基于多光谱卫星模拟波段反射率的冬小麦水分状况评估

为及时掌握作物水分利用状况、评估作物水分亏缺和提高作物水分利用效率,在2012—2016年期间进行了不同水分处理的冬小麦田间试验,获取了冬小麦主要生育期冠层光谱和叶片含水量等数据。利用冬小麦冠层光谱以及Quickbird、IKONOS、GF-2、GF-1、Landsat8、HJ-1A/B、GF-4和MODIS卫星传感器光谱响应函数模拟卫星多波段反射率,参照归一化植被指数(Normalized vegetation index, NDVI)、比值植被指数(Ratio vegetation index, RVI)和差值植被指数(Difference vegetation index, DVI)的形式,将各卫星波段反射率两两组合,系统分析构建的植被指数与叶片含水量的相关性,探讨不同空间分辨率(2.44、4、8、30、50、250m)波段组合及植被指数对作物水分状况和灌溉活动的响应能力。结果表明,NDVI、RVI和DVI 3种指数对作物水分敏感区域的分布类似;8个卫星的近红外波段与叶片含水量的相关系数为正,其余几个波段与叶片含水量的相关系数为负;NDVI(GF-1绿波段,GF-2绿波段)、RVI(GF-1绿波段,GF-2绿波段)和DVI(GF-2蓝波段,GF-4蓝波段)与叶片含水量相关性较好,决定系数R2分别为0.776、0.774和0.886,以DVI形式构建的植被指数对叶片含水量的估算效果最好。本研究可为区域作物水分状况评估以及作物灌溉活动监测提供技术和方法支持。     

不同车速车载多光谱成像系统性能分析

为了探索大田冬小麦冠层叶片叶绿素指标的快速检测方法,基于车载式多光谱成像系统进行了大田冬小麦叶绿素含量指标的快速无损诊断研究,并分析了不同车速条件下车载式多光谱成像系统的工作性能。系统以福田欧豹4040型拖拉机为车载平台,搭载了2-CCD多光谱图像智能感知系统。田间试验分别设置了4种行进速度（分别为S1（0.54 m/s）、S2（0.83 m/s）、S3（1.04 m/s）、S4（1.72 m/s））,采集了冬小麦冠层可见-近红外图像,同步获得了车载GPS轨迹坐标信息,并测量了样本叶绿素含量指标SPAD值。图像经滤波和冠层分割预处理后,提取了 R、G、B 、NIR 4个波段平均灰度,并计算了RVI、NDVI等4种常见植被指数、 H 分量的灰度平均值和覆盖度 C ,共10个图像检测参数。分析了各图像检测参数与叶绿素含量指标SPAD值之间的相关关系,结果表明,S1、S2和S3速度下,各图像检测参数与SPAD值相关性高于S4速度。同时,S1、S2、S3速度下,NDVI、NDGI、RVI与SPAD值的相关系数绝对值均达到0.50以上。分别建立了S1~S3不同车速下叶绿素含量指标诊断MLR模型,模型精度满足作物生长空间分布图制图的要求。为了进一步提高车载式大田作物生长参数移动诊断效率,将不同车速下的数据合并,选取NDVI、NDGI、RVI参数建立叶绿素指标MLR模型,结果表明模型具有通用性。该研究可为车载式大田作物生长快速诊断提供支持。     

基于平稳小波变换的冬小麦覆盖度高光谱监测

在2010与2011年度冬小麦生长季,通过大田小区试验,实测了冬小麦冠层的高光谱反射率与覆盖度。分析了不同覆盖度下的冬小麦冠层光谱特征以及不同生育期冬小麦冠层光谱反射率与覆盖度的相关性,建立了基于归一化植被指数(NDVI)与比值植被指数(RVI)、小波能量系数的不同生育期冬小麦覆盖度估算模型。结果表明:覆盖度越大,冬小麦光谱反射率在可见光波段越小,在近红外波段越大。在可见光波段,光谱反射率与覆盖度负相关,在"红边"处,由负相关变成正相关。在返青期、拔节期,NDVI估算效果好(R2为0.835 9、0.805 7);在抽穗期、灌浆期,RVI估算效果好(R2为0.803 1、0.829 4)。在返青期、拔节期、抽穗期、灌浆期,以高频、低频小波能量系数为自变量的冬小麦覆盖度估算模型的R2分别达到0.911 2、0.895 4、0.880 2、0.927 5。     

基于多光谱成像技术的玉米氮素营养诊断方法研究

为快速、无损地获取寒地玉米作物养分信息,利用多光谱成像技术开展了大田玉米氮素营养诊断研究。采用美国ADC多光谱相机采集玉米拔节期冠层多光谱图像,利用德国AA3连续流动分析仪测定叶片氮含量。提取红色通道灰度均值(AVSR)、绿色通道灰度均值(AVSG)和近红外通道灰度均值(AVSNIR)等3个光谱参数,构建归一化植被指数(NDVI)、绿色归一化植被指数(GNDVI)、红色通道与绿色通道比值植被指数(RVIR/G)、红色通道与近红外通道比值植被指数(RVIR/NIR)、近红外通道与红色通道比值植被指数(RVINIR/R)、红色归一化比值(RNR)、绿色归一化比值(GNR)、近红外归一化比值(NIRNR)等8个植被指数。将全部光谱参数及植被指数分别与氮素值进行相关性分析,建立寒地玉米氮素一元线性回归、多项式回归及多元回归模型。结果表明:一元回归模型R2最高达0.854,多元回归模型R2为0.870,所得模型可为寒地大田玉米精准施肥和长势监测提供支持。     

基于4波段作物光谱测量仪的小麦分蘖数预测

使用4波段(550 nm、650 nm、766 nm和850 nm)便携式作物反射光谱测量仪对泰农18型冬小麦分蘖状态进行自动监测与建模,通过分析植被指数与分蘖数的相关关系实现了对分蘖数的建模预测。首先利用仪器获得小麦冠层在4个波段的反射信号,计算对应波段的作物冠层反射率,经校正后计算得到OSAVI、MSAVI、SAVI、EVI2、TVI、NDGI、NDVI、RVI和DVI 9种多波段组合的植被指数。然后分析以上9种植被指数与小麦分蘖数之间的相关关系,确定了可用于该类型小麦分蘖状态监测和评价的植被指数类型。2013—2014年在山东省淄博市和桓台县开展了田间试验,计算了不同氮素水平下泰农18型小麦返青期和起身期分蘖数以及其两个生育期分蘖数与9种植被指数之间的相关系数,OSAVI(650,850)指数与返青期茎蘖数相关系数最高,决定系数最高为0.85,均方根误差为118.93;EVI2(650,850)指数与起身期茎蘖数相关系数最高,决定系数最高为0.84,均方根误差为73.04;以上试验结果表明,在冬小麦返青期和起身期利用OSAVI(650,850)和EVI2(650,850)两种植被指数可以快速预测小麦分蘖状态,可为田间精细管理提供科学依据。     

基于多波段光谱探测仪的玉米冠层叶绿素含量诊断

为了快速无损地检测大田作物冠层叶绿素含量,使用便携式多波段光谱探测仪针对农大8号（G1）、郑单（G2）、先玉（G3）和京农科（G4）4种玉米作物品种,在拔节期采集550、650、766、850 nm波长处太阳光信号和作物冠层反射光信号,用于建立玉米冠层叶绿素含量诊断模型。首先,利用作物冠层650 nm和550 nm波长反射率之间的差值 T D 剔除了土壤背景数据点（ T D >0）。然后,组合计算了NDVI、RVI和DVI共12个植被指数,分析各植被指数与叶绿素含量之间的相关关系,结果显示与G1~G4品种叶绿素含量相关性最优的参数分别为RVI(766,550)、 DVI(850,650)、 NDVI(850,550)和RVI(766,550),相关系数均达0.6以上。数据按一定间隔聚类后,相关性分析结果表明多波段光谱探测仪对玉米叶绿素含量检测最优分辨率为0.5 mg/L,且NDVI(850,550)、NDVI(766,550)和RVI(850,550)与叶绿素含量的相关系数分别为0.837 0、0.773 7和0.767 7,达到了强相关水平。最后,建立了多品种通用型玉米拔节期叶绿素含量诊断模型,可为大田玉米拔节期叶绿素含量诊断提供技术支持。     

冬小麦归一化植被指数日变化规律及拟合模型研究

为探究冬小麦归一化植被指数(NDVI)主要生育期内的日变化规律,分别在冬小麦返青期、拔节期和抽穗期,利用Greenseeker手持式光谱仪每日以小时为单位获取冠层NDVI值,各生育期内连续测量7 d,分析冬小麦冠层NDVI在3个生育期的日变化规律,并采用二次多项式、Gauss和Sine等函数对归一化处理后的NDVI日变化过程进行拟合。结果表明,冬小麦冠层NDVI在3个生育期有明显的日变化规律,其变化趋势近似一条反向抛物线; 3种模型均能较好地对NDVI日变化曲线进行拟合,且在拔节期拟合效果最好;二次多项式模型的预测精度最高,3个生育期内其相应的决定系数(R2)分别为0.744、0.923和0.681,均方根误差(RMSE)分别为0.212、0.213和0.187,平均绝对误差(MAE)分别为0.165、0.162和0.142,Gauss和Sine函数拟合效果基本无差别;二次多项式模型作为描述NDVI日变化过程的首选模型。本研究可为今后建立冬小麦NDVI日变化模型提供参考。     

小波变换与分水岭算法融合的番茄冠层叶片图像分割

在基于机器视觉的作物营养诊断研究中,通常需要采集叶片样本并在实验室条件下定量测定其营养素含量,但由于叶片间相互重叠,往往使得叶片样本不能清晰地反映在群体番茄冠层图像中。为了解决这一问题,需要利用图像分析技术有效提取作物冠层图像中的叶片,并根据处理结果采集实验室测定样本。本文从复杂背景剔除、梯度图计算、小波变换、标记选取、分水岭分割等环节出发,实现了基于小波变换与分水岭算法融合的番茄冠层多光谱图像叶片分割。首先对比了4种复杂背景剔除算法,发现当增强因子a=1.3时,基于归一化植被指数(Normalized difference vegetation index,NDVI)的阈值分割目标提取准确,适合各种光照条件,时空复杂度低。其次在梯度图计算方面,近红外(Near infrared,NIR)波段图像形态学梯度在保持目标边缘的同时,能消除大量由叶脉、光照等引起的叶片内纹理细节。然后以小波分析为基础进行标记选取,发现当选取db4小波函数、4层小波分解低频系数、阈值为18的H-maxima变换能得到最优的目标标记结果。最后对多光谱番茄冠层图像的小波变换分水岭分割和数学形态学分水岭分割结果进行叠加,发现对复杂背景及不同光照强度下的番茄冠层叶片平均误分率为21%,为基于多光谱图像分析的番茄叶片营养素含量检测提供了一定的技术支持。     

基于作物生长监测诊断仪的玉米LAI监测模型研究

为探索作物生长监测诊断仪（CGMD-402型）在作物长势监测应用中的精准性与适用性,连续2年在不同氮肥水平下进行不同玉米品种的实验。使用作物生长监测诊断仪采集冠层归一化差值植被指数（Normalized differential vegetation index,NDVI）、比值植被指数（Ratio vegetation index,RVI）,并同步以ASD FR-2500型野外高光谱辐射测量仪获取冠层光谱反射率,构建NDVI、RVI高光谱植被指数;通过对比两种仪器获取的植被指数特征及其定量关系,评价CGMD-402型作物生长监测诊断仪监测精度;基于CGMD-402型作物生长监测诊断仪获取的NDVI、RVI,建立叶面积指数（Leaf area index,LAI）监测模型,并对模型监测精度进行验证。结果表明：玉米冠层NDVI、RVI随施氮量增加而增加,增加幅度分别为8.20%~36.59%、4.40%~25.16%;CGMD-402型作物生长监测诊断仪与ASD FR-2500型野外高光谱辐射测量仪获取的NDVI、RVI相关系数分别为0.991、0.985,决定系数分别为0.983、0.969,说明CGMD-402型作物生长监测诊断仪具有较高的监测精度,可替代ASD FR-2500型野外高光谱辐射测量仪获取NDVI、RVI指数;利用CGMD-402型作物生长监测诊断仪获取NDVI、RVI,建立LAI监测模型的决定系数分别为0.911、0.898;以独立数据对模型精度进行验证,模型预测值与田间实测值间决定系数分别为0.963、0.954,相对误差分别为6.65%、9.37%,表明二者具有高度一致性。研究表明,利用作物生长监测诊断仪能有效监测玉米不同品种LAI动态变化,可以替代AccuPARLP-80型植物冠层分析仪获取玉米LAI数据。     

融合多光谱成像与深度学习的作物植株叶绿素检测系统研究

为了满足田间作物长势快速检测与指导变量管理的需求,以玉米为例设计了基于多光谱成像的田间作物植株叶绿素检测系统,包括可见光(RGB)和近红外(Near-infrared, NIR)图像采集模块、主控处理器模块、模型加速模块、显示及电源模块,用于实现玉米植株智能识别与叶绿素指标一体化检测。首先,采集玉米苗期和拔节期冠层图像数据集,比较了植株冠层实例分割与株心目标检测两种深度学习模型,构建了基于MobileDet+SSDLite(Single shot multibox detector lite)轻量化网络的玉米植株定位检测模型,实现玉米植株识别。其次,提取被识别的植株株心RGB-NIR图像,开展RGB和NIR图像匹配与分割,提取R、G、B和NIR灰度值计算植被指数,使用SPXY算法(Sample set portioning based on joint X-Y distances)和连续投影算法(Successive projections algorithm, SPA)分别对数据集进行样本划分及特征变量筛选,选择高斯过程回归(Gaussian process regression, ...     

植被指数反演冬小麦植被覆盖度的适用性研究

利用冬小麦2个生长季高光谱反射率和覆盖度实测资料,基于回归分析方法建立4种植被指数反演植被覆盖度模型,并对预测模型年际间的稳定性进行了验证。采用噪声等效覆盖度误差对各植被指数反演植被覆盖度模型进行了敏感性分析,结合对模型的残差分析得到了不同种植密度和氮肥施用量条件下各植被指数的适用性。结果表明:归一化植被指数NDVI和改进的土壤调节指数TSAVI与冬小麦覆盖度采用抛物线拟合结果较好;修正的土壤调节植被指数MSAVI和增强型植被指数EVI与覆盖度符合线性关系。验证模型的决定系数略低于建模方程,反演模型在年际间表现出较好的稳定性,能够满足覆盖度预测需要。NDVI和TSAVI较MSAVI和EVI可更好地解释本地区冬小麦植被覆盖度的变化规律。在低到中覆盖度(0~60%)条件下,如果当地土壤信息可获得,利用植被指数TSAVI估算植被覆盖度变化规律表现出较好的敏感性和较高的估算精度。如果缺失土壤线资料,NDVI能保证覆盖度的估算精度。在高覆盖度(60%~100%)条件下,可选用敏感性和精度均良好的植被指数MSAVI进行估算。在水分供应充分的条件下,4种植被指数对作物种植密度和氮肥施用量均不敏感,可采用统一模型进行不同种植密度和不同施氮量处理的冬小麦覆盖度估算研究,为利用植被指数快捷、准确地估算本地区区域植被覆盖度提供了理论和技术支持。     

Modelling of the effect of dry periods on yielding of spring barley

The paper presents a weather-yield model developed for the purpose of estimating spring barley yield on the basis of dry spells occurring in individual periods between the phenological phases of that plant. For that purpose research material on spring barley, originating from the years 1976-1997, was used as well as diurnal sums of precipitation. Five periods were considered in the analysis: sowing-emergence, emergence-tillering, tillering-heading, heading-milk ripeness and milk ripeness-full ripeness. In the study a model of changes in the amount of water available for plant during rainless periods was used. Five measures were adopted for characterisation of the approximation error: correlation coefficient, mean relative error, relative root mean square error, model efficiency and coefficient of residual mass. The analyses performed demonstrated that yield reduction is significantly influenced by rainless periods that occur in the sowing-emergence and tillering-heading inter-phase periods. The adopted criteria for yield reduction estimation show considerable similarity for the emergence-tillering and heading-milk ripeness inter-phase periods. At the same time, their influence on yield reduction is three-fold lower than during the sowing-emergence and tillering-heading inter-phase periods. Analyses performed with the use of the developed model indicate that yield size is affected by rainless periods of duration longer than 30% of the inter-phase period.     

基于RS的安宁河上游植被覆盖时空变化研究

以TM和ETM+遥感影像为数据源,利用RS和GIS技术,提取和分析了1999—2010年安宁河上游植被覆盖度及其时空变化特征,并结合Aster DEM数据分析了不同海拔高度带和坡度带的植被覆盖分布及变化特征。研究结果表明,研究区植被覆盖状况总体较好,植被覆盖度fc≥0.5的区域面积占研究区总面积的比例达60%以上;研究区植被覆盖度总体呈增加趋势,Ⅰ级(fc≥0.7)、Ⅱ级(0.5≤fc0.7)和Ⅲ级(0.3≤fc0.5)植被覆盖度区域面积分别增加了1.24%、4.36%和2.28%,而Ⅳ级(0.1≤fc0.3)和Ⅴ级(fc0.1)植被覆盖度区域面积呈减少特征,分别减少了25.72%和12.28%;植被覆盖度较低的区域主要分布在海拔高度相对较低的地带,随着海拔高度的升高植被覆盖度呈现出先增加后减少的趋势,海拔高度低于3 000 m的地带植被覆盖变化较为明显,主要表现为低植被覆盖度向高植被覆盖度转化,其中海拔高度低于2 500 m的地带变化最为显著,海拔高度大于3 000 m的地带受人为活动影响小,植被覆盖变化相对较小;研究区植被覆盖度较高的区域主要分布在坡度相对较陡的地带,而植被覆盖度较低的区域主要分布在坡度相对较缓的地带,植被覆盖度变化较为明显的区域主要集中在坡度25°~45°的地带,其次是坡度0°~25°的地带;坡度45°以上的地带受人为活动影响小,植被覆盖变化不明显;受水热条件的影响,研究区植被覆盖度随坡向的变化特征呈现从大到小依次为阳坡(135°~225°)、半阳坡(45°~135°)、半阴坡(225°~315°)、阴坡(0°~45°,315°~360°),1999—2010年各坡向地带的植被覆盖度均有不同程度的提高,其中,阳坡提高幅度相对较大,阴坡提高幅度相对较小。     

植被信息提取过程中ETM+遥感影像融合和分类试验

利用HIS、PCA、Brovey及小波变换4种图像融合方法对南京地区植被信息提取过程中ETM 遥感影像进行融合和分类试验。从信息量、高分辨率信息的融入度和分类精度三方面,对融合图像进行光谱质量和空间结构信息的定量评价。试验结果表明,Brovey变换更适合植被信息提取时的ETM 图像融合,并能够较明显提高影像的分类精度。     

基于温度植被干旱指数的土壤水分空间变异性分析

【目的】深入探讨区域土壤水分空间变异及其尺度效应,优化灌区尺度土壤水分采样精度,并提供合理采样方案。【方法】以人民胜利渠灌区为研究区,利用Landsat 8遥感影像,构建了温度植被干旱指数,根据其与土壤水分的相关关系获得研究区土壤水分分布。利用经典统计学和地统计学分析方法对2种尺度下土壤水分分布进行了空间变异性分析。【结果】不同尺度土壤水分服从正态分布,随着研究尺度和分辨率的增大,土壤水分的空间变异系数逐步增大;地统计学分析表明小尺度的块金基台比(C0/(C0+C))小于0.25,具有较强的空间相关性,而灌区尺度的块金基台比大于0.25小于0.75,具有中等强度的空间相关性。灌区尺度所选不同分辨率下土壤水分的变异系数、变程以及块金基台比变化很小。【结论】人民胜利渠灌区尺度土壤水分的获取不适宜用插值法,比较适宜用遥感法。     

基于遥感DSI指数的干旱与冬小麦产量相关性分析

利用2000—2012年MODIS ET/PET和NDVI数据集构建干旱指数(DSI),监测山东省和河南省冬小麦主产区的农业干旱,并在地级市尺度上进一步评估冬小麦关键生育期干旱对冬小麦产量的影响。结果表明:2010年9月—2011年2月山东省特大干旱过程显示的DSI不仅能监测气象干旱,还能较好地反映农业干旱在空间上的差异性以及时间上的演变。不同冬小麦生育期干旱对冬小麦产量影响不同,灌浆期干旱对冬小麦产量的影响最大,干旱致使土壤水分亏缺,影响了作物正常的灌浆强度,进而导致作物减产;其次是拔节期;返青期干旱对产量基本没有影响。     

基于HJ-1马尾松叶面积指数的遥感反演

以福建省为研究区,利用环境星(HJ-1)CCD数据,选择并提取了与叶面积指数(LAI)关系密切的4种植被指数,即归一化比值植被指数(NDVI)、比值植被指数(RVI)、改进的土壤调节植被指数(mSAVI)及增强型植被指数(EVI),结合研究区内准同步马尾松LAI地面观测数据,通过研究各种指数与马尾松LAI之间的关系,选择与马尾松LAI相关最密切的RVI同实测LAI建立6种非线性回归模型,6种模型中以理查德模型建立的模型精度为最高,总体均值预报偏差相对误差为3.1%,并以此模型实现了福建省马尾松LAI遥感反演。     

Estimating yield of sorghum using root zone water balance model and spectral characteristics of crop in a dryland Alfisol

This study investigated the relationship between sorghum grain yield for a range of soil depths, with the seasonal crop water stress index based on relative evapotranspiration deficits and spectral vegetation indices. A root zone water balance model was used to evaluate seasonal soil water fluctuations and actual evapotranspiration within a toposequence; soil depth varied between 30 and 75 cm and available water capacity ranged from 6.9 to 12.6% (v/v, %). An empirical model was used to determine root growth. Runoff was estimated from rainfall data using the curve number techniques of the Soil Conservation Services, combined with a soil water-accounting procedure. The high r² values between modeled and observed values of soil water in the root zone (r² > 0.70, significant at P < 0.001) and runoff (r² = 0.95, significant at P < 0.001) indicated good agreement between the model output and observed values. Canopy reflectance was measured during the entire crop growth period and the following spectral indices were calculated: simple ratio, normalized difference vegetation index (NDVI), green NDVI, perpendicular vegetation index, soil adjusted vegetation index (SAVI) and modified SAVI (MSAVI). All the vegetation indices, except for the perpendicular vegetation index, measured from booting to anthesis stage, were positively correlated with leaf area index (LAI) and yield. The correlation coefficient for spectral indices with dry biomass was relatively less than for LAI and yield. Modified SAVI recorded from booting to milk-grain stage gave the highest average correlation coefficient with grain yield. Additive and multiplicative forms of water-production functions, as well as water stress index calculated from water budget model, were used to predict crop yield. A multiple regression was carried out with yield, for the years 2001–2003, as the dependent variable and MSAVI, from the booting to the milk-grain stage of crop and relative yield values, calculated using both additive and multiplicative water production functions as well as water stress index, as the independent variables. The multiplicative model and MSAVI, recorded during the heading stage of crop growth, gave the highest coefficient of determination (r² = 0.682, significant at P < 0.001). The multiple regression equation was tested for yield data recorded during 2004; the deviation between observed and estimated yields varied from −6.2 to 9.4%. The water budget model, along with spectral vegetation indices, gave satisfactory estimates of sorghum grain yields and appears to be a useful tool to estimate yield as a function of soil depth and available water.     

四波段作物冠层分析仪设计

为解决当前作物氮素分析成本较高、分析过程复杂、分析时间长等问题,设计了一款基于光谱学原理的四波段作物冠层分析仪,通过快速检测作物冠层植被指数预测作物长势.分析仪主要由控制单元和测量单元组成.控制单元只含一个控制器,该控制器作为整个无线传感网络的协调器,负责将各个传感器节点发送的数据进行分类、显示以及存储等,并根据测量结果计算作物营养成分含量.测量单元则由多个光学传感器组成,主要负责光学信号的采集、放大、发送等.每个传感器可以在4个光学波段进行测量,分别是绿色植物可见光主要反射峰550 nm,可见光主要吸收波段650 nm,近红外波段766、850 nm.标定试验显示光学传感器工作稳定,仪器具有较高的精度.初步玉米田间试验表明,仪器的测量结果与玉米叶片全氮含量的相关系数达到0.884.