小麦遥感估产研究进展与发展趋势

对国内外小麦遥感估产研究进行了全面的回顾,探讨了遥感技术在小麦种植面积提取、长势监测和模型构建上的应用,并提出了今后的研究方向和发展趋势.     

基于无人机影像的小麦株高与LAI预测研究

为快速、准确地估测不同生育时期小麦品种（系）株高与叶面积指数（LAI）表型性状,基于各生育时期小麦品种（系）数字正射影像（digital orthophoto map,DOM）和数字表面模型（digital surface model,DSM）,分别构建不同生育时期株高估测模型和光谱指数LAI估测模型。借助一元线性回归、多元逐步回归（SMLR）和偏最小二乘回归（PLSR）分析方法,并采用决定系数（r）、均方根误差（RMSE）和归一化均方根误差（nRMSE）综合性评价指标,筛选出小麦不同生育时期最优的株高和LAI估测模型。结果表明,（1）全生育期株高估测效果最好,模型预测值与实测值高度拟合（r、RMSE、nRMSE分别为0.87、5.90 cm、9.29%）;在各生育时期中,灌浆期模型预测精度较好,成熟期预测精度最差,r分别为0.79和0.69。（2）所选的18种光谱指数与LAI相关性均较好,其中BGRI、RGBVI、NRI和NGRDI的相关系数达到极显著水平,且各时期三种回归估测模型均表现出较高的稳定性和拟合效果,其中SMLR回归模型对各生育时期LAI预测精度最好,其拔节期、孕穗期、扬花期、灌浆期和成熟期的预测集r分别为0.68、0.57、0.61、0.68和0.53。这说明,基于无人机获取的不同生育时期小麦DSM影像提取株高,并运用18种光谱指数构建LAI估测模型方法是可行的。     

旱地小麦品种抗旱性的生理生化指标分析及评价

以云南田麦品种云麦47为对照,云南旱地品种云麦42、云麦50、靖麦11为材料,通过小麦的灌浆期的生理生化指标的方差分析,表明:抗旱性强的品种水势高,过氧化氢酶活性随土壤含水量的增加而增高.旱地品种的水势、保水力、过氧化氢酶、可溶性糖含量与田麦品种的差异不明显,不能用来区别品种的水旱型.     

碳同位素分辨率与小麦光合生理指标的关系

为了解碳同位素分辨率(Δ)与小麦光合生理指标的关系,以洛旱6号和西农389的154个F4代株系中的24个高Δ株系和24个低Δ株系及亲本为供试材料,分析了陕西杨凌和永寿两种不同雨养环境条件下小麦籽粒Δ与灌浆期叶片光合生理指标的相关性,并对高、低Δ材料间光合生理指标和产量进行了比较分析。结果表明,在降雨较多的杨凌地区,高Δ株系表现出高的籽粒产量;在降雨较少、相对干旱的永寿地区,高、低Δ株系间籽粒产量差异不显著,但低Δ株系表现出低的气孔导度。在杨凌生态条件下,灌浆中期籽粒Δ与叶片蒸腾速率、光合速率、气孔导度和Ci/Ca生理指标的相关性在小麦整个灌浆期最为显著;在永寿生态条件下,灌浆中期籽粒Δ与蒸腾速率和Ci/Ca均相关显著。说环境条件影响小麦籽粒Δ与光合生理指标的关系。     

小麦群体养分指标动态的知识模型

为了给不同环境条件下小麦栽培管理过程中的苗情诊断提供定量化的适宜养分指标动态体系,在分析小麦养分积累与养分管理研究资料的基础上,以小麦产量和品质为目标,通过定量描述小麦群唪地上部养分积累和养分浓度与品种类型、生态环境及生产技术水平之间的动态关系,以基于生理发育时间的动态生长度日为主线,建立了系统化和广适性的小麦群体适宜养分(氮、磷、钾)指标动态的知识模型。利用南京和济南2个不同生态点的常年逐日气象资料以及不同品种类型、不同产量目标资料对所建知识模型进行了实例分析和检验,结果表明,模型设计的群体氮积累量与实际观测值之间的平均RMSE为8．13kg／hm^2,模型设计的群体养分含量与实际观测值之间的平均RMSE为0．20％．故模型对不同条件下的小麦群体养分积累及群体养分含量指标适宜动态具有较好的预测性和指导性。     

基于无人机可见光遥感的冬小麦株高估算

株高是作物生长过程中重要的生长指标。为探索快速准确获取作物株高的方法,利用无人机可见光图像采集系统,获取冬小麦拔节期至成熟期的高清数码图像,建立冬小麦拔节期、抽穗期、灌浆期及成熟期的作物数字表面模型(digital surface models,DSM)及作物高度模型(crop height model,CHM),并对模型进行验证。结果表明,冬小麦株高各生育时期CHM提取值与地面实测值极显著相关(P<0.01),误差为-0.10~0.09m,相对误差为17.64%~19.60%。株高预测值与实测值拟合性较高(R^2=0.82,RMSE=4.31cm)。这说明用无人机拍摄的高清数码影像可快速估算冬小麦的株高。     

不同抗寒性小麦品种生长点发育进程及生理指标差异分析

为了解不同抗寒性小麦品种在寒地越冬期间分蘖节生长点发育进程及生理指标的差异,筛选适宜的抗寒指标,以抗寒性差异显著的3个小麦品种(中国春、济麦22和东农冬麦1号)为材料,在小麦生长期、驯化期和封冻期检测分蘖节生长点的分化进程、叶片的相对电导率和PSⅡ光化学效率(F_v/F_m),并测定叶片和分蘖节的丙二醛(MDA)含量以及抗氧化酶活性进行检测。结果表明,强抗寒性小麦品种东农冬麦1号的返青率较高,生长点分化较为缓慢,封冻期时生长点仍处于单棱期;而弱抗寒性小麦品种济麦22和不抗寒小麦品种中国春的生长点在2019年驯化期和2020年封冻期均已进入二棱期。2019年东农冬麦1号的叶片相对电导率以及2019和2020年叶片和分蘖节中MDA含量在封冻期均显著低于中国春和济麦22。此外,东农冬麦1号叶片和分蘖节的过氧化物酶(POD)和过氧化氢酶(CAT)活性在封冻期均显著高于中国春和济麦22,且其叶片的F_v/F_m显著高于中国春,但与济麦22无显著差异。总之,强抗寒性小麦品种生长点分化进程缓慢,封冻期时仍处于单棱期;且该...     

基于遥感信息和产量形成过程的小麦估产模型

为提高小麦遥感估产的精确性和机理性,在广域环境条件下进行了多品种小麦的种植试验,并基于遥感信息获取的瞬时性与广域性,结合小麦产量形成的生理生态过程及其与气候环境的相互关系,建立了较为简化的小麦估产模型.通过组件化的设计方法实现了遥感信息和估产模型的耦合,即利用抽穗期遥感影像反演的LAI和生物量及时替换小麦估产模型对应参数变量,进而实现对小麦产量的估测.通过试验验证,小麦产量的预测值与实测值较为一致,预测小麦产量的RMSE为354.18 kg·ha-1,利用小麦估产模型可以对不同年份、不同区域的小麦产量形成情况进行监测预报.     

基于无人机遥感影像的马铃薯产量估算

马铃薯产量的精准预测对于保障粮食安全具有重要作用。为实现快速精准获取马铃薯产量信息,研究利用无人机搭载可见光相机和多光谱相机,分别于马铃薯现蕾期、初花期、盛花期和终花期进行无人机RGB和多光谱影像的采集,并于收获期测定马铃薯产量。基于RGB和多光谱影像特征,对马铃薯产量与RGB指数和植被指数分别进行相关性分析,结合样本数量,筛选出相关性最高的前五个光谱指数作为模型输入变量,采用多元线性回归(Multiple linear regression,MLR)和随机森林(Random forest,RF)2种方法构建不同生育期和全生育期的估算模型,并进行对比,筛选出马铃薯产量估算的最优模型。通过RGB指数与植被指数结合可以提高马铃薯产量的估算效果,并且多元线性回归模型的反演效果要优于随机森林模型。最终产量的估算效果从高到低分别是盛花期>全生育期>终花期>初花期>现蕾期,马铃薯产量最优估算模型为盛花期以RGB指数与植被指数结合作为模型输入变量的MLR模型。测试集R²和RMSE分别为0.77、0.64 kg/m²;验证集R     

向日葵苗期估产改良数学模型的研究

本文以播种至出苗天数为指标,着重研究了单株幼苗活力对向日葵籽粒产量的影响,旨在改进Wade等提出的向日葵苗期估产数学模型。结果表明,向日葵单株葵盘重与单株籽粒产量间呈极显著回归关系,由前者预测后者非常可靠。在原模型中加入单株幼苗活力这个因素后,整个多元回归模型的可信度大为提高。由此而建立的苗期估产改良数学模型可以更有效地用于根据苗情预测向日葵籽粒产量。     

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...     

植被覆盖度对冬小麦冠层光谱的影响及定量化估产研究

为避免土壤背景对冠层光谱的干扰,提高冬小麦定量化估产精度,以河北廊坊中低产田条件下的冬小麦为研究对象,利用ASD Field Spec高光谱仪定点获取冬小麦冠层光谱信息,分析了田间植被覆盖度和冠层NDVI在生育期内的变化,并利用植被覆盖度对冠层NDVI进行了校正。结果表明,通过三基色即RGB、色度和亮度可将数字图像中冬小麦和土壤背景进行分割,从而获得单位面积上冬小麦的覆盖百分比。而通过覆盖度校正后的植被指数即CNDVI能够更具针对性地反映植株冠层氮素信息。在本试验条件下利用灌浆中期的CNDVI与产量进行一元回归或利用全生育期的CNDVI与产量进行多元回归均取得了较好的效果,决定系数分别为0.849和0.853。由于多元回归模型考虑了不同时期的CNDVI的变化,因此模型具有更强的可靠性和稳定性,较适合于冬小麦定量化估产。     

垄作栽培对小麦生理特性和产量的影响

为明确垄作栽培对小麦生理特性和产量的影响,以豫麦50（弱筋）、郑麦975（中筋）和藁麦8901（强筋）3个小麦品种为材料,分析了2种栽培方式（平作、垄作）下小麦生理特性和产量的差异。结果表明,垄作小麦灌浆后期旗叶生理活性高于平作。藁麦8901和豫麦50及郑麦975在灌浆后期旗叶SPAD值均是垄作高于平作,同时垄作栽培也有助于增强旗叶游离氨基酸含量和NR(硝酸还原酶)的活性,提高旗叶氮素同化能力,促进生育后期旗叶氮素向籽粒的再运转。垄作栽培小麦产量较传统平作有显著提高,增产幅度达9.26%～14.52％。垄作栽培主要通过增加小麦穗粒数或单位面积穗数来提高小麦产量,而对千粒重无显著影响。     

不同栽培方式对小麦生理特性和产量的影响

为了明确垄作栽培对小麦生理指标和产量性状的影响,研究了平作、垄作1(垄沟内种植1行小麦)、垄作2(垄沟内不种植小麦)等3种不同栽培方式下的小麦生理特性和产量变化.结果表明,无论是NDVI(归一化植被指数)、SPAD值(叶色值)值还是灌浆速率,均是灌浆前增加,到了灌浆期后开始下降;垄作产量大于平作,增产幅度为5.16%～14.52%.垄作栽培与平作相比,有利于产量的形成.     

小麦白粉病严重度与植株生理性状及产量损失的关系

为了探讨植株生理危害及产量损失与小麦白粉病病害等级间的关系,以不同抗性的小麦品种为材料,分析了白粉病菌侵染后小麦植株叶绿素含量、水分含量、氮含量、叶面积指数及产量的变化。结果表明,两个不同抗性的小麦品种随着病情指数的增加,植株叶绿素含量、水分含量、氮含量、叶面积指数均表现下降趋势,白粉病对易感品种偃展4110危害较重,对中抗品种周麦18危害较轻。通过计算各生理指标损失指数发现,其与病害等级间的相关性显著高于生理指标原始测定值(水分含量除外)与病害等级间的相关性。随着接种压力的增大,病情严重度增加,小麦产量及产量因子均表现降低趋势,其中对千粒重危害最严重。利用病害累积指数能较好地预测产量损失状况,减轻生育时期和品种间差异对预测模型的影响,千粒重和产量损失方程的决定系数分别为0.891和0.852。这表明,通过田间植株病情指数动态调查,可以准确预测千粒重下降和产量损失状况。     

基于无人机遥感的玉米叶面积指数与产量估算

以2018和2019年在河南省新乡县中国农业科学院农田灌溉研究所试验基地的玉米为研究对象,利用八旋翼无人机搭载的MicaSense RedEdge多光谱相机对试验区进行遥感监测,构建玉米叶面积无人机遥感监测模型和产量估算模型,并在示范区进行应用。结果表明,NDVI、EVI和GNDVI这3种植被指数在构建叶面积指数监测模型中具有较好的精度和稳定性。利用抽雄期植被指数构建的估产模型精度最高,吐丝期次之,拔节期最低。与单生育期估产模型相比,累积3个生育期植被指数构建的估产模型精度有一定提升,R²为0.87,RMSE为405.42 kg/hm²。构建的无人机遥感监测模型,可以快速有效评估玉米长势和产量。     

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。     

基于趋势单产和干旱指数的河南省冬小麦单产估算

为了探究相关气象因子对小麦生产的影响,获取极端气候条件下满足精度需求的作物估产模型,以河南省为研究区,对研究区的历史小麦单产数据进行时间序列分解,得到趋势单产,再结合不同时间尺度干旱指数作为输入变量,以实际单产作为输出变量,建立随机森林回归单产估计模型。选择典型干旱年份(2011年)与非干旱年份(2015年)进行小麦单产模型的精度验证,并对输入变量的重要性进行了分析。结果显示,随机森林回归单产估计模型拟合精度整体较高,各市模型的决定系数平均为0.87,平均绝对值误差的均值为17.69 kg·hm~(-2),平均绝对相对误差的均值为0.07。面积加权和简单平均估计得到的各市小麦估产的精度平均值在2011年分别为96.16%和95.12%,在2015年分别为92.99%和92.26%。干旱年份估产精度整体上高于非干旱年份估产精度,面积加权后的小麦单产估计精度略高于简单平均的小麦单产估计精度。对建模贡献最大的输入变量是趋势单产。就干旱指数来说,1个月时间尺度的干旱指数重要性整体高于2和3个月时间尺度的干旱指数;4月份的干旱指数重要性整体高于生长季其他月份的干旱指数。该模型能够准确及时地获取极端气候下小麦产量信息以及变量对小麦产量的影响,可以为研究气候变化对小麦产量的影响和提高极端气候条件下的估产精度提供方法参考。     

基于组件式GIS的冬小麦遥感估产系统的开发研究

为给政府管理部门和冬小麦生产者提供适用于生产管理与决策支持的空间信息支持,基于组件式GIS的二次开发技术,利用面向对象的可视化编程语言Borland Delphi,设计开发了冬小麦遥感估产计算机软件系统。该系统包括四大子系统模块：数据管理模块、参数运算与模型模拟模块、信息统计与分析模块以及专题图制作与输出模块。通过系统功能和输入遥感图像数据,可实现大范围的冬小麦种植品种区划、面积分布等基本农情信息的简单查询;通过图像计算处理获取植被指数信息,结合样点参数建立长势和产量估算模型,可以进行实时的长势分级监测和产量预报,并且可以输出遥感监测分级专题图等信息产品。该软件系统的开发,是对作物遥感估产方法进行定量化、信息化研究的积极探索。