基于熵权TOPSIS模型评价涝渍条件下冬小麦水位管理方案

为了选取基于资源、环境、效益相统一的水位调控方案,通过调节农田水位,制定了不同的排灌方案模拟冬小麦不同生育期的涝渍胁迫状况.将熵权法和TOPSIS模型有机结合,从冬小麦的高产、水资源的高效利用、减少农业面源污染3个方面选取4个指标构建冬小麦水位管理评价体系.通过熵权法确定各指标权重,运用TOPSIS模型对13种不同的水位管理方案进行计算,得到各处理的理论贴合度S_i,从而评价了各水位管理方案受到涝渍胁迫的影响.根据模型计算结果得出,冬小麦在乳熟期-200 mm(3 d)(5 d-800 mm)受涝渍影响最严重,造成产量下降明显;而在分蘖期-50 mm(1 d)(5 d-200 mm)受到涝渍胁迫时,可实现冬小麦高产、节水和减排的目标.结果符合试验规律,具有一定的实践价值.     

涝渍胁迫对棉花形态与产量的影响

为揭示棉花对涝渍胁迫的响应规律,于2008—2011年在武汉大学校园灌溉排水试验场开展了测坑试验研究,分析了涝渍胁迫不同形式(涝渍单一和涝渍综合)及不同生育期(蕾期、花铃期和吐絮期)对棉花形态(叶面积指数、茎粗和株高)和产量(籽棉和干物质)的影响,建立了"涝渍胁迫-形态特征-产量水平"结构方程模型,比较分析了各因子间的作用效果。结果表明:在形态响应方面,单渍胁迫即使历时更长,对棉花形态生长的影响仍小于单涝胁迫,而涝渍综合胁迫的抑制作用最大;蕾期和花铃期内遭遇涝渍综合胁迫均会显著(p0.05)抑制棉花形态生长,而吐絮期内抑制作用很小;叶面积生长受涝渍胁迫的抑制作用最大,其余依次是茎粗和株高。在产量响应方面,单涝胁迫的减产作用大于单渍胁迫,与涝渍综合胁迫基本相同;花铃期内棉花遭受涝渍综合胁迫会导致显著减产,蕾期次之,而吐絮期内减产作用较小;籽棉产量受涝渍胁迫的减产作用比干物质产量大。涝渍胁迫对棉花产量的作用效果大于形态;在所选的涝渍胁迫单一和综合指标中,以涝渍时间单一指标(受涝期间累积地表受淹深度和累积超标地下水位SWFDH、受渍期间地下累积超标地下水位SEW30)最适合描述涝渍胁迫对棉花形态及产量的影响。     

涝渍胁迫对冬小麦生长因子变化的影响研究

通过田间试验,研究了水位调控下不同生育阶段涝渍胁迫对作物生长指标(茎蘖数、株高、冠层叶面积指数(CLAI)及地上干物质量)的影响。结果表明,返青分蘖期涝渍胁迫使小麦茎蘖数增多,拔节孕穗期和抽穗开花期涝渍胁迫则使小麦茎蘖数迅速下降,而乳熟期涝渍胁迫则对小麦茎蘖数影响不明显;返青分蘖期、拔节孕穗期及抽穗开花期控水对株高影响最为明显,应尽量避免在拔节孕穗期受涝渍胁迫;返青分蘖期、拔节孕穗期涝渍胁迫不利于叶片生长,导致冠层叶面积指数下降,抽穗开花期受渍胁迫导致小麦晚熟,冠层叶面积指数增大,乳熟期受涝胁迫加速了叶片的衰老,导冠层叶面积指数迅速下降;考虑到小麦地上干物质量的积累,应避免在返青分蘖期、拔节孕穗期、抽穗开花期涝渍胁迫,且应以较大的地下水降落速度排出地下水。     

几种作物对涝渍胁迫的敏感性试验研究

为探索涝渍地水管理 ,促进农业发展 ,采取小区试验、测坑试验和实地典型调查等方法研究了大豆、棉花、油菜和中稻对涝渍胁迫的敏感性。试验表明 :在产量形成的关键时期受涝渍胁迫 ,棉花减产反应比大豆敏感 ,减产幅度大 ;油菜对涝渍的反应比水稻要敏感 ,涝渍地种植油菜的减产幅度是种植中稻的 2～ 3倍。     

几种作物对涝渍胁迫的敏感性试验研究

为探索涝渍地水管理,促进农业发展,采取小区试验,测坑试验和实地典型调查等方法研究了大豆、棉花、油菜和中稻对涝渍胁迫的敏感性,试验表明;在产量形成的关键时期受涝渍胁迫,棉花减产反应比大豆敏感,减产幅度大;油菜对涝渍的反应比水稻敏感,涝渍地种植油菜的减产幅度是种植中稻的２－３倍。     

多过程连续涝渍胁迫对棉花产量的

在长江中下游平原湖区，棉花生长期间适逢雨季，常受多过程涝渍胁迫。通过测坑试验发现棉花受多过程涝渍胁迫后减产严重，涝渍程度可用涝渍因子(SFW、SEW50、SFEW50)来描述，棉花相对产量(Ry)与涝渍因子(SFW、SEW50、SFEW50) 之间存在着显著的线性关系。     

多次涝渍胁迫间歇作用对棉花产量的影响

在多雨湿润地区,夏秋作物在生长季节多次遭遇涝渍综合胁迫比较常见,研究这一问题对农业涝渍灾害评价和减灾有重要意义。采用测坑试验研究了棉花遭遇多次涝渍胁迫问题,分析表明,从蕾期—吐絮初期,棉花遭遇间歇性、多次涝渍综合胁迫显著影响产量,其中以7月中旬至8月中下旬的胁迫影响最大;作物相对产量与各阶段受涝时间之间有极显著的相关关系;7月中下旬大气温度与湿度对产量的影响大于其他时段,该阶段气温日较差和大气相对湿度与产量之间的关系比较密切;在棉花主要生长阶段天气无剧烈变化时,涝、渍对作物的影响居于首位;当5 d内温度变幅>9℃或空气饱和差>8 hPa的天气过程频繁发生时,涝、渍对作物的影响居于次要位置。     

基于无人机成像高光谱影像的冬小麦LAI估测

利用无人机Cubert UHD185 Firefly成像光谱仪和ASD光谱仪获取了冬小麦挑旗期、开花期和灌浆期的成像和非成像高光谱以及LAI数据。首先,对比ASD与UHD185光谱仪数据光谱反射率,评价两者精度;然后,选取7个光谱参数,分析其与冬小麦3个生育期LAI的相关性,并使用线性回归和指数回归挑选出最佳估测参数;最后利用多元线性回归、偏最小二乘、随机森林、人工神经网络和支持向量机构建了冬小麦3个不同生育期LAI的估测模型。结果表明:UHD185光谱仪光谱反射率在红边区域与ASD光谱仪趋势一致性很高,反射率在挑旗期、开花期、灌浆期的R^2分别为0.9959、0.9990和0.9968,UHD185光谱仪数据精度较高;7种光谱参数在挑旗期、开花期、灌浆期与LAI相关性最高的参数分别是NDVI(r=0.738)、SR(r=0.819)、NDVI×SR(r=0.835);LAI-MLR为冬小麦LAI的最佳估测模型,其中开花期拟合性最好,精度最高(建模R^2=0.6788、RMSE为0.69、NRMSE为19.79%,验证R^2=0.8462、RMSE为0.47、NRMSE为16.04%)。     

花荚期涝渍胁迫对大豆生长和产量的影响

为探索汛期易涝易渍情况下大豆种植的排水管理措施,通过测坑试验研究了大豆花荚期涝渍对其生理特征和产量的影响。结果表明,涝渍胁迫引起大豆单株实荚数、百粒质量的减少和减产。大豆相对产量和涝渍综合累积水深SFEW_(30)显著负相关(R=0.948 9),随着涝渍时间的延长,减产幅度增大。在供试土壤为砂姜黑土情况下,为保证大豆正常生长发育并高产,花荚期涝渍时必须将农田地下水位在5 d内降至地面以下30 cm。     

蕾期涝渍胁迫对盆栽棉花生长和产量特性的影响

涝渍灾害是棉花生产中面临的重要自然灾害之一,长江流域棉花蕾期常遭遇多雨天气而产生涝渍灾害。在盆栽条件下,以华棉3109为试验材料,研究了不同涝害胁迫7 d(T1处理)和14 d(T2处理)对棉花生长和产量特性的影响,正常灌水管理作为对照(CK)。结果表明,在涝渍胁迫处理期间,棉花叶片SPAD值、株高、绿叶数、倒四叶功能叶叶面积、开花数、蕾数、结铃数、果枝数和果节数均表现为:CKT1处理T2处理。在处理结束之后(花铃期),受涝渍胁迫棉株株高、茎粗、蕾数、开花数、结铃数、果枝数和果节数等指标都相继出现快速补偿性生长现象。但是随着涝渍胁迫时间的增加,棉花蕾铃脱落率升高,成铃率下降,最终产量构成因素和单株籽棉产量呈下降趋势。     

基于NDWI和卷积神经网络的冬小麦产量估测方法

为进一步提高冬小麦单产估测的效率和准确性,利于宏观指导农业生产、制定冬小麦整个生长期的精准管理决策,针对目前已有的县域冬小麦单产估测方法存在时效性差、准确度低、成本高等问题,以中分辨率成像光谱仪（Moderate resolution imaging spectroradiometer, MODIS)为数据源,分别提取不同时段可见光与近红外波段信息,选择归一化差值植被指数（Normalized difference vegetation index, NDVI）、归一化差值水指数（Normalized difference water index, NDWI）、土壤调节植被指数（Soil adjusted vegetation index, SAVI）、调整土壤亮度植被指数（Optimal soil adjusted vegetation index, OSAVI)、绿色归一化植被指数（Green normalized difference vegetation index, GNDVI)、改进型土壤调节植被指数（Modified soil adjusted vegetation index, MSAVI)以及绿红植被指数（Green red vegetation index, GRVI）7个遥感植被指数,以其直方图分布信息作为输入变量,应用卷积神经网络（Convolutional neural network, CNN）回归预测冬小麦产量,对比分析NDWI在冬小麦产量估测上的表现并探究其在霜冻害影响下的精度变化。研究表明,相对于植被指数NDVI、SAVI、OSAVI、GNDVI、MSAVI、GRVI,NDWI对冬小麦生育早期的产量预测表现出更好的预测效果,单产去趋势前后的NDWI对产量的预测精度均高于NDVI、SAVI等植被指数,决定系数最高可达到0.79,且在霜冻害影响下仍能保持较好的预测效果;NDWI在抽穗—灌浆阶段对冬小麦最终产量影响最大,4月23—30日时间段内NDWI对产量的决定系数可达到0.72;空间分布上,研究区域冬小麦具有东部单产最高、中部次之、西部单产最低的空间分布特征,西部和北部山区与东部黄淮海平原交界处误差较大。研究结果可为冬小麦生育早期产量预测提供科学依据。     

无人机多光谱数据可靠性分析与冬小麦产量估算研究

无人机多光谱遥感用于冬小麦产量预测中捕获的数据准确性不高,为指导田块尺度下冬小麦产量的精准预测,需构建高精度的冬小麦产量估算模型。本研究利用校正后的近地面高光谱数据(Field-Spec 3型野外光谱仪获取)验证低空无人机多光谱遥感数据(大疆精灵4型多光谱相机获取),将通过无人机多光谱影像计算的植被指数与经验统计方法结合,采用一元回归和多元线性回归分别对抽穗期、开花期和灌浆期冬小麦进行基于单一植被指数和多植被指数组合的产量估算,其中多植被指数包括归一化差异植被指数(NDVI)、优化的土壤调节植被指数(OSAVI)、绿色归一化差值植被指数(GNDVI)、叶片叶绿素指数(LCI)和归一化差异红色边缘指数(NDRE)。结果表明,基于单一植被指数的冬小麦估产模型,一元二次回归模型精度最高,而基于5种植被指数的多元线性回归模型在3个生育时期的拟合效果均优于单植被指数模型。一元或多元回归模型在抽穗期的拟合效果最好。冬小麦基于GNDVI指数的一元二次回归估产模型建模集的决定系数(R²)、均方根误差(RMSE)分别为0.69、428.91 kg/hm²,验证...     

基于Sentinel-1/2数据特征优选的冬小麦种植区识别方法研究

为了提高冬小麦种植区识别精度,本文基于谷歌地球引擎(Google Earth Engine, GEE)平台和随机森林算法,对比雷达和光学遥感数据对冬小麦提取效果的差异,并对多类特征变量进行重要性分析,研究特征优选对冬小麦识别精度的影响。选取2019年3—5月冬小麦关键生育期的Sentinel-1和Sentinel-2影像为数据源,构建Sentinel-1的极化特征和纹理特征以及Sentinel-2的光谱特征、植被指数特征、植被指数变化率特征共5类特征变量;设置不同数据源和不同特征组合的冬小麦种植区提取方案;对方案中特征变量进行优选,得出最优特征组合,利用最优特征组合对河南省驻马店市冬小麦种植区进行提取。结果表明,无论是否进行特征优选,基于多源遥感数据的冬小麦识别精度均优于仅采用光学或雷达数据的精度;经过特征优选后,各方案的分类精度均有不同程度的提升,说明多源数据特征变量组合和特征优选均能够提高分类精度。不同月份和类型的特征变量对分类精度的贡献率不同,贡献率由大到小为4月、3月和5月;贡献率由大到小的特征类型为极化特征、植被指数变化率特征、植被指数特征、光谱特征和纹理特征。基于多源数据特...     

基于Hyperion高光谱影像的冬小麦地上干生物量反演

在黄淮海粮食主产区选择河北省衡水市深州市为试验区,以冬小麦地上干生物量为研究对象,以作物冠层高光谱和EO-1 Hyperion高光谱卫星数据为主要数据源,在分析冠层高光谱构建的窄波段植被指数(N-VIs)与实测冬小麦地上干生物量间相关性基础上,提出了利用拟合精度R2极大值区域重心确定冬小麦干生物量敏感的光谱波段中心的方法,并运用该方法确定了冬小麦生物量敏感波段中心。在此基础上,以敏感波段中心筛选结果为指导,利用窄波段植被指数及相关波段开展Hyperion高光谱卫星遥感区域冬小麦干生物量遥感反演和精度验证。最终,按精度最高原则优选区域冬小麦地上生物量反演结果。其中,研究采用了冬小麦孕穗期Hyperion数据,涉及的植被指数包括窄波段归一化植被指数(N-NDVI)、窄波段差值植被指数(N-DVI)和窄波段比值植被指数(N-RVI)。结果表明,通过与实测冬小麦地上干生物量对比,利用冠层高光谱冬小麦地上干生物量反演敏感波段筛选结果及其相应波段构建的Hyperion窄波段植被指数进行孕穗期作物干生物量估算取得了较好结果,其精度由大到小为:NNDVI、N-RVI、N-DVI。其中,以波段B18(波长528.57 nm)、波段B82(波长962.91 nm)构建的Hyperion N-NDVI估算区域冬小麦地上干生物量精度最高,相对误差(RE)和归一化均方根误差(NRMSE)分别为12.65%和13.78%。     

基于平稳小波变换的冬小麦覆盖度高光谱监测

在2010与2011年度冬小麦生长季,通过大田小区试验,实测了冬小麦冠层的高光谱反射率与覆盖度。分析了不同覆盖度下的冬小麦冠层光谱特征以及不同生育期冬小麦冠层光谱反射率与覆盖度的相关性,建立了基于归一化植被指数(NDVI)与比值植被指数(RVI)、小波能量系数的不同生育期冬小麦覆盖度估算模型。结果表明:覆盖度越大,冬小麦光谱反射率在可见光波段越小,在近红外波段越大。在可见光波段,光谱反射率与覆盖度负相关,在"红边"处,由负相关变成正相关。在返青期、拔节期,NDVI估算效果好(R2为0.835 9、0.805 7);在抽穗期、灌浆期,RVI估算效果好(R2为0.803 1、0.829 4)。在返青期、拔节期、抽穗期、灌浆期,以高频、低频小波能量系数为自变量的冬小麦覆盖度估算模型的R2分别达到0.911 2、0.895 4、0.880 2、0.927 5。     

华北冬小麦拔节期和灌浆期水分胁迫的WUE效应研究

选用2个华北冬小麦代表品种石家庄8号和YM20,采用盆栽试验,研究了拔节期和灌浆期水分胁迫对冬小麦产量和水分利用率的影响。结果表明,华北冬小麦WUE对拔节期和灌浆期的水分亏缺均很敏感,胁迫程度越大其对产量和WUE的负效应越大;轻度亏缺复水后WUE恢复较快,重度时则恢复慢而有限;拔节期水分胁迫主要减少粒数,灌浆期则主要降低粒质量;田间持水率为60%的轻度胁迫对产量和WUE影响最小,拔节期的适宜胁迫历时为5d,灌浆期可为10d。     

模拟多光谱卫星宽波段反射率的冬小麦叶片氮含量估算

基于多年大田和小区试验下的实测小麦冠层高光谱信息,利用传感器光谱响应函数模拟Landsat 8、SPOT 6、HJ-1A、HJ-1B、GF-1和ZY-3卫星可见光-近红外波段的冠层光谱反射率,构建基于光谱指数的全生育期叶片氮含量(Leaf nitrogen concentration,LNC)估算模型。结果表明,基于不同传感器模拟的宽波段光谱反射率、光谱指数之间存在差异,但差异不显著;所有筛选的光谱指数和叶片氮含量都在P0.01水平显著相关,基于各光谱指数所构建的全生育期叶片氮含量估算通用模型均通过显著性检验;基于综合指数(TCARI/OSAVI)、转化叶绿素吸收反射指数(TCARI)、比值植被指数(RVI)的叶片氮含量估算模型具有较高的敏感性,噪声等效误差(NE)均小于1.6,其中以TCARI/OSAVI建立的叶片氮含量估算通用模型具有最好的拟合、检验精度和适用性,模型决定系数为0.62,NE为1.26。     

基于多维高光谱植被指数的冬小麦叶面积指数估算

为提高干旱区冬小麦叶面积指数（Leaf area index, LAI）遥感估算精度,以拔节期冬小麦LAI为研究对象,在对冠层高光谱数据进行一阶（First derivative, FD）、二阶（Second derivative, SD）微分预处理的基础上,计算了任意波段组合的二维植被指数（Two-dimensional vegetation index, 2DVI）和三维植被指数（Three-dimensional vegetation index, 3DVI）,通过进行与LAI之间相关性分析,寻求最佳波段组合的植被指数;利用人工神经网络（Artificial neural network, ANN）、K近邻（K-nearest neighbors, KNN）和支持向量回归（Support vector regression, SVR）算法分别建立LAI估算模型,并进行精度验证。结果表明：任意波段组合的植被指数与LAI相关性均显著提高,尤其是基于一阶微分预处理光谱的FD-3DVI-4（714 nm, 400 nm, 1 001 nm）相关系数达到0.93（P<0.01）,且最...     

基于小波技术的冬小麦植株组分含水率估测模型

为研究光谱对冬小麦植株组分含水率的估测能力,分析小波技术对光谱信息的分离规律,以冬小麦冠层光谱数据与相应的冬小麦植株叶片、茎秆、麦穗含水率的测定值为数据源,先采用小波技术分离冬小麦冠层光谱信息,再将分离的光谱信息与冬小麦各植株组分的含水率进行相关性分析,并提取敏感波段;最后利用偏最小二乘算法构建冬小麦植株组分含水率的估测模型,并进行了验证与评价。研究表明:经小波技术分解后,冬小麦冠层光谱内的吸收特征逐分解水平分离至高频信息内,且各分解水平所代表的吸收特征按强度依次分布于高频信息的分解水平H1～H10内;冬小麦麦穗含水率估测模型的精度与稳定性较强,茎秆次之,叶片稳定性最差,说明扬花期后的冬小麦水分供给已不再适合只采用叶片含水率进行评定,应增加或替换检测指标。