基于反射光谱和叶绿素荧光数据的作物病害遥感监测研究进展

作物病害是影响粮食产量和质量的生物灾害,病害的侵染消耗了作物营养和水分,扰乱了其正常的生命过程,引起了作物内部生理生化和外部表观形态的改变。冠层反射光谱能够较好地探测作物群体结构信息,叶绿素荧光能敏感反映作物光合生理上的变化,二者均能够实现作物病害的遥感探测。本文从作物病害遥感探测的方法和尺度两个方面综述了基于反射率光谱的作物病害遥感监测现状,概括了主动荧光、被动荧光以及协同日光诱导叶绿素荧光和反射率光谱在作物病害遥感监测中的研究进展,分析了反射率光谱和叶绿素荧光数据在作物病害遥感探测方面的优缺点,探讨了不同数据源、不同监测方法在作物病害遥感探测中可能存在的问题,并在此基础上展望了作物病害遥感监测的未来发展,旨在为后续利用反射率光谱和叶绿素荧光数据探测作物病害提供重要的参考依据。     

我国农作物病虫害智能监测预警技术新进展

近年来, 随着计算机、互联网、物联网、人工智能、传感器、遥感等技术的快速发展, 智能虫情测报灯、智能性诱捕器、昆虫雷达、无人机遥感、卫星遥感、智能识别App等现代智能农作物病虫监测装备及重大病虫害实时智能监测预警系统建设方面取得了比较明显的进步。本文综述了我国近5年在利用光谱遥感、昆虫雷达、图像识别等技术进行农作物病虫害监测预警研究和应用方面取得的重要进展, 分析了各类技术存在的不足与难点, 提出了未来发展的方向, 以期为充分利用空天地多源数据实现农作物病虫害精准预报提供指导。     

土壤水分含量对欧李叶绿素荧光及光合特性的影响

为探讨干旱胁迫下欧李的光合机构功能及其干旱逆境的生理响应机制,采用室外盆栽的试验方法,研究了欧李在不同土壤水分条件下的生理生态反应.结果表明:随着土壤含水量的减少,欧李体内水分出现有效亏缺,叶绿素逐渐分解.当土壤含水量维持在田间持水量的55%-60%时,欧李尚能适应干旱环境而保证其光合机构免受光损伤,而当土壤含水量进一步降低时,其光合机构则会受到光损伤,午间高光强下发生可逆性光抑制,且光抑制程度随着土壤干旱程度的增加而增强.     

一品红的组织培养及快速繁殖

以一品红(Eupgorbia Pulcherrima)的茎段和茎尖为外植体,以MS为基本培养基,设计不同的试验,探讨了离体条件下影响一品红增殖的若干因素,建立了其离体快繁技术体系。结果表明:激素组合、糖浓度等因素能影响一品红离体增殖。适宜一品红无菌苗高效增殖的培养基为MS BA0.5mg/L NAA0.2mg/L 6%蔗糖;在1/2MS IBA0.5mg/L NAA0.5mg/L 3%蔗糖的生根培养基上,无菌苗生根率为75.4%。小苗移栽容易成活,成活率可达95.1%。     

基于扫描成像的作物近地高光谱获取与特征分析

为了验证自主研制的扫描成像光谱仪（PIS）在近地应用的可行性,该文以小麦、玉米为研究对象,利用PIS近地获取作物冠层和叶片的高光谱图像,在对田间和室内获得的成像数据进行对比分析的同时,探讨了成像光谱采集过程中的影响因素。此外,将PIS获取的成像高光谱与地物光谱仪（ASD）测定的高光谱进行比对研究。结果表明：PIS能准确收集作物的光谱信息,且采集的高光谱数据与ASD具有很好的一致性;PIS在田间采集作物光谱信息时,受氧气吸收的影响,在760 nm处有明显的干扰吸收;PIS除了能反映作物不同叶位叶片、不同器官光谱的差异,还可依据影像提取杂草、土壤对作物冠层光谱的影响程度。上述初步结果为进一步应用PIS进行农作物长势诊断提供了参考。     

基于GA的GRNN高光谱遥感反演冬小麦叶片氮含量模型的建立与验证

基于人工神经网络理论,针对高光谱遥感中数据冗余问题,本文建立了基于遗传算法(GA)的广义回归神经网络(GRNN)模型,利用回归分析问题中参数筛选方法,对表征冬小麦叶片全氮的光谱参数进行了筛选,并和线性回归方法对比,线性回归方法的均方根误差(RMSEP):在冬小麦叶片氮含量为34.0g kg-1~62.5g kg-1预测范围内,逐步回归模型为14.4g kg-1,后向选择为11.8g kg-1,而广义回归神经网络为3.40g kg-1。说明神经网络方法所筛选到的光谱参数更能反映小麦叶片全氮含量,且神经网络模型预测精度高。     

基于神经网络的水稻产量预测模型

研究不同水分处理所得的作物实际产量,建立前馈神经网络模型,得到不同土壤含水量时的旱作水稻预测经济产量,模型通过学习,使误差减小到0.1。     

基于多时相和多角度光谱信息的作物株型遥感识别初探

作物群体具有一定的冠层几何结构(株型),对于不同株型的品种,在相同的叶面积指数时冠层反射光谱往往不同,使得利用冠层反射光谱来反演叶面积指数等生物物理和生物化学参数时存在不同株型产生的误差,该文定量研究了不同叶面积指数条件下,作物株型对冠层反射光谱的影响,并提出运用波长800 nm处起身期的冠层反射光谱与该波长处拔节期和起身期冠层反射光谱的比值,可以初步实现高密度披散型品种、低密度披散型品种、高密度中间型品种、低密度中间型品种、高密度直立型品种和低密度直立型品种的遥感识别,结合一定条件下选取的15°、30°和45°观测天顶角下,与可见光和近红外波段(波长)处的二向反射冠层反射光谱数值大小进行结合,可以初步实现作物株型的遥感识别。     

基于无人机多光谱影像的槟榔黄化病遥感监测

黄化病是一种严重危害槟榔生长的病害,迫切需要及时、准确地监测其侵染的严重度差异和空间分布。低空无人机遥感可有效解决槟榔种植区由于多云雨天气而造成光学卫星影像获取不足,提高槟榔黄化病监测的实时性。该文利用大疆精灵Phantom 4 Pro V2.0四旋翼无人机搭载MicaSense RedEdge-M多光谱相机获取5波段多光谱影像,基于最小冗余最大相关算法（Minimum Redundancy Maximum Relevance,mRMR）从15个潜在的植被指数中优选比值植被指数（Ratio Vegetation Index,RVI）、改进的简单比值指数（Modified Simple Ratio Index,MSR）和花青素反射指数（Anthocyanin Reflectance Index,ARI）作为敏感特征,分别利用后向传播神经网络（Back Propagation Neural Network, BPNN）、随机森林（Random Forest, RF）和支持向量机（Support Vector Machine, SVM）分类算法,构建了槟榔黄化病严重度监测模型。结果表明,BPNN模型总体精度达到91.7%,分别比RF模型和SVM模型提高6.7%和10.0%,且Kappa系数为0.875,为所有模型中最高,漏分、错分误差也最小,健康,轻度和重度分别为11.1%、15.8%,13.6%、9.5%和0、0。研究结果证明了无人机多光谱遥感影像监测槟榔黄化病的可行性,同时也可为其他热带作物病害监测提供案例研究。     

基于PLS算法的棉花黄萎病高空间分辨率遥感监测

棉花黄萎病危害程度大,发生范围广,已成为中国乃至世界上棉花主要病害之一。论文基于野外定位调查数据及高空间分辨率遥感影像,利用变量投影重要性（VIP）准则筛选最优变量,用偏最小二乘回归（PLS）方法建立棉花黄萎病病情严重度的定量估测模型,并利用已建立的估测模型和高分辨率IKONOS影像获取了不同病情严重度的空间分布图。研究结果表明：在所分析的13个遥感因子中,增强植被指数（EVI）、再归一化植被指数（RDVI）、全球环境监测指数（GEMI）、差值植被指数（DVI）、修改型土壤调整植被指数（MSAVI）、归一化植被指数（NDVI）为棉花黄萎病病情严重度遥感估测的敏感因子,能够有效估测棉花黄萎病病情严重度,其模型预测值与实测值间的R2、RMSE和RE分别为0.78、0.45、9.2%。论文利用PLS算法和高分辨率卫星影像实现了棉花黄萎病病情严重的遥感监测,研究结果对实现大范围农作物病虫害的遥感监测具有重要的参考价值。