基于Logistic算法与遥感影像的棉花虫害监测研究

【目的】借助多光谱遥感影像和Logistic算法,实现对棉田虫害的田间监测。【方法】以患虫害棉花区域为研究对象,利用无人机获取棉田多光谱遥感影像,并对影像进行预处理;结合受虫害棉花光谱特征,利用虫害敏感波段反射率与植被指数构建Logistic回归模型,开展棉花虫害识别监测研究。【结果】由土壤调节植被指数(Soil adjusted vegetation index,SAVI)模型和归一化植被指数(Normalized vegetation index,NDVI)模型构建的棉蚜虫、棉红蜘蛛、棉铃虫识别模型为最优模型,其训练样本准确率达到93.7%,测试样本准确率达到90.5%,召回率为96.6%,F1值为93.5%,对棉蚜虫、棉红蜘蛛和棉铃虫的识别模型决定系数分别为0.942、0.851和0.663。【结论】该模型可满足棉田中棉蚜虫、棉红蜘蛛和棉铃虫3种虫害的发生区域识别,且可基本满足棉田精准植保作业相关要求。     

棉花棉叶螨叶片遥感监测技术研究

通过使用便携式光谱仪对新疆石河子地区不同程度棉叶螨为害后的叶片光谱进行测量,同步进行理化参数测定,定性和定量地分析了棉叶螨为害后叶片叶绿素a、叶绿素b、叶绿素(a+b)、类胡萝卜素、厚度、全氮含量和含水量的变化和光谱反射特性,建立了棉叶螨叶片光谱诊断模型.结果表明:棉叶螨为害后的叶片所有理化参数较正常叶片低,叶绿素a变化幅度最大(88.8%),叶绿素(a+b)与棉叶螨的相关性最高(r=-0.924).棉叶螨叶片光谱反射率大小在近红外(750~860nm除外)和短波红外波段均随严重度的增加而增加,且可见光波段650nm附近有一个独特的反射峰,但在550nm附近低于正常叶片.605~724nm可作为棉花棉叶螨叶片光谱识别的敏感波段,706nm和758nm为最佳波段.4个估测参数建立的诊断模型均达到极显著相关水平,其中R758nm/R706nm建立的诊断模型检验R2最高(0.823),RE最小(0.351),可推荐为棉花棉叶螨叶片光谱识别的最佳模型.利用高光谱遥感可实现对棉花棉叶螨叶片的有效识别,可为棉花棉叶螨大面积监测提供借鉴和参考.     

生物复合药肥对棉叶螨及棉花生长发育的影响

【目的】研究施用苦参碱、微量元素和氨复合基酸的生物肥复合药剂防治棉叶螨,确定最佳施药时期。【方法】采用不同施用时期的田间小区试验,调查棉叶螨的发生动态。【结果】2017和2018年处理生物肥复合药剂对棉叶螨的防治率分别为60%、90.82%;苦参碱单剂的防螨率为47.13%、72.4%,明显高于苦参碱单剂,差异均极显著(P<0.01)。生物肥复合药剂处理产量分别为142.11和245.5 kg/240 m²,相比其它处理分别高出33%、12.49%、15.27%、10.40%、43.10%;苦参碱处理与对照的产量没有显著性差异;生物复合药肥对株高、茎粗、单铃重、干物质和脱落铃等呈显著性差异。【结论】施用生物肥复合药剂适宜在棉田可推广,可能起到防治棉叶螨,提高产量的作用。     

棉花叶面积指数的遥感估算模型研究

 【目的】棉花叶面积指数是反映作物生物量的重要参数,本文旨在运用遥感数据对这一参数进行估算,为叶面积指数的获取提供更方便快捷的估算模型。【方法】采用美国ASD公司FieldSpec? 手持便携式光谱分析仪所获取的棉花冠层光谱反射率和从中等分辨率的遥感图像提取的植被指数,利用相关分析和回归分析方法,找出叶面积指数的最佳估算时相期和最佳遥感估算模型。【结果】棉花的整个生育期内,叶面积指数在时间曲线上呈现出波动变化,在始铃期棉花的叶面积指数达到峰值,据此规律通过提取该时期的遥感数据,得出棉花叶面积指数的遥感估算模型。【结论】棉花叶面积指数的最佳估算时相是盛花期和结铃期,各品种棉花叶面积指数的遥感估算模型通过精度检验,拟合R2与检验R2 均达到了极显著水平。     

基于多源数据的棉叶螨预测研究

在新疆地区特殊的气候环境和耕作方式下探索大尺度区域的棉叶螨预测预报方法,分别采用气象数据、遥感数据、气象与遥感数据相结合等3种方法建立螨害预测模型,并对新疆生产建设兵团第八师2017年7月的棉叶螨发生情况进行预测。结果表明,2017年5—6月累积降水量、5月温湿系数、4—6月累积降水量、6月上旬降水量、6月27日绿波段归一化植被指数(green normalised difference vegetation index,简称GNDVI)和改进的简单比值指数(modified simple ratio index,简称MSR)、7月13日比值植被指数(ratio vegetation index,简称RVI)共7种特征是建模的最佳因子。基于气象数据模型预测效果最差,分类准确率为71.4%,F1值为68.8%;气象和遥感数据相结合的模型预测效果最好,分类准确率为82.9%,F1值为83.3%;遥感数据模型预测效果介于两者之间,分类准确率为77.1%,F1值为78.9%。气象数据模型在大尺度区域整体趋势预测上有优势,遥感数据模型对于局部变化比较敏感,气象与遥感数据相结合的模型兼备了二者的优点,预测效果最好。研究成果可为新疆地区棉叶螨的提前预防和统防统治提供理论依据。     

基于LANDSAT-5像元尺度的棉田生长密度遥感监测初步研究

 【目的】基于LANDSAT-5像元尺度,分析棉田生长密度监测准确定性的影响因子,并提出改进方法,探索减弱非棉苗背景空间差异的遥感指数,确立棉田生长密度遥感监测的最佳时相,为棉花估产和棉田农作分区管理提供数据支持。【方法】实地调查13块棉田（630 hm2）,获取了棉田生长密度、经纬度以及播种时间、出苗时间所组成的60个样区数据,每样区3个样点;从播种期到盛花期5个时相的遥感影像提取EVI和DEVI,样本等分为建模数据和模型检验数据;采取分播期和不分播期两种方式分别使用EVI和DEVI建立棉田生长密度估算模型,其决定系数经过显著水平检验后,进行模型估算准确性检验,并将优势模型应用于县域范围的棉田生长密度监测。【结果】分析表明,出苗时间,大、小苗对棉田生长密度的监测影响较大,以中期播种数据为例所建立的分播期估算模型检验结果表明,在6月9日和6月25日每公顷棉田生长密度的估算误差分别为2.05×104株/hm2和2.07×104株/hm2,而采用不分播期估算方式时,两个时相模型的绝对估算误差为2.80×104株/hm2和2.53×104株/hm2。在5月24日,DEVI对土壤等背景的空间差异消除作用得到表现,与使用EVI相比,监测时间从6月9日提前到5月24日;兼顾模型监测的准确性和时相因素,棉花现蕾到开花期是棉田生长密度监测的最佳时段;以新疆建设兵团148团为例,使用优选出的6月9日I式估算方法进行示例监测,区域监测结果可以较好表明不同棉田生长密度的分配比例和空间分布特征。【结论】出苗时间和土壤等背景是影响棉田生长密度监测准确性的主要因素,分播期估算能显著提高监测准确性,DEVI遥感参数可以使监测时间提前,从现蕾期到开花期是棉田生长密度估算的最佳时段,优选模型可以在县级区域应用。     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。     

基于无人机高光谱影像的水稻叶绿素含量反演

【目的】为实现快速无损地监测水稻叶绿素含量,采用大疆M600 Pro无人机搭载SENOP RIKOLA高光谱仪获取水稻分蘖期冠层高光谱影像。【方法】利用相关性分析筛选出光谱指数的特征波长,构建DSI、RSI、NDSI、MSR、OSAVI和RDVI 6种植被指数,并利用一阶光谱导数计算其红边面积和红边幅值,分析8种光谱参数参与水稻叶绿素含量之间的相关性分析。将这些光谱参数作为CatBoost回归模型的输入变量,分析8种光谱参数对水稻叶绿素含量的估算能力。【结果】基于红边参数的反演模型中红边幅值拟合效果最好,其R²为0.952 4,RSME为0.638 1;基于植被指数的反演模型中OSAVI指数拟合效果最好,其R²为0.941 6,RSME为0.588 5。2种模型均能有效预测水稻叶绿素含量信息,可以作为水稻叶绿素含量监测的依据。【结论】将无人机高光谱遥感影像与机器回归算法相结合,可以实现对水稻冠层叶绿素含量的精准预测,从而对水稻的生长和健康状况进行实时监测,进而实现对水稻的精准施肥和精准灌溉,对水稻的增产增收以及精准农业的发展具有重要意义。     

基于高光谱遥感的农作物分类研究进展

【目的】农作物类型识别是农作物面积、长势监测与产量预测的重要前提。及时、准确地获取农作物类型、空间分布以及种植面积对制定农业政策、促进社会经济发展和保障国家粮食安全具有重要意义。近年来,高光谱遥感凭借光谱分辨率高、光谱信息丰富等优点,已广泛应用于农作物制图中。【方法】文章归纳了高光谱遥感应用于农作物分类的研究进展,总结了国内外农作物分类常用的高光谱数据源,并分析了各种数据源的适用范围。梳理了农作物高光谱遥感分类方法,讨论了各种分类方法的优缺点。【结果】现有农作物高光谱遥感分类研究存在一些不足:(1)机载高光谱影像光谱分辨率高,但影像监测面积小,不适合大区域农作物面积提取研究;(2)星载高光谱影像监测面积较大,但空间分辨率较低,某些农作物面积提取实际应用中精度较低;(3)由于缺乏对农作物高光谱特征的研究,导致分类算法机理性不足,普适性较差。【结论】农作物高光谱遥感分类未来研究方向是:(1)丰富高光谱遥感监测的农作物类型;(2)提高高光谱影像的空间分辨率,实现农作物种植结构复杂、地块破碎地区的农作物分类研究;(3)进一步研究利用高光谱遥感进行农作物分类的机理和多源数据融合的方法。     

栽培模式与施氮量对棉田节肢动物群落结构及稳定性的影响

【目的】 分别在长江下游沿海棉区(大丰) 和沿江棉区(南京),以早熟常规棉中棉所50号为材料,研究不同栽培模式和施氮量双因素对棉田节肢动物群落结构及稳定性的影响。【方法】 直播棉田以棉花3叶期为起始日期,移栽棉田以移栽后第3 d为起始日期,采用随机调查法,调查整株棉花所有器官,记录棉株上节肢动物的种类及数量。【结果】 栽培措施对棉田天敌亚群落个体数及益害比作用显著,且趋势一致,移栽棉田更有利于天敌发生,益害比更高,不同施氮量对棉田昆虫无明显影响。棉田中主要是棉蚜、烟粉虱、绿盲蝽和花蓟马等刺吸式害虫,主要天敌草蛉、蜘蛛和瓢虫。棉蚜、朱砂叶螨、花蓟马、烟粉虱和绿盲蝽在8月中下旬和9月上中旬发生数量较集中,其中直播棉田棉蚜、朱砂叶螨发生数量相对较多,移栽棉田花蓟马和绿盲蝽发生量相对较多,不增施氮肥棉田花蓟马发生数量相对较多,烟粉虱在棉田间均有发生,且数量较多。草蛉在8月下旬和9月上中旬发生数量大。6月下旬和7月上中旬蜘蛛和瓢虫发生数量大。其中移栽棉田蜘蛛和瓢虫发生量相对较多,增施氮肥棉田草蛉和瓢虫发生数量相对较多。害虫亚群落在南京移N₀棉田中多样性指数和均匀度指数显著高于直N₀棉田,优势集中性指数则相反;天敌亚群落在大丰移N₁₀棉田多样性指数和均匀度指数显著高于直N₀棉田,优势集中性指数则相反。【结论】 棉田昆虫消长动态及发生量因栽培措施和施氮量不同而略有差异。害虫亚群落在移栽方式且不施氮肥的棉田中群落稳定性最高,而天敌亚群落在移栽且增施氮肥的棉田中稳定性最高。节肢动物群落稳定性在各处理间无显著差异。     

Canopy Equivalent Water Thickness Estimation of Cotton Based on Hyperspectral Index

【Objective】 The objective of the experiments is to develop a key method for fast and nondestructive monitoring canopy equivalent water thickness (CEWT) in cotton (Lumian 54) and to further improve the estimation accuracy of CEWT in cotton monitored by remote sensing technology. 【Method】 Through setting irrigation gradient treatment in different growth period, canopy spectral reflectance and canopy equivalent water thickness and other information were measured simultaneously. Firstly, we comprehensively analyzed the correlation between CEWT and various spectral parameters, including original spectral reflectance, first derivative spectral reflectance, all-band combined spectral index and existing spectral index. Then, we determined the optimal spectral indices of bud stage, flowering and bolls stage, and full growth period. Finally, we constructed a hyperspectral monitoring model of cotton CEWT by linear regression. 【Result】 The canopy equivalent water thickness and the original spectral reflectance show continuous sensitive bands in the near infrared band (NIR) of 780-1130 nm and the short wave infrared band (SWIR) of 1 450-1 830 nm and 1 950-2 450 nm, the sensitivity of the first derivative spectrum to CEWT was enhanced in NIR band than that of the original spectrum, but was weaker in SWIR band than that of the original spectrum. The correlation between the spectral index constructed by the original spectral reflectance and CEWT is stronger than that of the first derivative spectrum, and the ratio spectral index (RSI) is more suitable for the monitoring of CEWT than the normalized difference spectral index (NDSI). During the whole growth period, the inversion accuracy of CEWT by (R₁₁₃₅-5R₁₄₉₄)/R₂₀₀₃ was the best (R ²=0.7878, RRMSE=0.1803). In the bud stage, RSI_b(1130,1996) has the best estimation effect on CEWT (R ²=0.7258, RRMSE=0.1444). RSI_a (904,1952) was the optimal spectral index (R ²=0.7853, RRMSE=0.2454) for estimating CEWT at the flowering and bolls stage.【Conclusion】The new hyperspectral indexes proposed in this study in different growth stages can be used for quantitative monitoring of canopy equivalent water thickness in cotton. The results of this study can provide reference for the application of hyperspectral technology in monitoring water content of cotton canopy, and provide technical basis for precision irrigation of cotton.     

基于Bi-LSTM模型的时间序列遥感作物分类研究

【目的】及时、准确地作物分类制图是农情监测的重要依据。本研究基于双向长短期记忆网络模型探究深度学习技术在时间序列遥感作物分类与早期识别中的应用潜力。【方法】本文以黄河三角洲地区为例,以哨兵2号全年可用卫星影像为数据源,构建年时间序列NDVI数据集;采用循环神经网络构架,搭建针对结构化时序数据的双向长短期记忆网络模型（bidirectional long short-term memory,Bi-LSTM）,开展遥感作物分类,并评估模型的泛化能力;通过输入不同长度时间序列遥感数据,探究满足一定制图精度条件下的作物最早可识别时间。【结果】作物年生长时序特征对于大多数作物遥感分类识别都具有较好的区分能力,基于年时间序列NDVI数据的Bi-LSTM模型作物分类总体准确率达90.9%,Kappa系数达到0.892。通过测试不同时间序列长度对作物分类的影响发现,对大多数作物来说,其分类精度随着数据时间序列长度增加而不断提高,冬小麦、水稻等作物在生长季早期即具有较为独特的分类特征,因而利用生长季早期的时间序列影像即可获得较高的制图精度,而棉花、春玉米等作物需要完整生长序列影像才能更好地保证分类精度。【结论】卫星影像时间序列蕴含的结构化特征信息可以有效地降低特定时段的作物光谱混淆;双向循环神经网络模型能够同时考虑前向和后向的时间状态信息,可以学习作物不同阶段的光谱变化特征,在水稻、棉花、春玉米等易混淆作物的识别上表现优异;模型能够有效地把握样本总体上的变化趋势,在农作物多分类任务中表现出较好的泛化能力和鲁棒性。本研究通过集成深度学习和遥感时间序列,为及时、快速的区域作物高精度制图提供了可行的思路。     

双尾新小绥螨对土耳其斯坦叶螨控制效果评价

【目的】 双尾新小绥螨是一种新疆本地的捕食螨,研究其对土耳其斯坦叶螨三种螨态(卵、幼螨及若螨)捕食偏好性和田间控害效果。【方法】 采用室内试验及田间不同益害比释放双尾新小绥螨,评价该捕食螨对新疆棉田土耳其斯坦叶螨的控制效果。【结果】 双尾新小绥螨对土耳其斯坦叶螨三种螨态取食具有选择性,土耳其斯坦叶螨的幼若螨是双尾新小绥螨偏好虫态。在田间释放双尾新小绥螨,可有效抑制土耳其斯坦叶螨的卵、幼虫、若虫以及整个种群数量增长;不同益害比释放捕食螨时,1∶5和1∶10的控效较好,1∶20释放捕食螨效果较差。【结论】 双尾新小绥螨可作为一种优良新疆本地天敌,应用双尾新小绥螨在棉田对土耳其斯坦叶螨进行生物防治时,推荐最佳释放比例1∶10。     

新疆棉花遥感识别最佳时相的选择

棉花遥感识别最佳时相的选择是棉花遥感监测系统快速有效建立和正常运行的关键性、基础性环节之一,它必须兼顾作物遥感识别和监测系统中各模型对遥感时相选择的要求,综合考虑多方面的影响因素.从新疆三大棉区棉花和其它主要农作物的光谱差异和物候历的差异,同时参考太阳高度和土壤光谱噪声的变化以及棉花面积的代表性等方面,初步确定新疆三大棉区的棉花遥感识别最佳时相期,同时提出了最佳时相选择时还有待试验和解决的问题,以供进一步研究参考.     

基于参数化和非参数化法的棉花生物量高光谱遥感估算

【目的】利用高光谱遥感数据快速、无损地估算棉花生物量,评估参数化与非参数化方法在棉花上的表现差异。【方法】本研究以4个棉花品种在2个年份(2004和2005年)的试验资料为基础,将2年数据分别进行建模和验证,采用参数化算法(植被指数法、连续小波变换)与非参数化算法(偏最小二乘回归、随机森林、人工神经网络、回归树、袋装树和增强树、支持向量机和高斯过程回归)分别构建吐絮前和吐絮后的生物量估算模型。【结果】近红外与红边波段仍然是棉花生物量遥感监测中最有效的波段区间。参数化方法运算简单,效率高,其中,CI_{red edge}证明是棉花生物量估算上表现最好的植被指数,具有较高的独立验证结果(吐絮前:RMSE=27.23 g·m^-2;吐絮后:RMSE=48.81 g·m^-2)。基于连续小波变换的方法缓解了植被指数的低估现象,尤其是吐絮后(吐絮前:RMSE=31.54 g·m^-2;吐絮后:RMSE=37.57 g·m^-2);在非参数化法中,随机森林是棉花生物量估算的最优算法(吐絮前:RMSE=2...     

干旱区土壤螨类群落多样性及其与环境因子的相关性分析

【目的】研究干旱区土壤环境因子对土壤螨类群落多样性的影响,对鄯善县7种不同生境进行土壤螨类群落调查与环境因子测定。【方法】采用改良的Tullgren法分离收集土壤螨类,并用Pearson相关分析和典范对应分析方法对土壤螨类群落多样性特征及其与环境因子之间进行相关分析。【结果】共捕获土壤螨类成体标本26 637只,隶属于4目69科98属。7种不同生境之间土壤螨类群落多样性指标均有极显著差异(P<0.001),其中Shannon-Wiener多样性指数(H)依次为防护林＞葡萄园＞杏园＞苜蓿地＞草地＞耕地＞菜地。CCA分析结果表明,第一主轴和第二主轴分别解释了土壤螨类主要群落总变量的29.7%和17.1%,与环境因子的相关性系数分别为0.926和0.929,前两轴共解释了土壤螨类物种类与环境因素关系的92.9%。蒙特卡罗置换检验显示,10个土壤主要理化性质与第一排序轴(F=4.31,P=0.002)和全部排序轴(F=2.68,P=0.002)均存在极显著的相关性。【结论】鄯善县7种不同生境土壤螨类群落多样性与土壤含水量、有机质、容重及全氮含量呈显著相关(P<0.05),其中土壤含水量、全氮和有机质含量对螨类群落结构和多样性的影响显著。     

杏园梅下毛瘿螨Acalitus phloeocoptes(Nalepa)发生规律

【目的】研究新疆轮台县杏园芽瘿发生原因、分析梅下毛瘿螨的发生、转移、扩散规律,确定最佳防治时间。【方法】对杏芽瘿室内镜检,在田间定点、定时选取样株样枝记录危害症状、致瘿因子及田间时空动态;在新老枝条间粘贴胶带及树冠不同高度、方向、距离悬挂粘虫板的方法,记录致瘿因子的转移危害规律、传播的方式及传播距离。【结果】危害杏树芽苞,使其增生畸变成瘿瘤的是瘿螨,经鉴定系梅下毛瘿螨 Acalitus phloeocoptes (Nalepa)。在新疆轮台县该螨主要以成螨在瘿瘤芽苞幼嫩杏鳞叶片内越冬,占调查总数的95.91%;翌年3月下旬杏树开花中期,越冬成螨开始出蛰活动,4月上旬出蛰成螨开始大量产卵,4月下旬至5月上旬是梅下毛瘿螨的产卵高峰期,5月中下旬是成若螨高峰期,9月底随着气温下降,成螨为越冬做准备。梅下毛瘿螨5月上旬开始从芽苞内向外爬行转移,5月下旬是其转移高峰期。风是梅下毛瘿螨被动传播的主要媒介,帮助其远距离传播,传播距离最远可达15 m。在不同高度的粘虫板诱捕螨量存在差异:迎风面>背风面。【结论】杏芽瘿是由梅下毛瘿螨侵染引起,以成螨在瘿瘤芽苞内层越冬,在新疆轮台县3月底至9月下旬均有危害,一年发生10余代,其中4、5和6月危害较严重。5月下旬是其转移高峰期,这一阶段是化学防治的最佳时间。     

吐鲁番火焰山南麓农田生态区土壤螨类群落多样性

【目的】研究火焰山南麓农业生态系统不同土地利用类型生境对土壤螨类群落多样性的影响,为农业生态系统土壤生物多样性保护提供科学依据。【方法】采用野外采样和改良的Tullgren法对吐鲁番火焰山南麓农业生态系统10种土地利用类型生境土壤螨类群落多样性特征进行比较分析。【结果】共采集土壤螨类 21 195头标本,隶属于4亚目68科100属,其中长单翼甲螨属Protoribates为优势类群,Berniniella Balogh,1983和Monogalumnella Mahunka,1986为中国新纪录属。不同土地利用类型生境土壤螨类个体数、类群数及多样性指标之间均有显著差异( P<0.05),其中葡萄园多样性最高,而荒漠最低;群落多样性存在季节差异,秋季最高,而夏季最低少。捕食性螨类以K选择型为主,甲螨主要为O型和P型。【结论】不同土地利用类型螨类群落多样性指标之间存在显著差异,地表凋落物和人为干扰是影响该区土壤螨类群落多样性的主要因素。