倒伏作物产量评估是作物倒伏灾害综合评估中的一项重要指标。针对传统倒伏作物产量评估方法的不足,该文提出了一种基于图像处理技术和光谱分析技术的倒伏冬小麦估产方法。研究首先通过冬小麦倒伏模拟试验,人工造成冬小麦倒伏,采集不同倒伏等级冬小麦RGB图像数据、冠层光谱反射率数据,并测量倒伏冬小麦产量。然后,通过RGB图像获得颜色、纹理特征,通过光谱反射率获得光谱吸收、红边和植被指数特征,取与倒伏冬小麦产量最为相关的23个特征量作为产量预测模型的输入变量。最后,使用粒子群算法优化径向基权值并建立估产模型,通过三个倒伏时期的光谱和图像指标估算倒伏冬小麦产量。结果表明,模型估算精度为98.2%,该模型能满足非接...

【目的】利用2种灌溉处理下不同发育阶段的冬小麦冠层高光谱信息,通过机器学习方法对小麦籽粒产量进行估测精度研究,明确产量最佳估测模型,对于育种工作有着重要应用价值。【方法】以黄淮麦区207个主栽小麦品种为材料,于2018—2019和2019—2020年度连续2个生长季在河南省新乡基地的正常灌溉和节水处理下种植,并调查开花期、灌浆前期和灌浆中期的冠层高光谱数据,分别以6种机器学习方法和集成方法建立光谱指数产量估测模型。【结果】2种灌溉处理下,3个生育期各光谱指数均与产量呈极显著相关(P

冬小麦SPAD(Soil and Plant Analyzer Development)是评价其健康状况的重要农学参数,传统监测方法效率较低,旨在将田间监测和遥感技术相结合,探讨我国江汉平原地区冬小麦SPAD的遥感监测方法。研究选取湖北省潜江市后湖管理区为研究区域,利用ASD Fieldspec 3地物光谱仪和SPAD-502叶绿素仪在田间采集冬小麦冠层光谱和叶片SPAD,选取4种植被指数与叶片SPAD进行回归分析并构建预测模型。经模型精度检验,NDVI较适合对该地区冬小麦SPAD反演。然后将NDVI-SPAD反演模型与HJ-1卫星影像相结合,进行研究区域的冬小麦SPAD反演,通过比较HJ-1...

【目的】由适时获得的高光谱数据代替传统繁琐的实验室土壤养分测定数据来进行变量施肥,实现冬小麦高产优质的目标。【方法】本研究利用冬小麦起身期和拔节期冠层光谱数据,选用反映冬小麦长势信息的优化土壤调节植被指数(OSAVI,optimization of soil-adjusted vegetation index)和变量施肥模型进行变量施肥管理(变量区),以相邻地块常规非变量(均一)施肥区(对照区)为对照,研究了不同氮肥处理冬小麦冠层光谱特征及其施肥效应。【结果】变量施肥之后两种氮肥处理在敏感波段670nm和760～900nm处反射率差异明显,而670nm和760～900nm是氮素和冠层的敏感波段...

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm...

叶绿素(SPAD)是重要的植被生物参量。针对传统的SPAD监测方法效率低的问题,该研究探讨了利用高光谱遥感技术构建SPAD估算模型,实现大范围的冬小麦叶绿素快速无损检测和预测。首先,选取我国江汉平原的湖北省潜江市后湖管理区和黄淮海平原的山东省济南市长清区作为研究区域,分别采集冬小麦生育期的冠层反射光谱和倒二叶片SPAD数据。方差分析发现,两个地区冬小麦SPAD在各生育期存在显著差异。之后,选取和计算RVI、DVI、NDVI和GRVI四种植被指数,利用回归模型建立了不同地区的冬小麦叶片SPAD测算模型。模型精度检验表明,NDVI估算模型对两个样区的冬小麦叶片SPAD的总体估算效果较好,满足精度要...

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。

【目的】小麦倒伏严重影响小麦光合及成熟进程，进而造成小麦减产及品质下降。为快速精确获取倒伏信息，评估无人机遥感监测小麦倒伏的能力，构建小麦倒伏监测模式，为灾情评估、保险理赔及灾后补救提供技术支持。【方法】利用近地无人机获取包含红、绿、蓝、红边和近红外5个多光谱波段图像，经过预处理飞行高度50 m的小麦冠层图像，得到分辨率为1.85(cm/像素)的数字正射影像图（DOM）和数字表面模型（DSM），从中提取光谱特征、高度特征和光谱纹理共3类特征信息；采用支持向量机（SVM）和随机森林（RF）2种分类器对6种不同特征集组合进行倒伏分类比较，使用准确率（Acc）、精确率（Pre）、召回率（Re）和调和平均数（F1）以确定较优的特征组合和分类器；同时使用3种不同的特征集筛选方法（套索算法Lasso、随机森林递归算法RF-RFE和Boruta算法）对优化的特征子集进行综合评价，确立适宜的倒伏分类评价方法。【结果】单一特征的光谱和纹理及其组合对小麦倒伏的分类评价结果较差，“椒盐现象”严重，在此基础上融合DSM信息的分类精度显著提高。采用随机森林分类器对光谱特征、纹理特征和高度特征进行特征集组合，小麦倒伏识别的分类准确率最高达91.48%。为减少特征集变量数量，采用3种特征优化方法，与筛选得到的全特征集、Lasso算法、RF-RFE算法相比，基于Boruta算法得到的优化特征子集分类精度更高，整体稳定性更好，从含有DSM的3种特征组合均值来看，总体分类精度和Kappa系数分别提高了0.17%和0.01（全特征集）、2.45%和0.05(Lasso)、2.87%和0.05(RF-RFE)。其中，光谱-纹理-DSM组合效果最好，总体分类精度达92.82%,Kappa系数达0.86。【结论】Boruta算法有效优化光谱-纹理-DSM组合的特征子集数量，让更少的特征参量参与分类，且获得较高的分类精度，确立了精确监测小麦倒伏的多特征组合-Boruta-RFC技术融合模式，为小麦灾情评估及补救措施制定提供参考。

选择株型差异较大的冬小麦品种,并通过部分品种不同密度试验,分析了冠层结构的两个重要指标叶向值(LOV)与叶面积指数(LAI)与光谱特征参量的关系,同时对20个不同处理进行了聚类分析。结果表明,不同生育阶段株型指标LOV和群体大小指标LAI对光谱的贡献是不同的,前期(以拔节期为主)LOV对光谱的影响要大些,后期主要受LAI的影响;对拔节期包括品种和密度在内的共20个处理进行聚类分析,划分了株型和群体大小的不同组合4个(A-株型直立,群体较小;B-株型直立,群体较大;C-株型披散,群体较小;D-株型披散,群体较大);拔节期不同类组冠层光谱反射率在400～700nm范围内反射率由高到低的顺序为A>B...

通过对冬小麦不同生育时期红边参数变化规律的研究表明 ,小麦进入起身期后 ,伴随着植株旺盛生长和群体的不断扩大 ,红边的位置呈逐渐偏向长波方向的“红移” ,到抽穗期群体稳定后红移也停止。从灌浆期开始 ,随着个体衰老和群体减弱 ,红边位置又呈偏向短波的“蓝移”现象。叶片全氮含量 (LTN)与红边振幅 (dλred)及近红外平台振幅 (dλNIRP)间在全生育期均呈现正相关趋势 ,且相关程度随生育进展而不断增强 ;叶绿素a +b总量 (TChl)与红边振幅间 ,在起身期至拔节期为负相关 ,在抽穗期至乳熟期为正相关。TChl与近红外平台振幅间呈现正相关趋势 ,且相关程度随生育进展而不断增强 ;叶面积指...

连续四年干旱给云南的经济生产和社会可持续发展造成巨大影响,农业损失尤其严重。本文以经济学中柯布-道格拉斯生产函数为基础,引入通过拓展经验正交函数方法(EEOF)构建的综合气象因子,对1990-2012年昆明冬小麦总产进行拟合分析,建立了昆明小麦总产预测的经济-气候耦合模型,其拟合精度达96.7%;用该模型模拟1990-2012年昆明冬小麦单产,与实际单产的拟合度达到82.0%,比仅用柯布-道格拉斯生产函数模拟的单产提高了11%。因此该模型在昆明冬小麦产量预测中具有较好的实用价值。

【目的】光合作用是农作物产量和品质形成的基础,农作物光合参数的准确定量遥感反演不仅能够了解农作物的生长发育和有机物累积状况,还能为基于遥感的生态系统过程模型提供参考。为快速准确的估算光合特征参量,本研究综合原始光谱、3种传统光谱变换技术和4种模拟方法构建冬小麦3种光合参数的高光谱反演模型,探讨高光谱反演冬小麦光合参数的可行性,对比不同类别光谱和模拟方法的适用性。【方法】本研究基于氮肥施用条件冬小麦气体交换和高光谱田间试验,获取不同叶位叶片的最大净光合速率(Amax)、PSⅡ有效光化学量子产量(Fv′/Fm′)、光化学猝灭系数(qP)和高光谱反射率,并对原始高光谱进行倒数、对数和一阶微分变换。根据3种光合参数和4种光谱的相关性分析结果,筛选显著性水平优于0.01的波段作为输入变量,采用偏最小二乘(PLS)、支持向量机(SVM)、多元线性回归(MLR)和人工神经网络(ANN)等方法建立冬小麦叶片光合参量反演模型,以建模和验证的决定系数(R~2)和均方根误差(RMSE)为依据,对不同模型的模拟精度进行比较分析。【结果】(1)3种光合参数和4种光谱的相关性分析结果表明,原始、倒数和对数光谱对3种光合参数(Amax、Fv′/Fm′和qP)的敏感谱区均集中在400—750 nm波谱区间,一阶导数光谱对3个光合参数的敏感谱区为470—560、630—700和700—770 nm波谱区间。(2)Amax、Fv′/Fm′和qP的最优反演模型组合分别为基于倒数光谱的MLR模型、基于一阶导数光谱的MLR模型和基于原始光谱的MLR模型。模型的建模R2分别为0.75、0.65和0.65,验证R2分别为0.73、0.59和0.44,表明基于高光谱模拟Amax和Fv′/Fm′切实可行,模拟qP的有效性需要进一步验证。(3)不同变换的光谱表现能力不同,以PLS模拟Amax为例,光谱的表现能力顺序为原始光谱>倒数光谱>对数光谱>一阶导数光谱。(4)不同模型的估算能力也存在明显差异,以基于原始光谱的Amax模拟为例,不同模型的估算能力顺序为MLR>PLS>ANN>SVM。【结论】通过对比分析4种光谱和4种模拟方法对3种冬小麦光合参数的高光谱反演结果发现,Amax和Fv′/Fm′可以很好通过高光谱进行模拟,而高光谱对qP解释能力偏低,有待进一步研究。高光谱信息对冬小麦光合参量具有较强的敏感性,同时受光谱类型和模拟方法的影响,可以用来监测冬小麦光合能力的动态变化,为把握农作物生长状况提供依据。

【目的】利用高光谱数据对抽穗期冬小麦冠层叶绿素含量进行估测，旨在为叶绿素含量快速准确估测提供参考。【方法】利用ＡＳＤ便携式野外光谱仪和ＳＰＡＤ－５０２叶绿素仪实测了冬小麦抽穗期冠层光谱反射率及叶绿素含量，并对原始光谱反射率及其一阶导数光谱与叶绿素相对含量进行了相关分析，建立了基于敏感波段、红边位置、原始光谱峰度和偏度、一阶导数光谱峰度和偏度的叶绿素估算模型，并进行检验，从中筛选出精度最高的模型。【结果】冬小麦冠层光谱曲线特征与叶绿素含量之间有着密切联系。基于原始光谱一阶导数偏度和峰度的冬小麦（抽穗期）叶绿素含量估算模型拟合精度优于其他４种估算模型，决定系数Ｒ２分别为０．８４７和０．５７２，均方．．．

[目的]针对小麦生长早期的植被指数易受土壤背景干扰的问题，提出了一种基于窄带光谱图像分析的小麦植被指数测量方法。[方法]首先，构建了多镜头结构的窄带光谱图像获取装置，实时获取656和770 nm的田间小麦窄带光谱图像。然后，运用简单线性聚类SLIC（Simple Linear Iterative Clustering）和VGG16（Visual Geometry Group Network 16）全卷积神经网络对小麦近红外窄带光谱图像进行超像素聚类和分类，把交并比Q_(seg)、综合评价指标F值、精度Precision作为分割精度评价指标，分析了传统阈值分割方法和本研究方法去土壤背景干扰的性能差异。最后，去除土壤背景后的窄带光谱图像采用太阳光免白板标定方法计算植被指数，并与GreenSeeker RT200的实测数据进行对比分析，定性定量的评价本研究方法去除土壤背景干扰的性能。[结果]试验共采集了12个小麦品种、两个施氮水平、共24块种植小区图像，Q_(seg)、Precision和F的平均值分别为90.41% 、80.82%和72.73%，分割性能均优于传统的阈值分割方法。针对相同测试田块，GreenSeeker RT200测量的各小区NDVI（Normalized Difference Vegetation Index）值变异系数的最大值、平均值和标准差分别为47.12%、33.61%、10.17%，而本测量方法的各小区NDVI值的相应指标值分别为18.59%、9.61%、3.88%；当采样小区小麦封行后，本方法所提取的NDVI值与GreenSeeker RT200的测量值具有较高的相关性，决定系数为0.8959。[结论]该方法可以完成复杂土壤背景、大田光照变化条件下的小麦窄带光谱图像的冠层提取与植被指数测量，可为多镜头结构的作物冠层反射光谱仪的优化设计提供参考。

通过人工田间诱发不同等级小麦条锈病,在不同生育期测定染病冬小麦冠层光谱及其病情指数(DI)。把冠层光谱一阶微分数据与相应的DI进行相关分析,采用单变量线性和非线性回归技术,建立小麦DI的估测模型,并利用不同品种小麦样本对模型精度进行可靠性检验。结果表明:DI与一阶微分在432~582 nm、637~701 nm以及715~765 nm区域内有极显著相关性,以红边峰值区(725~735 nm)一阶微分总和与绿边峰值区(521~530 nm)一阶微分总和的比值为变量的线性模型估测DI精度最高,且其对小麦品种相对不敏感。上述研究结果对利用高光谱遥感监测农作物病害及其严重程度都具有实际应用价值。