基于纹理-颜色特征与植被指数融合的冬小麦LAI估测

准确、快速、无损估测叶面积指数(LAI)对于冬小麦生产管理具有重要意义。利用无人机搭载Prime ALTUM多光谱相机获取冬小麦拔节期、孕穗期、抽穗期、灌浆期多光谱图像,利用LAI-2200C型植物冠层分析仪获取地面LAI数据。通过Pearson相关性分析筛选出25个植被指数,并提取植被指数影像中8种纹理特征：对比度(CON)、熵(ENT)、方差(VAR)、均值(MEA)、协同性(HOM)、相异性(DIS)、二阶矩(SEM)和相关性(COR),以及3种颜色特征：一阶矩(M)、二阶矩(V)和三阶矩(S),再分别利用多元逐步回归模型(MSR)、支持向量回归模型(SVR)和高斯过程回归模型(GPR)构建冬小麦LAI估测模型。结果表明：相对于考虑单一类型变量,考虑结合纹理特征和颜色特征进行估测时模型精度更高;3类模型中,GPR模型估测冬小麦LAI的精度最高;所有模型中,基于纹理-颜色特征与植被指数融合的GPR模型估测冬小麦LAI精度最高(决定系数R²为0.94,均方根误差(RMSE)为0.17 m²/m²,平均绝对误差(MAE)...     

无人机多光谱数据可靠性分析与冬小麦产量估算研究

无人机多光谱遥感用于冬小麦产量预测中捕获的数据准确性不高,为指导田块尺度下冬小麦产量的精准预测,需构建高精度的冬小麦产量估算模型。本研究利用校正后的近地面高光谱数据(Field-Spec 3型野外光谱仪获取)验证低空无人机多光谱遥感数据(大疆精灵4型多光谱相机获取),将通过无人机多光谱影像计算的植被指数与经验统计方法结合,采用一元回归和多元线性回归分别对抽穗期、开花期和灌浆期冬小麦进行基于单一植被指数和多植被指数组合的产量估算,其中多植被指数包括归一化差异植被指数(NDVI)、优化的土壤调节植被指数(OSAVI)、绿色归一化差值植被指数(GNDVI)、叶片叶绿素指数(LCI)和归一化差异红色边缘指数(NDRE)。结果表明,基于单一植被指数的冬小麦估产模型,一元二次回归模型精度最高,而基于5种植被指数的多元线性回归模型在3个生育时期的拟合效果均优于单植被指数模型。一元或多元回归模型在抽穗期的拟合效果最好。冬小麦基于GNDVI指数的一元二次回归估产模型建模集的决定系数(R²)、均方根误差(RMSE)分别为0.69、428.91 kg/hm²,验证...     

基于多时相多参数融合的麦玉轮作小麦产量估算方法

为了进一步提高冬小麦产量预测的准确性,针对麦玉轮作体系缺乏直接把前茬作物信息纳入到当季作物的产量估算及管理中的研究状况,利用前茬玉米季中长势遥感信息及产量信息,融合小麦拔节期、灌浆期及成熟期长势遥感信息、播前施肥信息及土壤特性信息等多时相多模态数据,基于GPR算法,建立多时相多模态参数融合的麦玉轮作体系小麦产量估算模型,结果显示：基于多生育期的产量估算模型较单生育期最优产量估算模型性能有所提升,R²提高0.01～0.03。其中基于拔节期产量估算模型精度略低于多生育期产量估算模型,但精度相近。基于多模态参数融合的产量估算模型中,除玉米作物信息与土壤特性信息融合构建的产量估算模型,多模态参数融合的产量估算模型精度较相应低模态参数融合的产量估算模型精度高。四模态参数融合的GPR模型决定系数R²为0.92,RMSE为213.75 kg/hm²,较其他模型,R²提高0.02～0.41。对于小麦产量估算模型,各模态参数影响由大到小依次为施肥信息、小麦遥感信息、土壤特性信息、玉米作物信息。玉米作物信息对于多模态参...     

冬小麦不同叶位叶片的叶绿素含量高光谱估算模型

科学、高效地获取作物不同叶位叶绿素含量的垂直分布信息,可监测农作物长势状况并进行田间管理。基于冬小麦抽穗期获取的不同叶位叶片的高光谱反射率和叶绿素含量实测数据,将原始光谱、一阶微分光谱、二阶微分光谱、植被指数和连续小波系数与叶绿素含量进行相关性分析,筛选相关性较强的光谱特征参数,然后分别采用偏最小二乘回归、支持向量机、随机森林和反向传播神经网络4种机器学习算法构建冬小麦上1叶、上2叶、上3叶和上4叶的叶绿素含量估算模型,并根据精度评估结果筛选不同叶位叶绿素含量估算的最佳模型。结果表明,上1叶、上2叶和上3叶采用小波系数结合偏最小二乘回归构建的叶绿素含量估算模型精度最高,建模和验证R²分别为0.82和0.75、0.80和0.77、0.71和0.62;上4叶采用植被指数结合支持向量机构建的叶绿素含量估算模型效果最佳,建模和验证R²为0.74和0.79。研究结果可为基于遥感技术精准监测作物营养成分的垂直变化特征提供理论和技术支撑。     

基于无人机遥感植被指数优选的覆膜冬小麦估产研究

为进一步提高无人机遥感估产的精度,本研究以2021—2022年的覆膜冬小麦为研究对象,对返青期、拔节期、抽穗期和灌浆期的多光谱影像进行覆膜背景剔除,并优选最佳遥感窗口期,基于最优植被指数构建覆膜冬小麦估产模型。结果表明,利用支持向量机监督分类法剔除覆膜背景后冠层反射率更接近真实值,抽穗期和灌浆期的估产精度更高。将不同生育期的植被指数与产量进行相关性分析发现,最佳遥感窗口期为抽穗期。基于逐步回归和全子集回归法优选最优植被指数时发现,基于逐步回归法筛选变量为MCARI、MSR、EVI2、NDRE、VARI、NDGI、NGBDI、ExG时产量反演模型精度最高。此外,利用偏最小二乘法、人工神经网络和随机森林3种机器学习法构建的产量反演模型中,基于逐步回归法的随机森林模型的反演精度最高,R2为0.82,RMSE为0.84t/hm2。该研究可为提高遥感估产精度、实现农业生产精细化管理提供技术支持。     

基于无人机多光谱遥感的芳樟矮林SPAD反演

为实现利用多光谱技术开展芳樟叶绿素相对含量(SPAD)监测，及时快速诊断芳樟矮林生长状况，为田间管理决策提供信息支持，以红壤区芳樟矮林为研究对象，利用无人机多光谱遥感影像，提取波段反射率，筛选植被指数，分别以波段反射率和植被指数为模型输入量，采用偏最小二乘回归、支持向量回归、反向传播(Back propagation, BP)神经网络和径向基函数(Radial basis function, RBF)神经网络4种方法构建芳樟矮林SPAD反演模型，并对比不同输入量、不同模型模拟结果的反演精度。研究结果表明：对比两种不同的输入量，在同一模型反演的精度相差不大；其中，基于偏最小二乘回归法，以植被指数为模型自变量估测芳樟矮林SPAD效果略优；基于支持向量回归、BP神经网络和RBF神经网络，以波段反射率为模型自变量估测芳樟矮林SPAD效果略优；对比4种建模方法，不同方法建模预测精度不同，与偏最小二乘回归、支持向量回归和BP神经网络相比，基于RBF神经网络反演芳樟SPAD的精度最高，以波段反射率和植被指数为模型输入量的测试集为例，其决定系数R²分别为0.788、0.751,均...     

基于无人机多光谱遥感的大豆生长参数和产量估算

为适应现代农业发展对作物生长动态、连续、快速监测的要求，本文基于无人机多光谱遥感技术，以西北地区大豆作为研究对象，分别筛选出与大豆叶面积指数(Leaf area index, LAI)、地上部生物量和产量相关性较好的5个植被指数，采用支持向量机(Support vector machine, SVM)、随机森林(Random forest, RF)和反向神经网络(Back propagation neural network, BPNN)分别构建了大豆LAI、地上部生物量和产量的估计模型，并对模型进行了验证。结果表明，基于RF模型构建的大豆LAI和地上部生物量预测模型的精度显著高于SVM与BP模型，LAI估计模型验证集的R²为0.801,RMSE为0.675 m²/m²,MRE为18.684%;地上部生物量估算模型验证集的R²为0.745,RMSE为1 548.140 kg/hm²,MRE为18.770。而在产量的估算模型构建中，在大豆开花期(R4)基于RF模型构建的大豆产量预...     

基于无人机多光谱影像的柑橘冠层叶绿素含量反演

叶绿素是一种反映植物生长水平和健康状况的重要生理生化指标,为快速、无损地大规模获取柑橘冠层的叶绿素含量以精确指导果园管理,利用多旋翼无人机搭载多光谱传感器获取多波段反射率数据,使用多光谱阴影指数对冠层阴影和土壤背景进行剔除,计算得到植被指数与纹理特征,将地面实测的叶绿素含量作为验证,综合对比了全子集回归、偏最小二乘回归和深层神经网络的反演精度以选取最优模型。结果表明,植被指数与叶绿素含量的相关性良好;将仅使用植被指数与仅使用纹理特征的建模结果进行对比,仅使用纹理特征的模型在全子集回归和偏最小二乘回归的反演精度均有明显提升;结合植被指数与纹理特征共同建模后,全子集回归和偏最小二乘回归的反演精度相比仅使用纹理特征的模型均能获得提升;深层神经网络因其良好的非线性拟合能力,获得了最高的反演精度,R²、MAE、RMSE分别为0.665、7.69 mg/m²、9.49 mg/m²,成为本文最优模型。本研究利用无人机多光谱影像反演得到柑橘冠层叶绿素含量,为实现柑橘生长监测提供指导作用。     

基于LightGBM的冬小麦产量估测与可解释性研究

机器学习模型在作物长势监测和产量估测过程中,复杂模型的内部机制难以理解,为了在准确估测作物产量的同时给出合理解释,本文选取条件植被温度指数(VTCI)以及冬小麦产量数据,基于轻量级梯度提升机(LightGBM)开展关中平原冬小麦的产量估测研究,并将局部可解释性模型无关方法(LIME)、部分依赖图(PDP)和个体条件期望图(ICE)等全局和局部可解释性方法用于对模型估测结果的进一步解释。结果表明,与其他机器学习方法相比,经过网格搜索优化的LightGBM能够准确地估测冬小麦产量,估测单产与实测单产的决定系数R²达到0.32,均方根误差(RMSE)为809.10 kg/hm²,平均相对误差(MRE)为16.55%,达到极显著水平(P<0.01),表明该模型有较高的预测精度和泛化能力。进一步可解释性实验表明,网格搜索优化的LightGBM能够准确提取数据蕴含的信息,从全局角度来看,冬小麦4个生育期中拔节期VTCI对产量形成最为重要,抽穗-灌浆期和乳熟期次之,返青期则影响最小,这与先验知识相符合;从局部角度来看,局部可解释性方法基于冬小麦产量西...     

融合多源时空数据的冬小麦产量预测模型研究

为提高大尺度冬小麦产量预测精度,以2005—2019年河南省遥感数据、气象数据、土壤含水率等多源时空数据为特征变量,分析其与小麦单产的相关性,并基于随机森林算法对特征变量进行了重要性分析,构建了融合多源时空数据的冬小麦产量预测模型。结果表明:增强型植被指数（Enhanced vegetation index, EVI）、日光诱导叶绿素荧光（Solar-induced chlorophyll fluorescence, SIF）与高程为小麦产量预测的重要因子,与小麦产量呈高度正相关,对小麦产量预测的重要性指标均超过0.45,远大于土壤含水率、降水量、最高温度、最低温度等因子;基于随机森林算法构建的小麦不同生长阶段产量预测模型中,以10月—次年5月和10月—次年4月为特征变量的产量预测模型精度较高,R²分别为0.85和0.84,RMSE分别为821.55、832.01 kg/hm²,在空间尺度上,豫西和豫南丘陵山地模型预测相对误差高于平原地区。该研究结果可为大尺度作物产量预测提供参考。     

地下水埋深和施氮量对冬小麦灌浆及水氮利用影响

探讨地下水埋深和施氮量对华北地区冬小麦灌浆特性和水氮利用效率影响,以百农4199为试验材料,设置地下水埋深(GW2:2 m,GW3:3 m,GW4:4 m)和施氮量(N300:纯氮量300 kg/hm²,N240:纯氮量240 kg/hm²)2个因素,评估地下水埋深和施氮量对冬小麦灌浆特性、产量形成及水氮利用效率等影响.结果表明:小麦千粒质量与快速增长期时间拐点、平均灌浆速率、灌浆持续时间显著正相关;路径分析表明,地下水埋深主要是通过影响小麦单株籽粒质量、穗数、穗粒数来影响产量的,地下水埋深对产量影响的直接标准化路径系数为0.334(P<0.05),施氮量主要是通过影响单株籽粒质量和穗数来间接影响产量;地下水埋深相同时,N240施氮水平氮肥偏生产力NPP和水分利用效率WUE均显著高于N300施氮水平.故建议地下水埋深大于2 m地区小麦高产和农业绿色可持续发展的施氮量为240 kg/hm².     

喷灌水肥与种植密度互作对水氮利用效率和冬小麦产量的影响

为研究豫北地区喷灌水肥一体化条件下不同种植密度和施氮频次对土壤水分、硝态氮含量及冬小麦产量的影响,开展田间试验.试验设置了2个种植密度(D1:187 kg/hm²、D2:262 kg/hm²)和3个施氮频次(F1:返青后追肥1次、F2:返青后追肥2次、F3:返青后追肥3次).试验结果表明:种植密度和施氮频次均显著影响冬小麦籽粒产量, 且两者间存在明显的互作效应.种植密度增大,冬小麦生育期0~100 cm土层土壤贮水量显著提高.主要生育期的根系生长层土壤含水量显著增加,其中孕穗期在100 cm土层深度的含水量D2较D1分别提高29.42%,3.10%和32.04%,灌浆期在80 cm土层深度的含水量D2较D1分别提高29.69%,27.52%和25.71%.当种植密度为262 kg/hm²,施氮频次为1次时,冬小麦产量较高,深层土层的土壤硝态氮当季残留较少.综合分析表明,该种植密度和施氮频次为当地冬小麦生育期的最优措施.     

基于DNDC模型的北京市大兴区冬小麦农业用水效率

为了阐明大兴区冬小麦农业用水效率时空变化趋势, 基于近10 a大兴区冬小麦产量统计值和遥感ET值, 构建了冬小麦脱氮-分解作用模型(DNDC模型), 验证了DNDC模型在区域冬小麦水分生产率方面的适用性.结果表明:点位模拟与验证中,冬小麦产量和ET值模拟效果较好,相对误差均小于4.20%,作物水分生产率WP点位模拟值分别为1.91和1.75 kg/m³.区域模拟与验证中,不同土壤区冬小麦产量及ET不尽相同,但总体趋势保持一致,产量随降雨量变化较大,2008年产量达到最大.2007-2016年产量统计平均值为5 227 kg/hm²,产量模拟平均值为4 845 kg/hm²;同期区域冬小麦ET模拟平均值为381.74 mm,遥感平均值为392.66 mm,产量和ET平均相对误差小于13%.2007-2016年WP模拟值为1.10~1.62 kg/m³,平均值为1.27 kg/m³,统计值为1.15~1.62 kg/m³,统计平均值为1.34 kg/m³.     

基于无人机影像技术的小麦长势遥感监测

随着精准农业的发展,农作物长势监测越来越重要。传统的小麦长势监测主要依靠人工采样进行,作业效率低、监测范围小、耗费人力物力大。为有效提高小麦长势监测效率,引入无人机影像技术,以曹妃甸地区的小麦为研究对象,利用无人机影像技术和高光谱影像采集传感器完成对曹妃甸地区小麦叶面积指数、叶片生物量、叶绿素含量及叶片氮含量等长势参数的测定,构建小麦长势参数的PLSR模型,并采用决定系数(R²)和均方根误差(RMSE)对PLSR模型进行综合评价和验证。最后,比对小麦长势参数CGMI的实测值和小麦长势参数PLSR模型的预测值,结果表明:基于无人机影像技术的小麦长势遥感监测具有较高的监测精度,对实现精细农业、提高农业生产效率具有十分重要的现实意义。     

水肥一体化对小麦干物质和氮素积累转运及产量的影响

为探讨滴灌水肥一体化对小麦干物质和氮素积累、转运与产量的影响,于2016—2018年2个小麦生长季进行田间试验,设置3个氮(N)肥水平N1(180 kg/hm²)、N2(240 kg/hm²)、N3(270 kg/hm²)和3个水分(W)水平W1(生育期不灌水)、W2(生育期灌2次水)、W3(生育期灌3次水),9个处理分别为:W1N1、W1N2、W1N3、W2N1、W2N2、W2N3、W3N1、W3N2、W3N3。结果表明:连续2年,小麦植株干物质积累量在开花期和成熟期达到最大,与W1N1处理相比,W3N2处理下小麦开花期植株平均干物质积累量、成熟期植株平均干物质积累量、营养器官平均干物质转运量、平均干物质转运率和干物质转运对籽粒平均贡献率分别增加32.11%、13.34%、48.66%、56.34%、42.93%;连续2年,小麦植株氮素积累量在小麦开花期和成熟期达到最大,与W1N1处理相比,W3N2处理下小麦开花期和成熟期植株平均氮素积累量分别增加21.98%和20.30%;在小麦成熟期,与W1N1处理相比,W3N2处理下小麦茎+叶鞘平均氮素积累量、穗轴+颖壳平均氮素积累量、籽粒平均氮素积累量、营养器官平均氮素转运量、平均氮素转运率和营养器官氮素转运对籽粒平均贡献率分别增加20.19%、27.65%、35.99%、47.51%、20.91%和6.04%;连续2年,与W1N1处理相比,W3N2和W3N3处理下小麦平均产量分别增加31.88%和15.28%。研究表明,滴灌水肥一体化下W3N2处理是本试验的最优处理,能够促进营养器官干物质和氮素的积累与转运,有利于实现小麦高产高效。     

生物炭添加量对冬小麦花后干物质积累及转运的影响

【目的】提高微咸水灌溉效率并降低土壤盐渍化风险。【方法】以冬小麦为研究对象,设计避雨条件下不同微咸水-生物炭处理(CK,淡水;B0,5 g/L微咸水;B15,5 g/L微咸水及15 t/hm²生物炭;B30,5 g/L微咸水及30 t/hm²生物炭;B45,5 g/L微咸水及45 t/hm²生物炭)的田间试验,探讨了微咸水灌溉下生物炭添加量对土壤特性和冬小麦花后干物质积累及转运的影响机制。【结果】生物炭添加后土壤表层(0~20 cm)体积质量降低了2.27%~8.33%,总孔隙度增加了4.52%~13.47%,有机质量增加了30.02%~111.12%,土壤表层(0~20 cm)及主根区(0~40 cm)钠吸附比降低了23.88%~33.27%和22.34%~30.80%;15 t/hm²能够促进盐分淋洗,降低了微咸水灌溉下土壤含盐量,然而高剂量时将加剧盐分累积。单独微咸水灌溉下冬小麦生长受抑,最终产量下降了12.04%。生物炭能够缓解盐胁迫下叶片早衰,促进光合作用能力,并增加花前干物质转运量及花后干物质积累量,进而获取了更高的籽粒质量和收获指数。B15、B30、B45处理的最终产量较B0处理分别增加9.18%、7.73%、2.74%。【结论】15 t/hm²添加量的生物炭效果最佳,可促进微咸水资源的农业利用。     

滴灌水氮耦合对水氮利用及冬小麦产量的影响

以华北地区冬小麦为试验对象,参考直径20 cm标准蒸发皿的累计水面蒸发量E,通过2 a的大田试验(2012—2013),研究了大田地表滴灌条件下水氮耦合制度对作物耗水量、作物生理指标、产量、氮残留及水氮利用效率的影响,结果表明,冬小麦生育期内的耗水量、叶面积指数及产量受灌水定额的影响更为显著(P<0.05);滴灌条件下,当施氮量在120~290 kg/hm²时,水氮耦合效应对冬小麦耗水量的影响不具有统计学意义;在滴灌灌水定额为0.80E,施氮量为140~190 kg/hm²的水氮耦合模式下,冬小麦的产量较高,土壤硝态氮的当季残留较少,且进一步显著增加灌水定额和氮肥投入量将导致产量的明显下降;综合考虑冬小麦水氮利用效率和对地下水的潜在淋失风险,华北典型区滴灌水氮耦合的优化组合范围宜为灌水定额为0.80E,施氮量为140~190 kg/hm².     

喷灌施氮管理对春玉米产量及水氮利用的影响

为探究东北半湿润区喷灌水肥一体化条件下春玉米最佳施氮管理模式,于2017年在东北地区开展了不同喷灌施氮管理对春玉米生长、产量及水氮利用效率的田间试验研究.试验设置了3个总施氮量:N200(200 kg/hm²),N160(160 kg/hm²)和N120(120 kg/hm²),其中播种时统一埋施氮肥60 kg/hm²,苗期统一喷施氮肥10 kg/hm²,其余在拔节期和灌浆期按照3种施氮比例T1(1∶0),T2(2∶1)和T3(3∶1)通过水肥一体化喷施施入.结果表明:T1获得了最高的氮肥偏生产力、氮素收获指数和水分利用效率.增加施氮量能够促进产量的增加,但N200和N160的平均产量差异不具有统计学意义(P>0.05).所有处理中T1N200的产量最高,为12 489 kg/hm²;T1N160处理的氮收获指数最大,为74.98 kg/kg.施氮量增加,氮肥偏生产力随之降低,0~100 cm土壤内的硝态氮残留量随之增多.T1处理的平均硝态氮残留量最少,降低了氮素淋失的风险.综合考虑,推荐该地区采用总施氮量160~200 kg/hm²,其中播种期施基肥60 kg/hm²,苗期追施10 kg/hm²,其余在拔节期全部追施的施氮管理模式.     

不同灌溉制度对制种玉米产量和阶段耗水量的影响

通过田间试验研究了相同灌水定额(900 m³/hm²)条件下,不同灌水次数(0,2,3,4次)对制种玉米生育期土壤水分分布特征、耗水规律以及产量影响.结果表明,不同灌溉制度主要影响作物拔节后0~100 cm土壤水分分布.相同灌溉定额条件下,灌水时间影响制种玉米的穗行数、行粒数产量特征值.各处理耗水强度均呈“低、高、低”的变化趋势,峰值主要出现在制种玉米抽雄期-灌浆期.制种玉米各生育阶段对缺水的敏感程度由大到小依次为灌浆期、拔节期、苗期、乳熟期、抽雄期.在西北干旱半干旱地区,制种玉米苗期-拔节期、拔节期-抽雄期、抽雄期-灌浆期进行3次灌水,灌水定额为900 m³/hm²,灌溉定额为2 700 m³/hm²的灌溉制度具有明显的经济产量效益和节水效益.