融合无人机影像光谱与纹理特征的冬小麦氮营养指数估算

基于无人机数码影像,探讨融合光谱信息与纹理特征构建的"图-谱"指标对冬小麦氮营养指数的估算能力,为冬小麦氮素营养精准探测提供一种可靠的技术手段。利用无人机数码影像及相应的生物量和植株氮含量数据,分析了图像指数、纹理特征与氮营养指数的相关性,然后将图像指数与纹理特征相乘或相除融合形成"图-谱"融合指标,分析"图-谱"融合指标与氮营养指数的相关性,整合灰色关联度和方差膨胀因子,筛选对氮营养指数敏感的"图-谱"融合指标,最后用偏最小二乘法分析图像指数、纹理特征及"图-谱"融合指标估测氮营养指数的能力。结果表明:"图-谱"融合指标较图像指数、纹理特征与氮营养指数的相关性有了较大的提高,利用"图-谱"融合指标构建的氮营养指数模型估算精度(R~2=0.644 3)高于图像指数及纹理特征构建的氮营养指数模型(R~2分别为0.593 8及0.584 5),而且"图-谱"融合指标构建的模型验证结果均方根误差最小,为0.114 0。基于光谱信息和纹理特征融合的"图-谱"指标可以有效提高冬小麦氮营养指数的反演精度,为冬小麦氮素营养诊断反演提供了一种有效的思路。     

基于颜色特征的加工番茄叶片氮素评价初步研究

利用数码相机获取加工番茄地上部分彩色图像,通过图像处理软件提取RGB及其组合的颜色特征值,同时与氮素指标叶片叶绿素含量、SPAD值、叶片含氮量及单株吸氮量作回归分析,根据统计性检验,有相当数量的颜色特征与4个氮素指标呈较高的相关性,相关系数达到r=0.7以上.综合筛选出的颜色特征指标,结合地面覆盖度与氮素营养指标建立以叶片含氮量为应变量的估算模型.经模型校验,其预测值与实测值在n=15,P＜0.01水平上达r=0.8以上的极显著相关.因此,可依据颜色特征参数通过建立相应的统计模型进行加工番茄叶片氮素含量的评价,进而为加工番茄氮素营养诊断提供依据.     

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。     

GF-1影像遥感监测指标与冬小麦长势参数的关系

为了分析高分一号卫星(GF-1)影像在冬小麦长势监测中的有效性和适宜性,以建湖县冬小麦为研究对象,选取12个植被指数作为遥感监测指标,运用回归分析法探讨遥感监测指标与地面实测冬小麦长势参数的关系,并以回归模型的决定系数(R~2)作为反演精度的评价指标。研究发现,叶面积指数(LAI)、密度和生物量的反演精度较高,其中LAI的反演精度在拔节期最高[监测指标:红蓝色归一化植被指数(RBNDVI),R~2:0.689 4],密度的反演精度在拔节期最高[监测指标:优化的土壤调节植被指数(OSAVI),R~2:0.543 8],生物量的反演精度在孕穗期最高[监测指标:归一化植被指数(NDVI),R~2:0.448 6],说明GF-1影像适合在拔节期进行冬小麦LAI、密度的监测,在孕穗期进行生物量监测。土壤含水量、株高和叶绿素含量(SPAD值)的反演精度较差,最佳回归模型的R~2皆低于0.360 0,说明所选的12个遥感监测指标不适合反演这3个长势参数。除乳熟期外,其他4个生育期中都是LAI的反演精度最高,可见GF-1影像的遥感监测指标与LAI的相关性最好,反演精度最高。本研究结果说明,在进行冬小麦长势监测时,不同的生育期需要采用不同的监测指标,同时GF-1影像则更适合在拔节期和孕穗期进行冬小麦的长势监测。本研究结果在一定程度上为GF-1影像在农情遥感监测中的应用提供了科学依据。     

基于图像分析技术的烤烟叶片含氮量诊断模型

为了给叶片颜色特征参数与全氮的预测模型研究提供理论依据,利用图像处理技术提取生长关键期烟叶的颜色特征参数RGB,同时测定叶片全氮,采用线性拟合和多元回归分析方法,建立了烤烟旺长期叶片全氮含量估算模型,并对其精度进行了评价和验证。结果表明：RGB颜色系统的G、B可以作为叶片全氮含量估算的主要颜色特征参数,全氮含量的预测值与实测值的决定系数为R2=0.649（P〈0.01）;直线斜率为1.022 9,接近1,模型精度高,预测可靠。进而为烟株氮素快速诊断提供理论基础。     

基于高光谱特征参数的棉花长势参数监测

通过小区棉花密度和水分对比试验,分析不同密度和水分处理的棉花整个生育期生物量和LAI(叶面积指数)与高光谱特征参数的相关性,建立棉花生物量和LAI光谱估算模型。选取的所有植被指数与棉花LAI和生物量相关性均达到极显著水平,其中光谱参量NDVI(890,670)与LAI的相关性和光谱参量Height(920)与生物量相关性最好,用这2个参量与生物量建立棉花长势估测模型,其决定系数分别为0.804 0和0.760 9,均方根误差分别为0.191 5和0.315 2,利用光谱特征参数可以有效地监测棉花整个生育期的长势变化。     

基于连续小波变换的冬小麦叶片最大净光合速率遥感估算

已有研究发现,植物的最大净光合速率(A_(max))决定了其潜在的光合能力。以冬小麦为研究对象,以2017年、2018年4-6月获取的拔节期、挑旗期、开花期和灌浆期4个重要生育期的不同叶位叶片的原始光谱(350～1 350 nm)与气体交换数据为基础,旨在建立基于连续小波变换的冬小麦叶片最大净光合速率估算模型。结果表明,基于连续小波变换方法估算的模型,2017年、2018年的建模决定系数(R~2)分别为0.62、0.77,验证R~2分别为0.65、0.77,其估算模型的精度远高于基于植被指数建立的模型。通过对比分析几种植被指数与高光谱数据对最大净光合速率的估算结果发现,植被指数对小麦叶片A_(max)的解释能力较低,无法对光合能力作出正确且精确的估算。基于连续小波变换方法对冬小麦叶片A_(max)的估算精度较高,可以作为预估冬小麦生长状况、产量的依据。     

基于高光谱的油菜叶面积指数估计

以冬油菜为研究对象,2014-2015年度设计了不同施氮水平直播油菜小区试验,在不同生育时期测量冠层光谱、土壤背景光谱以及叶面积指数(leaf area index,LAI),通过相关分析选取了12个光谱特征参数和11个植被指数,建立6叶期至角果期LAI的5种线性和非线性定量反演模型。结果表明:二次多项式反演模型比较适合估算油菜LAI苗期时以红边参数为代表的光谱特征参数,可准确估算出LAI;6叶期时红边幅值预测模型R~2为0.81,RMSEP为0.39,RPD为1.62;8叶期时红蓝边面积比归一化预测模型R~2为0.79,RMSEP为0.60,RPD为2.30;10叶期时红边幅值预测模型R~2为0.92,RMSEP为0.47,RPD为2.36;盛花期时蓝边面积预测模型R~2为0.87,RMSEP为0.34,RPD为2.57;角果期时以RDVI为代表的植被指数也可准确估算出LAI,预测模型R~2为0.74,RMSEP为0.57,RPD为1.36。油菜全生育期采用相同光谱特征参数、植被指数建模估计LAI精度明显降低,预测R~2远小于0.75,RMSEP大于0.65,RPD值均小于1.40,表明难以采用统一参数建模准确估计油菜全生育期LAI,不同生长时期需选择合适的光谱参数、植被指数分段建模估计LAI。     

水旱地冬小麦植株氮素含量的高光谱监测

作物氮素状况是评价作物长势的关键指标之一,利用高光谱技术对水旱地植株氮素含量进行监测具有重要的实践意义。通过研究闻喜县水旱地小麦植株氮含量与叶面积指数(LAI)的定量关系,探索建立以LAI为中间变量的水旱地冬小麦氮素含量的监测模型的可行性。结果表明,水旱地冬小麦不同生育时期LAI特征波段不同,LAI与植被指数FDDVI,FDNDVI和FDMSAVI的相关性均好;冬小麦LAI与植株氮素含量在拔节期、抽穗期和灌浆期3个主要的生育时期均达到较好的相关性;水地冬小麦以FDNDVI(770,688 nm)为自变量建立的植株氮素含量监测模型最优,R2=0.849 9,RE=0.220 8,RMSE=0.060 2,RE和RMSE最小,预测性最好;旱地冬小麦以FDDVI(771,685 nm)为自变量建立的植株氮素含量监测模型最优,R2=0.802 9,RMSE=0.032 6,RE=0.17。研究结果可为实现水旱地冬小麦氮素的准确、快速、大面积的监测提供新的途径。     

冬小麦生育前期LAI 高光谱反演研究

【目的】冬小麦生育前期稀疏植被条件下叶面积指数反演对于播期、早期苗情监测有重要意义。【方法】文章利用实测冬小麦生育前期冠层高光谱数据,基于相关关系矩阵图筛选7个新的敏感植被指数、优选40个前人研究的双波段组合或多波段组合植被指数,利用单变量回归和偏最小二乘多变量回归分析47个植被指数与稀疏冬小麦叶面积指数(LAI)的相关性。【结果】植被指数PVR(650,550)、VARI(680,555,480)、RVI(1 868,1 946)与LAI相关性好,其中PVR(650,550)与LAI构建的模型拟合度最好,决定系数R~2为0.730,均方根误差RMSE为0.450。而相对单个植被指数,利用多个植被指数的偏最小二乘多元回归模型提高了LAI估算精度,R~2为0.779,RMSE为0.380。【结论】在冬小麦生育前期植被稀疏条件下,利用高光谱数据反演冬小麦LAI是可行的,可为冬小麦早期长势遥感监测提供支撑。     

基于无人机多光谱遥感的春玉米叶面积指数和地上部生物量估算模型比较研究

明确基于无人机多光谱遥感的玉米叶面积指数（LAI）和地上部生物量的最优估算模型对获取即时、无损、可靠的长势关键参量具有重要意义。2018—2019年,以郑单958（ZD958）和先玉335（XY335）为研究对象,设置4个施氮处理,通过无人机搭载多光谱相机获取多光谱影像,分析两品种LAI和地上部生物量与植被指数相关性,分别构建了基于植被指数的LAI和地上部生物量预测模型。结果表明：同一植被指数在两品种中对施氮量的变化响应规律不同;在吐丝期,幂函数对ZD958的LAI和地上部生物量估算效果最好,指数函数对XY335的LAI估算效果好,幂函数对地上部生物量估算效果好;在灌浆期,幂函数对两品种的LAI估算效果最佳,而指数函数对两品种的地上部生物量估算效果最好。研究结果为进一步提高春玉米长势监测的精度提供了重要依据。     

应用图像数字化技术进行甘薯氮素营养诊断

为了研究利用数码图像参数预测甘薯氮素营养指标的可行性，明确氮素营养状况评价的最佳色彩参数和方程模型，以烟薯25号为试材，于2020—2021年分别设置盆栽试验(氮肥水平为0、45、90、135、180 kg/hm²)、大田试验(氮肥水平为0、50、100、150、300 kg/hm²),利用数码相机获取甘薯冠层图像参数，同时测定地上部氮素营养指标，分析不同生育时期甘薯冠层数码图像参数与氮素营养指标的相关性，并构建甘薯氮素营养指标诊断模型。甘薯各生育期冠层图像参数与地上部生物量、叶片氮浓度、叶绿素a含量、叶绿素b含量相关性差异较大，以绿光标准化值NGI与上述氮素营养指标的相关性最好；薯蔓并长期NGI与氮肥用量、地上部生物量、叶片氮浓度、叶绿素a含量的直线方程模型分别为y=17.82x-6.95、y=6 999.70x-2 697.90、y=613.67x-188.78、y=75.38x-26.96;2021年试验验证模型验证结果表明，叶片氮浓度、叶绿素含量的预测值与实测值之间R²分别达到0.835、0.810,均方根误差分...     

温室网纹甜瓜临界氮浓度和氮营养指数模拟研究

为实现精准的氮营养诊断和指导生产,研究通过4个不同氮素水平处理的温室网纹甜瓜基质栽培试验,构建了临界氮浓度稀释曲线模型,并推导得到了氮素吸收和氮营养指数模型。结果表明:临界氮浓度稀释曲线模型(%N_c=4.235DW~(-0.353)_(max))揭示了植株地上部生物量和氮浓度值之间呈幂函数关系,决定系数R~2=0.814,同时得到最高和最低氮浓度稀释曲线,决定系数分别为R~2=0.808、R~2=0.810;氮素吸收模型和氮营养指数模型对网纹甜瓜营养诊断结果基本一致,植株适宜的氮素施用量为始瓜期前4.1g/株,之后1.3～2.7g/株。本研究提出的临界氮浓度、氮素吸收和氮营养指数模型,相较于传统的经验方法更具有机理性,可为温室网纹甜瓜的氮肥管理决策提供理论依据。     

基于3-PG模型的杉木人工林各器官生物量和LAI估算

【目的】利用3-PG模型估算江苏南部地区杉木人工林各器官生物量和叶面积指数(LAI),为杉木人工林可持续经营提供参考。【方法】以苏南丘陵地区杉木人工林为研究对象,结合当地气候和林分观测历史数据确定3-PG模型参数并运行模型,估算杉木人工林的LAI和林分不同器官生物量随林龄的变化趋势,并对预测值和观测值进行显著性分析。【结果】初始林分密度为4 600株/hm2的杉木人工林在5年时林分达到郁闭,LAI为5.5;干生物量在23年达到最大值,为74.5t/hm2;根和叶的生物量均随着林龄的增加而先增后减,根生物量在第10年达到最大值(17.5t/hm2),叶生物量在第6年达到最大值(10.25t/hm2)。【结论】3-PG模型预测结果较好,除叶生物量外,LAI、干和根生物量预测值均与观测值无显著差异。     

基于Landsat TM影像的冬小麦拔节期主要长势参数遥感监测

[目的]强化冬小麦长势遥感监测机制,为田间生产管理提供信息支撑.[方法]以2007-2009年试验实测数据为基础,以Landsat TM影像为数据源,分析试验样点拨节期冬小麦主要长势参数与品质、产量以及卫星遥感变量间的相关性,分别建立及评价了TM影像遥感变量监测冬小麦拔节期叶面积指数(LAI)、生物量、SPAD值和叶片氮含量(LNC)的模型.[结果]冬小麦拔节期,选用中红外波段的反射率(B5)、归一化植被指数(NDVI)、DSW5和绿波段的反射率(B2)等遥感变量分别反演冬小麦的SPAD值、生物量、LAI和LNC是可行的;SPAD值,生物量、LAI和LNC遥感监测模型的精度较高,以此为基础,制作出了具有实际农学意义的冬小麦拔节期不同等级SPAD值、生物量,LAI和LNC遥感监测专题图,实现了主要长势参数空间分布量化表达.[结论]研究结果可为广大农学家、农业部门决策者和田问管理人员提供及时的农情信息.     

基于RGB颜色空间的早稻氮素营养监测研究

针对双季稻区水稻过量施肥带来环境污染和成本提高问题,设计不同品种氮肥梯度大田试验,应用数码相机获取早稻冠层数字图像,研究不同色彩参数及早稻氮素营养指标的时空变化特征,以期确立双季早稻氮素营养预测模型。结果表明:不同品种同一氮肥处理下图像色彩参数差异不大;拔节期数字图像参数对氮素营养指标敏感;模型构建结果显示,图像参数INT与水稻氮素营养指标构建的模型决定系数(R2)最大,模型预测效果最佳,R2分别为0.895 7和0.924 7;进一步采用多元回归分析和BP神经网络分析法进行预测,预测效果均较好。对预测结果进行检验,发现品种对于模型的构建影响不大,以BP神经网络分析法构建的叶片氮浓度(LNC)模型和以INT为敏感色彩参数构建的叶片氮积累量(LNA)回归模型效果最优,而多元回归分析方法则效果不佳。早稻冠层RGB颜色空间敏感参数与氮素营养指标间相关性较好,可以实现氮素营养的无损监测诊断。     

基于WOFOST模型的江苏冬小麦生长模拟

WOFOST模型是目前常用的作物模型之一。采用2015—2017年区域气象站点的气象数据、土壤数据、作物数据等,利用OAT方法进行模型参数敏感性分析,结合最小二乘法、"试错法"等,并借鉴前人研究结果,基于不同密度和氮肥处理水平,针对冬小麦发育参数出苗到开花积温(TSUM1)、开花到成熟积温(TSUM2)以及生长参数比叶面积(SLATB)、最大CO_2同化速率(AMAXTB)进行冬小麦参数调整,实现WOFOST模型本地化。结果表明:WOFOST模型模拟冬小麦LAI的R~2、RMSE、NRMSE分别为0.817 8、0.58、27.9%,模拟叶、茎、穗和地上部总生物量的R~2、RMSE、NRMSE分别为0.783 2～0.953 1、315.55～986.15 kg·hm~(-2)、10.1%～29.8%,模拟产量的R~2、RMSE、NRMSE分别为0.585 2、799.96kg·hm~(-2)、15.9%,与实测值均有较好的一致性。这一研究说明WOFOST模型能较好地模拟研究区域冬小麦的生长发育状况。     

中国北方作物和草地LAI全球产品的精度评价

叶面积指数(Leaf area index, LAI)是陆地表层的生态系统、农业生产、水热能量平衡及全球气候变化等等模型中的关键参量之一。目前已有多种的全球LAI遥感产品,科学评价和对比这些LAI产品精度是准确使用这些数据的重要基础。本研究基于多个时期的地面实测LAI数据和Landsat TM、HJCCD影像数据,对中国北方重要的植被类型玉米、冬小麦和草地的GLOBMAP的LAI数据精度进行验证评价,并将其与MODIS、GEOV1产品进行比较。研究结果表明,在玉米的整个生长季过程中,与MODIS、GEOV1 LAI产品相比较,GLOBMAP LAI产品值与地面实测值、TM影像估算LAI值都更为接近。冬小麦GLOBMAP LAI产品明显低于实际值、HJCCD估算LAI值,冬小麦GLOBMAP LAI产品值较实测值低约2～5左右。草地GLOBMAP LAI值精度不高,其与实测值拟合R~2仅为0.231,比HJCCD影像估算值低0.6～2左右。三种全球LAI产品比较而言,GLOBMAP与MODIS LAI产品值相对较为接近,两者都明显低于GEOV1 LAI产品值,但三种LAI产品都较好刻画了玉米和冬小麦冠层LAI的生长变化过程。本研究可为LAI全球遥感产品准确应用、产品算法改进、精度提高提供科学参考。     

基于机器学习和多颜色空间的冬小麦叶片氮含量估算方法研究

[目的]基于冠层图像可见光颜色分量进行冬小麦叶片氮含量(leaf nitrogen concentration,LNC)估算的算法研究,旨在为构建LNC估算模型提供方法借鉴。[方法]用Olympus E-620单反相机采集不同种植条件(2个品种、2个种植密度、3个氮处理)下2年生育期(2013年和2014年)的小麦冠层图像。基于H颜色分量的K-means聚类分割冠层图像,分别提取3个颜色空间HSV、L~*a~*b~*和RGB的3种基础颜色分量值,作为输入参数;分别使用多元线性回归(multivariate linear regression,MLR)、支持向量回归(support vector regression,SVR)、随机森林(random forest,RF)构建LNC估算模型,以决定系数R~2和均方根误差(root mean square error,RMSE)为评价指标;10×10嵌套交叉验证法分析3个颜色空间下各算法模型的拟合能力与泛化性能。[结果]单颜色空间下,3个算法模型的拟合与泛化性能以HSV空间下最优,L~*a~*b~*空间下其次,RGB空间下表现最弱;其中,RF拟合能力最强,但方差主导了泛化误差,模型过拟合;SVR拟合能力弱于RF,优于MLR,但该模型泛化性能最优;MLR拟合能力最弱,且偏差主导了泛化误差,模型欠拟合且受噪声干扰。融合3个颜色空间9种基础颜色分量的多颜色空间,3个模型拟合与泛化性能相对单颜色空间均更优,其中RF模型最优。与最优单色空间HSV相比,RF在训练集上R~2提高2.67%,RMSE降低11.59%;测试集上R~2提高7.57%,RMSE降低11.49%。多颜色空间下RF较SVR拟合更优,且泛化性能有效提升,提升比例高于SVR。[结论]基于3种算法构建的LNC估算模型,在融合3个颜色空间的9个基础颜色分量多颜色空间下,RF拟合与泛化性能最优,可为估算冬小麦LNC提供方法参考。     

贡嘎山海螺沟冰川退缩区4种常见树种的异速生长方程

【目的】异速生长方程是构建林木生物量最简单常用的方法,本研究旨在为川西亚高山森林生物量及碳储量估测提供有效的研究方法,同时为异速生长模型优化以及植被原生演替过程研究提供基础依据。【方法】本文基于海螺沟冰川退缩区植被原生演替过程中主要树种的生物量实测数据,通过模型将树木的总生物量及不同组分(如枝、叶、树干、根等)生物量与胸径和树高等易测指标联系起来,建立了各树种总生物量及各组分生物量异速生长方程。【结果】引入树高(H)的二元模型拟合效果要优于一元模型,同一模型对地上和树干生物量估计精度要优于枝叶和地下生物量的估计。【结论】以D~2H为自变量的方程对树干和地上生物量的拟合效果更好,而以D~3/H为自变量的方程更适合枝叶和根的生物量拟合。在实际工作中,考虑到野外测量的难度,可以采用一元模型W=aD~b。本次构建的生物量异速生长方程对于青藏高原东缘亚高山森林生态系统生物量的估算以及植被演替过程中生物量的动态研究具有重要参考价值。