作物氮素营养诊断方法研究进展

改进氮素管理对农业生产和生态环境保护具有重要的意义。本文综述了几种氮素营养诊断方法的优缺点,重点介绍了主动遥感光谱仪G reenSeeker的特点,及其进行氮素诊断的机理、研究进展和其在国内的应用前景。     

都市型现代农业建设对区域生态服务价值变化的影响分析

针对都市型现代农业建设的各个阶段,以多时相TM影像为数据源,以地块为基本单元提取土地利用/覆盖变化信息,选取植被覆盖度作为生态系统质量状况的表征系数,建立基于质量状态分析的生态服务价值定量评估模型,通过生态价值变化分析来表达土地利用变化所造成的生态环境质量改善程度。结果表明:通过都市型现代农业建设,对各个地块的土地利用方式进行合理规划和有效建设,土地利用类型趋于多样化,生态服务功能增强,建设后期的生态服务价值相对于建设之前明显提高,林地、草地和水域面积的增加是该区生态服务功能增强的最主要原因。作为都市现代农业建设示范区,要严格控制耕地面积的减少,合理转化未利用土地,这样才能实现生态环境改善和农业生产双丰收。     

基于高光谱遥感的小麦叶片糖氮比监测

 【目的】碳氮代谢反映植株生理状况和生长活力,是小麦籽粒产量与品质形成的生理基础,因而叶片糖氮比的实时无损监测对小麦生长诊断和氮素管理具有重要意义。本研究的主要目的是通过分析小麦叶片糖氮比与冠层高光谱参数的定量关系,确立小麦叶片糖氮比的定量监测模型。【方法】采用不同蛋白质含量的小麦品种在不同施氮水平下进行了连续3年大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定叶片糖氮比值,进而分析建立冠层高光谱参数与叶片糖氮比的回归模型。【结果】小麦叶片糖氮比随施氮水平的提高而下降,随生育进程呈“高-低-高”动态变化模式。利用高光谱对叶片糖氮比进行监测的适宜时期为拔节期至灌浆中期,其中开花期最好。水分特征参数FWBI和Area980与叶片糖氮比关系密切,指数方程拟合决定系数（R2）分别为0.762和0.768,估计标准误差（SE）分别为1.27和1.28。色素特征参数（R750-800/R695-740）-1和VOG2为变量,指数方程拟合决定系数（R2）分别为0.718和0.712,估计标准误差SE分别为1.87和1.95。经不同年际独立试验数据的检验表明,以参数FWBI、Area1190、（R750-800/R695-740）-1和VOG2参数为变量建立的叶片糖氮比监测模型表现很好,预测精度R2分别为0.627、0.618、0.691和0.795,预测相对误差RE分别为19.2%、18.7%、17.9%和18.3%。【结论】与色素指数和水分指数相关的特征光谱参数可以有效地评价小麦叶片糖氮比的变化状况,利用FWBI、Area1190、（R750-800/R695-740）-1和VOG2 4个参数可以对生长盛期的小麦叶片糖氮比进行可靠的监测。     

基于植被降水利用效率的荒漠化遥感评价方法

 在考虑荒漠化评价的空间尺度和基准以及潜在评价指标的尺度特征的基础上,以国内外对土地荒漠化过程中植被降水利用效率(RUE)变化的研究为依据,提出一种以植被的降水利用效率为主要评价指标、适合于荒漠化遥感监测应用的荒漠化评价方法。该方法可很大程度上克服以植被指标为主的评价方法受降水波动影响大的缺点。这种方法重视不同荒漠化类型的共性特征,适合在多种类型荒漠化遥感评价中应用。     

基于地面红外检测系统验证的灌区地表温度遥感反演

利用遥感数据的大尺度特性和地面实时监测数据进行区域灌溉管理,用精准化信息技术支撑农业信息化,是现代农业发展的方向和研究热点。该文根据田间在线实时监测数据和Land Sat8卫星遥感数据反演,探讨遥感反演地表温度与地面实测数据的吻合程度,为大范围、区域性干旱监测和灌溉管理提供技术支撑。结果表明,在下垫面植被均匀、土壤水分空间变异性较小的区域,利用Land Sat8遥感影像反演地表温度,可以很好地与地面作物冠层温度监测结果相吻合;监测点数据可以代表其附近5个像元的情况。利用覃志豪法和简单Sobrino法计算地表比辐射率来遥感反演地表温度,对不同的作物类型有不同的适宜性。2015年9 d遥感反演结果与地面监测数据对比可见,在解放闸灌域沙壕渠试验点的玉米地,简单的Sobrino法结果更好,R~2达到0.76,均方根误差、相对误差和符合度指数分别达到2.32℃、7.8%和0.92。葵花地覃志豪法结果为宜,R~2达到0.85,均方根误差、相对误差和符合度指数分别达到1.97℃、6.5%和0.94。春小麦地宜用Sobrino法。对于北京大兴的冬小麦-夏玉米轮作,这2种方法差别不大。地面监测点布设方案和合理数目、点面数据结合进行区域干旱判断和灌溉管理,以及地面监测系统的优化改进,是进一步研究的重点。     

基于多生育期MODIS-NDVI的区域冬小麦遥感估产研究

以河南省开封市为研究区,采用2005—2013年种植区域冬小麦生育期内16 d合成的250 m空间分辨率的归一化植被指数(NDVI)之和,与冬小麦产量数据进行相关分析,筛选得到最佳遥感估产时相,建立单变量回归模型;同时,基于冬小麦生长的各个关键时期NDVI构建多元回归模型,再通过主成分分析方法对多元回归模型参数进行改进,得到新的估产模型;最后使用开封市2014年的产量数据对估产模型进行验证,旨在构建具有较高精度的估产模型,从而更好地指导小麦生产。结果显示,3种估产模型的估产误差均控制在10.55%内,根据3个模型得到研究区内冬小麦最佳产量预测时段为3月下旬,即拔节期;3个模型中,主成分回归估产模型的产量拟合精度最高,达93.12%,具有一定的实用价值。     

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。     

无人机多光谱影像辐射一致性自动校正

针对一个架次内无人机影像由于光照度变化、拍摄角度等原因引起的相同地物点在不同影像上的辐射信息不一致的问题,验证了利用SIFT(scale invariant feature transform)算法匹配同名点,然后利用同名点灰度值的相关关系建立校正模型,再用该校正模型校正整幅影像的辐射一致性校正方法。对比评价了基于直方图匹配的色彩一致性校正方法、原始色彩空间辐射一致性校正、针对三波段影像的HSV(hue,saturation,value)色彩空间亮度一致性校正以及双边滤波去噪的效果。试验结果表明:基于直方图匹配的色彩一致性校正能在视觉上达到很好的效果,但是会造成校正后影像的灰度级严重缺失;基于同名点灰度值相关关系的校正模型能够很好地恢复待校正影像与基准影像的辐射一致性;HSV色彩空间亮度一致性校正能够在色彩上和辐射信息上与基准影像均达到很好的一致性,但只适用于三波段影像;双边滤波在去除噪声的同时,能够保持甚至提高校正后影像与基准影像的辐射一致性。     

运用PLS算法由HJ-1A/1B遥感影像估测区域小麦实际单产

为进一步提高遥感估产精度,显示国产影像在农业估产中的应用效果。该研究以2010-2013年HJ-1A/1B影像为遥感数据,分析了卫星遥感变量与小麦实际单产的定量关系,运用偏最小二乘回归算法构建及验证了以实际单产为目标的多变量遥感估产模型,并制作了小麦实际单产空间等级分布图。研究表明:实际单产与所选用的大多数遥感变量间关系密切,且多数遥感变量两两间具有严重的多重相关关系;实际单产偏最小二乘回归模型的最佳主成分为5,且植被衰减指数、绿色归一化植被指数、调整土壤亮度的植被指数、比值植被指数和归一化植被指数为实际单产遥感估测的敏感变量;建模集和验证集实际单产估测模型的决定系数分别为0.74和0.70,均方根误差分别为754.05和748.20 kg/hm2,相对误差分别为11.5%和8.88%,且估测精度比线性回归算法分别提高20%以上和40%以上,比主成分分析算法分别提高18%以上和30%以上,说明偏最小二乘回归算法模型估测区域实际单产的效果要明显好于线性回归和主成分分析算法,该模型应用结果与小麦实际单产区域分布情况相符合,为提高区域小麦实际单产的遥感估测精度提供了一种途径。     

基于无人机与激光测距技术的农田地形测绘

平整地技术是提高作物单产的重要措施,而获取高精度的农田地形测绘数据与农田数字地形模型,是进行精准平整地作业的必要条件。为了解决传统接触式地形测绘效率低、基于航拍摄影技术的遥感地形测绘精度差及作业成本高等问题,该研究提出了一种基于多旋翼无人机与激光测距技术的农田地形测绘方法。在多旋翼无人机测绘平台上搭载激光测距模块与后处理动态差分全球定位系统设备（Post-Processing Kinematic Global Positioning System,PPK-GPS）,获取激光测距序列、PPK-GPS三维定位数据以及无人机的飞行姿态数据。首先使用均值滤波器处理原始激光测距序列,并将得到的激光测距序列与PPK-GPS定位数据进行同步处理,使二者建立空间对应关系。根据无人机倾斜状态时的测距激光方向与理论竖直方向的空间几何关系,使用从无人机的飞行控制器中提取的姿态信息校正激光测距序列,消除无人机平台在飞行过程中俯仰与横滚姿态变化对激光测距精度的影响。最后,然后根据PPK-GPS定位数据的海拔高度分量与激光测距序列计算试验地块内地面测量点的海拔高度,共获取1 417组地面测量点的有效测绘数据。利用手持PPK-GPS设备对地面测量点的海拔高度进行测绘精度检验。验证试验结果表明,本文提出的无人机农田地形测绘系统获取的海拔高度与手持PPK-GPS设备采集的海拔高度的均方根误差为5.2 cm,表明该无人机农田地形测绘系统具有较高的测绘精度。与利用手持GPS设备进行地形测绘作业的方法相比较,本文提出的无人机农田地形测绘系统具有自动化程度高、作业效率高等优点。该研究可为促进精准平整地技术的大规模应用提供数据支持。