基于多源遥感数据的大豆叶面积指数估测精度对比

近年来遥感技术的革新促使遥感源越来越丰富.为分析多源遥感数据的叶面积指数(LAI)估测精度,本文以大豆为研究对象,利用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合地面实测LAI构建经验回归模型,比较3类遥感数据(地面高光谱数据、无人机多光谱影像以及高分一号WFV影像)对大豆LAI的估测能力,并从传感器几何位置和光谱响应特性以及像元空间分辨率三方面分析讨论了3类遥感数据的LAI反演差异.结果表明： 地面高光谱数据模型和无人机多光谱数据模型都可以准确预测大豆LAI(在α=0.01显著水平下,R²均>0.69,RMSE均<0.40);地面高光谱RVI对数模型的LAI预测能力优于无人机多光谱NDVI线性模型,但两者差异不大(E_A相差0.3%,R²相差0.04,RMSE相差0.006);高分一号WFV数据模型对研究区内大豆LAI的预测效果不理想(R²<0.30,RMSE>0.70).针对星、机、地三类遥感信息源,地面高光谱数据在反演LAI方面较传统多光谱数据有优势但不突出;16 m空间分辨率的高分一号WFV影像无法满足田块尺度作物长势监测的需求;在保证获得高精度大豆LAI预测值和高工作效率的前提条件下,基于无人机遥感的农情信息获取技术不失为一种最佳试验方案.在当今可用遥感信息源越来越多的情况下,农业无人机遥感信息可成为指导田块精细尺度作物管理的重要依据,为精准农业研究提供更科学准确的信息.     

受渍冬小麦不同叶位叶片的SPAD高光谱估算

实时、准确获取叶绿素含量信息对及时了解农作物受害程度、指导农业生产和估测产量等具有重要意义。为探索受渍冬小麦各层叶片叶绿素相对含量(SPAD)的最优估测模型,本研究设置排灌可控的冬小麦渍害胁迫梯度微区试验,分析了15个常用高光谱特征指数与SPAD的相关关系,并对基于多元线性回归、支持向量机、BP神经网络、决策树和随机森林模型的受渍冬小麦各层叶片SPAD的估算结果进行了对比分析。结果表明：短期渍水(≤3 d)对冬小麦分层叶片的SPAD值影响不明显,当渍水时间大于9 d时,SPAD值随着渍水时间的增加降低较为明显,在生长后期为0;15个高光谱特征指数与SPAD均达到极显著相关水平(P<0.05),其中Ctr2、Dy、NDVI和SIPI 4个指数与SPAD的相关性最好,其相关系数的绝对值分别达到0.880、0.868、0.868和0.833;与基于L1、L2和L3层叶片SPAD相比,基于平均SPAD的高光谱估算结果最好,其R²达到0.719;与其他4个估算模型相比,随机森林模型可较好地估算各层叶片的SPAD值,其R²、RMSE、RE分别为0....     

基于小波分析的大豆叶面积高光谱反演

实测了不同水肥耦合、经营制度及有效营养面积条件下的大豆(Glycinemax)冠层高光谱反射率与叶面积指数(LAI),并对光谱反射率、微分光谱与LAI的关系进行了分析;采用比值植被指数(RVI)与归一化植被指数(NDVI)建立了大豆LAI反演模型;采用小波分析对采集的光谱反射率数据进行了能量系数提取,并以小波能量系数作为自变量进行了单变量与多变量回归分析,对大豆LAI进行估算。结果表明:大豆LAI与光谱反射率在可见光波段呈负相关;在近红外波段呈正相关;微分光谱在红边处与大豆LAI密切相关(R2=0.92);RVI与NDVI可以提高大豆LAI的估算精度(R2分别达0.79、0.84);各植被指数各有优缺点,应根据需要进行选择;小波能量系数回归模型可以进一步提高大豆叶面积的估算水平,以一个特定小波能量系数作为自变量的回归模型,大豆LAI回归确定系数R2高达0.884;以4个和6个小波能量系数建立LAI回归分析模型(R2分别达0.92、0.93),2个模型LAI预测值与大豆LAI实测值线性回归确定性系数R2分别为0.90、0.92。比较可知,小波分析可以对高光谱进行特征变量提取,进而反演大豆生理参数,并且反演的LAI精度较光谱反射率、微分光谱及植被指数都有明显提高,小波分析在植被生理参数的高光谱提取方面有着广阔的应用前景。     

臭氧胁迫冬小麦叶片高光谱特征和叶绿素含量估算

为无损、快速监测臭氧胁迫下冬小麦叶片叶绿素含量，建立叶绿素含量与光谱指标的定量关系，基于自由式臭氧浓度增加系统平台观测了臭氧浓度升高下拔节期、开花期及灌浆期冬小麦叶片的叶绿素含量和光谱特征。通过线性回归、人工神经网络(ANN)以及偏最小二乘回归(PLSR)模型对臭氧胁迫下叶片高光谱特征进行了叶绿素含量的估算。结果表明：臭氧胁迫冬小麦叶片的光谱曲线特征出现绿峰“红移”和红边位置“蓝移”现象。相比于拔节期和开花期，小麦叶片在灌浆期受到臭氧的影响更大。臭氧胁迫下叶绿素含量与部分光谱特征参数及遥感植被指数存在显著相关关系，所有模型均取得了较高的估算精度(R²>0.8),其中以光谱特征参数为建模参量的偏最小二乘回归模型精度最高。该方法可用于臭氧胁迫下冬小麦叶片叶绿素含量的估测，动态监测作物的臭氧胁迫。     

基于通量和光谱观测的中亚热带人工针叶林光能利用效率的反演

利用光谱反射率测量的光化学植被指数（PRI）估算植被光合作用的光能利用效率（LUE）,能够更好地为生态系统总初级生产力的估算及尺度扩展提供重要的技术支撑.本研究以中国通量网（ChinaFLUX）千烟洲通量观测站为研究区域,2013年9月和12月在通量塔上测量了中亚热带人工针叶林的植被反射光谱,并获取了通量塔上同步观测的气象数据和涡度相关通量数据,对两者进行回归分析.结果表明： PRI-LUE相关关系（R²=0.20,P<0.001）优于NDVI LUE.在整个观测期内,土壤水分含量（SWC）与PRI组合的二元回归模型能够提高LUE的估算精度（日间观测R²=0.29,P<0.001;正午观测R²=0.30,P<0.01）,而在秋季,饱和水汽压差（VPD）与PRI组合的二元回归模型能较好地估算正午LUE（R²=0.448, P<0.001）,表明环境因子SWC和VPD是影响PRI-LUE关系的重要因素,不同季节的二元回归模型所选择的最佳环境变量有所不同.     

黄土旱塬区冬小麦不同施肥处理的土壤呼吸及土壤碳动态

依据黄土旱塬区黑垆土上中国科学院长武站长期定位试验 (始于1984年),于2008年3月到6月,测定了冬小麦连作系统中返青期、拔节期、抽穗期、灌浆期和收获期土壤呼吸日变化、生育期变化以及土壤可溶性有机碳(Dissolved organic C, DOC)和微生物量碳(Soil microbial biomass C, MBC),研究了施肥措施对土壤呼吸、DOC和MBC的影响以及土壤呼吸与碳组分之间的关系.研究涉及6个处理:休闲地(F)、不施肥(CK)、有机肥(M)、氮肥(N)、氮磷肥(NP)和氮磷有机肥(NPM).结果表明,冬小麦连作系统中土壤呼吸的日变化格局呈单峰曲线,最高值出现在12:00左右(拔节期)和14:30左右(成熟期),最小值出现在0:00～3:00之间或6:00左右;冬小麦土壤呼吸速率拔节期最高,其次是灌浆后期,抽穗期最低;不同施肥条件下,各生育期土壤呼吸速率大小顺序:NPM＞M＞NP＞N＞CK＞F.土壤水分亏缺是导致抽穗期和灌浆期土壤呼吸速率降低的重要原因.各施肥处理DOC含量高低顺序为灌浆期＞抽穗期＞成熟期＞返青期＞拔节期;除M,NPM处理MBC含量拔节期＞灌浆期外,各施肥处理MBC含量高低顺序为成熟期＞抽穗期＞灌浆期＞拔节期＞返青期.同一处理不同生育期土壤呼吸速率与DOC,MBC的相关性较低,但同生育期不同施肥处理土壤呼吸与土壤有机碳组分间存在显著的相关性.以F处理土壤呼吸为基础,估算CK、N和NP处理生育期根系对土壤呼吸的平均贡献率依次为36%、45%和54%.     

基于小波分析的大豆叶绿素a含量高光谱反演模型

 2003和2004年分别在长春市良种场和中国科学院海伦黑土生态实验站实测了大田耕作与水肥耦合作用下大豆（Glycine max）冠层高光谱反射率 与叶绿素a含量数据,对光谱反射率、微分光谱与叶绿素a含量进行了相关分析;采用归一化植被指数(Normalized diffe rence vegetation index, NDVI)、土壤调和植被指数(Soil-adjusted vegetation index, SAVI)、再归一植被指数(Renormalized difference vegetation index, RDVI)、第二修正比值植被指数(Modified second ratio index, MSRI)等建立了大豆叶绿素a反演模型;应用小波分析对采集的光谱反 射率数据进行了能量系数提取,并以小波能量系数作为自变量进行了单变量与多变量回归分析,对大豆叶绿素a进行了估算。研究结果表明,大 豆叶绿素a 与可见光光谱反射率相关性较好,并在红光波段取得最大值(R²>0.70),但在红边处,微分光谱与大豆叶绿素a的相关性较反射率好 得多,在其它波段则相反;由NDVI、SAVI、RDVI、MSRI等植被指数建立的估算模型可以提高大豆叶绿素a的估算精度（R²>0.75）;小波能量系 数回归模型可以进一步提高大豆叶绿素a含量的估算水平,以一个特定小波能量系数作为自变量的回归模型,大豆叶绿素a回归决定系数R²高达 0.78;多变量回归分析结果表明,大豆叶绿素a实测值与预测值的线性回归决定系数R²均高达0.85。以上结果表明, 小波分析可以对高光谱进 行特征变量提取,并可在一定程度上提高大豆生理参数反演精度。     

光温因子对大田冬小麦累积生物量的影响

为了探索光、温因子对冬小麦各生育阶段生物量的影响及冬小麦各组织器官生物量的变化规律,利用甘肃省西峰农业气象试验站1981-2008年冬小麦生产年度物候期、产量分析要素等观测资料、1995-2008年冬小麦生产年度三叶期、越冬期、拔节期、抽穗期、乳熟期及成熟期生物量测定资料及相应时段的温度、日照资料,分析了冬小麦生物量变化过程及光温因子综合作用辐热积对各生育阶段生物量的影响.结果表明：冬小麦全生育期生物量的累积过程呈“S”型曲线,抽穗期、乳熟期生物量达到最大.自1981年以来,抽穗期、乳熟期的辐热积以3.314 MJ·m^-2·a^-1的速度上升,其他各生育阶段辐热积随年份呈抛物线变化;返青期、拔节期及乳熟期、成熟期辐热积在20世纪90年代较大,20世纪80年代及21世纪初较小;拔节期、抽穗期辐热积在20世纪90年代较小,20世纪80年代及21世纪初较大.各生育阶段辐热积与产量相关显著.各生育阶段的叶面积指数与该阶段的辐热积利用率呈显著相关,拔节期及抽穗期叶面积指数增加1,其辐热积利用率分别增加0.049和0.259 g·MJ^-1.     

控制大田和自然大田稻纵卷叶螟危害水稻生理生态参数估算模型

为了准确监测和客观评估稻纵卷叶螟对水稻生长发育和产量形成的危害,利用ASD Field Spec3地物波谱仪和SPAD-502叶绿素仪分别采集控制大田试验（2015年和2019年）和自然大田试验（2020年）在各生育期（拔节期、孕穗期、灌浆期、成熟期）水稻的冠层高光谱数据和SPAD值,调查采集样点的虫量和水稻卷叶率,对比分析两种试验中稻纵卷叶螟的虫害发生特征、水稻冠层光谱特征和水稻生理生态参数特征,建立基于高光谱参数的水稻受稻纵卷叶螟危害的生理生态参数估算模型。结果表明,（1）两种试验的水稻SPAD值和冠层的红边至近红外波段的反射率均随着稻纵卷叶螟虫害程度的加重而降低,而可见光波段的反射率则相反;（2）自然大田试验的SPAD值和红光至近红外波段的冠层反射率在水稻生长发育前期要显著低于控制大田试验,而到了后期则反而要略高于控制大田试验;（3）综合分析筛选出自然大田试验和控制大田试验中的多个虫害特征参数和植被指数分别构建出了SPAD的单因子和多因子估算模型,各模型均达到了较好的估算效果,在单因子模型中EVI的二项式函数模拟效果最好,而多因子线性回归估测模型的模拟效果优于所有的单因子模型;（4）通过2021年对这些模型的应用检验发现：这些模型中基于虫量、卷叶率、OSAVI、EVI和DVI的单因子估算模型的SPAD估算值与实测值拟合度很高,其R_v²均超过了0.8,达到了比较理想的估算效果,这为稻纵卷叶螟危害下的水稻SPAD值估测提供了一种精度较高且可行的估算方法。     

基于MODIS-EVI数据的河北省冬小麦生育期特征

生育期信息对作物生长发育的动态监测、田间精细管理以及产量预测等具有重要意义.采用NASA提供的2005年1～7月8d合成的MYD09数据产品计算出的EVI(增强型植被指数)时间序列图像,对河北省冬小麦的返青期、抽穗期和成熟期等3个关键生育期的时空分布特征进行了研究.结果表明:冬小麦生育期在空间分布上,由南向北随着纬度的增加,其返青期、抽穗期和成熟期依次推迟;不同纬度地区冬小麦的返青期、抽穗期和成熟期时间间隔基本一致,河北省南部地区冬小麦的3个主要生育期比北部地区约提前8d以上;在东西向分布上,生长条件存在异质性差异的冬小麦,其返青期相对一致,但生长条件较好冬小麦的抽穗期和成熟期比普通冬小麦提前4d左右.     

基于高光谱和数字图像特征指数的受渍冬小麦SPAD估算

为了探索基于高光谱和数字图像技术的受渍冬小麦SPAD最优监测方法,本研究基于排灌可控的微区试验,通过分析常用的15个高光谱特征指数和14个数字图像特征指数与受渍冬小麦叶绿素相对含量(SPAD)的相关关系,构建了基于最优监测特征指数的BP神经网络模型,对受渍冬小麦的SPAD进行估算.结果 表明:与正常小麦相比,短期渍水(...     

冬小麦单产的光谱数据估测模型研究

 本文在分析冬小麦群体经济产量与叶面积系数关系的基础上,以地面实测冬小麦反射光谱数据为依据,提出了一种新的动态VI-产量模型,即LAD-产量模型。该模型具有冬小麦生育后期(抽穗一灌浆末期)光合面积和光合时间等信息,其冬小麦单位面积产量(简称单产)估测精度为98%。另外,本文根据常用的某一特定生育期VI-产量模型,用冬小麦各生育期的VI值分别估测小麦单产,确定山东省禹城市冬小麦的灌浆中期为最佳估产时间。此时期．小麦单产估测精度为96%。     

A Study on the Model for Estimation Winter Wheat Yield Using Spectral Data of Wheat Field

A new dynamic vegetation index (VI)-yield model, that is, the leaf area duration (LAD)-yield model was structured for estimating winter wheat yield according to the measured reflection spectral data on the wheat field, and the relationship between wheat yield and LAI. The model had the information on the photosynthetic area and time during the later period of wheat growth, i. e., the period from the heading stage to the end of filling stage. The accuracy of the estimated wheat yield arrived up to 98% .In addition, the winter wheat yield was also estimated by a VI-yield model in a given wheat growing stage, and the VI in several main wheat growing stages were used for this purpose. The results suggested that the best season for estimating wheat yield using the VI-yield model was in the middle of wheat filling stage for the case study in Yucheng, Shandong province. The accuracy of the estimation could arrive at 96%.     

基于MOD09产品的水稻叶面积指数和叶绿素含量的遥感估算模型

基于中分辨率成像光谱仪MODIS (moderate resolution imaging spectroradiometer)反射率产品MOD09的同步野外实测水稻叶面积指数（LAI）和叶绿素含量（Chltot）相关数据,探寻用MOD09产品提取的植被指数(VIs)与水稻LAI和Chltot之间的相关性以及估算模型. 结果表明,MOD09计算的VI数值比MODIS前3个波段数值偏大,归一化植被指数NDVI (normalized difference vegetation index) 值普遍比增强性植被指数EVI(enhanced vegetation index) 值大. 通过4种不同植被指数与LAI相关性的比较,得出EVI与LAI的相关关系在水稻各个生育期优于其它植被指数,基于MOD09-EVI建立水稻LAI的遥感估算模型,经实际地面同步数据检验, 模型精度较高. 因而, MOD09-EVI较适用于水稻叶面积指数的实时遥感监测. MOD09红波段与Chltot之间的相关性在水稻前中期达到显著,并且优于其它植被指数,基于MOD09红波段建立了水稻前中期Chltot的估算模型并进行了精度检验. 除水稻孕穗期叶绿素含量估算模型的相关系数和F值通过了显著性检验外, 其余生育期估算模型都没有通过显著性检验.     

基于遥感与模型耦合的冬小麦生长预测

遥感的空间性、实时性与作物生长模型的过程性、机理性优势互补,将两者有效耦合已成为提高作物生长监测预测能力的重要手段之一。提出了一种基于地空遥感信息与生长模型耦合的冬小麦预测方法,该方法基于初始化/参数化策略,以不同生育时期的小麦叶面积指数(LAI)和叶片氮积累量(LNA)为信息融合点将地面光谱数据(ASD)及HJ-1 A/B CCD、Landsat-5 TM数据与冬小麦生长模型(WheatGrow)耦合,反演得到区域尺度生长模型运行时难以准确获取的部分管理措施参数(播种期、播种量和施氮量),在此基础上实现了对冬小麦生长的有效预测。实例分析结果表明,LNA较LAI对模型更敏感,以之作为耦合点的反演效果较好。另外,抽穗期是遥感信息与生长模型耦合的最佳时机,对播种期、播种量和施氮量反演的RMSE值分别达到5.32 d、14.81 kg/hm²、14.11 kg/hm²。生长模型与遥感耦合后的模拟结果很好地描述了冬小麦长势和生产力指标的时空分布状况,长势指标的模拟相对误差小于0.25,籽粒产量模拟的相对误差小于0.1。因此研究结果可为区域尺度冬小麦生长的监测预测提供重要理论依据。     

Threshold values of canopy reflectance indices and chlorophyll meter readings for optimal nitrogen nutrition of tomato

Sustainable and optimal economic N management requires correct and timely on‐farm assessment of crop N status to detect N deficiency or excess. Optical sensors are promising tools to assess crop N status throughout a crop or at critical times. The ability of optical sensor measurements of canopy reflectance (Crop Circle ACS 470) and leaf chlorophyll (SPAD 502 chlorophyll meter) to assess crop N status was evaluated weekly throughout an indeterminate tomato crop. Strong linear relationships with the optical sensor measurements were obtained, throughout most of the crop, for both (a) crop N content for ranges of 1.5–4.5%, and (b) the nitrogen nutrition index (NNI) for ranges of 0.4–1.3. The relationships of the optical sensor measurements to crop NNI were generally equal to or slightly better than with crop N content. Indices based on reflectance in the red, the normalised difference vegetation index (NDVI) and the red vegetation index (RVI), were the best predictors of crop N status in terms of goodness of fit, earliness and maintenance of relationships throughout the crop. SPAD chlorophyll readings and reflectance indices based on reflectance in the green, the normalised difference vegetation index on greenness (GNDVI) and the green vegetation index (GVI), were good indicators of crop N status for most of the crop, but with lower goodness of fit in the latter part of the crop. The linear relationships between sensor indices and readings with NNI or crop N content, each week, demonstrated the potential for using proximal canopy reflectance indices such as NDVI and RVI, and chlorophyll meter for monitoring crop N status of indeterminate tomato crops. Threshold values for optimal crop N nutrition for canopy reflectance indices and for chlorophyll meter readings were derived for each day of measurement from the relationships between optical sensor measurements and NNI by solving for NNI = 1. The threshold values obtained for each index and type of measurement varied during the crop cycle. The approach developed for determining threshold values from NNI can facilitate on‐farm use of optical sensors for monitoring crop N status, by enabling assessment of whether crop N status is excessive, deficient or adequate.     

The Effects of Selenium on Physiological Traits, Grain Selenium Content and Yield of Winter Wheat at Different Development Stages

The paper evaluated the effects of Se application time and rate on physiological traits, grain Se content, and yield of winter wheat by field experiment. Se application significantly increased grain Se content and yield, and the increased amount treated with 20 and 30 mg Se?L^?1 was the highest. At blooming–filling stage, Se application significantly increased grain Se content, but did not affect yield. Chlorophyll content was increased by Se application, and the increased amount at heading–blooming stage was higher than that in wheat leaves at the other stages. At four development stages, Se treatments (except for 10 mg Se?L^?1 at jointing–heading stage) significantly decreased the rate of superoxide (O₂ ^?) radical production. At heading–blooming (except for 50 mg Se?L^?1) and blooming–filling stages, hydrogen peroxide (H₂O₂) content was significantly decreased by Se treatments. The rate of O₂ ^? production and H₂O₂ content at 20 and 30 mg Se?L^?1 was the lowest. Se treatments (except for 10 mg Se?L^?1 at regreening–jointing and blooming–filling stages) also induced an evident decrease in malondialdehyde content. Proline content induced by Se treatments at jointing–heading and heading–blooming stages was higher than that in wheat leaves at regreening–jointing and blooming–filling stages. At four development stages, Se treatments all significantly increased glutathione peroxidase activity, and the treatments with 20 and 30 mg Se?L^?1 also evidently increased reduced glutathione content. These results suggested that Se application at different development stages increased antioxidant capacity of wheat, reduced oxidant stress to some extent, and the effects of Se treatments was the best if Se concentration ranged between 20 and 30 mg Se?L^?1. In addition, Se application time was more beneficial for Se accumulation and yield in wheat grain at heading–blooming stage.