小麦籽粒蛋白质含量高光谱预测模型研究

为定量分析小麦籽粒蛋白质含量、叶片氮素营养指标、冠层高光谱参数的相互关系,确立能够准确预测小麦籽粒蛋白质含量的敏感光谱参数和定量模型,2003—2006年在连续3个生长季不同小麦品种和不同施氮水平的4个大田试验条件下,于小麦不同生育期采集田间冠层高光谱数据并测定植株氮素含量和籽粒蛋白质含量。试验1以低蛋白质含量的宁麦9号和高蛋白质含量的豫麦34为材料,试验2以低、中、高蛋白质含量的宁麦9号、扬麦12和豫麦34为材料,试验3以低蛋白质含量的宁麦9号、中蛋白质含量的扬麦10号和淮麦20以及高蛋白质含量的徐州26为材料,试验4以低蛋白质含量的宁麦9号和中蛋白质含量的扬麦10号为材料。结果显示,不同品种小麦的籽粒蛋白质含量随施氮水平的提高而增加,可以通过开花期叶片氮含量和氮积累量进行可靠的估测。而不同试验条件下的叶片氮含量和氮积累量可以基于统一的光谱参数进行定量反演,其中基于REPle和mND705的叶片氮含量监测模型及基于SDr/SDb和FD742的叶片氮积累量监测模型,具有可靠的预测性和适用性。根据特征光谱参数—叶片氮素营养—籽粒蛋白质含量这一技术路径,以叶片氮素营养为交接点将两部分模型链接,建立了基于开花期高光谱参数的小麦籽粒蛋白质含量预测模型,经独立资料检验表明,以参数mND705、REPle、SDr/SDb和FD742为变量建立成熟期籽粒蛋白质含量预报模型均给出较好的检验结果。因此,利用开花期关键特征光谱指数可以直接评价小麦成熟期籽粒蛋白质含量状况,其中基于mND705参数的预测模型更为准确可靠。     

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。     

基于WebGIS的农业空间信息管理及辅助决策系统

该研究在总结和提炼区域农业信息管理和评价理论与技术研究成果的基础上,运用知识工程和系统建模方法,建立了种植制度评价、农产品生态区划、农作生产潜力分析和精确农作管理的定量化动态知识模型。并运用软构件技术,基于B/S的分布式网络结构,以WebGIS为空间信息管理平台,建立了网络化、数字化的农业空间信息管理及辅助决策系统。系统实现了基本地图操作、农业空间信息查询与分析、种植制度评价、农产品生态区划、农作生产潜力分析、精确农作管理、可视化输出以及系统维护等功能。以江苏省为案例区,对系统进行了实例应用,结果表明,系统能有效地管理区域性农业空间信息,并在基于空间信息的农业生产管理决策方面具有较好的适应性和指导性。     

AMMI模型在小麦区域试验产量组成性状分析中的应用

为了解AMM I模型在小麦区域试验产量组成性状分析中的应用效果,利用AMM I模型对2002年四川省小麦区域试验资料进行了分析。结果表明,在分析基因型与环境互作时,AMM I模型优于多元回归和相关分析。AMM I模型中的极显著和显著项能分别解释产量、生育期、有效穗、株高、穗粒数和千粒重等性状92.6%、76.6%、80.1%、76.4%、68.4%和72.9%的交互作用平方和。AMM I模型双标图和稳定性参数Di可以分析产量性状在不同地点下的稳定性。稳定性Di值分析表明,品系和环境的变化均能对穗粒数的稳定性产生较大影响,而品系的变化对生育期影响较小,地点对株高的影响也较小;千粒重不稳定的品系更易检测出产量的不稳定性;有效穗差异大的地点,其对产量的鉴别力相对较弱;而穗粒数变化大的地点,则对产量的鉴别力较强。     

基于水稻冠层光谱特征构建粳型水稻籽粒蛋白质含量预测模型

水稻籽粒蛋白质含量是评价稻米品质的主要指标之一。本文以不同施氮水平下的4年田间试验为基础,系统分析了水稻成熟籽粒蛋白质含量与不同时期冠层反射光谱的相关性。结果显示,籽粒蛋白质含量与可见光波段(460~710 nm) 反射率呈负相关,与近红外波段(760~1 220 nm) 反射率呈正相关,其中孕穗期冠层单波段反射率与成熟籽粒蛋白质含量的相关性最高,在16个波段中以760 nm波段反射率与籽粒蛋白质含量的拟合效果最好,复相关系数达0.795。进一步分析比值植被指数、差值植被指数、归一化植被指数和红边参数等光谱参数与成熟籽粒蛋白质含量的相关性,运用线性逐步回归分析方法对相关拟合较好的16个参数进行筛选,建立了水稻成熟籽粒蛋白质含量（GPC）监测模型,GPC=－0.15× DVI(1 500, 950) + 3.00。利用不同年份不同品种及不同施氮水平下的观测数据对模型进行检验,预测值和实测值的精确度为0.56~0.86,准确度为0.85~1.18,根均方差（RMSE）为3.51%~19.91%,表明模型预测值与实测值之间符合度较高,对水稻成熟籽粒蛋白质含量具有较好的预测性。     

基于多种光谱仪的水稻前期植株氮积累量监测

为了明确水稻穗肥施用前地上部植株氮积累量与各光谱仪冠层光谱参数的定量关系,进而为水稻精确追氮提供决策依据。基于不同品种和不同施氮水平的7个水稻田间试验,于分蘖期和拔节期利用ASD Fieldspec FR2500高光谱仪、Cropscan MSR-16多光谱仪和Greenseeker RT100主动光谱仪同时采集冠层光谱反射率,并同步取样测定地上部植株氮积累量,研究基于不同光谱仪构建的植被指数与植株氮积累量之间的关系。结果表明,部分植被指数与水稻地上部植株氮积累量关系密切,基于3种光谱仪构建的水稻地上部植株氮积累量监测模型的稳定性和适用性有较大差异。对于ASD高光谱仪,虽然基于差值植被指数（760,740）能较好估测植株氮积累量,拟合模型决定系数R2为0.79,但模型检验效果较差,其R2和均方根误差分别为0.15和2.11 g/m2;对于Cropscan多光谱仪,差值植被指数（760,710）能较好反演植株氮积累量,拟合模型的R2为0.94,模型检验的R2和均方根误差分别为0.94和0.76 g/m2;Greenseeker主动光谱仪的归一化植被指数（770,660）对地上部植株氮积累量的反演效果最好,拟合模型的R2为0.97,模型检验的R2和均方根误差分别为0.97和0.62 g/m2。研究结果可为水稻前期植株氮积累量监测过程中的光谱仪选择提供参考,为水稻精确追氮管理提供技术支撑。     

同时估测土壤全氮、有机质和速效氮含量的光谱指数研究

通过系统分析我国中、东部地区5种不同类型土壤风干样本的有机质、全氮及速效氮含量与近红外(1 000～2 500 nm)光谱反射率之间的关系,进而构建了适合同时估测这3种养分含量的光谱参数及定量估算模型。结果表明,同时与3种养分指标相关较高的波段范围为1 879～1 890与2 050～2 100 nm,其中1 881和2 070 nm两个波段的反射率经多元散射校正及Savitzky-Golay平滑处理并构建而成的差值指数DI(CR1 881,CR2 070)与土壤有机质、全氮及速效氮含量具有良好的线性相关性。独立的观测资料检验显示,基于DI(CR1 881,CR2 070)的估测模型对全氮、有机质和速效氮的预测决定系数R2分别为0.83、0.79和0.72,均方根误差(RMSE)分别为0.20 g kg-1、4.71 g kg-1和23.96 mg kg-1,相对分析误差(RPD)分别为2.56、2.30和2.93。表明DI(CR1 881,CR2 070)是一种可同时估测土壤中3种养分含量的良好光谱指数。     

棉花功能叶片色素含量与高光谱参数的相关性研究

叶片色素状况是评价植株光合能力、监测生长状况和预测产量潜力的重要指标,高光谱遥感技术为快速无损监测作物叶片色素提供了有效手段.本研究以4个棉花品种在3个施氮水平下的2年田间试验为基础,通过测定棉花(Gossypium hirsutum)功能叶片的高光谱反射率及对应的色素(叶绿素a、叶绿素b、叶绿素a b、类胡萝卜素)含量,定量分析了叶片高光谱参数与色素含量之间的相关关系.结果表明,与棉花功能叶片各色素指标相关性比较好的高光谱波段主要分布在500～700 nm;由敏感波段构建的光谱指数与各色素指标的相关性均在0.50以上;且红边最小值(Lo)可以作为共同的高光谱指数来估测不同棉花品种不同氮素水平下功能叶片的叶绿素总量(组合品种的R2为0.67).因此,通过高光谱参数来估算棉花功能叶片色素含量是可行的.     

不同时空分辨率遥感数据融合估算冬小麦叶面积指数

高时空分辨率叶面积指数(leaf area index,LAI)数据能反映作物的长势动态变化,为作物长势评估和产量预测提供有效的生长指标依据。该文综合利用混合像元线性分解与数据同化算法,以高空间分辨率SPOT-5数据反演的LAI修正高时间分辨率HJ-CCD数据反演的LAI序列,生成了覆盖冬小麦主要生育期的高空间分辨率LAI序列,并结合SPOT-5反演的LAI和实测LAI值分析了像元纯度、高空间分辨率遥感数据同化景数对融合效果的影响。结果表明,采用数据融合方法生成的LAI与检验LAI具有较高的一致性,但像元纯度对融合效果影响较大;基于2景SPOT-5影像能够提高LAI序列估测精度,且优于基于1景SPOT-5影像的融合效果。该研究结果可为冬小麦生长监测提供技术支撑。     

数字农作技术研究的若干进展与发展方向

 着重介绍数字农作技术研究的若干最新进展与发展方向。数字农作即通过综合运用数字化技术，研究农作物生产系统中信息获取、处理、管理和利用的关键技术及应用系统，从而对农作系统过程的信息流实现全面的数字化表达和整合。近年来，作者围绕数字农作的关键技术及应用系统，开展了较为深入和系统的研究工作，重点在作物生长模拟模型、作物管理知识模型、作物生长无损监测、农作空间信息管理、数字农作决策系统等5个领域取得了显著的研究进展。数字农作的未来发展将需要综合运用信息管理、自动监测、动态模拟、虚拟现实、知识工程、精确控制、网络通讯等现代信息技术，以农作物生产要素与生产过程的信息化与数字化为主要研究目标，发展农业资源的信息化管理、农作状态的自动化监测、农作过程的数字化模拟、农作系统的可视化设计、农作知识的模型化表达、农作管理的精确化控制等关键技术，进一步研制综合性数字农作技术软硬件系统，实现农作系统监测、预测、设计、管理、控制的数字化、精确化、可视化、网络化。农作生长与生产系统的数字化将带动农业产业的信息化和现代化。