基于Dualex植物多酚-叶绿素仪的冬小麦叶绿素含量高光谱估算

为探讨基于Dualex植物多酚-叶绿素仪和高光谱遥感技术反演小麦叶绿素含量的可行性,利用Dualex植物多酚-叶绿素仪,测定不同生育时期冬小麦叶片叶绿素含量(Chl),同时进行叶片光谱测定,以对Chl敏感的1个一阶导数波段、3个三边参数和3个植被指数作为自变量,利用偏最小二乘法(PLS)和支持向量回归(SVR)构建估测模型,并利用验证样本对各生育时期估测模型进行精度检验,同时与传统的单因素模型进行了比较。结果表明,冬小麦反射光谱曲线在不同生育时期有所不同,且随着叶绿素含量的增加,可见光波段的光谱反射率不断降低;在以一阶导数光谱敏感波段、三边参数以及植被指数构建的冬小麦Chl单因素估算模型中,基于各生育时期显著相关的植被指数构建的模型精度最优;以7个参数作为自变量,利用偏最小二乘法(PLS)和支持向量回归(SVR)构建的模型在各生育时期均表现出较好的拟合性及预测精度,尤其利用SVR建立的模型建模决定系数在0.8以上,预测决定系数在0.7以上,是进行冬小麦叶片Chl估测的最优模型。     

基于主成分分析和随机森林回归的冬小麦冠层叶绿素含量估算

为提高冬小麦冠层光谱对叶绿素含量的估算精度,以陕西省乾县冬小麦为研究对象,利用SVC-1024i光谱仪和SPAD-502型叶绿素仪实测了冬小麦冠层反射率和叶绿素含量,分析了一阶导数光谱、10种特征参数和9种植被指数与叶绿素含量的相关性,并利用主成分分析(PCA)对叶绿素敏感的可见光波段(390～780 nm)一阶导数光谱进行降维,将特征值大于1的主分量结合特征参数和植被指数形成不同的输入变量,用偏最小二乘回归和随机森林回归构建冬小麦冠层叶绿素估算模型,并利用独立样本对模型进行验证。结果表明,小麦冠层叶绿素含量与一阶导数光谱在751 nm处的相关性最高(r=0.71),特征参数中红边蓝边归一化(SDr-SDb)/(SDr+SDb)与叶绿素含量的相关性最高(r=0.66),植被指数(VI)中修正归一化差异指数(mND705)相关性最高(r=0.74)。在输入变量相同的情况下,基于随机森林(RF)回归的预测模型均优于偏最小二乘回归(PLSR)模型,其中PCA-VI-RF模型的各精度指标均达到最优(r²=0.94,RMSE=1.05,RPD=3.70),是冬小麦冠层叶绿素...     

多光谱与热红外数据融合在冬小麦产量估测中的应用

为了解多光谱与热红外数据融合对冬小麦产量估测精度的影响,以30个黄淮麦区冬小麦品种为材料,利用三种灌溉处理(处理1、处理2和处理3灌水量分别为240、190和145 mm)下冬小麦拔节期、挑旗期、抽穗期与灌浆期的无人机多光谱和热红外动态数据,构造了多个光谱指数,以支持向量机构建冬小麦产量估测模型,并验证其精度.结果表明...     

联合主成分分析与最小二乘支持向量机估测冬小麦叶面积指数

利用单一植被指数估测叶面积指数存在高光谱遥感丰富的波段信息易丢失和外界因素干扰大的缺点,但若将波段信息全部引入模型又会增加建模难度。为解决利用多波段信息估测叶面积指数的问题,利用主成分分析法(PCA)对光谱数据进行降维,之后将提取的主成分与最小二乘支持向量机(LS-SVM)模型相结合,构建冬小麦叶面积指数的高光谱估测模型,并与以4类植被指数作为LS-SVM输入参数建立的模型进行比较。结果表明,以主成分作为LS-SVM模型的输入参数建立的模型精度最高,模型检验集R2为0.71,检验集RMSE为0.56,估测结果较使用植被指数作为输入参数建立的模型精度高,稳定性好。该方法可为利用多波段信息进行大范围冬小麦叶面积指数的无损测定提供参考。     

基于多核支持向量机的小麦条锈病遥感监测研究

为提高小麦条锈病的遥感探测精度,依据日光诱导叶绿素荧光和冠层反射光谱数据在小麦条锈病遥感探测中的优势及其与病情严重度之间的映射关系,在运用独立分量分析法对光谱数据降维的基础上,利用核学习算法分别确定冠层光谱特征和日光诱导叶绿素荧光特征反映小麦条锈病病情严重度的最优核,同时针对冠层光谱与叶绿素荧光特征组,建立基于不同特征最优核映射的多核学习支持向量机模型,并与基于特征直接拼接的模型结果进行对比。结果表明,对于冠层光谱而言,采用高斯核构建的支持向量机模型可较好估测小麦条锈病病情指数,而日光诱导叶绿素荧光指数则是采用多项式核的效果更优;采用直接拼接法融合叶绿素荧光指数和冠层光谱特征能够在一定程度上改善小麦条锈病病情指数估测精度,决定系数(r~2)最高为0.847,而单独利用冠层光谱信息或者叶绿素荧光信息时,r~2最高仅为0.802;对日光诱导叶绿素荧光和反射光谱特征分别利用其最优核进行映射构建的多核学习支持向量机模型精度最高,r~2为0.915,RMSE为0.090,优于基于特征直接拼接构建的支持向量机模型精度。     

不同冬小麦品种(系)叶绿素荧光差异分析

为了了解不同冬小麦品种光合作用微观机理差异,为华北地区高光效冬小麦品种筛选提供理论依据,对7个冬小麦品种(系)的旗叶叶绿素a荧光参数和叶绿素含量差异用LI-6400便携式光合测定系统和分光光度计法分别进行了测定分析。结果表明,不同品种间叶绿素a荧光参数(Fo、Fm、Fv／Fm、Fs、qP、qN、ψPs。等)存在较大差异,导致叶片及作物群体光能利用率、光合作用速率、产量产生差异。试验结果进一步显示：(1)科农9204、高优503和石4185的光能利用率较高,而科农9204的产量最高,收获指数较大;(2)小麦产量和灌浆期旗叶的光能利用率有一定关系;(3)旗叶叶绿素含量在品种(系)间有一定差异,但其与产量之间没有相关关系。     

基于SVM的县域冬小麦种植面积遥感提取

冬小麦种植面积的精确提取,对于农业部门进行冬小麦生长监测与产量估测有着重要的支撑作用。本研究在对Landsat-8卫星15 m×15 m空间分辨率遥感影像进行预处理的基础上,基于最佳波段指数(OIF),采用支持向量机(SVM)算法中四种核函数进行影像分类,并比较分类精度,选择精度最高的核函数作为SVM最优核函数对盐城市大丰区冬小麦种植面积进行提取,与最大似然法、最小距离法的结果进行对比。结果表明,四种核函数中,Linear核函数分类精度最高,达到98.56%。将Linear核函数作为SVM最优核函数对大丰区冬小麦种植面积进行提取,提取到的种植面积为71 834.4 hm~2,提取精度、分类精度和Kappa系数分别为91.25%、98.56%和0.98。基于SVM的冬小麦面积提取效果明显好于传统监督分类方法,说明使用支持向量机与影像光谱特征进行影像分类能够准确提取县域冬小麦种植面积。     

基于机器学习算法的冬小麦不同生育时期生物量高光谱估算

为探索适用于冬小麦不同生育时期的高光谱估算方法,基于4年大田试验,以江苏省主要冬小麦品种为材料,以8种对常用生物量敏感的高光谱指数为基础,分别采用偏最小二乘算法、支持向量回归算法、随机森林算法在冬小麦4个主要生育时期(抽穗期前、抽穗期、开花期和灌浆期)进行了高光谱生物量估算和预测能力比较。结果表明,在冬小麦不同生育时期,高光谱估算生物量精度差异显著;利用随机森林构建的生物量估算模型在4个生育时期均表现出很好的效果,决定系数(r^2)和均方根误差(RMSE)在抽穗期前分别为0.79和44.82 g·m^-2,在抽穗期分别为0.71和62.07 g·m^-2,在开花期分别为0.70和97.63 g·m^-2,在灌浆期分别为0.71和106.98 g·m^-2;随机森林模型在4个生育时期的预测能力都高于或接近于支持向量回归模型,高于偏最小二乘回归模型,r^2和RMSE在抽穗期前分别为0.60和72.54 g·m^-2,在抽穗期分别为0.60和75.07 g·m^-2,在开花期分别为0.68和109.9 g·m^-2,在灌浆期分别为0.61和127.93 g·m^-2。这说明随机森林算法在冬小麦不同生育时期生物量高光谱遥感估算方面具有较高的精度和稳定性。     

氮密互作对淮北砂姜黑土区冬小麦冠层光合特性和产量的影响

为筛选出适合淮北平原砂姜黑土区小麦稳产高产栽培的氮密配置,在大田条件下以安农0711(AN0711)和烟农19(YN19)为试验材料,采用裂区设计,设置150×10~4、210×10~4、270×10~4和330×10~4株·hm~(-2)4个种植密度(分别用D1～D4代表),以及135、180、225和270 kg·hm~(-2)4个施氮水平(分别用N1～N4代表),分析了氮密互作对冬小麦冠层结构、光合特性和籽粒产量的影响。结果表明,氮密互作可改善小麦冠层结构,显著影响冠层光合特性。旗叶净光合速率和叶绿素相对含量随着种植密度的增加而降低,而随着施氮量的增加而增加,但施氮量超过225 kg·hm~(-2)时变化均不显著。随着种植密度和施氮量的增加,叶面积指数和冠层截获光合有效辐射显著提高,且在孕穗期和开花期均以D4N4处理最大,灌浆中期均以D3N3处理最大。氮密对籽粒产量有显著的互作效应。在D3N3处理下AN0711和YN19的冠层光合能力和籽粒产量均最高,其中产量分别达到7 866.67和7 400.00 kg·hm~(-2)。在本试验条件下,适宜的种植密度和施氮量分别为270×10~4株·hm~(-2)和225 kg·hm~(-2)。     

不同冬小麦品种气冠温差与抗旱节水性的关系研究

为给小麦抗旱性快速鉴定中气冠温差(CTD)的应用提供依据,采用20个冬小麦品种,设置水、旱两种处理,研究了冬小麦不同抗旱节水性品种的气冠温差CTD的信号表达差异及其最佳测定时期(生育期、单日时间)和影响因素,探讨品种鉴定筛选的量化评判指标.结果表明,在小麦扬花期的13:30～14:00时利用红外测温仪和精密温度计测定CTD,能够较好地鉴别出不同品种对水分反应的生理特性差异.不同小麦品种间的CTD差异很大,但不同水旱处理的CTD变化趋势基本一致.小麦扬花期(4月30日前后)CTD出现最高值,单日测定时间在13:30～14:00时出现最高值,且品种间差异较大.旱作处理下CTD平均值为7.09℃,变化范围为5.6～8.5℃;灌水处理CTD平均值8.81℃,变化范围为7.8～10.3℃;CTD与产量、抗旱指数及水分利用效率均呈极显著正相关,因此CTD既可作为旱作条件下抗旱品种的选择指标,也可作为灌溉条件下高效节水品种的选择指标.CTD≥7.92℃的品种抗旱性好,CTD≥9.55的品种水分利用效率高.