基于高光谱的冬油菜植株氮素积累量监测模型

为无损和定量研究高光谱技术在冬油菜植株氮素积累量(PNA,plant nitrogen accumulation)时空变化监测的适宜性及准确性,该文以两年田间氮肥水平试验为基础,采用单变量线性和非线性回归方法,建立基于特征光谱参数的冬油菜P NA高光谱估算模型。结果表明,采用比值光谱的方法可显著提高冬油菜冠层光谱反射率与PNA间的相关性,其最佳的波段组合为1 259 nm与492 nm处光谱反射率比值(R1259/R492),决定系数R2为0.85。高光谱参数间,以比值植被指数(RVI-5)、归一化光谱指数(NDSI)、线性内插法红边位置(REIP)、三角植被指数(TVI)、742 nm处一阶微分光谱值(FD742)和红边面积(SDR)等光谱参数与PNA相关性较好(平均R2和标准误SE分别为0.69和42.70),且以FD742表现最优(R2=0.79,SE=35.66)。精度分析结果显示,以光谱参数R1259/R492和FD742为自变量的指数方程模型作为高光谱监测油菜PNA的最佳模型,各生育期Noise Equivalent(NE)均较低且表现稳定,同时模型估测精度较高,R2分别为0.98和0.98,相对均方根误差RRMSE分别为0.73和0.72,相对误差MRE分别为14.42%和10.31%。该方法为快捷和精确评估冬油菜PNA提供了新的研究思路。     

基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较

近年来,高光谱遥感数据广泛应用于农作物叶面积指数(LAI)反演。与常用的多光谱遥感数据相比,高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题,该研究利用实测冬小麦冠层高光谱反射率数据,构造了不同光谱分辨率和波段组合的5种光谱数据。基于ACRM(a two-layer canopy reflectance model)模型、2套参数化方案及上述5种光谱数据,对冬小麦LAI进行反演,分析光谱分辨率、高光谱数据波段选择、模型参数不确定性3方面因素对LAI反演精度与稳定性的影响。研究结果表明:当波段选择适宜、模型参数不确定性较小且光谱数据分辨率较高时,LAI反演精度与稳定性更高,提高光谱分辨率对LAI反演精度的改进作用随光谱分辨率的升高而降低;反之,当高光谱数据波段选择不当或者模型参数不确定性较大时,提高光谱数据的分辨率并未提高LAI反演精度。该研究解释了"高光谱遥感数据能否提高植被参数反演精度"问题,为进一步发挥高光谱数据在农作物LAI反演中的潜力提供了科学参考。     

基于光谱吸收特征的土壤含水量预测模型研究

为了定量分析土壤含水量与反射光谱特征之间关系,并为土壤含水量速测提供理论依据。以黑土作为研究对象,测定实验室光谱反射率,利用去包络线方法提取反射光谱特征指标,建立土壤水分含量高光谱预测模型。结果表明:黑土含水量与1 420 nm、1 920 nm附近吸收谷的主要光谱特征(吸收谷深度、宽度、面积)呈显著正相关;1 920 nm附近吸收谷可作为黑土土壤水分的特征吸收谷,由其光谱特征参数预测黑土含水量;以1 920 nm附近吸收谷面积为自变量建立的一元线性回归模型预测精度高,输入量少,可以作为土壤含水量速测仪器研制的理论依据。     

一种基于NIR-RED光谱特征空间的干旱监测新方法

土壤水分作为干旱监测的重要指标,一直是干旱遥感监测研究的重要内容。本研究利用MODIS数据的EVI、红波段反射率、近红外波段反射率数据构建了基于Nir-Red反特率光谱特征空间的EPDI模型进行土壤水分的反演。利用野外同步测量数据对PDI、MPDI、EPDI三种干旱指数模型获取的拉萨河流域土壤水分进行了验证和对比分析,研究结果表明EPDI能够更准确地反演土壤水分,其样本点的相对误差仅为0.1040,线性相关系数为0.9181,反演精度相比PDI、MPDI(0.1646、0.1472)分别提高了36.83%和29.35%,为利用遥感影像数据进行大尺度的干旱动态监测提供了新途径。并且相比MPDI,EPDI模型参数更容易获取,模型构建受人为因素影响小,从而为模型的大范围推广提供了可能,具有很好的应用意义。     

根际注射施肥对黄土高原苹果氮素吸收利用及产量和品质的影响

【目的】在西北黄土高原地区,春季干旱少雨和肥料利用率低限制着生产优质苹果。国外通常应用水肥一体化技术来克服水肥利用率低的问题,但由于其硬件设施要求高,投资大,短期内在我国难以推广。近年来我国采用的根际注射施肥可利用施肥枪将肥料溶液直接注入根际土壤中,施肥成本低且技术简单。本研究利用同位素15N示踪技术,研究根际注射施肥对苹果氮素吸收利用及产量品质的影响,可为黄土高原果园水肥高效利用提供依据。【方法】以9年生富士/M26/新疆野苹果为试验材料,利用15N尿素标记肥料去向,最后通过MAT-251质谱计测15N丰度,得出果树各器官和土壤的肥料利用率。同时利用叶绿素仪(SPAD-502)测定标记叶片的SPAD值,用浸以磷酸甘油溶液的海绵进行田间原位测定,得到土壤氨挥发的量,用静态箱—气相色谱法测定土壤的N2O逸失量。综合对比分析黄土高原传统环状开沟撒施肥与根际注射施肥对苹果吸收利用氮素、肥料氮在土壤中残留及果实产量和品质的影响。【结果】黄土高原苹果园根际注射施肥的优越性体现在:1)施肥后一个月内,果园土壤的气态氮素损失发生变化,根际注射施肥比传统环状开沟施肥的氨挥发总量低54.9%,同时N2O的排放通量低5.0%。2)根际注射施肥后,促进了肥料在土壤中的扩散范围,扩大了根系肥水吸收容积,叶片和果实吸收的肥料氮比例(Ndff%)在整个生长季始终处于较高水平。生长季末期,根际注射施肥的整株氮素当季吸收率为53.04%,比环状开沟施肥提高12.25个百分点,表明根际注射施肥有利于氮素更快地被吸收利用,显著提高苹果树的氮素当季利用率。3)生长季末,在0—60 cm土层内,根际注射施肥的土壤氮素残留率为36.55%,而环状开沟施肥为43.13%,前者显著低于后者。4)在整个生长季内,根际注射施肥处理下的树体新梢叶片内叶绿素含量(SPAD)值一直高于环状开沟施肥。根际注射施肥能提高苹果单株产量和单果重,其单果重和单株产量分别比环状开沟施肥处理提高了3.8%和19.7%。【结论】黄土高原地区推广的果树根际注射施肥技术可以有效提高苹果树体氮素的利用率,降低了土壤中的氮素残留。此外注射施肥的深度、注射量、密度和时间均可根据不同时期的养分需要随时调整,使水肥在土壤中均匀分布,达到节水节肥的目的。同时可避免传统施肥时挖坑作业对浅土层吸收根的损伤,降低劳动力成本。综合来看,根际注射施肥是提高黄土高原区旱地苹果树肥水利用率、产量和品质的有效方式之一。     

土壤有机质测定方法述评与展望

有机质是土壤的重要组成部分,是判定土壤质量动态变化的重要标准。为了便于了解当前土壤有机质测定方法的优点和局限性,利于今后有机质研究和测定工具的开发,本文对当前测定有机质的方法,包括干烧法、湿烧法、化学氧化法、灼烧法和土壤有机质光谱测定法进行了阐述,分析了各方法的优缺点以及研究中适宜选择的方法,并对当今农业的需求和测定方法的不足,提出了研究无损、原位测量有机质工具的构想,展望了土壤有机质快速测定方法的发展趋势,以此为精准农业的实施和农业的可持续发展,提供基本的信息及建议。     

激光诱导击穿光谱技术检测土壤中的铅和镉含量

为了满足土壤重金属快速准确检测的需求,同时为土壤的重金属污染防治和农业的可持续发展提供理论指导,该研究利用激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)技术结合定标曲线法和化学计量学方法对土壤中重金属铅(Pb)和镉(Cd)元素进行定量分析。在获取LIBS数据之后,结合土壤LIBS发射谱线中Pb和Cd谱峰信息以及美国国家标准与技术研究院(national institute of standards and technology,NIST)的标准原子光谱数据库,选取了Pb和Cd的特征谱线分别为Pb I 405.78和Cd I 361.05 nm。首先对谱线信息进行预处理后,根据谱峰信息和元素的含量,分别建立了基于谱线峰强度、归一化后洛伦兹拟合强度、谱峰积分强度与对应元素浓度之间的关系模型和定标曲线。对于Pb元素的3种定标方法得到的线性关系的决定系数(R2)分别为0.983 85、0.970 97、0.993 21,且模型反演的结果与实际值的相对误差较小;而Cd元素的3种定标方法没有得到明显线性关系。然后运用偏最小二乘回归(partial least-squares regression,PLSR)建立了土壤Pb和Cd元素的定量分析模型,Pb元素PLSR模型的结果与定标曲线法的结果类似,其预测的相关系数(RP)为0.948 5,预测均方根误差(RMSEP)为2.044 mg/g;而Cd元素的PLSR模型的结果比起定标曲线法有较大提升,其预测的相关系数(RP)为0.994 9,预测均方根误差(RMSEP)为97.05μg/g,结果说明PLSR方法在光谱化学分析领域中比定标曲线法进行定量分析有更好的适用性。研究表明,LIBS技术能够实现对土壤重金属Pb和Cd含量的定量检测,为开发实时便携式LIBS土壤重金属检测仪提供了理论基础。     

基于近红外光谱技术的茶油原产地快速鉴别

为研究茶油原产地溯源问题,维护其市场秩序,促进公平竞争。该文利用近红外光谱技术采集湖南、江西、安徽和浙江4个不同产地茶油的光谱数据,并运用 Savitzky-Golay 平滑（savitzky-golay, SG）、多元散射校正（multiplicative scatter correction, MSC）、一阶导数（first derivation, FD）和矢量归一化（vector normalization, VN）等4种方法对其进行预处理。采用偏最小二乘法（partial least squares, PLS）提取最佳主成分,构建 PLS 回归模型;同时,采用主成分分析（principal component analysis, PCA）和 PLS 算法提取最佳主成分,作为 BP 人工神经网络（BP artificial neural network, BPANN）输入变量,构建 PCA-BPANN 和 PLS-BPANN 模型。以验证集相关系数 RP 和验证集均方根误差 RMSEP 为模型的评价指标,分别优选最佳 PLS 和 BPANN 模型。试验结果表明,SG-PLS-DA 和 SG-PLS-BPANN-DA 模型对未知样本的整体分类准确率均大于90%。其中,SG-PLS-BPANN-DA 的鉴别效果优于前者,其建模集相关系数 RC、均方根误差 RMSEC 分别为0.974、0.170,验证集相关系数 RP、均方根误差 RMSEP 分别为0.972、0.172,对上述两类样本集的总体分类准确率分别为98.15%、95.83%,该模型能较准确鉴别茶油原产地。研究结果可为快速辨别茶油原产地提供参考。     

实测高光谱和HSI影像的区域土壤含水量遥感监测研究

基于典型研究区植被冠层实测高光谱数据和HSI高光谱影像数据,通过相关分析选择与不同深度土壤含水量响应敏感波段,建立两者的土壤含水量反演模型,并用实测高光谱土壤含水量反演模型校正HSI影像土壤含水量反演的模型。结果表明:土壤含水量响应敏感波段区域为450~650 nm和850~920 nm;两种土壤含水量反演模型对土壤深度为0~10 cm的土壤含水量估算效果最好,其中实测冠层高光谱土壤含水量反演模型精度高于HSI影像土壤含水量反演模型,判定系数(R~2)分别为0.659和0.557;经过校正的HSI影像土壤含水量反演模型精度有了较大的提高,判定系数(R~2)从0.557提升到0.719,均方根误差(RMSE)为0.043 5,较好地提高了区域尺度条件下土壤含水量监测精度,因此运用该方法进行土壤含水量遥感监测是可行的,为进一步提高区域尺度下土壤含水量定量遥感监测提供参考借鉴。     

高光谱成像技术在茶叶中的应用研究进展

高光谱成像技术是一种融合了图像和光谱的检测技术,能同时获取待测物体的空间信息和光谱信息,因此该技术既可以直观反映研究对象外观纹理特征,又可以像光谱信息一样间接反映物体内部物理结构和品质成分特性。茶叶含有多种对人体有益的功能成分,具有较高的开发和实用价值。本文简述了高光谱成像技术的检测原理,分类综述了该技术在茶叶栽培管理、病虫害监测、生产加工、等级划分等方面的应用及不足,并提出了相应的解决措施,同时对其在茶叶领域的发展进行了展望,以期为促进茶叶精细化发展提供参考。