水旱地冬小麦植株氮素含量的高光谱监测

作物氮素状况是评价作物长势的关键指标之一,利用高光谱技术对水旱地植株氮素含量进行监测具有重要的实践意义。通过研究闻喜县水旱地小麦植株氮含量与叶面积指数(LAI)的定量关系,探索建立以LAI为中间变量的水旱地冬小麦氮素含量的监测模型的可行性。结果表明,水旱地冬小麦不同生育时期LAI特征波段不同,LAI与植被指数FDDVI,FDNDVI和FDMSAVI的相关性均好;冬小麦LAI与植株氮素含量在拔节期、抽穗期和灌浆期3个主要的生育时期均达到较好的相关性;水地冬小麦以FDNDVI(770,688 nm)为自变量建立的植株氮素含量监测模型最优,R2=0.849 9,RE=0.220 8,RMSE=0.060 2,RE和RMSE最小,预测性最好;旱地冬小麦以FDDVI(771,685 nm)为自变量建立的植株氮素含量监测模型最优,R2=0.802 9,RMSE=0.032 6,RE=0.17。研究结果可为实现水旱地冬小麦氮素的准确、快速、大面积的监测提供新的途径。     

低温胁迫下冬小麦叶绿素含量高光谱估测

近年来,拔节期冻害已成为影响北方冬麦区主要的农业气象灾害。为实现低温胁迫下冬小麦叶绿素含量的精确诊断,利用多元统计分析方法(偏最小二乘法和逐步多元线性回归)提取低温胁迫下冬小麦叶绿素含量特征波段,并构建其估测模型。结果表明,经B-coefficient和VIP证实,结合SMLR提取叶绿素含量监测的光谱特征波段为401,681,727 nm,预测模型的R~2,RMSE,RE分别为0.751,0.622,0.128,并且验证模型R~2也达到了0.707,模型精度较高,具有一定的普适性。利用PLS-SMLR提取特征波段、建模的方法是可行的,可为低温胁迫下冬小麦叶绿素含量估测提供一定的理论依据。     

不同灌溉条件下冬小麦叶面积指数的高光谱监测

LAI是作物长势监测的一个重要指标,实时、无损和准确地估测冬小麦LAI具有重要的实践意义。通过对冬小麦进行不同的灌溉处理试验,研究LAI与冠层光谱反射率的关系,计算350～2 450 nm不同波段组合的原始光谱指数和导数光谱指数,筛选最优波段组合光谱指数,并建立LAI的监测模型。结果表明,冬小麦LAI与冠层光谱反射率和不同波段组合光谱指数相关性较好;冬小麦LAI监测的最优光谱指数为DVI(435,447),以此为自变量建立的指数模型y=10.669e~(-701.9x)表现最优,模型最稳定。     

冬小麦生育前期LAI 高光谱反演研究

【目的】冬小麦生育前期稀疏植被条件下叶面积指数反演对于播期、早期苗情监测有重要意义。【方法】文章利用实测冬小麦生育前期冠层高光谱数据,基于相关关系矩阵图筛选7个新的敏感植被指数、优选40个前人研究的双波段组合或多波段组合植被指数,利用单变量回归和偏最小二乘多变量回归分析47个植被指数与稀疏冬小麦叶面积指数(LAI)的相关性。【结果】植被指数PVR(650,550)、VARI(680,555,480)、RVI(1 868,1 946)与LAI相关性好,其中PVR(650,550)与LAI构建的模型拟合度最好,决定系数R~2为0.730,均方根误差RMSE为0.450。而相对单个植被指数,利用多个植被指数的偏最小二乘多元回归模型提高了LAI估算精度,R~2为0.779,RMSE为0.380。【结论】在冬小麦生育前期植被稀疏条件下,利用高光谱数据反演冬小麦LAI是可行的,可为冬小麦早期长势遥感监测提供支撑。     

基于冬小麦冠层高光谱的干生物量监测

冬小麦地上干生物量(AGB)能够表征麦田生态系统生产力的大小,提取AGB光谱特征信息和实现其准确估算,对于掌握冬小麦长势情况具有重要的作用。基于连续2 a的氮运筹试验,利用连续投影算法(SPA)提取原始光谱和一阶微分光谱的重要波段,并基于所提取的光谱特征利用多元线性回归(MLR)方法构建AGB的光谱监测模型。结果表明,利用SPA算法可有效降低光谱维度,基于原始光谱所筛选的重要波段分别为528,671,734,910,1 235 nm,而基于一阶微分光谱所筛选的波段为530,669,740,817,1 209 nm;基于一阶微分处理所建立的模型校正集与验证集模型均达到了较高的精度,Y=-5.01+2 043.86R530-7 772.11R669+348.54R740+14 462.04R817+14 196.13R1209,其R2,RMSE和RPD分别为0.72,1.92 t/hm2和2.53;验证集R2和RMSE分别为0.67,2.25 t/hm2。研究表明,结合SPA和MLR可以实现冬小麦AGB的实时估算,研究结果对冬小麦生长状况监测具有一定的参考价值。     

冬小麦高光谱信息提取方法的研究

针对高光谱数据波段多、数据量大和冗余度大等特点,本文以ASD便携式高光谱仪为光谱数据获取手段,以不同生育时期冬小麦冠层高光谱为研究对象,采用主成分分析和波段自相关分析两种方法来进行数据降维,通过采用基于高光谱与叶面积指数估算(LAI)相关系数法进行验证,以确定冬小麦高光谱遥感信息提取的最佳波段。结果表明,主成分分析法(PCA)和波段自相关分析法选择的波段主要在可见光区域(350~450nm和600~700nm)、近红外区域(1 100~1 200nm)和短波红外区域(1 500~1 750nm),包含了验证方法基于高光谱与LAI相关系数法所选择的主要波段范围:可见光区域和近红外区域。综合考虑,用主成分分析法和波段自相关分析法两种方法对冬小麦高光谱提取的信息是全面、可靠的,包含了针对某一生理指标如LAI的有关信息。     

基于无人机影像特征的冬小麦植株氮含量预测及模型迁移能力分析

【目的】氮素的精准监测和合理施用对小麦健康生长、产量及品质提升、减少农田环境污染与资源浪费尤为重要。为精准监测小麦生长关键生育期植株氮含量,探索机器学习方法构建的植株氮含量预测模型的迁移能力。【方法】小区试验于2020—2022年在河南省商水县开展,在冬小麦拔节期、孕穗期、开花期和灌浆期,采用M600大疆无人机搭载K6多光谱成像仪获取5波段(Red、Green、Blue、Rededge、Nir)多光谱影像。基于5个波段冠层反射率提取20种植被指数和40种纹理特征,采用相关分析从65个影像特征中筛选冬小麦植株氮含量敏感特征。基于筛选出的敏感特征,采用BP神经网络(BP)、随机森林(RF)、Adaboost、支持向量机(SVR)4种机器学习回归方法构建植株氮含量预测模型,并对模型预测效果和在不同水处理条件下模型的迁移预测能力进行分析。【结果】(1)植株氮含量与影像特征的相关系数通过0.01极显著水平检验的包括22个光谱特征和29个纹理特征。(2)4种机器学习回归方法构建的冬小麦植株氮含量预测模型存在差异,RF和Adaboost方法预测植株氮含量集中于95%的置信区间,多分布于1:1直线附近...     

宁夏引黄灌区水稻冠层高光谱特征研究

以不同施氮量试验小区为依托,对各生育期水稻(Oryza sativa L.)冠层光谱反射率及一阶微分光谱进行分析。结果表明,水稻冠层光谱随生育期的变化规律与其生长发育变化特征相对应;不同施氮条件下水稻冠层光谱反射率随施氮量增加在可见光波段降低、近红外波段升高,其中550~600 nm和800~900nm处差异明显,是诊断氮素的特征波段;红边位置(λr)和红边斜率(Dr)在孕穗期前均随着氮素水平的提高而增加,齐穗期后λr出现蓝移现象,Dr减小;将特征波长的比值指数、λr和Dr与叶片氮积累量进行相关性分析,结果显示,800 nm和550 nm的反射率之比(R800 nm/R550 nm)与叶片氮积累量的相关性较好,其相关系数为0.864,λr和Dr与叶片氮积累量的相关系数分别为0.814、0.908。说明合适的光谱变量可以诊断水稻氮素状况,进而为合理施肥提供参考。     

冬小麦籽粒氮积累量高光谱监测研究

为探究冬小麦籽粒氮积累量与冠层光谱反射率的定量关系,实现冬小麦籽粒氮积累量的无损快速监测,以连续2 a氮运筹试验为基础,结合偏最小二乘法(PLS)和逐步多元线性回归(SMLR)建立植株氮积累量(PNA)和叶片氮积累量(LNA)光谱监测模型,分析PNA和LNA与籽粒氮积累量(GNA)的定量关系,以PNA和LNA为中间变量建立GNA光谱监测模型。结果表明,基于PLS-SMLR建立的PNA和LNA高光谱模型监测效果均较好,且冬小麦PNA,LNA与GNA均有较好的定量关系;分别以PNA和LNA为中间变量建立的GNA光谱监测模型中,以LNA为中间变量的模型建模集和验证集表现均较佳,可以实现冬小麦GNA高光谱准确监测。     

基于光谱指数的冬小麦变量施肥效应研究

【目的】由适时获得的高光谱数据代替传统繁琐的实验室土壤养分测定数据来进行变量施肥,实现冬小麦高产优质的目标。【方法】本研究利用冬小麦起身期和拔节期冠层光谱数据,选用反映冬小麦长势信息的优化土壤调节植被指数(OSAVI,optimization of soil-adjusted vegetation index)和变量施肥模型进行变量施肥管理(变量区),以相邻地块常规非变量(均一)施肥区(对照区)为对照,研究了不同氮肥处理冬小麦冠层光谱特征及其施肥效应。【结果】变量施肥之后两种氮肥处理在敏感波段670nm和760～900nm处反射率差异明显,而670nm和760～900nm是氮素和冠层的敏感波段,说明进行变量施肥时,利用基于这两个波段组合的光谱指数OSAVI优于其它波段组合的光谱指数;OSAVI不同生育时期的变化情况,反映了变量施肥在调控作物长势及群体结构上的优势;与对照区相比变量区提高产量达378.72kg·ha-1,并降低了各小区产量之间的变异,变量区土壤硝态氮浓度降低,氮肥利用率提高,生态效益较为明显。【结论】该技术通过改善冬小麦群体质量,延缓了植株衰老,促进干物质和氮积累,增加冬小麦产量和氮肥利用率。