区域分为低、中、较高和高4个风险区,对应的标准化风险指数(Ei)冬小麦分别为:Ei≤0.1,0.1Ei≤0.3,0.3Ei≤0.5,Ei0.5,春玉米分别为:Ei≤0.2,0.2Ei≤0.5,0.5Ei≤0.7,Ei0.7。【结论】陇东冬小麦和春玉米干旱风险分布自南向北逐渐增加,呈纬向分布;陇东北部是高风险区,中北部是较高风险区,中南部是中度风险区,东南部是低风险区。     

1982—2011年旱灾对中国粮食产量影响研究

旱灾严重危害粮食生产,进而危及国家粮食安全乃至社会的稳定和经济的发展。利用1982—2011年的旱灾受灾、成灾和绝收数据,从灾害面积、旱灾强度指数(ξn)、旱灾强度异常指数(Id)、灾损量(Fd)、粮食波动系数(Ip)和灾损比例及旱灾影响等角度定量分析了中国与各省区旱灾的时空特征及其对中国粮食安全的影响。研究表明,1982—2011年,我国年均受灾、成灾和绝收面积为361.68×106、186.38×106、38.43×106hm2,分别占农业气象灾害年平均面积的53.3%、53.2%和47.1%;粮食灾损量在20.46×106~83.63×106t,年均粮食灾损量为39.40×106t;灾损比例在8.02%~18.97%,平均灾损比例为13.96%,年人均旱灾粮食损失32.56 kg;我国旱灾严重的中心在北方,西南地区为次中心,而东南沿海地区的旱灾较轻;干旱强度与粮食单产波动、粮食灾损量的统计分析表明,干旱对二者有显著影响。因此,建立和完善农业防灾减灾体系,增强应对旱灾的能力对于保证我国粮食安全具有重要意义。