Spectral vegetation indices for benchmarking water productivity of irrigated cotton and sugarbeet crops

Irrigation performance and water productivity can be benchmarked if estimates of spatially distributed yield and crop water use are available. A commonly used method to estimate crop evapotranspiration in irrigated areas is to multiply reference evapotranspiration values by appropriate crop coefficients. This study evaluated convenient ways to derive such coefficients using multispectral vegetation indices obtained by remote sensing. Detailed ground radiometric measurements were taken in small plots perpendicular to the crop rows to obtain canopy reflectance values. Ancillary measurements of green ground cover, plant height, leaf area index and biomass were taken in the cropped strip covered by the radiometer field-of-view. The results were up-scaled using 10 Landsat-5 and 1 Landsat-7 images. Crop measurements and ground radiometry were made at the time of Landsat overpass on two commercial fields, one grown with sugarbeet and the other with cotton. Crop height and ground cover were determined weekly in these two fields, three additional sugarbeet fields and one additional cotton field. The ground and satellite observations of canopy reflectance yielded similar results. Two vegetation indices, the normalized difference vegetation index (NDVI) and the soil adjusted vegetation index (SAVI) were evaluated. Both indices described the crop growth well, but SAVI was used in further evaluations because it could be conveniently related to both ground cover and the basal crop coefficient using a simple model. Based on these findings, crop water use variability was analyzed in a large sample of sugarbeet and cotton fields, within a homogeneous irrigation scheme in Southern Spain. The yield versus evapotranspiration data points were highly scattered for both cotton and sugarbeet. The yield values obtained from the sugarbeet fields and cotton fields were substantially lower than values predicted by a linear yield function, and close to a curvilinear yield function, respectively. Evapotranspired water productivity varied in the cotton fields from 0.3 to 0.78 kg m⁻³, and in the sugarbeet fields from 7.15 to 14.8 kg m⁻³.     

农用植保旋翼无人机地面监控系统的设计与实现

植保无人机凭借其低成本、高效率、精准快速作业等优点,在农业植保领域得到快速发展,成为现代农业的一种重要装备。为了能够实时远程监控农用植保旋翼无人机的飞行状态信息,提高无人机飞行作业安全和作业质量,进行更好的飞行控制管理,设计并实现了植保旋翼无人机地面监控系统,可实现与植保无人机的远距离实时通信、监测飞行姿态、显示飞行作业轨迹和飞行控制等操作。地面监控系统采用嵌入式树莓派2作为硬件平台,2.4G无线模块实现数据收发,使用跨平台C++图形用户界面应用程序框架Qt对地面监控系统软件功能和交互界面进行开发,并制定了旋翼无人机与地面监控系统之间的数据通讯协议。该系统实际测试表明:监控系统可长时间连续稳定的工作,有效实现了对农用植保旋翼无人机实时监控与操作。     

基于Deeplabv3+模型的成都平原水产养殖水体信息提取

为应用深度学习和遥感影像实现养殖水体信息的快速提取,以成都平原为研究区,以Sentinel 2A和高分6号多光谱影像为数据源,基于国产开源深度学习平台PaddlePaddle训练Deeplabv3+语义分割模型,构建遥感影像的水体语义分割模型,用于提取成都平原养殖水体信息。Deeplabv3+方法的总体精度和Kappa系数分别达到94.14%和0.88,均高于归一化差分水体指数法和最大似然监督分类法;模型对阴影和建筑物等误分为水体的抑制效果较好,而对小面积和细小线状水体信息的提取则受影像分辨率影响,效果无明显改进;成都平原2018年和2020年养殖水体面积分别为22.3 khm²和28.6 khm²,其验证区青白江区、新津县和广汉市养殖水体面积的泛化提取结果验证误差均≤±10%。该研究结果可为应用深度学习平台建立遥感影像的水体语义分割模型及提取水产养殖水体信息提供参考。     

基于不同平台的小麦病虫害遥感监测研究进展

小麦病虫害的频发不仅会造成产量的巨大损失,病虫害防治农药的过度使用也会提高生产成本,增加农产品有毒残留的风险,而传统监测方法费时费力,具有主观性和滞后性.小麦病虫害遥感监测技术可实现快速、实时无损的监测,从而有针对性的提早防治病虫害.介绍作物病虫害光谱响应生理机制的基础上,重点从不同平台的角度入手概述近年来小麦病虫害遥...     

基于多源数据融合的盐分遥感反演与季节差异性研究

为提高多光谱盐分遥感反演的精度,利用实测高光谱与多光谱进行数据融合,并分析了不同季节盐分遥感的差异性。以河套灌区永济灌域为研究区域,以实测光谱仪测定的土壤高光谱数据和Landsat-8 OLI多光谱数据为基础,通过光谱变换和多元逐步回归方法筛选特征波段和特征光谱指数,构建了春、秋两季土壤盐分多光谱、高光谱反演模型,并利用特征光谱指数的线性回归构建了高-多光谱数据融合反演模型。结果表明:高光谱的反射率总体比多光谱高36.83%,春季反射率比秋季平均高23.78%。利用模型中最优变量特征光谱指数对多光谱模型与高光谱模型进行融合,高多光谱融合反演模型训练集和验证集R2平均值分别为0.651和0.635,RMSE平均值分别为2.44 g/kg和2.49 g/kg,精度明显高于对应的多光谱反演模型,其中训练集、验证集的R2平均值分别提高了36.19%和35.64%,RMSE平均值分别降低了34.28%和41.72%。春季多光谱、高光谱和融合反演模型的精度均高于秋季,其中训练集R2平均值比秋季模型分别提高了6.03%、6.05%和4.40%,验证集R2平均值分别提高了19.07%、12.21%和1.75%。构建的高多光谱融合模型反演灌域春秋两季平均盐分含量分别为6.05、5.97 g/kg,平均相对误差分别为9.65%和10.68%,总体上该区域春季土壤主要为重盐化土,秋季土壤主要为中盐化土。     

基于物联网Android平台的远程智能节水灌溉系统

针对农业灌溉中的水资源浪费问题和灌溉远程控制问题,对物联网相关技术进行研究,设计了基于物联网Android平台的农业远程智能节水灌溉系统,实现了对多传感器节点(空气温湿度、光照、土壤湿度、电磁阀、变频器等)远程采集和控制,以及对多个控制器节点的远程监测与控制。系统不受时间地域限制,用户可以通过Android移动终端实现对智能节水灌溉系统的监测和控制。系统采用CC2 5 3 0作为无线传感器芯片、OK6 4 1 0作为控制器节点芯片。实测结果验证了该设计的可行性和有效性,可为远程智能节水灌溉提供平台支持,能够满足农业节水灌溉的需要。     

电力线载波远程抄表后台管理软件的设计

基于低压电力线载波通信技术开发一种低压电力线载波远程抄表系统。介绍该系统的结构与主要功能,阐述该系统软件设计方案,详细说明其中通信模块的设计。该系统界面清晰肜象、操作简单方便,为电力管理工作提供了新手段。     

融合时序遥感分析的国土空间生态保护修复关键区识别

国土空间生态保护修复是落实国家生态文明建设的重要措施,也是构建国家生态安全格局和统筹山水林田湖草沙系统治理的重要举措。而生态保护修复关键区识别,是生态保护修复规划编制、生态保护修复工程时空布局等系列工作的前置条件和基础保障,对国土空间生态保护修复至关重要。本文以河南省某生态保护修复工程为研究区域,开展融合时序遥感分析的生态保护修复关键区识别研究和实践,首先,基于Google Earth Engine（GEE）云平台,采用Mann-Kendall方法对研究区2011—2020年时序归一化植被指数（NDVI）开展趋势分析,形成时序分析结果;其次,基于气象、地形、土壤、植被净初级生产力（NPP）等数据,开展基于生态系统服务协同和权衡计算的生态系统健康分析评估,选择生态源地;最后,基于时序分析结果和生态源地选择结果,采用叠置分析,开展生态保护修复关键区域识别。结果表明,提出的“基于生态系统服务协同权衡计算的生态系统健康评估——时序遥感趋势分析”的研究框架不仅顾及了研究区域内“静态”的生态系统服务、生态系统健康属性,同时衡量了“动态”的生态系统变化趋势,可以有效识别国土空间生态保护修复关键区。研究成果可为国土空间生态保护修复本底调查、问题识别、规划和工程布局等提供技术支撑。     

砒砂岩区水土流失治理措施调研

通过对砒砂岩区治理水土流失的生物措施及工程措施进行调研,本文对最适合砒砂岩区生长的油松、沙棘、柠条的特点进行了详细的调查分析,给出砒砂岩区植被建设的几点建议.提出了砒砂岩区综合治理的总体思路,并总结了不同类型砒砂岩区的措施空间配置模式.生物措施方面以沙棘作为砒砂岩区生物措施治理的突破口,在立地条件较好的地方栽种油松、柠条,在造林方式上宜采用混交造林;在工程措施方面要结合沙棘植物"柔性坝"技术,以大、中型拦泥库为骨架,以淤地坝为主体,建设支流坝系.实现淤粗排细,改善进入下游河道的水沙条件及泥沙组成.     

基于数据融合算法的灌区蒸散发空间降尺度研究

采用Landsat和MODIS数据,通过增强自适应融合算法(Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM)对蒸散发进行空间降尺度,构建田块尺度蒸散发数据集;利用2015年田间水量平衡方法计算的蒸散发数据对融合结果进行评价。在融合蒸散发基础上,结合解放闸灌域2000—2015年间种植结构信息,提取不同作物各自生育期和非生育期内年际蒸散发量,并分析了大型灌区节水改造以来,作物蒸散发占比的年际变化。研究结果表明:融合蒸散发与水量平衡蒸散发变化过程较吻合,小麦耗水峰值出现在6月中下旬—7月初,玉米和向日葵峰值出现在7月份。在相关性分析中,玉米、小麦和向日葵的决定系数R2分别达到了0.85、0.79和0.82;生育期内玉米(5—10月份)、小麦(4—7月份)和向日葵(6—10月份)的均方根误差均不高于0.70 mm/d;平均绝对误差均不高于0.75 mm/d;相对误差均不高于16%。在农田蒸散发总量验证中,融合蒸散发与水量平衡蒸散发相关性较好,两者决定系数达到了0.64。基于ESTARFM融合算法生成的高分辨率蒸散发(ET)结果可靠,具有较好的融合精度。融合结果与Landsat蒸散发的空间分布和差异性一致,7月23日、8月24日和9月1日相关系数分别达到0.85、0.81和0.77;差值均值分别为0.24 mm、0.19 mm和0.22 mm;标准偏差分别为0.81 mm、0.72 mm和0.61 mm。ESTARFM融合算法在农田蒸散发空间降尺度得到较好的应用,可有效区分不同作物蒸散发之间的差异。不同作物在生育期和非生育期内耗水量差别较大;生育期内套种(4—10月份)耗水量最大,达到637 mm,玉米(5—10月份)和向日葵(6—10月份)次之,分别为598 mm和502 mm,小麦(4—7月份)最低为412 mm;非生育期内,小麦(8—10月份)耗水量最大,年均达到214 mm,玉米(4月份)和向日葵(4—5月份)分别为42 mm和128 mm。不同作物多年平均耗水量(4—10月份)差异较小,其年际耗水总量主要随作物种植面积的变化而变化。