基于多载荷无人机遥感的大豆地上鲜生物量反演

以多载荷无人机获取数据和地面实测的数据为基础,将大豆生殖生长期分段建模,采用植被指数和光谱参数相结合再加上农学参数株高,通过最小二乘法建立多元线性回规模型的方法,来估算大豆开花期和结荚期的鲜生物量,采用高光谱植被指数法估算大豆鼓粒期和成熟期的鲜生物量。结果表明:在大豆开花期和结荚期内,采用混合法构建生物量反演模型利用交叉验证法,验证结果的R~2和RMSE分别为0.714和0.393;在大豆鼓粒期和成熟期内,采用高光谱植被指数法构建生物量反演模型,利用交叉验证法,验证结果的R~2和RMSE分别为0.697和0.386;大豆开花结荚期构建的模型和鼓粒成熟期构建的模型都有比较高的精度和可靠性,利用这两种模型完成了高光谱影像鲜生物量的遥感空间制图,能反映当地当时大豆的真实长势情况。     

基于Radarsat-2的冬小麦种植面积提取方法研究

为探寻基于Radarsat-2的冬小麦种植面积提取方法,以设立在江苏盐城研究区的冬小麦为研究对象,选用2014年3月3日-2014年6月7日期间5期Radarsat-2全极化影像,采用支持向量机法和最大似然法分别对各时相的冬小麦种植面积进行提取,并以地面实测GPS样方进行精度验证。结果表明,以支持向量机法和最大似然法提取冬小麦面积的精度均在4月20日达到最高,分别为66.4%和63.9%。对4月20日支持向量机法的冬小麦面积提取结果进一步进行耕地地块优化和碎小图斑去除处理后,冬小麦面积的提取精度可提高到79.6%。     

Impact of land‐use intensity on the relationships between vegetation indices,photosynthesis and biomass of intensively and extensively managed grassland fens

Vegetation indices are widely used as model inputs and for non‐destructive estimation of biomass and photosynthesis, but there have been few validation studies of the underlying relationships. To test their applicability on temperate fens and the impact of management intensity, we investigated the relationships between normalized difference vegetation index (NDVI), leaf area index (LAI), brown and green above‐ground biomass and photosynthesis potential (PP). Only the linear relationship between NDVI and PP was management independent (R² = 0·53). LAI to PP was described by a site‐specific and negative logarithmic function (R² = 0·07–0·68). The hyperbolic relationship of LAI versus NDVI showed a high residual standard error (s.e.) of 1·71–1·84 and differed between extensive and intensive meadows. Biomass and LAI correlated poorly (R² = 0·30), with high species‐specific variability. Intensive meadows had a higher ratio of LAI to biomass than extensive grasslands. The fraction of green to total biomass versus NDVI showed considerable noise (s.e. = 0·13). These relationships were relatively weak compared with results from other ecosystems. A likely explanation could be the high amount of standing litter, which was unevenly distributed within the vegetation canopy depending on the season and on the timing of cutting events. Our results show there is high uncertainty in the application of the relationships on temperate fen meadows. For reliable estimations, management intensity needs to be taken into account and several direct measurements throughout the year are required for site‐specific correction of the relationships, especially under extensive management. Using NDVI instead of LAI could reduce uncertainty in photosynthesis models.     

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。     

基于无人机遥感的棉花主要生育时期地上生物量估算及验证

利用棉花主要生育时期的无人机近红外影像数据,提取4种不同的植被指数,通过与棉花地上生物量的实测值建立拟合关系,分析了不同植被指数在棉花各生育时期的估算效果并对其进行了验证。结果表明,随棉花生长,归一化植被指数（NDVI）、宽动态植被指数（WDRVI）、比值植被指数（RVI）和差值植被指数（DVI）均从苗期开始显著增加,其后则表现为基本稳定的“饱和”现象,但棉花实测生物量在不同生育期均有显著差异。植被指数与棉花实测生物量的拟合结果显示：NDVI和DVI的二元线性拟合模型对苗期生物量拟合效果最佳（R²=0.84,RMSE=0.13 kg·m^-2）;WDRVI和DVI的二元线性拟合模型对花蕾期生物量拟合效果最佳（R²=0.87,RMSE=0.52 kg·m^-2）;RVI的非线性拟合模型对花铃期生物量拟合效果最佳（R²=0.79,RMSE=0.95 kg·m^-2）;WDRVI和RVI的二元线性拟合模型对盛铃期生物量的拟合效果最佳（R²=0.86,RMSE=0.96 kg·m^-2）。     

基于镧系金属有机框架材料检测水体中酰胺类除草剂残留的可视化技术研究

研发水体中酰胺类农药残留简便快捷的检测技术,对评估农药造成的水体污染和提出相应的治理对策具有重要意义。以共掺杂镧系金属离子 (Eu3+ 和Tb3+) 作为配位金属离子,分别利用水热法和微波法制备了镧系金属有机框架材料 (lanthanide metal-organic frameworks, Ln-MOF),对其结构和性质进行了表征,并采用所制备的Ln-MOF对水体中残留的5种常见酰胺类除草剂 (乙草胺、异丙草胺、丙草胺、敌草胺和异丙甲草胺) 进行了定性和定量分析。结果表明:与水热法相比,采用微波法制备的Ln-MOF样品呈蓬松的簇状、结晶度好,且具有更高的发光效率,故选择微波法制备Ln-MOF。农药残留检测试验结果表明,不同除草剂对Tb3+和Eu3+的发光会产生差别性猝灭,并使整体发射光发生变化,进而实现水体中农药的可视化检测。进一步研究发现,荧光强度比值I (Tb3+)/I (Eu3+) 与丙草胺浓度在0.1~1 mmoL/L范围时呈线性相关,线性相关系数R2 = 0.998,检测限 (LOD) 为0.08 mmoL/L。另外,该材料对于用湖水配制的除草剂溶液也具有一定的定性检测能力。本研究结果展现了Ln-MOF用于水体中酰胺类除草剂的定性、定量分析具有良好应用前景。     

群体感应信号物质对吡咯伯克霍尔德氏菌JK-SH007在杨树内定殖的影响

为了明确杨树溃疡病生防菌吡咯伯克霍尔德氏菌JK-SH007的群体感应系统是否与其内生定殖相关,本文通过群体感应指示菌紫色杆菌CV026和液相色谱串联四级杆飞行时间质谱技术(HPLC-Q-TOF-MS)确定其群体感应信号物质种类,并利用结晶紫染色、菌体回收、GFP标记等技术,研究其群体感应信号物质对该菌株生物膜及在杨树苗内的定殖能力的影响。结果表明,菌株JK-SH007产生的群体感应信号物质为含8个碳原子酰基侧链的辛酰基-L-高丝氨酸内酯(C8-HSL)。群体感应信号物质C8-HSL的添加对该菌株生物膜及在杨树苗内的定殖能力有影响,并且呈现低浓度促进,较高浓度抑制的规律。C8-HSL的添加与菌株JK-SH007生物膜的OD值和菌体量具有显著相关性,相关系数分别为0.923和0.756。当添加1.0%C8-HSL终浓度达到5×10^-8 g/L时,菌株JK-SH007生物膜的形成量达到峰值。荧光显微镜镜检发现,当添加100μL C8-HSL时,杨树组培苗根和茎中GFP荧光标记的菌株JK-SH007的定殖数量明显较CK多。菌株JK-SH007的群体感应与其在杨树内的内生定殖能力密切相关,群体感应信号物质C8-HSL具有增强菌株JK-SH007内生定殖的能力,同时也表明该物质有利于该菌株生防效果的发挥。     

基于PWM的远程控制新型变量喷雾系统设计

针对目前地面植保喷雾机械的局限性,开发了一种新型的变量喷雾系统。该系统在保持电动离心喷头压力和流量不变的前提下,采用离心雾化方式,雾化盘由三相无感无刷直流电机带动,利用ARM控制器输出频率固定占空比不同PWM信号作为无刷直流电机电子调速器的油门转速信号,改变雾化盘的转速,从而改变雾滴的粒径大小及覆盖率等参数。该系统采用了一个功率较大的无线收发模块SI4432,最大距离达到2km范围(这也是和其他远程喷雾系统相比根本的优势),用单片机和上位机远程实时地控制雾化盘的转速,同时在上位机和液晶屏幕上显示占空比。最后,利用设计的变量喷雾平台,在喷头压力为0.5MPa、流量为2L/min、雾化盘直径为5 8 mm的条件下,获得了离心雾化喷头在不同的占空比对应的雾滴中值直径和覆盖率大小,通过上位机就可以实现电动离心喷头转速的较大范围的调整,可以在不同喷雾环境下针对不同的农作物使用这套系统。     

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landsat卫星影像的水库水体总磷质量浓度反演研究

以清河水库为研究区域,利用Landsat8卫星OLI数据及实地观测数据,建立了适于清河水库水体总磷质量浓度的最小二乘支持向量机(LS-SVM)遥感反演模型,并对清河水库总磷量进行了反演分析。结果表明,LS-SVM模型的平均相对误差为6.06%,相比于单波段线性回归反演模型及波段组合线性回归模型,平均误差分别降低了20.77%、12.53%,显著提高了清河水库水体总磷质量浓度反演的模型精度,达到遥感反演预测精度要求;利用LSSVM反演模型对清河水库总磷量反演显示,水体中总磷质量浓度主要集中在0.04~0.08 mg/L,水库水体总磷质量浓度总体偏高。