基于无人机多光谱与地面高光谱遥感的土壤主要养分含量估测

耕地土壤作为农业资源的重要组成部分,是我国农业生产的基本资源与保障条件.山原红壤作为云南典型的土壤类型,在云南的农业生产与经济发展中发挥着重要作用.通过多光谱与高光谱遥感结合技术,对山原红壤主要养分含量的高光谱特性进行了研究分析,研究了土壤主要养分含量的多高光谱特性、筛选出了各养分含量的特征波段.而后,通过多光谱波段变...     

基于高光谱植被指数的冬小麦产量监测

为了研究利用不同生育时期的植被指数监测冬小麦产量,以2 a不同肥料处理的冬小麦为研究对象,分析不同生育时期植被指数与冬小麦产量的关系,构建冬小麦产量的光谱植被指数监测模型。结果表明,植被指数能有效监测冬小麦产量,其中,孕穗期和抽穗期植被指数的监测效果较好,孕穗期的校正均方根误差(RMSEC)和决定系数(R_C~2)分别为1 131.42和0.78,抽穗期的RMSEC和R_C~2分别为1 015.59和0.77,拔节期的监测效果次之,灌浆期和成熟期的监测效果较差;但从作物生产角度考虑,拔节期监测冬小麦产量具有更重要的现实意义。研究表明,利用拔节期植被指数能够实现冬小麦产量的早期估测。     

基于无人机多光谱影像的冬小麦氮肥监测

[目的]研究无人机多光谱影像与土壤养分水平变化的关系。[方法]利用无人机搭载的多光谱传感器生成研究区50 m高的反射率正射影像,计算NDVI,GNDVI和SAVI指数值,调取作物感兴趣区进行研究。[结果]植被指数在小麦越冬期的不同长势小麦有明显差别。在其他外部条件一致的情况下,土壤N水平的变化对冬小麦越冬期长势影响较明显。[结论]无人机多光谱影像对冬小麦有较好的氮诊断潜力,可利用估测结果指导精准氮肥管理。     

基于近地遥感的冬小麦生物量动态监测方法

为探寻准确高效的冬小麦生物量动态监测方法,以2018—2020年SRS-NDVI观测仪监测数据为基础,将冬小麦生物量观测数据以返青期为界分为两个阶段.选取归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)、增强型植被指数(EVI2),计算逐日累积植被指数(CVI)并分别进行曲线拟合分析,建立回归...     

运城市土壤养分动态监测报告

<正> 土壤养分是一个重要的增产因素,随着生产的发展这一因素也在不断地变化。解放以来,我们进行了两次土壤普查,间隔期23年,用这一方法指导农业生产显然是不适应的。对掌握土壤养分状况的变化更是如此。怎样才能及时掌握土地资源中土壤养分的动态变化及发展趋势,为农业发展的宏观控制与管理提供信息,我们用动态监测的方法从1986—1990年进行了这方面探索。土壤养分监测,是我市区划办在全市布设农业动态监测公里网点上开展的。用这种方法对土壤实     

黑龙江省耕层土壤养分变化趋势监测报告

黑龙江省土壤监测中心在全省范围内共建立了52个土壤监测点，其中；国家级监测点12个，省级监测点40个，监测点代表了黑龙江省土壤耕地面积的70%以上。通过4年的监测，我省几大土壤类型的土壤肥力变化有如下规律：（1）土壤有机质基本稳定；（2）土壤中氮素基本平衡，磷素盈余，钾素缺；（3）全省土壤施肥水平氮（N）；磷（P2O5）；钾（K2O）为1：1.12:0.70;(4)全省施肥水平低于全国施肥水平。     

冬小麦不同生育期土壤微生物及养分动态变化

2006年10月至2007年5月采用不施肥、常规施肥和施用不同量生物有机肥3种处理进行田间试验,并在冬小麦的不同生育期测定土壤中细菌、真菌、放线菌3种微生物的数量以及速效氮、速效磷、速效钾、有机质4种养分的含量,研究冬小麦不同生育时期土壤中微生物及土壤养分的动态变化规律。结果表明,在冬小麦的不同生育时期,各处理土壤中微生物数量均呈现先上升再下降的变化趋势,在灌浆期达到顶峰;土壤中速效氮含量的变化呈现先下降后上升的趋势,在灌浆期达到最低值;速效磷含量呈现先上升再下降的变化趋势,在灌浆期达到顶峰;速效钾含量的变化趋势不太明显,特别是施用生物有机肥的6个处理,在冬小麦的不同生育期,速效钾含量基本保持不变;土壤中有机质的含量呈现先下降后上升的趋势,在拔节期达到最低值。同时,从研究结果中还发现,施用生物有机肥,可以显著提高土壤中微生物的数量以及各种养分的含量。     

基于冠层光谱红边参数和植被指数的 冬小麦水分胁迫监测

基于冬小麦不同水分胁迫试验,采用便携式光谱仪测定冬小麦抽穗期、开花期和灌浆期受不同水分胁迫处理的冠层光谱反射率,分析不同水分处理下冬小麦冠层光谱特性,并对植被指数、红边参数与冠层叶片含水率和土壤含水率进行相关性分析,构建各生育期叶片含水率和土壤含水率的最佳监测模型,实现对冠层叶片含水率以及土壤含水率的监测评估。结果显示,在整个生育期,冬小麦的冠层光谱反射率在可见光范围呈现绿峰红谷,尤其在旺盛生长时期,随着水分胁迫程度加深,绿峰红谷逐渐变得不明显,红谷抬升幅度增大;相反,在近红外波段范围内水分胁迫主要使得反射率表现为明显下降;冬小麦红边参数随生长进程呈蓝移现象,灌浆期受胁迫程度越重的红边参数越低;植被指数(EVI、NDVI、SAVI、WI)在开花期之后具有不同程度的下降趋势,至灌浆期有大幅度减小,且随受胁迫程度加深植被指数下降幅度增大;植被指数和红边位置、红边面积在灌浆期与叶片含水率和土壤含水率有显著相关,其中植被水分指数WI、归一化植被指数NDVI和红边位置λ_(red)相关性较佳,其建立的叶片含水率和土壤含水率估算模型效果较好,决定系数r~2均大于0.84,平均相对误差(MRE)≤0.207。综合分析认为,冠层反射光谱特征和植被指数与冬小麦冠层叶片含水率和土壤含水率相关性良好,可利用高光谱遥感参数对冬小麦的水分状况进行快速、准确监测。     

冬小麦产量的土壤养分限制因子与施肥研究

１９９２－１９９６年在陕西渭北旱塬合阳县甘井乡进行了冬小麦产量的土壤养分限制因子与高产高效施肥指标试验。结果表明：在渭北埋塬,氮,磷是冬小麦产量的限制因子,钾,铁,锰,镁,硼为非限制因子。     

基于MODIS的农作物面积遥感监测及应用

MODIS遥感数据具有探测周期短、覆盖面积广、数据开放等优点,适合大尺度、动态的农业遥感监测应用。结合了MODIS遥感数据资源的特点和农作物物候特征,提出了基于MODIS的农作物面积遥感监测方法,并根据黄淮地区冬小麦种植面积提取的应用需求,选用地理空间数据云平台提供的3种MODIS数据产品进行了农作物面积提取。结果表明,使用5 d合成数据产品的提取精度较高。     

基于地面样方调查的小麦倒伏遥感监测研究

基于遥感技术及时获取小麦倒伏信息,对于农业部门指导小麦倒伏后的农业生产、灾害评估等具有重要意义。在鲁西、鲁西南地区小麦倒伏样方调查的基础上,选用小麦倒伏前后两期环境与灾害监测小卫星数据,探讨了利用遥感影像监测小麦倒伏的基本理论和方法。首先,根据小麦灌浆期不同组分的光谱特性,解释了倒伏小麦光谱变化的原因;其次,分析了倒伏小麦在可见光和近红外波段的光谱反射特点,寻找小麦倒伏遥感监测的敏感波段;最后,利用敏感波段建立植被指数,讨论了小麦倒伏发生程度的遥感监测问题。     

基于遥感与作物模型的土壤速效养分时空变异分析

目的 研究在均衡施肥模式下,双山农场2012—2016年间土壤速效养分的时空变异特征,分析施肥管理、轮作模式等人为因素和气象、地形等自然因素对速效养分变化的影响,该研究成果可为土壤速效养分管理和作物变量施肥提供参考依据。方法 以双山基地农场为例,通过时间序列HJ-1 CCD遥感数据和作物模型WOFOST反演得到土壤速效养分。基于以上土壤速效养分数据在不同时间尺度（年际间和生长季内）和不同空间尺度（农场尺度和田块尺度）上的速效养分时空变异分析。利用土壤速效养分分级图来定性分析养分在5年内的空间变异特征;选取相应的统计参量对土壤速效养分的平均含量和变异性进行定量分析;利用线性回归来分析速效养分的变化量与初始含量的关系;以及养分变化曲线图分析速效养分的时间变化特征。结果 在均衡的农田施肥管理模式下,2012—2016年农场的土壤速效氮（AN）、速效磷（AP）和速效钾（AK）含量平均值变化不大,速效养分高值和低值都在向中间值靠拢,分别集中于280—360 mg·kg ^-1、38—42 mg·kg ^-1和160—200 mg·kg ^-1,该部分面积比例分别增加18.5%、23.1%和23.8%,养分含量整体呈现均一化特征。AN、AP和AK的变异系数分别从2012年的0.314、0.112和0.257变为2016年的0.131、0.034和0.098,速效养分分布的空间差异性在减弱。AN,AP变化量均与初始值呈现极显著的负相关,R ²分别为0.839和0.882,AK的R ²为0.569,其相关性较弱与土壤中的速效钾本身不稳定有关。通过相邻地块的养分变化分析可知,田块尺度上的土壤速效养分也表现出明显的均一化特征,轮作模式是影响田块间养分变化差异的主要因素,对于轮作模式完全相反的#1和#2田块,人工施肥决定了田块内养分变化的总体趋势,对于豆科作物,固氮作用对土壤速效氮的含量变化作用明显。温度升高在一定程度上会促进作物对养分的吸收,但这种影响不足以改变养分变化的总体趋势。土壤的淋洗对养分的空间变异起到决定性作用,特别是强度较大的降水。降水对养分空间变异的影响在地形差异较大的区域,表现得更加明显。 结论 农田的施肥管理和作物轮作模式是土壤速效养分变化的主导因素;其次是气候因素,雨水对土地的淋洗会导致土壤速效养分的流失和下降,该作用在地形差异较大的地区更加明显;速效养分的变化量与养分初始含量关系显著;温度的升高会促进土壤速效养分的降低,其影响力小于降水。以上变化规律均可纳入后期速效养分的预测研究中,对这些影响因子赋予不同的权值,进行预测模型的构建。以期对作物年际间和生长季内的速效养分的变化进行实时动态监测。     

农田土壤含水率遥感监测方法的探索

以光学植被盖度为基本原理,依据像元点亮度值和反射率的关系推导基于ASTER数据1、2、3波段反射率的地表土壤水分模型,并将模型实际应用于研究区域,反演研究区土壤水分含量,将反演结果与从美国国家冰雪中心下载的AMSR-E地表土壤水产品进行对比分析,结果表明本次研究模型可以适用于大范围区域土壤水分遥感监测。     

小麦调优栽培遥感监测技术初探

目前,优质高产是小麦生产的主题,利用信息技术实现小麦的优质高产是当前农业生产中有效途径之一。针对目前小麦生产中存在的主要问题,提出了利用遥感技术进行小麦产量和品质监测的技术思路,在小麦的生产过程中应用遥感监测技术,对生产管理和质量控制进行监测,从而在一定程度上实现小麦调优栽培的信息化。     

土壤重金属含量的高光谱遥感反演方法综述

随着工业生产规模的扩大、城市环境污染的加剧和农用化学物质种类、数量的增加,土壤重金属污染因其程度加剧、面积扩大而备受关注.重金属污染物在土壤中移动差、滞留时间长、难被微生物降解,并可经水、植物等介质最终影响人体健康,因此对重金属污染的定量监测非常有必要并且意义重大.高光谱遥感技术的发展为宏观、快速获取土壤重金属元素信息提供了新的契机,目前国内外学者基于土壤反射光谱特征,运用多种统计分析方法成功地预测了多种土壤重金属元素的含量.介绍了土壤的光谱特征及光谱特征波段的提取,对利用高光谱遥感技术估算土壤重金属含量的主要方法进行了总结,对影响模型精度的主要因素进行了讨论,介绍了模型在模拟多光谱数据方面的应用,最后对模型反演过程出现的不足及今后的研究方向进行了展望.     

基于多源遥感数据的干旱监测研究

及时准确地监测干旱可以预防其造成的农作物减产。归一化植被指数(NDVI)在监测植被生长状态、农业干旱方面都表现出了良好的特性。但NDVI对干旱的响应具有一定的滞后性。为了及时准确地监测旱情,本研究将热带降雨测量卫星(TRMM)的降雨数据与NDVI结合起来,构建了基于旬尺度的MNDVI干旱监测模型,并以吉林省农作物生长季为例,通过与历史数据、土壤湿度、叶面积指数(LAI)作相关性分析对其进行验证。结果表明:MNDVI监测的干旱变化图与历史记录有很好的吻合性,表明MNDVI监测干旱的准确性好;将MNDVI和NDVI分别与10 cm和20 cm土层的土壤湿度进行相关性分析,结果表明MNDVI在一定程度上可以消除NDVI监测干旱方面存在的滞后性;将MNDVI和降雨状态指数(PCI)分别与LAI进行时间序列分析,发现MNDVI与LAI有良好的一致性,而PCI与LAI没有一致性,表明MNDVI对植被的生长状态能够及时响应,可以用来监测农业旱情。     

基于Sentinel-2A影像的县域冬小麦种植面积遥感监测

小麦种植面积遥感监测是小麦估产的基本要素,准确而及时地提取不同灌溉类型冬小麦种植面积及其空间分布信息可为冬小麦长势监测以及产量评估提供科学依据。以山西省闻喜县冬小麦为研究对象,以Sentinel-2A影像为基础数据源,选择主成分(PCA)、红边归一化植被指数(RENDVI)、纹理特征等3个特征变量,结合实地调查样本点,采用随机森林算法,提取冬小麦种植面积,并结合数字高程模型(DEM)提取雨养区和灌溉区冬小麦种植面积。结果表明,Sentinel-2A遥感数据适合作为县域尺度冬小麦监测的数据源;主成分分析、纹理特征和RENDVI的引入可以提高单时相遥感影像对县域冬小麦分类的识别能力;随机森林算法和数字高程模型结合可以实现雨养区和灌溉区冬小麦种植面积的提取。     

小麦氮素积累动态的高光谱监测

 【目的】研究小麦地上部氮积累量与冠层高光谱参数的定量关系,分析多种高光谱参数估算地上部氮积累量的效果。【方法】连续3年采用不同蛋白质含量的小麦品种在不同施氮水平下进行大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定植株不同器官生物量和氮含量。【结果】植株氮积累量随着施氮水平的提高而增加,不同地力水平间存在明显差异。植株氮积累量的光谱敏感波段主要存在于近红外平台和可见光区,而地上部氮积累量与冠层光谱的相关性明显降低。对植株氮积累量的光谱估算,在不同品种、氮素水平、生育时期和年度间可以使用统一的光谱模型。在籽粒灌浆期间植株氮积累量自开花期随时间进程的积分累积值与对应时期籽粒氮素积累状况存在显著的定量关系,根据特征光谱参数植株氮素营养籽粒氮积累量这一技术路径,以植株氮积累量为交接点将模型链接,建立高光谱参数与籽粒氮积累量间定量方程。将植株氮积累量与籽粒氮积累量相加,确立了基于高光谱参数的籽粒灌浆期间地上部氮积累量监测模型。经不同年际独立资料的检验表明,利用光谱参数SDr/SDb、VOG2、VOG3、RVI（810,560）、[（R750-800）/（R695-740）]-1和Dr/Db建立模型可以实时监测小麦地上部氮素积累动态变化,预测精度R2分别为0.774、0.791、0.803、0.803、0.802和0.778,相对误差RE分别为16.7%、15.5%、15.6%、18.5%、15.5%和17.3%。【结论】利用关键特征光谱参数可以有效地评价小麦地上部氮素积累状况,其中尤以植被指数VOG2、VOG3和[（R750-800）/（R695-740）]-1的效果更好。