夏玉米叶片气孔阻力与冠层阻力估算模型的研究

根据田间试验观测结果，分析了夏玉米叶片气孔导度与环境因素之间的关系，应用多元非线性回归分析技术建立了气孔阻力的估算模型，对叶片正反两面不同部位的垂向不同层次上叶片气孔阻力的差异及其日变化过程和季节变化规律进行了分析，又用叶片气孔阻力估算模型导出了冠层阻力的计算模型。     

夏玉米叶片气孔阻力与冠层阻力估算模型的研究

根据田间试验观测结果，分析了夏玉米叶片气孔导度与环境因素之间的关系，应用多元非线性回归分析技术建立了气孔阻力的估算模型；对叶片正反两面不同部位和垂向不同层次上叶片气孔阻力的差异及其日变化过程和季节变化规律进行了分析，又用叶片气孔阻力估算模型导出了冠层阻力的计算模型。     

基于手机图像反演的滴灌玉米光响应曲线特征参数研究

为研究利用手机图像预测玉米光响应曲线特征参数的可行性,通过自主设计的便携式图像采集装置,获取不同施氮量下滴灌玉米大喇叭口期冠层图像,提取其冠层图像特征参数,计算玉米光响应特征参数表观量子效率(α)、最大净光合速率(P_(nmax))、光补偿点(LCP)和暗呼吸速率(R_d),找出与光响应特征参数相关性高的归一化冠层覆盖系数(C_C)作为自变量,建立C_C与玉米光响应曲线特征参数间动态模型,并根据模型评价指标R~2、RMSE和nRMSE筛选出各参数的最优模型。结果表明,C_C与α的最优模型为有理函数模型,与P_(nmax)最优模型为幂函数模型,与LCP最优模型为指数函数模型,与R_d以二次多项式模型为最优;各反演模型的R~2均不小于0. 876,RMSE介于0. 002～3. 673μmol/(m~2·s)之间,nRMSE不超过9. 071%,且各模型验证集的R~2均不小于0. 833,RMSE均不大于5. 989μmol/(m~2·s),nRMSE不超过9. 659%。将数字图像特征参数与作物光响应曲线特征参数有机结合,可为玉米光响应曲线特征参数的快速获取提供一定的理论依据。     

玉米冠层叶片氮素营养估测研究——基于近地多光谱图像

运用图像处理技术对不同氮营养成分下玉米冠层叶片的近地CCD多光谱图像进行分析,建立玉米叶片氮素营养含量的快速、非破坏性估测模型。实验基于红通道和近红外通道的CCD图像,通过图像切割提取两个通道的主叶片区域的平均灰度值和叶片周围的土壤平均灰度值,根据土壤平均灰度值比值来调整叶片的近红外平均灰度值,计算玉米叶片的基于灰度的植被指数,建立了氮素营养含量和两个通道的图像灰度以及灰度植被指数间的经验线性模型。经过多元线性回归分析后,两者间的相关系数R可以达到0.704。由此实现了对玉米冠层氮营养含量的快速估测。     

基于高光谱的甜菜冠层氮素遥感估算研究

利用野外便携式ASD Qualityspec光谱仪,实测了田间甜菜冠层光谱数据,采用植被指数对氮含量进行预测,发现估算精度较低,分析NDVI与VLOPT与氮含量的相关性,得出氮含量在很小的时候就达到饱和水平。根据4种预处理下的甜菜冠层光谱,分别采用偏最小二乘回归(PLSR)和主成分回归(PCR)建立甜菜氮含量估算模型,比较不同预处理和不同回归方法对估算精度的影响。结果表明:对PLSR来说,一阶导数处理的光谱数据建立的模型精度最好(RMSE=2.34g/kg,RE=19.6%),平滑、MSC和SNV建立的估算模型次之;对PCR来说,平滑处理的光谱数据建立的模型精度最好(RMSE=2.34g/kg,RE=19.4%)。总的看来,不同预处理对估算模型精度有一定的差异,但PLSR和PCR两种回归方法对甜菜氮含量估算模型影响不大。     

基于无人机航拍图像的大田玉米冠层结构建模

针对目前采用三维数字化等方法获取大田作物冠层结构信息时需要手动干预、费时费力的问题,利用超微小型无人机分别获取了苗期大田玉米群体的航拍图像、去掉周边植株后成熟期单株及多株的玉米小群体航拍图像.基于伪极点-Crust方法构建了玉米苗期和成熟期的冠层结构模型,并基于大田原位手动测量的株高、叶长、最大叶宽、叶面积等参数对所构...     

基于多源遥感数据的夏玉米冠层氮素遥感监测研究

氮素是玉米生长发育过程中必不可少的关键性因素,能够直接影响到玉米作物的生长情况。过去传统的玉米种植信息采集工作大多由人工作业完成,在实际工作中具有费时费力的缺点,难以大范围快速开展,且人工采集的信息数据质量无法得到有效保障,还会对玉米田地造成一定程度的影响和破坏。随着现代化技术的快速发展,无人机和计算机等技术的普及应用促使农业监测方法日新月异。基于此,笔者以实际案例为例并进行深入分析,探究多源遥感技术在夏玉米冠层氮素监测中的应用情况。结果表明,多源遥感技术在实际应用中能够实现高效精准的空间数据监测,实现了多角度的信息采集分析。本研究具有良好的发展前景,能够为其他农业监测研究提供参考。     

基于高光谱植被指数的夏玉米地上干物质量估算模型研究

2011—2014年连续实施夏玉米长势监测定位实验,在5种不同施氮量、4种不同施磷量和2个夏玉米品种处理下,测定了大喇叭口期、吐丝期、灌浆期和成熟期夏玉米冠层高光谱反射率及对应的地上干物质积累量(Aboveground dry matter accumulation,ADMA)。选取了21个光谱植被指数,利用2011年和2013年综合数据进行线性函数、对数函数、二次函数和指数函数模型拟合。在每个生育时期,选择决定系数和F值最高的3个模型,并用2012年和2014年测定光谱数据与地上干物质量对拟合模型进行均方根差和相对误差的验证,选择均方根差和相对误差较小的拟合模型为最适模型。结果表明,在大喇叭口期、吐丝期、灌浆期和成熟期,夏玉米地上干物质量的最佳拟合光谱植被指数分别为GNDVI、PSSRc、NDVI4和DI。     

冬小麦冠层阻力日变化的估算

根据田间试验观测资料,利用3种作物冠层阻力估算方法推算了冬小麦在拔节、抽穗、灌浆3个生育时期在典型晴天、土壤水分充分供应状况下冠层阻力的日变化。3种作物冠层阻力估算方法为利用波文比能量平衡法使用Penman-Monteith公式反推(rc-BREB)、利用冠层温度和蒸散量推算(rc-Tc)、利用不同部位单叶气孔阻力和有效叶面积指数合成法推算(rc-LAI)。结果表明,3种作物冠层阻力估算方法均推得的冠层阻力日变化趋势相同,但冠层阻力值大小存在差异。冬小麦冠层阻力在08:00～15:00时变化平稳,15:00以后开始升高,日落前后升高最为剧烈。采用冠层温度推算的冠层阻力rc-Tc比rc-BREB偏低,rc-LAI在灌浆后期和15:00后比rc-BREB偏高,且没有rc-BREB变化平稳。     

基于高光谱"玉米田养鹅"模式下作物冠层氮素反演

为实现"玉米田养鹅"模式下作物氮素养分快速无损监测,开展了基于高光谱"农牧一体化"实验。以放牧前后的玉米冠层作为研究对象,利用高光谱技术分析不同时期玉米冠层叶片光谱,采用波段自相关分析(Bands Inter-correlation Analysis, BICA)与主成分分析(Principal Components Analysis, PCA)相结合的方法提取特征波段,并构建多种光谱参数,进而建立了基于BICA-PCA方法的多元回归模型(Multivariable Regression Model,MRA),并筛选和验证了所建模型。结果表明:随着不同生育期的进行,鹅的粪便会作为肥料给作物补充氮素,近红外光谱反射率增高,红边位置向左移动。建立模型在放牧前期校正集决定系数R_C~2为0.796,校正集均方根误差(Root-mean-square Error Correction, RMSEC)为0.133;在预测集决定系数R_p~2为0.840,预测集均方根误差(Root-mean-square Error Prediction, RMSEP)为0.147。放牧后期R_C~2为0.761,RMSEC为0.094;R_p~2为0.789,RMSEP为0.141。研究结果可为"农牧一体化"优化生产管理和建立氮素养分特征平衡模型提供支持和帮助。     

基于随机森林的玉米发育程度自动测量方法

为提高玉米果穗发育程度检测的自动化程度与精度,提出一种基于机器视觉技术的测量方法。在随机森林机器学习算法的基础上构造秃尖、干瘪和籽粒区域的识别模型。该模型由多个独立同分布的弱分类器构成,对输入的训练样本进行列和行两个方向上的随机采样。比较随机森林模型和决策树模型的分类效果可知随机森林模型有效避免了过拟合和局部收敛现象的产生,并具有良好的推广能力。为确定最优的弱分类器数目,选择弱分类器个数为训练样本数量的1/80、1/40、1/20、1/10、1/5、1/4时分别构建随机森林分类器。研究结果表明,当随机森林中弱分类器个数为训练样本数量的1/20时,模型的识别率与稳定性最好。然后,以最优的随机森林模型作为分类器构建玉米果穗不同发育程度自动检测方法。试验结果表明,各区域长度测量的准确性均在95%以上,测量速度可达30个/min以上。     

基于不同有效积温的玉米干物质累积量模拟

为获得研究区适宜的玉米干物质累积量(DM)估算模型,通过2017—2019年在吉林省长春地区开展的3年农田试验,观测玉米生育期内作物根区20 cm地温、40 cm地温、农田气温、作物冠层温度以及玉米地上部干物质累积量等数据,建立基于不同有效积温的Logistic模型及其归一化模型,并用实测数据进行模型验证。结果表明,基于有效积温建立的Logistic模型可以模拟单株玉米干物质累积量生长,但不同地点、不同年份所建立的模型参数差异较大;Logistic归一化模型能够很好地模拟区域玉米干物质增长,在利用实测数据进行模型验证中,基于作物根区20 cm地温、40 cm地温、农田气温和作物冠层温度4种类型有效积温的Logistic归一化模型,其均方根误差、相对误差、决定系数和模型一致性系数都能达到较优值;以2019年数据建立的Logistic归一化模型对玉米干物质累积量模拟效果最优;基于有效冠层积温的Logistic归一化模型模拟效果较优。本研究结果可为灌区精量灌溉决策和管理提供技术支撑。     

基于冠层光谱和覆盖度的马铃薯叶片钾含量估算方法

叶片钾含量(Leaf potassium content, LKC)是表征作物钾素营养状况的重要指标,高效准确地获取马铃薯LKC有助于精准农业施肥管理。本研究旨在通过结合马铃薯关键生育期RGB影像提取的植被指数(VIs)和植被覆盖度(FVC),提高马铃薯关键生育期LKC估算的准确性。首先从马铃薯块茎形成期(S1)、块茎增长期(S2)和淀粉积累期(S3)的RGB影像中提取VIs和FVC,然后分别分析每个生育期VIs和FVC与马铃薯LKC的相关性,最后利用支持向量机(Support vector machine, SVM)、Lasso回归(Least absolute shrinkage and selection operator, Lasso)和岭回归构建马铃薯LKC的估算模型。结果表明：基于RGB影像提取的马铃薯FVC精度较高,且前两个生育期高于第3个生育期;利用VIs估算马铃薯LKC是可行的,但精度有待进一步提高;VIs结合FVC可以提高马铃薯LKC的估算精度。本研究可为作物生长和钾素营养状况监测提供技术参考。     

基于机器视觉的玉米果穗性状参数测量方法研究

在玉米育种、田间测产和提高玉米产量的过程中,均需要对玉米果穗考种,即需要对玉米果穗的穗长、穗粗、穗行数、行粒数和穗粒数等性状参数进行测量。人工考种不仅花费大量的人力物力,而且在考种过程中普遍存在人工劳动强度大、观测效率低、人为干扰导致测试结果不客观及不准确等问题,在很大程度上限制了考种的速度与精度。针对上述问题,利用所研制的自动考种设备和机器视觉方法,通过USB工业相机获取玉米果穗单面性状彩色图像,利用|B-R|模型、（G+B）/2模型将彩色图像分别进行灰度化,利用改进后的一维最大熵阈值分割方法对灰度图像进行二值化,分别得到果穗轮廓二值图像和果穗特征二值图像;通过轮廓二值图像计算果穗放置后的倾斜角,实现果穗轮廓二值图像和特征二值图像的自动纠偏;通过相机标定,得到单位像素对应的实际值,进而得到穗长及穗粗;通过提取局部籽粒特征二值图像,利用水平黑背景点扫描及对扫描曲线的修正获取穗行宽度,通过穗行数修正模型得到果穗的穗行数;通过提取局部单行籽粒特征二值图像,利用垂直黑背景点扫描及对扫描曲线的修正得到行粒数;根据行粒数和穗行数得到穗粒数。试验结果表明,穗长和穗粗平均测量精度分别为98.05%和97.99%,穗行数测量正确率为95%,行粒数平均测量精度为96.29%,穗粒数平均测量精度为95.67%,和实际值相比,穗粗、穗长、行粒数及穗粒数的测量值差异无显著性。单穗玉米果穗机器视觉平均测量速度为600ms/穗,考种设备测量速度为6s/穗,能够满足自动考种设备的使用需求。     

基于信息熵特征选择的小麦冠层叶绿素含量估测方法

为运用图像颜色特征估测作物的叶绿素含量,以自然环境下的小麦冠层图像为研究对象,提出一种基于熵权法的颜色特征选择方法,并应用机器学习方法建立小麦冠层叶绿素含量估测模型。熵权法通过信息熵来衡量颜色特征指标权重,实现冠层图像特征排序,机器学习方法选用多元线性回归（Multiple linear regression, MLR）、岭回归（Ridge regression, RR）和支持向量回归模型（Support vector regression, SVR）估测小麦冠层叶绿素含量。试验结果表明,与皮尔逊相关系数法和主成分分析法选取的特征集进行对比,熵权法得到a*、R-G-B、R-G、（a*+b*）/L、a*/b*、(R-G)/(R+G+B)、(R-B)/(R+B)、H/S、(R-G)/(R+G)等9个特征组成的特征集,可以利用较少的特征指标达到最优的预测效果。在选取相同特征指标参数的情况下,SVR的预测能力优于其它模型,其R2和RMSE的平均值分别为0.80、1.89,相比于MLR和RR模型R2分别提升2.8%、1.1%,RMSE分别下降0.13和0.05。将基于熵权法建立的SVR模型应用到2021年采集的小麦冠层图像数据,结果表明模型具有很好的稳定性。     

基于地面观测和Sentinel-2数据的玉米实际蒸散发估算

基于遥感技术估算作物蒸散发(Evapotranspiration,ET)对农业用水效率评价和精量灌溉决策具有重要意义。结合Sentinel-2数据和农田连续地面观测资料,利用混合双源蒸散发模型(Hybrid dual-source scheme and trapezoid framework-based evapotranspiration model,HTEM)对宁夏回族自治区中卫市2019年两个试验田玉米主要生育期(5—8月)的蒸散发量进行估算,并用水量平衡法对遥感估算结果进行验证和评价。结果表明:Sentinel-2数据具有高时空分辨率,能够与研究区复杂的种植地块相匹配,减少了混合像元的数量;遥感反演参数与地面观测数据拟合度较高,研究区2019年遥感反演的玉米田净辐射量均方根误差为36.256 W/m²。利用HTEM模型估算可得,主要生育期内研究区两个玉米试验田的日均实际蒸散发量分别为4.269 mm/d和4.339 mm/d,实际蒸散发总量分别为525.114 mm和533.690 mm,其中植被蒸腾量分别为363.483 mm和358.196 mm,生育初期主要以土壤蒸发形式消耗水分,随着作物的生长,在生育中后期主要以植被蒸腾的形式消耗水分。ET遥感反演结果与水量平衡结果之间差别不显著,两个观测点绝对误差分别为13.533 mm和7.774 mm。因此,结合地面连续观测系统和Sentinel-2数据估算研究区玉米生育阶段蒸散发量具有较高的精度,可为作物耗水规律研究及区域农业水管理提供技术支撑。     

基于机器视觉的大田植株生长动态三维定量化研究

高通量植物三维表型的研究对判定植株表型特征至关重要。基于机器视觉的植株三维表型获取方法在温室中已广泛应用,能够动态监测植株生长过程,但在大田复杂环境中应用较少。以大田生长的玉米、大豆植株为研究对象,基于机器视觉分析方法对不同生长时期玉米、大豆植株进行个体和群体的三维重建,并基于手动测量值对叶长、叶最大宽进行精度评估。研究结果表明,叶长、叶最大宽的计算值与手动测量值的R2均大于0.97,精度较高,表明大田环境下此方法可以满足作物表型三维构建参数提取的精度要求,但是当冠层遮挡较严重时,三维重建精度将明显下降。进一步自动提取了株高、冠幅和器官生长动态,结果可为与基因型相关的表型高通量分析提供方法,并可进行株型与冠层辐射的精确评价。