基于综合指标的冬小麦长势无人机遥感监测

作物长势监测可以及时获取作物的长势信息,该文尝试建立新型长势指标,监测小麦总体长势情况。将反映小麦长势的叶面积指数(leaf area index,LAI)、叶片叶绿素含量、植株氮含量、植株水分含量和生物量5个指标按照均等权重综合成一个指标,综合长势指标(comprehensive growth index,CGI)。利用450~882 nm范围内单波段和任意两个波段构建归一化光谱指数(normalized difference spectral index,NDSI),比值光谱指数(ratio spectral index,RSI)和简单光谱指数(simple spectral index,SSI),计算CGI与光谱指数的相关性,筛选出相关性好的光谱指数,结合偏最小二乘回归(partial least squares regression,PLSR)建立反演模型。以CGI为指标,运用无人机高光谱影像对2015年小麦多生育期的长势监测。结果表明:1)冬小麦各生育期,总体上CGI与光谱指数的决定系数R~2均好于各项单独指标与相应光谱指数的R~2。仅孕穗期CGI和RSI(754,694)的R~2比叶绿素和RSI(486,518)的R~2低,开花期的CGI和R570的R~2比生物量和R834的R~2低以及灌浆期CGI和SSI(582,498)的R~2比植株含水量和SSI(790,862)的R~2低。2)拔节期,孕穗期,开花期,灌浆期和全生育期PLSR模型的建模R~2分别为0.70,0.72,0.78,0.78和0.61。拔节期,孕穗期和开花期的无人机CGI影像验证模型的均方根误差RMSE(root mean square error)分别为0.050,0.032和0.047。CGI与相应光谱指数的R~2高于单独各项指标与相应光谱指数的R~2,光谱指数能够很好反映CGI包含的信息。无人机高光谱影像反演CGI精度较高,能够判断出小麦总体的长势差异,可为监测小麦长势提供参考。     

林业病虫害的发生原因与防治措施

林业建设是我国绿化工程的重要组成,在长期的林业建设过程中,病虫害是影响其发展的最大因素,给森林植被的构造带来破坏。基于此,该文分析了林业病虫害的原因及其特点,并有针对性地提出防治措施,以为巩固造林成果提供借鉴。     

日光温室温度环境动态模拟 Ⅰ．数学模型的建立与程序验证

应用非稳态传热理论的反应系数法建立了日光温室热平衡数学模型，编制了温度环境动态模拟计算程序ＴＥＭＰ，以理论和实验两种方法验证了数学模型与程序的准确性，利用该程序可对日光温室内气温、各内表面温度进行模拟和预测，也可以温度为评价指标，对日光温室的几何特征、围护结构的构造进行优化选择，解决日光温室的合理化设计问题．     

基于冬小麦筋型修正系数的籽粒蛋白质含量遥感预测

为优化冬小麦籽粒蛋白含量(GPC)的遥感预测模型,基于2012-2013、2014-2015和2017-2018年冬小麦生长季的田间试验,以植株氮代谢过程及GPC形成规律为依据,构建"植被指数(VI)-农学参数-GPC"的半机理模型,并在此基础上通过引入筋型修正系数λ优化"PNC-GPC"模型,修正小麦筋型对模型的影响,进一步提高"VI-PNC-GPC"模型的精度。结果表明,选取的VI与植株氮浓度(PNC)均极显著相关,其中比值光谱植被指数(RSI)与PNC的相关性最高,相关系数达到0.777,建立的PNC估算模型的决定系数(r~2)达到0.604,验证nRMSE为9.93%;构建的PNC-GPC模型为GPC=(5.843×PNC+4.847)×λ,r~2=0.792,验证nRMSE为7.43%;对比不考虑冬小麦筋型的"RSI-PNC-GPC"模型,其r~2提高了0.145,验证的nRMSE降低了0.86%。综合来看,以PNC为中间变量,通过考虑不同筋型的差异构建的筋型修正系数可以更加准确地预测GPC。     

AVIRIS高光谱数据空-谱特征在植被分类中的对比分析

植被分类是高光谱影像分类中的特定应用问题,光谱特征和空间特征是植被分类中常用的两类特征,比较这两类特征的性能,对实际植被分类应用中选择合适的特征类型或两者的有效结合具有指导意义。用主成分分析（PCA）提取光谱特征时,常选择前几个主成分（PCs）作为光谱特征,虽然它们包含较大的信息量但并不能保证较高的类别可分性和分类正确率,针对这一问题本研究提出了一种混合特征提取方法,对高光谱影像在PCA的基础上用改进的基于分散矩阵的特征选择方法选出具有较高类别可分性的PCs用于后续分类。利用一景AVIRIS高光谱植被影像,从分类精度的角度,首先比较了所提出的混合特征提取方法和原始PCA、独立主成分分析（ICA）及线性判别分析（LDA）3种常用子空间特征提取方法在高光谱影像植被分类中的性能。试验结果表明所提出的混合特征提取方法在研究中数据集1和2上均获得了最高的总体分类正确率,分别为82.7%和86.5%。与原始PCA相比,本研究提出的混合特征提取方法的总体分类正确率,在数据集1和2上分别提高了1.5%和2.5%。由此阐明了所提出的混合特征提取方法在高光谱植被分类中的有效性。对光谱特征和空间特征在高光谱影像植被分类性能的比较中,总体上空间特征获得的分类正确率比光谱特征高,特别是Gabor特征,在两个数据集上均获得了最高的总体分类正确率分别为95.5%和96.7%。由此表明空间特征较光谱特征在高光谱影像植被分类中更具优势。本研究结果为后续改进空-谱特征方法及其两者有效结合,进一步提高植被分类正确率提供了参考。     

畜菜互补生态系统综合研究(Ⅰ)——CO2动态模拟及畜菜配比选择

现有畜菜互补生,系统畜菜配比差异极大,致使CO₂浓度过高或过低,影响CO₂气体施肥效果。在设有内部CO₂通风传输装置且温室CO₂均匀分布的条件下,建立了系统CO₂质量平衡数学模型,编制并验证了CO₂日变化动态模拟的计算机程序。利用该程序,以家畜给温室提供适宜的CO₂浓度为依据,以番茄与育肥猪为例,对沈阳地区主要CO₂施肥期12月～3月的畜菜配比进行了优化选择,为该生态系统的建设及管理提供了一定的依据。     

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。     

不同氮肥条件下冬小麦冠层高光谱特征及红边参数变化

为快速、准确、无损地监测小麦长势和营养状况,对不同氮素处理下4个小麦品种的冠层高光谱信息进行分析,并进行了红边参数与农学组分的相关分析。结果表明,在同一氮肥条件下,同一品种小麦在不同生育期的冠层高光谱反射率差异明显,且在近红外波段的差异大于可见光波段。随着氮肥施用的增加,近红外反射率有明显升高的趋势,而可见光处反射率降低并呈单峰曲线,且随着施氮量的增加反射光谱的红边和绿峰分别发生红移、蓝移。在冬小麦红边参数中,红谷位置、最小振幅及绿峰位置与农学组分之间呈负相关,而其余各红边参数与农学组分之间呈极显著正相关;建立了基于红边振幅的各个组分之间的回归统计模型,且模型较为稳定。     

玉米饲料的特点和在饲喂中应注意的问题

玉米是应用最广泛的饲料,有黄色和白色两种,但营养成分略有差别,黄色玉米比白色玉米含有的胡萝卜素多。