日光温室内南北方向黄瓜群体结构参数分析

为研究日光温室内南北方向和垂直方向作物群体结构参数,观测了日光温室内南北方向北、中、南3段及垂直方向各层次的黄瓜群体结构参数,结果表明,在整个生育期平均叶倾角都是北段大于中段和南段,叶片分布频率偏南的趋势也是北段最大,中段次之,南段最低;在垂直方向0~40 cm高度冠层的平均叶倾角最大、叶片分布频率偏南段最低,其他各高度冠层叶片叶角之间无明显规律,但总体趋势均为植株南面叶倾角和叶片分布频率均大于植株北面;黄瓜叶面积系数和株高由北向南逐渐升高,各段不同层次叶面积密度也存在一定差异。试验结果说明,温室南北方向各段黄瓜群体参数结构明显不同,垂直方向各层黄瓜群体结构参数具有一定差异性。     

新疆超高产棉花叶、铃空间分布及与群体光合生产的关系

【目的】研究超高产棉花冠层叶面积分布、叶倾角、主茎节间长度等指标的变化,探讨叶片空间配置对冠层结构的影响及与群体光合生产的关系,揭示超高产形成的机理。【方法】定向培育棉花超高产田,系统测定高产棉花不同生育时期叶面积指数、叶倾角、主茎节间长度等指标的空间分布,分析冠层结构变化对群体光合速率的影响及与棉铃空间分布的关系。【结果】单产皮棉4 000 kg•hm-2超高产棉花吐絮前株高72.3-87.7 cm,主茎平均节间长度为7.15-7.20 cm,中上部节间较长;盛花期至盛铃后期叶面积指数在冠层上、中、下3层的分布比例为1﹕1﹕1,上部叶片的叶倾角为48.8-53.8、中部41.0-49.3、下部30.1-40.1,叶片群体光合速率上、中、下层的分布比例为1.5﹕1.5﹕1;至吐絮期,冠层上部的叶面积指数维持在0.95-1.76,叶片群体光合速率为8.1-13.2 μmol•m-2•s-1,占叶片总群体光合速率的45.9%-59.8%;植株上、中、下部结铃数的比例为1.8﹕1.2﹕1,冠层上层铃数较多,铃库所占比例大。【结论】超高产棉花形成的生理基础在于,盛花期至盛铃后期主茎中上部节间长,叶层间隙及叶倾角大,中下部叶面积指数分布比例高,叶片群体光合速率高且在冠层垂直方向呈均匀分布;吐絮期上层叶面积指数和叶片群体光合速率下降缓慢,棉铃空间分布与叶片群体光合速率的空间分布相吻合,叶铃关系协调。     

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MODIS-NDVI的安徽省2009年冬小麦及一季稻面积遥感提取及长势监测

[目的]建立2009年安徽省冬小麦和一季稻面积提取模型和作物长势监测模型。[方法]通过分析2009年安徽省冬小麦和一季稻的种植结构、物候历特征及其生物学特性和时序NDVI曲线特征确定模型。[结果]时间上,2009年安徽省冬小麦和一季稻长势均呈＂前期较好,中期变差,后期恢复＂的趋势;空间上,安徽北部地区冬小麦全年长势较多年平均稍差,而一季稻长势较差的地区主要是滁州等地。[结论]该研究为中国农业遥感监测系统大尺度业务化运行作物种植结构提取了有效的方法。     

2009年江苏省冬小麦和水稻种植面积信息遥感提取及长势监测

以中国农业遥感监测系统(CHARMS)大尺度业务运行作物长势监测需求为实际驱动力,进行基于遥感影像全覆盖的大尺度农作物类型遥感综合自动识别的方法研究,通过分析2009年江苏地区冬小麦和水稻的种植结构、物候历特征及其生物学特性和时序NDVI曲线特征,确定冬小麦和水稻信息提取的NDVI阈值,建立不同作物面积提取模型,并最终获取了2009年CHARMS中江苏冬小麦和水稻长势监测所需的作物空间分布,并与多年平均统计数据比较,总体精度分别达到了78%和85%以上,基本可以满足农情业务化需要.其次,基于面积识别的结果,利用目前长势监测中应用最广泛的归一化植被指数NDVI对江苏2009年冬小麦和水稻长势进行监测,并用差值模型,与近5年长势的平均状况进行对比研究.结果表明,2009年江苏冬小麦和水稻长势均呈现"前期较好,中期变差,后期恢复"的趋势;空间分布上,淮北和苏中地区冬小麦全年长势较多年平均稍差,而水稻长势较差的地区主要分布在苏南地区.     

基于ArcMap的赤峰杨叶面积信息提取方法

为了快速准确地获得叶面积信息,通过在ArcMap中加载叶面积图像的同时加设参考直尺和转换系数的方法,解决了扫描图像在ArcMap中无空间投影而无法计算实际面积的问题。利用ArcMap空间分析技术计算叶片和标准图形的面积和长度,得到一个ArcMap面积与实际面积的转换系数a≈475像素/cm,从而通过a计算叶面积、叶长度和叶周长的实际信息。结果表明,ArcMap法提取的叶面积、叶长度、叶周长信息快速而准确,相对误差小于3.93%。对ArcMap提取的叶长、叶宽、叶周长与叶面积进行了回归分析,回归方程决定系数R2都在0.89以上。其中叶长×叶宽与叶面积的拟合效果最好(R2=0.97),说明ArcMap空间分析技术应用于叶面积信息提取是切实可行的。本方法在叶面积信息提取时只用到了ArcMap一种软件,因此降低了操作的复杂性,同时该方法也适用于其他叶形的叶面积信息提取。     

许昌地区冬小麦长势空间变异研究

现代农业信息技术可以定量描述作物长势在空间和时间上存在的差异,以河南省许昌市不同区域的农田为研究对象,获取冬小麦在不同生长期的土壤养分数据、冠层光谱数据及实测叶面积指数,对不同区域冬小麦长势空间变异进行分析,结果表明,作物在生长早期受土壤养分的影响较大,空间变异较为明显;生长旺盛期,不同的土壤条件和区域环境反映出叶面积指数存在较大差异,即使同一试验区的不同区域间也有较为敏感的表现;冬小麦的光谱信息与其长势有较好的相关性,在生长早期和稳定期表现出不同的空间变异情况。     

冬小麦返青后叶片高度模型构建及三维可视化

作物生长模拟模型对作物生长管理调控、产量预测和经济效益分析等有重要指导作用,形态结构模型为作物理想株型筛选、高产、高效、抗倒伏等提供了有力技术支撑。针对小麦形态结构复杂,生长可视化不易实现的问题,以冬小麦品种济麦22、衡观35和衡4399为材料,在天津市武清区开展了不同小麦品种和施氮水平的田间试验,采集小麦叶片高度形态数据,分析各品种冬小麦返青后叶片高度和有效积温的定量关系,用Logistic方程构建冬小麦返青后不同叶位叶片高度模拟模型。经数据检验,叶片高度模型绝对误差在0.01~2.82 cm之间,根均方差(RMSE)在0.32~1.52 cm之间,表明所建模拟模型精度较高,该模型对不同品种冬小麦生长具有较好的预测性。借助该模拟模型和已有研究成果,构造了不同品种、不同施氮水平下的冬小麦植株形态,实现了小麦生长模拟模型和形态结构模型的有机结合,逼真模拟冬小麦返青后动态生长过程,实现了不同品种冬小麦不同施氮水平下的生长可视化。     

基于投影算法和活动轮廓模型的真实叶面积指数计算

为了准确获得树木的真实叶面积指数（LAIa) ,提出一种基于投影算法和测地线活动轮廓模型的计算方法。首先对激光扫描仪获取的树木点云数据通经一定比例缩放在一个球的上表面,再通过球极平面投影和Lambert方位角等面积投影将上球面图像投射到平面上,借助地理学上纬度线的概念来表征不同高度叶子的天顶角,通过统计学方法获取叶倾角,然后用测地线活动轮廓模型对投影后的图像进行叶面部分分割,获取孔隙率。根据Beer-Lambert定律即可计算有效叶面积指数（LAIe）。真实叶面积指数的获取则通过有效地分层处理,解决叶子的重叠问题。最后将得到数据与实测叶面积指数进行比较,证明该方法的准确性、可行性。     

尾叶桉和巨尾桉叶面积的测算模型研究

[目的]为构建尾叶桉和巨尾桉叶面积优化测算模型。[方法]以尾叶按和巨尾桉为研究对象,对其叶面积与几个叶形特征值的相关性进行了研究。[结果]2个树种的叶形特征值存在一定差异,各自的叶面积与叶长、叶宽、叶周长、叶长×叶宽、叶的长宽比、形状因子等均存在显著性相关,可以与叶面积构建回归模型。其中,利用尾叶桉和巨尾桉的叶长×叶宽值构建的2个叶面积测算模型效果最好,具有较高的精度和实际应用价值。[结论]该研究为这2个树种的研究提供了一种简便有效的叶面积测算方法。     

基于有效积温的冬小麦返青后植株三维形态模拟

【目的】基于有效积温,利用三维建模技术,实现小麦生长模型与形态模型的有机结合,真实表达环境因素对小麦生长发育和形态结构的影响,最终实现小麦生长过程的三维可视化,为小麦作物生长动态预测、栽培管理调控、作物株型设计等提供重要参考。【方法】以天津地区主要推广小麦品种衡观35、济麦22和衡4399为材料,于2015—2016年冬小麦生长季内开展不同小麦品种和施氮水平的田间试验,采集各品种冬小麦在不同施氮水平下的叶长和最大叶宽等形态数据,通过分析各品种冬小麦返青后形态数据和有效积温的定量关系,用Logistic方程构建了冬小麦返青后叶片叶长、最大叶宽模拟模型,并对该模型进行检验;基于该模拟模型,计算各品种冬小麦返青后每个生长日的形态数据,借助OpenGL和NURBS曲面造型技术,构建冬小麦几何形态模型,最终实现冬小麦生长模型与形态模型的结合,实现了冬小麦返青后生长过程可视化。【结果】在不同品种、不同施氮水平下,小麦叶长回归方程R2值在0.772—0.983之间,F值在10.153—340.191之间,且Sig小于显著水平0.05,最大叶宽回归方程R~2值在0.853—0.999之间,F值在17.371—4 359.236之间,且Sig小于显著水平0.05,表明上述模型拟合度和显著性均较好。经数据检验,叶长模型绝对误差在0—3.88 cm之间,根均方差(RMSE)值在0.24—1.95 cm之间,最大叶宽模型绝对误差在0—0.28 cm之间,RMSE值在0.02—0.15 cm之间,表明所建模拟模型精度较高,该模型对不同品种冬小麦返青后的叶片生长具有较好的预测性;基于所建模拟模型计算冬小麦返青后逐日形态数据,可构造不同品种、不同施氮水平下的冬小麦植株形态,可逼真模拟冬小麦返青后植株动态生长过程。【结论】基于有效积温构建的冬小麦返青后叶长和最大叶宽模拟模型,可较好预测冬小麦返青后叶片生长状态,可实现小麦生长模型和形态模型的有机结合,实现不同品种冬小麦在不同施氮水平下的叶片生长可视化。     

以HJ-CCD影像为基础的冬小麦孕穗期关键苗情参数遥感定量反演

【目的】应用卫星遥感数据可以及时获取大田种植作物“面状”苗情信息,准确反映作物群体苗情状况及其趋势,服务于产量预报和实际生产。进一步深化冬小麦关键期苗情遥感反演机理与方法,为大田种植管理提供及时信息。【方法】结合2011-2013年定点观测试验,以环境减灾卫星HJ-CCD数据为遥感影像源,着重研究样本实验区孕穗期冬小麦关键苗情参数与籽粒品质参数和产量间及其与卫星遥感变量间的定量关系,进一步增强遥感反演的机理性和重演性,与地面实测结果一起建立模型共同分析,提高遥感反演的定量化水平和可信度;以相关性最高为原则,筛选反演孕穗期冬小麦叶面积指数、生物量、SPAD以及叶片含氮量的敏感卫星遥感变量,并以2013年数据为建模样本、2011年和2012年数据为验证样本,分别构建及评价基于HJ-CCD影像遥感变量孕穗期叶面积指数、生物量、SPAD和叶片含氮量监测模型。【结果】冬小麦处于孕穗期,植被衰减指数（PSRI）可作为反演冬小麦叶面积指数、SPAD和叶片含氮量的敏感遥感变量,比值植被指数（RVI）可作为反演冬小麦生物量的敏感遥感变量,所构建的遥感反演模型是可靠的,且精度较高,尤其利用PSRI反演叶片含氮量最可靠。模型的决定系数（R²）分别为0.651、0.585、0.630和0.675,均方根误差（RMSE）分别为1.344、4.62、0.618%和2 804.3 kg·hm^-2。以此为依据,为表征该研究的实际农学意义,对冬小麦不同等级的关键苗情参数进行遥感反演并制图分析,从而量化表达了冬小麦关键苗情参数区域空间分布,不仅有助于制定冬小麦田间补救措施和水肥资源调配方案,而且为农业政策的制订和粮食贸易提供决策依据。【结论】构建的冬小麦孕穗期关键苗情参数遥感反演模型是可行的,为大田生产提供了一种快速、便捷、费用低廉的大面积作物苗情参数提取方法,可支持农业研究者、涉农部门领导和种植管理者获取及时有效的农情信息。     

冬小麦遥感估产多种模型研究

综合冬小麦地面光谱资料及相应的农学参数资料,ＮＯＡＡ／ＡＶＨＲＲ 资料,历年各县冬小麦单产、播种面积、总产资料,历年新疆各站气象资料,监测点历年冬小麦发育期、密度、产量分析等资料,证明地面光谱植被指数与冬小麦密度、生物量、叶面积指数关系密切,从而建立了密度与生物量的光谱监测模型,进而建立了北疆试验区各层冬小麦种植面积估算和产量预报卫星遥感模型,辅以冬小麦产量农业气象预报模型、农学模型及模拟模型,自１９９４ 年投入应用以来的结果表明,这套模型预报精度高、效果很好     

冬小麦生产动态试验优化设计及其调控决策模型研究

为满足冬小麦调控管理决策技术方法的需要,采用均匀试验设计、视觉技术和逐步回归分析方法,研究了冬小麦生产动态试验优化设计过程和冬小麦调控管理模型,结果如下:经分析讨论得到了将小麦叶色、株高、叶面积指数等群体状态量综合在一起的“群体综合指数”计算公式,并用于动态试验优化设计过程和调控模型的构建;结合北京地区冬小麦8901品种的生产实际,安排了17个因素的分阶段田间动态试验,部分试验处理实测产量超过6 500 kg/hm2;初步建立了优质面包麦8901的生产调控模型,各阶段模型的复相关系数为0.956 6~0.997 7,生殖生长阶段之后模型的预测误差绝对值<6.92%,之前的模型除了2个处理外也均在此范围。研究结果为进行多因素作物生产试验研究和进一步研究田间数字监测技术提供了新的方法。     

基于高光谱遥感的冬小麦叶水势估算模型

【目的】采用高光谱技术,建立快速、无损与准确获取冬小麦叶水势的估算模型,为小麦灌溉的精确管理提供科学依据。【方法】利用不同水分处理的大田试验,于小麦主要生育期同步测定冠层光谱反射率、叶水势、土壤水分等信息,并探讨高光谱植被指数与冬小麦叶水势之间的定量关系。通过相关性分析、回归分析等方法,基于不同水分处理,构建4种植被指数与冬小麦叶水势的估算模型。【结果】不同水分处理和不同生育期的冬小麦,其冠层光谱反射率具有显著的变化特征。在可见光波段,冬小麦冠层反射率随着水分含量的增加而逐渐降低,而在近红外波段,其冠层反射率则随着土壤水分含量的增加而升高。随着小麦生育期的推进,在近红外波段,抽穗期的冠层反射率比拔节期的高,在灌浆期之后,红波段(670 nm)、蓝波段(450 nm)的反射率上升加快;4种植被指数与叶水势显著相关(P0.05),相关系数|r|均在0.711以上,四者均可用于冬小麦叶片水势的定量监测。在充分供水条件下(70%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.75和0.771)均低于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.808和0.896),而在重度水分亏缺条件下(50%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.857和0.853)均高于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.711和0.792);所建模型对45个未知样的预测结果与实测值相似度较高,其回归模型R~2、验证模型MRE、RMSE的范围分别为0.616—0.922、-17.50%—-12.52%、0.102—0.133。在70%FC水分处理下,基于EVI2(enhanced vegetation index)所得叶水势估算模型的R~2最高,为0.922,而在60%FC和50%FC水分处理下,由于考虑了土壤背景的影响,基于OSAVI所建模型的R~2最高,分别为0.922和0.856。【结论】4种植被指数均可用于冬小麦叶水势的定量监测。但是,在构建不同水分处理的叶水势估算模型时,应考虑土壤背景对冠层光谱的影响。研究结果可以为小麦精准灌溉管理提供技术依据,为星载数据的参数反演提供模型支持。     

基于光谱植被指数的冬小麦叶绿素含量反演

植物功能叶的SPAD值与其氮素和叶绿素有较强的相关性,研究功能叶SPAD与其冠层光谱的关系,对实现植株叶绿素含量快速、无损检测具有重要意义。本文通过对冬小麦生育期的冠层原始光谱进行一阶导数变换,研究其功能叶片SPAD值与冠层光谱的相关性,对监测冬小麦叶绿素含量的敏感波段进行了提取,并建立了叶绿素含量与冠层反射光谱的定量关系。结果表明,基于小麦冠层原始光谱反射率、冠层光谱导数反射率与SPAD的相关系数曲线,提取的各形式下冬小麦叶绿素含量的敏感波段分别为500、690、760和470、630、723nm;并构建了冬小麦叶绿素含量的预测模型,以FDNDVI(630,723)预测模型较好,其R2可达0.9485,模型验证参数R2、MRE和RMSE分别为0.8099、0.0294和1.805,拟合效果较好,表明该模型能有效地对冬小麦叶绿素含量进行预测。该研究结果可为冬小麦长势监测提供一定的理论参考。     

扁桃-冬小麦间作模式下不同树形对冬小麦产量和叶片光合能力的影响

【目的】研究果粮间作模式下,扁桃遮阴程度对间作冬小麦籽粒产量和叶片光合能力的影响,为新疆南疆果粮间作模式的选择和优化提供科学依据。【方法】以扁桃-冬小麦(新冬20号)间作模式为研究对象,设置主干分层形(DC)、开心形(OC)、高干形(HS)和小冠半圆形(SC)等树体结构指标存在较大差异的4个树形为处理,以大田为对照。于冬小麦抽穗期、花旗、灌浆期和乳熟期4个关键生育时期对不同处理不同间作区域小麦旗叶叶绿素、可溶性蛋白含量、光响应参数等指标进行测定,分析产量构成指标与光合指标的相关性。【结果】扁桃-冬小麦间作系统中,小麦籽粒产量、千粒重、穗粒数、单位面积有效穗数等指标受树形和间作区域的共同影响,产量由高至低依次为小冠半圆形(SC)、高干形(HS)、开心形(OC)和主干分层形(DC),与单作相比降幅分别达到18.24%、33.00%、35.43%和63.68%;灌浆期不同树形处理叶绿素a/b比值均降低,扬花期和灌浆期4个树形对应间作区域小麦旗叶光合能力均显著降低,与单作相比扬花期和灌浆期降幅分别在18.24%~48.88% 和15.55%~56.38%;抽穗期、扬花期、灌浆期小麦旗叶最大净光合速率与小麦产量、千粒重、穗粒数和单位面积有效穗数的相关性均达到显著水平。【结论】扁桃-冬小麦间作模式下,小麦籽粒产量降低与间作导致旗叶光合能力的下降密切相关。     

Assessment of Land Suitability Potentials for Selecting Winter Wheat Cultivation Areas in Beijing, China, Using RS and GIS

It is very important to provide reference basis for winter wheat quality regionalization of cultivation area. The aim of this article was based on factors affecting wheat quality and setting realistic spatial models in each part of the land for assessment of land suitability potentials in Beijing, China. The study employed artificial neural network (ANN) analysis to select factors and evaluate the relative importance of selected environment factors on wheat grain quality. The spatial models were developed and demonstrated their use in selecting the most suitable areas for the winter wheat cultivation. The strategy overcomes the non-accurate traditional statistical methods. Satellite images, toposheet, and ancillary data of the study area were used to find tillable land. These categories were formed by integrating the various layers with corresponding weights in geographical information system (GIS). An integrated land suitability potential (LSP) index was computed considering the contribution of various parameters of land suitability. The study demonstrated that the tillable land could be categorized into spatially distributed agriculture potential zones based on soil nutrient and assembled weather factors using RS and GIS as not suitable, marginally suitable, moderately suitable, suitable, and highly suitable by adopting the logical criteria. The sort of land distribution map made by the factors with their weights showed more truthfulness.     

GEE支持下的河南省冬小麦面积提取及长势监测

【目的】使用遥感技术对2017—2020年河南省冬小麦的空间分布信息进行高精度的提取,然后对2020年冬小麦的长势进行高频度的监测并结合气象条件进行分析。【方法】本文基于谷歌地球引擎（Google Earth Engine,GEE）云平台,对选取的Landsat 8影像数据根据NDVI最大值进行合成,然后进行特征构建,添加地形特征、纹理特征、NDVI以及一个新特征NDVI增幅,使用随机森林分类方法对样本数据按照构建的特征进行训练提取河南省2017—2020年冬小麦的播种面积信息;经过精度验证后对提取的河南省2020年的冬小麦种植区域生成掩膜,对掩膜区域（冬小麦种植区域）结合MODIS高时间分辨率影像数据,使用NDVI同期差值法对2020年2—4月份的冬小麦进行高频度的长势监测。【结果】使用GEE云平台能够对河南省冬小麦种植区域的空间分布信息进行快速制图;使用随机森林方法加入地形特征、纹理特征、NDVI后再加入新特征NDVI增幅,能够有效提高冬小麦的提取精度以及降低与统计数据的相对误差,基于混淆矩阵计算的平均总体分类精度为95.2%、平均kappa系数为0.909、冬小麦的平均分类精度为95.3%,与河南省统计年鉴数据相比,本文方法提取的2017—2019年河南省冬小麦播种面积相对误差均低于3%,河南省冬小麦主要种植区域的冬小麦播种面积的平均相对误差低于6%;使用MODIS影像数据结合NDVI差值模型能够对河南省2020年的冬小麦进行高频度的长势监测,河南省冬小麦在返青初期长势较往年及2019年好,到生育后期大部分区域长势与往年及2019年持平,总体上2020年冬小麦的长势较往年及2019年好。【结论】本文提出的方法能够对河南省冬小麦进行高精度的提取以及高频度的长势监测,且能够为地方政府或者一些农业部门在安排指导农事活动上提供科学依据。     

基于无人机高光谱和数码影像数据的冬小麦生物量反演

生物量是作物生长过程中重要的生物参数之一,能较好地反映作物长势情况。获取了冬小麦开花期数码影像数据、高光谱数据和实测生物量数据,运用相关性分析筛选出对冬小麦生物量相关性高的数码影像指数和植被指数,分别使用多元线性回归分析和逐步回归分析法建立生物量反演估算模型,最后将最优模型估算结果进行可视化空间分析。结果表明：与冬小麦生物量相关性高的数码影像指数有VARI、MGRVI、b等,植被指数有NDVI、SR、LCI、OSAVI等。建立的冬小麦生物量反演模型估算效果较好,其中精度最高的模型为高光谱数据多元线性回归模型,其验证模型均方根误差为0.9041 t/hm²。可视化处理结果能直观地显示试验区冬小麦生物量分布情况,为生长监测及种植管理提供有效依据。