基于像元物候曲线匹配的生长季内河北省冬小麦空间分布识别

及时、准确的农作物空间分布信息是进行作物长势监测、灾害评估与产量估计的基础。传统方法一般在作物收获期前后进行作物的识别，时间上滞后，难以满足农业生产的应用，时空泛化能力差，模型复用程度低。该研究以历史知识为支撑，提出冬小麦像元匹配模型（Pixel-matched Model，PMM）进行冬小麦空间分布提取，旨在生长季内实现冬小麦空间分布的快速提取。研究结果表明，PMM能充分利用作物物候特征变化，排除冬小麦种植物候空间异质性的影响，能够在播种后2个月内实现冬小麦的准确提取，总体精度达到了95.49%，F1分数为0.83，且不随物候曲线的延伸而大幅提高精度。与传统参考曲线模型（Reference Curve Model，RCM）相比，PMM在消除区域内冬小麦生长物候差异方面具有优势，可在年际间实现冬小麦的准确识别，具有较强的时间泛化能力，能够实现冬小麦的自动化识别。     

利用冬小麦作物生长模型对产量气候风险的评估

以北京地区冬小麦生产为例，介绍了两种作物生长模型——小麦生长模拟模型WheatSM和农业生产模拟系统(小麦模型)APSIM-Wheat在作物生产气候风险评估中的应用研究。在对WheatSM和APSIM-Wheat进行参数调试和验证的基础上，用北京地区1955～2000年的历史时期气候资料，以日为时间步长，进行多年冬小麦生产的模拟，分析不同气候年型下冬小麦产量的风险。其中，利用WheatSM的模拟结果评估了北京地区热害对冬小麦产量造成的风险，结果表明，5月平均气温≥21℃时为灌浆期高温年型，热害造成的减产至少在13.1%以上；利用APSIM-Wheat的模拟结果评估了北京地区干旱造成的冬小麦产量风险，结果表明，当全生育期降水量<100 mm，缺水量>169.40 mm时，北京冬小麦全生育期严重干旱，冬小麦产量在4 t·hm^-2以下。以上研究结果符合生产实际，可为北京地区不同气候年型下冬小麦生产的动态决策和减轻灾害损失提供科学依据和技术支持。     

基于结构-功能互反馈机制的植物生长可视化建模与仿真(简报)

为确定植物生长可视化建模的一般方法,在总结国内外相关研究成果的基础上,归纳了基于结构-功能反馈机制的植物生长可视化建模的步骤,研究了建模过程中涉及的植物形态结构描述模型、结构模型与功能模型的结合、可视化模型以及模型的有效性检验等关键性技术问题,最后以具体作物生长可视化建模为例阐述了该技术的应用,并对关键性技术问题进行了讨论.研究结果表明,基于结构-功能反馈机制的作物生长模型,不但能可视化模拟不同环境因素下作物的生长发育状况,而且可在作物理想株型培育、群体产量预测、栽培管理等领域发挥实际作用.     

基于L系统虚拟植物生长模型的研究

器官是植物形态构建的关键因子。本文从虚拟植物生长工作基本原理,并从基于L系统技术来虚拟植物的生长出发,针对植物形态结构的复杂,虚拟植物生长的各器官之间存在着很强的交互性和协调性,及目前虚拟植物模型构建方法可能带来的非结构化等问题,提出了利用L系统构建虚拟植物模型的技术,结合油菜生长的具体实际,虚拟植物的生长;最后对虚拟植物各个器官之间的关系和不同环境的适用性等方面进行了展望。     

BEPS模型在华北平原冬小麦估产中的应用

粮食是一切生产和生活的根本,准确地估计冬小麦的产量,对国家制定粮食政策至关重要。该文利用北部生态系统生产力模拟（BEPS,boreal ecosystem productivity simulator）模型能够模拟森林植被净第一性生产力的特点,分析了BEPS模型在冬小麦估产中的适用性和局限性。针对冬小麦和森林植被冠层的不同生长特点,假设冬小麦冠层具有水平均一、垂直分层的结构,利用辐射传输方程,将原BEPS模型中的两片大叶模型改造为多层-两片大叶模型;同时,利用前人提出的收获指数（HI,harvest index）的概念,将冬小麦的净第一性生产力转化为经济产量,从而实现利用遥感机理模型对冬小麦产量的估算。将改进后的模型用于华北平原冬小麦估产中,并利用国家级农业气象站点的实测产量资料对模拟结果进行验证,复相关系数达到0.817,说明改进后的BEPS模型可以用于华北平原冬小麦的估产研究。     

光合作用模型在长江下游冬麦区的适用性研究

以直角双曲线、非直角双曲线、渐进指数及修正直角双曲线等4种光响应模型为基础,结合CO2浓度和温度变化对冬小麦光合作用的影响,推导出4种植物叶片光合作用模型。分别利用长江下游冬麦区2个主栽冬小麦品种的田间试验资料,确定模型参数并对模型预测效果进行检验。结果表明,修正直角双曲线模型的预测效果最好,预测值与实测值相关系数（r）为0.925,均方根误差（RMSE）为1.666μmol.m-2.s-1。修正直角双曲线模型考虑了光抑制问题,从而能够更好地预测高光强情况下的冬小麦光合速率,因而最适于长江下游地区冬小麦光合作用的模拟。研究结果可为选择最佳的光合作用模型进行冬小麦生长模拟及产量预测提供参考。     

冬小麦水分利用效率与最优灌溉制度的研究

针对不同水分处理对冬小麦产量和耗水特性的影响，在大田生产条件下对冬小麦进行了非充分灌溉试验，以冬小麦大田试验数据为基础，采用最小二乘法拟合了冬小麦水分生产函数；通过耗水资料的分析整理，揭示了冬小麦的水分效应及耗水规律；依据动态规划原理，建立了冬小麦最优灌溉制度动态模型，提出了两种水文年型(50%和75%)的冬小麦节水灌溉模式，对北方冬麦区田间管理具有一定的指导意义。     

冬小麦旱情监测中土壤水分估算模型的互补性——以河北省为例

旱灾是影响我国农业最大的气象灾害。频发的冬春旱尤其是春旱恰逢冬小麦生长的关键阶段,对我国的冬小麦生产造成了严重影响,利用遥感技术实现冬小麦旱情监测成为当前农业旱情管理的一个重要发展方向。采用2005年EOS/MOD IS数据产品,对春季不同时段内河北省旱情监测遥感信息模型的互补性进行了研究,得出以下结论:(1)在冬小麦生长的不同时期,ATI模型与TVD I模型之间具有较好的互补性,3月冬小麦旱情遥感监测应选取ATI遥感信息模型;(2)4月~5月表层土壤的RSM-TVD I、RSM-ATI的拟合方程均通过了置信度α=0.001水平的t检验且相关性较好,TVD I和ATI均可以用来估算4月~5月土壤表层土壤水分;(3)4月~5月RSM-TVD I、RSM-ATI的相关性与误差分析结果表明:4月上旬和4月中旬可选择ATI模型或TVD I模型进行冬小麦旱情遥感监测,但以4月上旬选择ATI模型、4月中旬选择TVD I模型为佳,4月下旬~5月下旬TVD I模型是比较合适的冬小麦旱情遥感监测模型。     

基于模拟技术及遗传算法的作物灌溉制度优化方法

通过土壤水量平衡模型对作物生育期内的土壤含水率及田间腾发过程进行动态模拟，并利用作物水分生产函数的Jensen模型估算作物产量，建立了以灌溉日期为决策变量、最大相对产量为决策目标的灌溉制度优化模型，并采用保留最佳个体的遗传算法求解作物最优灌溉制度。结合山西潇河灌区2003年冬小麦返青后的实际气象状况，用上述模型对冬小麦灌溉制度进行了优化与分析。对动态规划、单纯形搜索法及遗传算法的求解结果进行了比较，表明保留最佳个体的遗传算法能搜索到全局最优解，且结果稳定。不同情况下的灌溉制度优化结果表明抽穗初期是冬小麦的生长关键期，其次是拨节期。随着灌溉水量的增加，最优灌溉制度下的田间腾发量及冬小麦产量也相应增加，但增加幅度逐渐减小。     

冬小麦光合特性对CO2浓度与土壤含水量的响应机制

光合作用是衡量植物对环境响应的重要指标,通过光响应曲线拟合量化光合特征,可从生理机制方面揭示出植物在不同生长环境下自身的调节与适应机制。本文利用Li-6400便携式光合仪测定了冬小麦在4种不同处理条件下灌浆期旗叶的光响应曲线,采用直角双曲线模型(RHM)、非直角双曲线模型(NRHM)、直角双曲线修正模型(RHMM)、指数模型(EM)和指数改进模型(MEM)对光响应数据进行拟合,分析了不同CO_2浓度和土壤含水量对冬小麦光合特征的影响。结果表明,直角双曲线修正模型对各处理下冬小麦光响应曲线和光响应曲线参数的拟合值都与实测值较为接近,拟合效果最好;随着CO_2浓度升高,各水分处理下冬小麦表观量子效率(α)、光饱和点(LSP)和最大净光合速率(P_(nmax))增大,光补偿点(LCP)和暗呼吸(R_d)降低,即CO_2浓度升高能有效增加冬小麦的光能转化率和光能利用范围,提高冬小麦的光合能力;随着土壤含水量的降低,冬小麦光补偿点(LCP)和暗呼吸速率(R_d)升高,但表观量子效率(α)、光饱和点(LSP)和最大净光合速率(Pnmax)降低,即冬小麦虽然能通过提高初始光合效率抵消一部分干旱胁迫的影响,但干旱胁迫仍会降低冬小麦光合能力;此外,CO_2浓度的增加能抵消部分冬小麦因干旱胁迫引起的光合能力降低。     

冬小麦干旱指标及干旱预测模型研究

干旱是河北省冬小麦生长期内主要的气象灾害之一。准确监测、预测干旱发生程度, 可以为防灾、减灾、救灾提供科学的决策依据。本研究以位于河北省南部冬小麦区的南宫县为例, 选取1991~2007 年冬小麦全生育期农业气象观测数据及常规气象资料, 基于Jensen 模型得到冬小麦返青~拔节、拔节~抽穗、抽穗~乳熟、乳熟~成熟4 个生育阶段的水分敏感系数; 在减产百分率标准的基础上, 确定了冬小麦返青后4 个生育阶段以相对蒸散表示的轻旱、中旱、重旱、严重干旱4 个等级冬小麦干旱指标值; 并应用回归分析方法, 建立了4 个生育阶段的干旱预测模型。结果表明：考虑冬小麦不同发育阶段对水分的敏感程度, 确定的冬小麦干旱指标值比较客观地反映了干旱程度。建立的干旱预测模型均通过了0.05 的显著性检验。模型的拟合正确率70.8%, 预测正确率75.0%, 平均正确率71.4%;经简化干旱等级, 即轻旱为1 个等级, 中旱、重旱、严重干旱为1 个等级, 则模型的拟合正确率达81.3%, 预测正确率达75.0%, 平均正确率达80.4%, 模型预测结果可信。     

河北省冬小麦生产空间格局及其控制因素

在气候变化与水资源短缺的背景下,华北平原冬小麦生产面临巨大的挑战,明确冬小麦生产的空间格局及其控制因素,可为本区冬小麦的科学规划管理决策和高效生产提供依据。基于河北省各县市2004—2013年冬小麦单位面积产量与农情资料,以主产区(以县市平均冬小麦播种面积大于总播种面积的20%为标准选取)101个县市为基本研究单元,采用系统聚类分析对河北省冬小麦主产区进行区域划分;利用因子分析方法对冬小麦生产要素进行主成分分析,并利用逐步回归分析方法建立冬小麦产量与主要控制因素主成分之间的关系。结果表明,河北省冬小麦主产区分为4个(Ⅰ~Ⅳ),各区冬小麦产量水平从Ⅰ区向Ⅳ区依次递减,产量变异依次增大,且各区差异均达显著水平(P0.05)。冬小麦产量(Y)与化肥因子(F1)、灌溉因子(F3)、年降水量因子(F4)、年降水量下限因子(F5)有显著的线性回归关系(R2=0.685,P0.05),其中F1、F3分别解释了Y的21.7%、37.4%,F4、F5解释了Y的9.4%。据此说明灌溉是影响河北省冬小麦产量区域差异的首要因素,其次是化肥使用量,而年降水量对产量区域差异影响较小。农药因子(F2)的回归效应不显著,说明冬小麦病虫害发生及防治具有区域随机性变化特点,对冬小麦生产的区域差异不形成显著影响。另外,全省冬小麦播种面积比重与产量水平有较好的区域吻合度(R2=0.409,P0.05),说明在现有管理模式下冬小麦区域布局基本合理,只是在东部低平原沿海的极个别低产县的播种面积明显偏高,结合冬小麦对灌溉条件的依赖性,认为这些县市的冬小麦布局需要慎重审视。     

近30年吴桥县冬小麦生育期水分亏缺变化趋势分析

为了给地处黑龙港地区的河北省吴桥县制定冬小麦稳产灌溉制度提供理论依据,本文利用1981—2013年吴桥县的气象数据和SIMETAW模型,分析了冬小麦全生育期及播种—返青期、返青—拔节期、拔节—开花期、开花—成熟期4个生育阶段的降水量、需水量、耗水强度及水分亏缺指数(CWDI)的变化趋势;同时利用5年滑动平均法将分析年份冬小麦实际产量分为趋势产量和气象产量,计算了不同降雨年型下冬小麦减产率的变异系数。结果表明,近30年河北省吴桥县冬小麦生育时期的水分亏缺指数和需水量均呈现轻微的上升趋势;冬小麦发生干旱的概率为93.75%,其中,中旱和重旱发生概率为65.52%。冬小麦生育时期的平均日降雨量呈现从冬小麦生育中期向后期转移的趋势,日耗水强度表现为从生育后期向生育中期移动的趋势,这是导致返青—拔节期和拔节—开花期水分亏缺指数较大的重要原因。冬小麦减产率的变异系数的绝对值在缺水年最大,为154.241;在丰水年最小,为1.999;正常年份为24.776。因此,冬小麦拔节—开花期的及时灌溉对于保障冬小麦的稳产增产具有重要作用。建议在缺水年份调整冬小麦的水分管理制度,在冬小麦拔节初期一次性充分灌溉或在拔节初期和中后期分次进行少量灌溉。     

变异系数法结合优化神经网络的无人机冬小麦长势监测

高效、快速、准确获取冬小麦长势信息在农业发展和经营决策中具有重要作用。该研究以冬小麦为对象,开展无人机冬小麦长势监测,获取冬小麦生物量、株高、叶绿素含量和植株含水率数据,基于变异系数法（Coefficient of Variation Method,CV）构建综合长势监测指标（Comprehensive Growth Monitoring Indicators,CGMICV）,通过16种植被指数与CGMICV进行相关性分析,计算植被指数间的方差膨胀因子,筛选最优植被指数作为模型输入变量,采用偏最小二乘（Partial Least Squares Regression,PLSR）、随机森林（Random Forest,RF）、反向传播神经网络（Back Propagation Neural Networks,BPNN）及遗传算法（Genetic Algorithm,GA）优化的BPNN模型建立冬小麦长势反演模型,结合评价指标获得冬小麦最优长势反演模型,最终得到研究区冬小麦长势空间分布信息。研究结果表明：以变异系数法得到的冬小麦CGMICV相关性比单一指标的相关性有不同程度的提高;利用变异系数法结合BPNN得到的冬小麦长势最佳反演模型CGMICV-BPNN,其决定系数R2可达0.71,模型精度较传统赋权法提高了26.79%;采用GA优化后的BPNN模型的不稳定显著下降,其平均相对误差中位数下降了22.22%,决定系数R2也有所提高;研究区内半数以上的冬小麦长势集中于第Ⅲ等级,其所占比例为55.83%,其次集中于第Ⅰ等级,其所占比例为36.08%,研究区冬小麦整体长势较为稳定。研究结果可为冬小麦长势监测及区域作物生产监测提供重要参考。     

基于CNN-RNN网络的中国冬小麦估产

在大范围内快速、准确地预估作物产量,对作物管理、粮食安全、粮食贸易和决策有重要意义。遥感为大规模作物估产提供了便利,大多数研究者结合深度学习和遥感影像取得了较好的结果。然而,农作物生长状态随时间变化,其产量具有非线性时空特征,单一的深度学习方法无法充分利用影像信息。因此,该研究提出了一种基于卷积神经网络（Convolutional Neural Networks,CNN）和门控循环单元（Gated Recurrent Unit,GRU）混合神经网络估产模型（CNN-GRU）,利用CNN从多光谱遥感影像中提取丰富的空间-光谱特征,在此基础上,结合GRU从多时相遥感影像中自适应学习冬小麦生育期各阶段之间的时间依赖,从多尺度融合冬小麦的生长特征并对其产量进行回归预测。该研究以全国冬小麦主产区为研究区,选取2001-2018年MODIS影像和冬小麦产量数据,构建了冬小麦估产数据集,并验证了CNN-GRU估产模型的性能。结果表明：1）以2016-2018年估产样本作为测试集,CNN-GRU估产模型的均方根误差（Root Mean Square Error,RMSE）年平均值为818.3 kg/hm2,相较于CNN、GRU、支持向量回归（Support Vector Regression,SVR）、随机森林（Random Forest,RF）和决策树（Decision Tree,DT）模型分别降低了20.13%、18.81%、29.51%、34.84%和36.57%;2）将冬小麦整个生育期划分为6个时间窗,CNN-GRU估产模型在灌浆-成熟期时精度最高,RMSE为817 kg/hm2,而抽穗-开花期的RMSE为823 kg/hm2,相较于灌浆-成熟期高0.7%。因此,该估产模型有能力提前2个月预测全国冬小麦主产区产量。     

基于RGB图像与深度学习的冬小麦田间长势参数估算系统

为准确、快速获取冬小麦田间长势信息,该研究设计并实现了一种基于深度学习的冬小麦田间长势参数估算系统。该系统主要包含长势参数估算模块和麦穗计数模块。长势参数估算模块基于残差网络ResNet18构建长势参数估算模型,实现了冬小麦苗期叶面积指数（Leaf Area Index,LAI）和地上生物量（Above Ground Biomass,AGB）的估算,并基于迁移学习进行泛化能力测试;麦穗计数模块基于Faster R-CNN并结合非极大值抑制（Non Maximum Suppression,NMS）构建麦穗计数模型,实现了开花期麦穗准确计数。结果表明,针对2017-2018和2018-2019两个生长季数据,基于ResNet18的长势参数估算模型对LAI估算的决定系数分别为0.83和0.80,对AGB估算的决定系数均为0.84,优于基于传统卷积神经网络（Convolutional Neural Networks,CNN）、VGG16和GoogLeNet构建的估算模型,并且泛化能力测试表明该模型对数据的季节性差异鲁棒。基于Faster R-CNN的麦穗计数模型,在利用NMS优化后决定系数从0.66增至0.83,提升了25.8%,NRMSE从0.19降至0.05,下降了73.7%。相较于基于CNN构建的分类计数模型,基于Faster R-CNN+NMS的麦穗计数模型表现更优,决定系数为0.83,提升了33.87%,单个麦穗识别时间为1.009 s,效率提升了20.55%。综上所述,该系统能够满足冬小麦田间长势参数估算需求,为冬小麦田间精细化管理提供支撑。     

陇东塬区冬小麦收获期预报

通过对陇东塬区近35a来的气温资料和冬小麦生长发育资料分析,发现:一方面,由于气候变暖使陇东塬区冬小麦春季各发育期整体提前,从而使成熟期提前;另一方面,由于春末夏初气温偏高、降水偏少,高温持续时间长,加快了冬小麦生殖阶段的发育进程,发育期间隔天数缩短,也使冬小麦的成熟期提前。根据西峰农试站近11a来对陇东塬区冬小麦灌浆速度的测定结果,结合5-6月气象因子观测资料,建立了冬小麦成熟期预报模型,以预测当地冬小麦适宜收获期,预报结论与实际成熟期相吻合。     

The effect of tillage intensity on soil structure and winter wheat root/shoot growth

Despite a vast amount of data on the effect of tillage on crop productivity, surprisingly there is little detailed information available on the influence on below and aboveground crop growth dynamics. Such information is essential for developing sustainable cropping systems. The objective of this study was to investigate the effect of tillage intensity on crop growth dynamics and soil structure. A tillage experiment was established in autumn 2002 on two Danish sandy loams (Foulum and Flakkebjerg) in a cereal‐based crop rotation. The tillage systems included in this study were direct drilling (D), harrowing 8–10 cm (H_8‐10), and ploughing (P). A single‐disc drill was used in the H_8‐10 and D treatments and a traditional seed drill in the P treatment. Measurements were carried out in 2004–05 and 2005–06 and winter wheat was grown in both years (first and second year winter wheat). Shoot and root growth was followed during the growing seasons using spectral reflectance and mini‐rhizotron measurements, respectively. A range of soil physical properties were measured. We found decreased early season shoot and root growth with decreasing tillage intensity. Differences diminished later in the growing season, although significant treatment effects were observed throughout the growing season for the second year winter wheat. The formerly ploughed layer in the D and H_8‐10 treatments was noticeably compacted as indicated by increases in both penetration resistance and bulk density. Nitrate leaching increased with decreasing tillage intensity for the first year winter wheat at Foulum. In general ploughing resulted in the highest grain yields. This study highlights the important interaction between soil structure and crop growth dynamics.     

不同水分胁迫条件下DSSAT-CERES-Wheat模型的调参与验证

作物模型为人们认识旱区农业生境过程并对其进行调控提供了一种有效的工具。为了探讨小麦生长模拟模型DSSAT-CERES-Wheat能否准确模拟水分胁迫条件下旱区冬小麦的生长发育和产量形成过程,同时确定参数估计和模型验证的最优方案,该研究进行了连续两季(2012.10-2013.06和2013.10-2014.06)的冬小麦分段受旱田间试验。试验将冬小麦整个生育期划分为越冬、返青、拔节、抽穗和灌浆5个主要生长阶段,每相邻两个生长阶段连续受旱,形成4个不同的受旱时段水平(D1-D4),根据小麦生育期的需水量,设置灌水定额分别为40和80 mm 2个水平(I1和I2),共形成8个处理,每处理3次重复,在遮雨棚内采用裂区试验布置,此外在旁边设置1个各生育期全灌水的对照处理。文中设置了5套不同的参数估计和验证方案,利用DSSAT-GLUE参数估计模块得到不同的参数估计结果。通过对比分析冬小麦物候期、单粒质量、生物量、产量、以及土壤水分含量的模拟值和实测值之间的差异,以确定利用DSSAT-CERES-Wheat模型模拟旱区冬小麦生境过程的精度。结果表明,参数P1V(最适温度条件下通过春化阶段所需天数)和G3(成熟期非水分胁迫下单株茎穂标准干质量)具有较强的变异性,变异系数分别为19.07%和16.34%,受基因型-环境互作的影响较大,而其他参数的变异性则较弱,变异系数均小于10%;DSSAT-GLUE参数估计工具具有较好的收敛性,不同参数估计方案所得的参数值具有一定的一致性;不同的参数估计方案所得的模型输出结果有较大差异,其中参数估计方案1(利用两季试验中的充分灌溉处理CK数据进行参数估计,其他不同阶段受旱处理数据进行验证)的模型校正和验证精度最高,其中模型校正的绝对相对误差(absolute relative error,ARE)和相对均方根误差(relative root mean squared error,RRMSE)分别为4.89%和5.18%。在冬小麦抽穗期和灌浆期受旱时,DSSAT-CERES-Wheat模型可以较好地模拟小麦的生长发育过程以及土壤水分的动态变化,但是在越冬期和返青期受旱时,模拟结果相对较差,并且随着受旱时段提前和受旱程度的加重,模拟精度将变得更低。此外,该模型无法模拟由不同水分胁迫造成的冬小麦物候期差异,需要对模型进行相应的改进。交叉验证表明DSSAT-CERES-Wheat模型模拟该研究中不同水分胁迫条件下冬小麦生长和产量的总体性误差在15%~18%左右。总之,DSSAT-CERES-Wheat模型在模拟旱区冬小麦生境过程时存在着一定的局限性,若要更广泛地将该模型应用在中国干旱半干旱地区的冬小麦生产管理和研究,有必要对冬小麦营养生长阶段前期的水分胁迫响应机制和模拟方法进行进一步的深入研究。