基于碳氮代谢的水稻氮含量及碳氮比光谱估测

碳氮代谢为植物生长发育提供物质基础，因此碳氮含量及碳氮比的无损快速估测对植物的生长调控有着极其重要的作用。本文系统研究了水稻7个不同氮肥水平下的碳氮代谢特征及其与冠层反射光谱特征之间的关系。结果表明，植株碳氮含量及碳氮比与大多数比值植被指数、归一化植被指数及差值植被指数关系密切，比值植被指数与归一化植被指数的表现一致，差值植被指数略有不同，其中碳氮比的相关性与氮含量类似。氮含量与510 nm和460 nm构成的比值和归一化植被指数的关系最佳，不受生育期的影响，可用统一的方程来预测；碳氮比则需分阶段建模较好，生育后期（抽穗期和灌浆盛期）以ND_(1650,710)最好。经其它独立数据的验证表明，模型对氮含量的估测精度在叶片水平上为80.51%，在植株水平上为76.36%，预测的RMSE分别为0.20和0.26，叶片和植株碳氮比的估测精度分别为81.09%和70.70%，预测的RMSE分别为1.64和3.95。表明通过植被指数的计算可以定量地评估水稻氮含量及碳氮比。     

棉花冠层高光谱指数与叶片氮积累量的定量关系

利用冠层高光谱反射率及演变的多种高光谱植被指数(VI),分析了不同施氮水平下不同棉花品种叶片氮积累量与冠层反射光谱的定量关系,建立了棉花叶片氮积累量的敏感光谱参数及预测方程。结果显示,棉花叶片氮积累量和冠层高光谱反射率均随不同施氮水平显著变化;棉花叶片氮含量的敏感光谱波段为600~700 nm的红谷波段和750~900 nm的近红外波段,叶片氮积累量与光谱指数NVD672有密切的定量关系,且不同品种可以用统一的方程来描述,从而为棉花氮素营养的监测诊断与精确施肥提供了技术支持。     

滴灌棉田植株氮营养指数的高光谱诊断研究

【目的】通过研究滴灌棉田地上部植株的氮营养指数,探究建立基于氮营养指数的高光谱指数模型的可行性,为高光谱遥感在农田氮营养快速、准确诊断中的应用提供理论依据。【方法】2年试验,以新疆主栽的5个棉花品种为研究对象,在不同施肥处理条件下,探究氮营养指数和17种光谱指数之间的相关性,建立氮素营养诊断模型并进行验证。【结果】不同品种棉花滴灌条件下氮营养指数之间差异显著,杂交棉能更快地接近氮素营养水平的最佳状态;基于高光谱的氮营养指数多元回归模型中R²最高的为鲁棉研24,达到0.8的高水平;经2年数据验证,鲁棉研24号建立的模型精度最高,R²=0.868,均方根误差为0.059。【结论】建立基于氮营养指数的高光谱监测模型能够很好地监测植株氮素养分状况,大田模型精度R²能达到0.5以上,本试验结果能够为今后农业养分诊断提供理论依据。     

基于无人机高光谱融合连续投影算法估算棉花地上部生物量

【目的】地上部生物量是表征植物生命活动的重要参数。探索不同的光谱预处理方法和建模方法,实现对棉花地上部生物量快速、无损、准确的估算,对棉花长势监测和大田精准管理具有重要意义。【方法】以新陆早53号、新陆早45号为研究对象,设置不同施氮处理,于出苗后不同阶段获取棉花地上部生物量和无人机高光谱数据,通过连续投影算法(Successive projections algorithm,SPA)筛选不同预处理[一阶导数、二阶导数、Savitzky-Golay(SG平滑)、多元散射校正]后的特征波长,基于筛选出的不同波长组合使用偏最小二乘法回归(Partial least square regression,PLSR)和随机森林回归(Random forest regression,RFR)分别构建棉花地上部生物量估算模型,比较不同预处理后建立模型的精度,确定最优估算模型。【结果】(1)利用SPA算法对不同预处理后的光谱信息筛选出特征波长9～26个,可实现光谱信息降维。(2)基于SG平滑-SPA处理及PLSR方法建立的模型最佳,R~2达到了0.63,均方根误差(Root mean square error,RMSE)为0.42,验证集的R~2为0.67,RMSE为0.44。(3)一阶导数-SPA处理后,采用RFR构建的模型最佳,R~2达到0.87,RMSE为0.45,验证集R~2为0.81,RMSE为0.37。【结论】采用一阶导数预处理结合SPA筛选特征波长,经RFR构建的估算模型结果和验证效果均最佳,可用于棉花地上部生物量定量估算。     

基于临界氮浓度稀释模型的棉花开花后氮动态需求定量诊断研究

在大田栽培条件下,于江苏南京(长江中下游棉区)和河南安阳(黄淮棉区)设置棉花氮素水平试验,依据Justes的临界氮浓度稀释曲线确定方法,确立了开花后棉花地上干物质临界氮浓度稀释模型,以此为基础,建立了棉花开花后动态氮吸收、累积、临界需求量及氮累积亏缺的定量诊断模型。结果表明,安阳、南京2试点的棉株地上干物质氮浓度均随施氮水平的提高而增加,随开花后棉花生育进程的延后而降低,安阳试点不同施氮水平间棉株地上干物质氮浓度值的差值明显小于南京。临界氮浓度稀释模型为CNFNC=aⅹDM_M^-b(安阳:a=3.837,b=0.131,南京:a=2.858,b=0.131),参数a的差异表明在达到同样的生物量条件下,安阳试点的氮吸收能力大于南京。棉花开花后动态氮吸收速率、累积、临界需求量及氮累积适宜度的定量诊断模型可精确定量描述不同施氮水平棉花从开花至吐絮以日为时间步长的干物质增长速率、氮吸收速率、氮累积量。施氮水平对地上干物质瞬时增长速率有较大影响,施氮水平过低或过高时其增长速率均下降。棉株日氮吸收量和总氮累积量均随施氮量的增加而增加,但棉株对氮的容纳有一定的限度。通过对比2试点氮累积量与临界需氮量差值的动态变化,认为安阳试...     

基于冠层反射光谱的玉米LAI和地上干物重估测研究

以cropscan多光谱辐射仪测定了玉米品种郑单958和浚单20的冠层光谱反射率,并对其相应的叶面积指数(LAI)和地上干物质量进行了同步测定。将由近红外波段和可见光红波段组成的不同的归一化植被指数(NDVI)和比值植被指数(RVI)分别与叶面积指数、地上干物质量进行回归分析,结果表明,NDVI与叶面积指数的相关性优于RVI与叶面积指数的相关性,且以NDVI(R950,R650)和叶面积指数的幂函数回归结果最优;RVI与地上干物质量的二项式回归效果显著,估算模型为:Y=-0.722 4(R800/R650)2 1.631 6(R800/R650) 271.49,R2=0.793 5。     

棉花叶面积指数和地上干物质积累量的高光谱估算模型研究

 用ASD FieldSpec光谱仪实测棉花冠层不同生育时期的高光谱数据,同期获取棉花叶面积指数(LAI)和地上干物质积累量(Above-ground Dry Matter Accumulation,ADMA)。分析棉花冠层反射光谱与棉花LAI、地上部干物质积累量（ADMA）的相关关系,分析结果表明,反射光谱数据与棉花LAI、ADMA的相关系数的最高值分别发生在783 nm（r=0.6394^**）和766 nm处(r=0.6287^**);对反射光谱数据进行统计分析,建立了基于比值植被指数(RVI)和归一化植被指数(NDVI)的5种函数形式的棉花LAI、ADMA估测模型。经检验,基于RVI的估测模型具有较高的精度;对一阶微分光谱数据与棉花LAI和ADMA的逐步回归相关分析表明,敏感波段分别发生在736 nm（r=0.6769^**）和742 nm处(r=0.6847^**)。由736 nm、742 nm波段处的微分数值建立的LAI和ADMA线性回归估测模型,R值均达到了1%极显著的检验水平,说明一阶微分光谱敏感波段的数值,对棉花LAI和ADMA具有一定的估算能力。     

基于叶绿素荧光参数的滴灌棉花氮素营养估测模型

【目的】建立基于叶绿素荧光参数的棉花叶片氮素营养监测模型,为棉花高效施氮及植株生长状况的无损监测提供方法。【方法】在水肥一体化滴灌条件下,以新陆早58号为试验材料,设置4个施氮水平,测定了棉花生长关键时期顶2(从顶部数起)至顶5叶的叶绿素荧光参数和氮素含量,分析了棉花叶片氮素含量与荧光参数的关系。【结果】(1)棉花出苗70 d后,叶片氮素含量以及光系统Ⅱ(PSⅡ)潜在光化学活性(Fv/F0)、PSⅡ潜在最大光化学效率(Fv/Fm)、PSⅡ实际光化学效率(ΦPSⅡ)、PSⅡ最大光化学效率(Fv’/Fm’)均随着棉花生长呈逐渐下降趋势。(2)不同氮素处理下,各叶片氮素含量以及叶绿素荧光参数Fv/F0、Fv/Fm、ΦPSⅡ和Fv’/Fm’均随施氮量的增加而上升,其中N2(240 kg·hm-2)处理下各荧光参数值最大。(3)叶片氮含量与Fv、Fv/F0、Fv/Fm、ΦPSⅡ都呈现极显著正相关关系,与荧光参数ΦPSⅡ、Fv’/Fm’间呈现较好的指数函数关系,与荧光参数Fv、Fv/Fm、Fv/F0呈现良好的线性函数关系。顶5叶可变荧光(Fv)与叶片氮素含量建立的关系模型(y=0.0022x+1.6243)的模拟效果最好,决定系数达到0.928,相关系数达到0.963,呈极显著正相关。【结论】适量施氮(240 kg·hm-2)能够提高PSⅡ的活性及PSⅡ反应中心开放部分的比例,进而改善棉花叶片光合能力。顶5叶氮素含量与叶绿素荧光参数Fv构建的模型精确度和拟合效果较其他荧光参数好,因此可以选用荧光参数Fv来监测棉花叶片氮素含量,进而监测植株的氮素营养状况。     

基于高光谱植被指数的棉花干物质积累估算模型研究

利用北疆8个棉花主栽品种(其中2个棉花品种设4水平种植密度)的各生育期冠层高光谱数据,经多元统计分析与光谱微分处理,建立了基于比值植被指数(RVI)和归一化植被指数(NDVI)的5种函数形式的棉花干物质积累估测模型,相关系数均达到了极显著水平(α=1%,n=96)。基于RVI和NDVI构建的估测模型,前者比后者具有更高的估测精度,指数函数、对数函数和双曲线函数形式的模型可以产生较高的预测精度;一阶微分光谱数据与棉花干物质积累量的逐步回归相关分析表明,相关系数的最高值发生在748 nm波段处(r=0.6920**),由748 nm波段处的微分数值建立的回归模型,估测精度较高,具有实际应用的潜力。     

基于高光谱数据的滴灌甜菜叶片全氮含量估算

本文旨在明确甜菜叶片全氮含量与高光谱地面植被遥感的定量关系,建立干旱区甜菜叶片全氮含量精确估测模型,及时监测甜菜生长状况。本研究选取新疆滴灌甜菜(Beta356)为材料,利用ASD野外高光谱仪在甜菜叶丛快速生长期、块根膨大期与糖分积累期采集各处理反射光谱,并同时测定全氮含量,分析原始光谱反射率及一阶微分光谱反射率与全氮含量的相关性,并进一步建立光谱特征参数与敏感波段植被指数全氮含量估算模型。结果表明,光谱特征参数Dr762幂函数下估算模型具有较好估算甜菜叶片全氮含量的能力,其决定系数R2=0.747,验证相对误差RE(%)为21.635,验证均方根误差RMSE为4.914;通过植被指数与叶片全氮含量建立多种函数估测模型,其中差值植被指数Dr762–Dr496下一元线性函数具有较好估算甜菜叶片全氮含量的能力,其决定系数R2=0.794,验证相对误差RE(%)为23.008,验证均方根误差为5.372。     

不同基因型棉花地上部干物质积累对氮素的响应

选取有代表性的3个棉花品种(美国抗虫棉33B、常规棉中棉所12和抗虫杂交棉中棉所46),在大田试验条件下测定不同施氮处理下(0、90、180、270、360kg.hm-2)的叶面积指数(LAI)、地上部干物质量和植株氮浓度的动态变化。运用指数线性生长模型对棉花地上部干物质积累过程进行模拟,并用幂函数模拟棉花氮稀释效应。结果表明:(1)棉花地上部干物质增长过程可以用指数线性模型模拟,模型参数能较好地反映基因型和氮肥处理对地上部干物质积累的影响。(2)棉花地上部氮浓度随干物质的增长而降低,模型能较好地反映不同基因型棉花氮素吸收能力的差异。(3)通过对棉花地上部干物质增长和氮稀释效应的模拟分析,认为田间最佳施氮水平为180kg.hm-2,过量施氮对3个棉花品种的干物质积累和地上部植株氮素吸收增加无明显影响。     

高光谱遥感估测大豆冠层生长和籽粒产量的探讨

现代作物育种需要监测大量育种材料的生长并估测产量潜势, 高光谱遥感技术为此提供了简单、快捷、非损伤性测定的可能途径。选取30份大豆育成品种进行连续2年的产量比较试验, 在盛花期(R2)、盛荚期(R4)和鼓粒始期(R5)测定地上部生物量(ADM)和叶面积指数(LAI), 并利用ASD高光谱地物仪同步收集大豆冠层反射光谱信息。供试品种间ADM、LAI和产量差异显著或极显著。不同生育期可见光和近红外区域的光谱反射率与大豆ADM、LAI及产量均有显著相关, 尤其在R4和R5期相关性最高。在构建大量光谱参数的基础上, 遴选出对ADM、LAI及产量预测精度较好的回归模型。其中, R5期的P_Area560光谱参数与LAI和R4期的V_Area1450光谱参数与ADM构建的两个生长性状的监测模型效果最好, 决定系数(R²)分别为0.582和0.692。未发现单一生育期光谱参数对大豆估产的有效模型, 但综合R2期NPH1280、R4期V_Area1190以及R5期NPH560构建的产量估测模型, 决定系数(R²)达到0.68, 效果较好。本研究     

基于高光谱的棉花叶片磷含量估测模型

研究不同施磷条件下棉花叶片叶绿素含量的变化规律,旨在建立基于高光谱的叶片磷含量估测模型,实现棉花叶片磷含量快速监测。在盆栽试验条件下,设置不同的磷肥量,测定棉花功能叶叶绿素含量与磷含量,并利用植被指数和叶绿素含量的相关性构建磷含量的光谱变量,从而实现利用高光谱对棉花叶片磷含量的定量监测。结果表明：(1)棉花播种后100天左右,叶片磷含量与叶绿素呈现显著关系(决定系数R²=0.96)。(2)利用多个植被指数(X)和叶绿素含量(I)的相关性构建倒一叶、倒二叶、倒三叶、倒四叶的磷含量光谱变量,其中各叶片相关性最优的模型：倒一叶(L₁)为I₁=2.6131X_RENDVI-0.4275,X_RENDV为红边归一化植被指数,R²=0.71,RMSE=0.2;倒二叶(L₂)为I₅=0.0142X_TVI+0.3274,X_TVI为三角植被指数,R²=0.76,RMSE...     

基于高光谱植被指数的棉田冠层特征信息估算模型研究

 采用ASD Field Spec Pro VNIR 2500型光谱辐射仪获取了棉花不同生育时期的冠层高光谱反射率。并通过光谱分析技术,建立了基于高光谱植被指数——归一化植被指数和比值植被指数的棉田冠层特征信息的定量模型。经过对估算模型的精度检验和评价,最终筛选出表征棉花冠层结构特征参数的最佳估算模型。结果表明,基于归一化植被指数预测棉花叶面积指数,以幂函数（y=11.084x^12.024,r=0.8076^**）的模型为最优;基于比值植被指数预测棉花单位面积地上部鲜生物量,以指数函数（y=52.261·exp(0.1024x),r=0.8114^**）的估计模型为最优;基于比值植被指数预测棉花单位面积地上部干生物量,以指数函数（y=9.5552·exp(0.1133x),r=0.8330^**）的模型为最优。可见,利用高光谱遥感技术可以分析、模拟、评价、预测棉花冠层特征参量,为精准种植棉花提供了依据。     

棉花花后果枝叶生物量和氮累积特征及临界氮浓度稀释模型的研究

在大田栽培条件下,于江苏南京（长江流域下游棉区）和河南安阳（黄河流域黄淮棉区）设置了棉花施氮水平试验,依据Justes的临界氮浓度稀释模型确定方法,研究棉花花后果枝叶临界氮浓度稀释模型及其与棉花产量的关系。结果表明, 花后棉花果枝叶的生物量增长和氮吸收累积均受施氮水平的影响,其动态变化符合S型曲线,氮累积的快速起始时间较干物质早2~4 d;棉花产量与果枝叶氮浓度关系密切,氮浓度过高或过低均不利于产量形成,花后果枝叶存在氮奢侈消费现象;棉花花后果枝叶氮浓度随施氮量的增加而增加、随生育进程而降低,其干物质累积量与氮浓度间符合幂函数关系,2试点果枝叶氮稀释曲线模型形式相同,但参数不同,不同气候区域存在独立的果枝叶氮临界、最高和最低稀释曲线模型;根据果枝叶氮浓度与产量间的关系,安阳、南京2试点,棉花果枝叶在盛花期和吐絮期的适宜氮浓度分别为4.93%、3.70%和3.33%、3.01%。临界氮稀释曲线的氮营养指数和异速生长模型对果枝叶氮营养状况的诊断与此相符。临界稀释模型具有明确的生物学意义,可以作为定量诊断果枝叶氮营养动态变化的指标之一。     

基于近地高光谱棉花生物量遥感估算模型

分析棉花地上鲜生物量冠层高光谱反射率变异系数，反射率光谱、一阶微分光谱与地上鲜生物量相关关系得结果表明：在可见光近红外波段棉花冠层反射率光谱变异系数在672 nm波段处最大；棉花地上鲜生物量与反射率光谱相关系数最大值在可见光波段出现在589~700 nm，在近红外波段出现在865~919 nm波段，且前者大于后者。地上鲜生物量与一阶微分光谱相关系数在可见光波段出现524~528 nm、552~588 nm、710~755 nm 3个高值区。基于以上研究，选择19个高光谱特征参数建立了棉花地上鲜生物量高光谱遥感监测模型，经检验，单波段中以F₆₂₉估算水平最高，估算模型为Y = 9.7914 exp(－20.738 F629)，准确度为83.9%、RMSE为0.64 kg m^-2、预测值与实测值相关系数为0.940**；组合参数以[629, 901]指数形式估算模型估算水平最高，模型为Y = 0.0986 exp(4.3696[629, 901])，准确度达84.0%，RMSE为0.55 kg m^-2，预测值与实测值相关系数为0.960**，上述两个模型为参选模型中估算棉花地上鲜生物量最佳高光谱估算模型。     

基于棉花冠层光谱的土壤氮素监测研究

通过连续2年小区氮肥试验,在棉花不同生育期采集冠层高光谱数据并同步测定土壤氮含量,分析棉花冠层高光谱参数与土壤氮含量间的关系,建立基于植株冠层光谱的土壤氮含量估算模型。结果表明:土壤全氮含量随着施氮水平的增加而增加,且差异显著;基于棉花不同时期冠层光谱构建的14种光谱参量与土壤氮含量间的相关性有显著差异。其中,利用冠层光谱参数P_Area1100、Depth980、Area672、PPR(550,540)建立的土壤氮含量监测模型分别在蕾期、花期、铃期、吐絮期4个关键生育期对土壤氮含量的预测均达到了较高的精度,能够很好地反映棉花土壤氮素营养状况。利用植株冠层光谱参数可以很好地监测土壤氮素营养,说明利用植株冠层光谱方法监测土壤氮含量是可行的。     

基于高光谱数据提取棉花冠层特征信息的研究

 采用ASD Field Spec Pro VNIR 2500型高光谱仪获取了不同生育时期棉花冠层的高光谱遥感数据,通过光谱分析技术研究了棉花冠层结构与其光谱数据之间的关系。结果表明,不同品种、不同密度、不同配置方式及不同生长状况间棉花的冠层光谱存在着较明显的差异,棉花冠层光谱反射率与其叶绿素含量、叶面积和生物量及生长发育阶段、健康状况和物候现象等因素密切相关。可见,运用高光谱遥感技术快速、有效、非接触、非破坏性地获取棉花冠层信息,对解释、预测和设计理想棉花群体意义重大,同时为新疆精准种植棉花和科学调控水肥提供了科学依据。     

基于高光谱的水稻叶片氮含量估计的深度森林模型研究

高光谱遥感已经成为快速诊断作物水氮状态的一种有效手段。然而,传统的回归方法和机器学习往往难以挖掘高光谱的全部信息,深度神经网络又通常需要大量的训练数据,因此本研究试图探索在少量数据条件下构建深度学习模型并实现叶片氮含量的精准估计。通过在湖北省监利县开展了连续2年不同氮素胁迫水平的水稻试验,测量了作物全生育期内的216组冠层光谱和叶片氮含量。基于一阶导数光谱,本文构建了一种新的深度学习模型(深度森林DF)来进行叶片氮含量的反演,并与2种经典机器学习模型(随机森林RF和支持向量机SVM)和一种深度神经网络模型(多层感知器MLP)进行比较。结果表明,在基于少量高光谱数据的情况下,DF对水稻叶片氮含量的估算精度要高于MLP,其中预测精度最高的模型为全波段光谱反演的DF模型(R²=0.919, RMSE=0.327)。在2种经典机器学习模型中,RF的估计效果优于SVM,但2种模型结果都不够稳定。研究表明,深度森林可以提升高光谱反演叶片氮含量的精度和稳定性,并且可以通过多粒度扫描相对减轻过拟合程度。该研究结果可为少量数据条件下快速监测作物叶片氮含量提供参考。     

棉花苗期冻害高光谱特征研究

 通过盆栽、霜箱模拟冻害,结果表明:冻害棉苗叶绿素含量、光合、蒸腾速率显著低于对照组。叶绿素含量与高光谱特征相关分析表明对照组高相关波段集中在红、近红外波段,而冻害组集中在蓝、绿、红波段。根据相关系数及高光谱反射率、一阶导数、倒数后对数三类特征值差异显著性分析,反射率、一阶微分不易选取冻害胁迫诊断波段,利用反射率倒数后对数,B696、B720、B768、B845可作为诊断波段。由诊断波段的反射率值计算的植被指数与叶绿素含量相关性要比单一波段更高,由倒数对数和一阶微分值计算的植被指数与叶绿素含量相关性反而低于单一波段。利用诊断波段的倒数后对数光谱特征值用于反演苗期冻害叶片叶绿素含量。