江西双季稻氮素监测诊断模型的建立与应用

建立基于光谱仪的江西双季稻氮素监测诊断模型,可指导氮肥精确施用,达到双季稻丰产、提质、增效的目的。本研究开展了不同早、晚稻品种与氮素水平的小区试验,采用GreenSeeker光谱仪和作物生长监测诊断仪(CGMD)于分蘖期和拔节期测定了早、晚稻冠层光谱植被指数和植株氮积累量,建立了双季稻植株氮积累量光谱监测模型,并采用独立的田间试验数据对模型进行检验。利用双季稻丰产栽培经验及建立的氮素光谱诊断模型,对双季稻分蘖肥和穗肥施氮量进行定量推荐。结果表明: 双季稻氮肥施用关键期(分蘖期和拔节期)基于两种光谱仪的光谱植被指数与植株氮积累量均呈显著正相关,分蘖期和拔节期的模型预测效果比生长前期模型好。基于GreenSeeker光谱仪的归一化差值植被指数(NDVI_(780,660))的指数方程可较好地预测植株氮积累量,模型决定系数(R²)为0.92～0.94,模型检验的均方根误差(RMSE)、相对均方根误差(RRMSE)和相关系数(r)分别为3.09～5.96 kg·hm^-2、5.8%～18.5%和0.92～0.98;基于CGMD光谱仪的差值植被指数(DVI_(810,720))的线性方程可较好地预测植株氮积累量,R²为0.90～0.93,模型检验的RMSE、RRMSE和r分别为3.71～6.33 kg·hm^-2、11.7%～14.3%和0.93～0.96。基于CGMD光谱仪的模型推荐的施氮量高于基于GreenSeeker光谱仪的模型推荐的施氮量;模型生成的精确施氮方案较传统农户方案减少施氮量5.5 kg·hm^-2,氮肥农学利用率提高0.8%,纯收益提高128元·hm^-2。用双季稻氮素光谱诊断方法指导施肥能在增产的同时,降低成本,增加纯收益,对科学指导双季稻生产具有重要意义。     

于星载通道光谱指数与小麦冠层叶片氮素营养指标的定量关系

利用空间遥感信息大面积监测小麦冠层氮素营养状况和生产力指标具有重要意义和应用前景.本研究基于不同施氮水平下小麦冠层反射光谱信息,利用响应函数模拟基于不同卫星通道构建的光谱指数(包括单波段、比值光谱指数和归一化光谱指数),分析基于星载通道的光谱指数与小麦冠层叶片氮素营养指标的定量关系,确定监测小麦冠层叶片氮素营养的较好卫星传感器和光谱波段,建立小麦冠层氮素营养指标监测方程.结果表明：利用NDVI(MSS₇, MSS₅)、NDVI(RBV₃, RBV₂)、TM₄、CH₂、MODIS₁和MODIS₂遥感数据可以预估小麦叶片氮含量(LNC),其决定系数（R₂）在0.60以上;应用NDVI(PB₄, PB₂)、NDVI(CH₂, CH₁)、NDVI(MSS₇, MSS₅)、RVI(MSS₇, MSS₅)、MODIS₁和MODIS₂可以预测小麦叶片氮积累量(LNA),其R₂大于0.86.比较而言,NDVI(MSS₇, MSS₅)和NDVI(PB₄, PB₂)分别为预测小麦LNC和LNA的适宜星载通道光谱参数.     

基于星载通道光谱指数与小麦冠层叶片氮素营养指标的定量关系

利用空间遥感信息大面积监测小麦冠层氮素营养状况和生产力指标具有重要意义和应用前景.本研究基于不同施氮水平下小麦冠层反射光谱信息,利用响应函数模拟基于不同卫星通道构建的光谱指数(包括单波段、比值光谱指数和归一化光谱指数),分析基于星载通道的光谱指数与小麦冠层叶片氮素营养指标的定量关系,确定监测小麦冠层叶片氮素营养的较好卫星传感器和光谱波段,建立小麦冠层氮素营养指标监测方程.结果表明:利用NDVI(MSS7,MSS5)、NDVI(RBV3,RBV2)、TM4 、CH2、MODIS1和MODIS2遥感数据可以预估小麦叶片氮含量(LNC),其决定系数(R2)在0.60以上;应用NDVI(PB4,PB2)、NDVI(CH2,CH1)、NDVI(MSS7,MSS5)、RVI(MSS7,MSS5)、MODIS1和MODIS2可以预测小麦叶片氮积累量(LNA),其R2大于0.86.比较而言,NDVI(MSS7,MSS5)和NDVI(PB4,PB2)分别为预测小麦LNC和LNA的适宜星载通道光谱参数.     

水稻叶片全氮浓度与冠层反射光谱的定量关系

利用数学统计方法分析了不同施氮水平和不同水稻品种群体叶片全氮浓度（LNC）与冠层反射光谱的定量关系,建立了水稻群体叶片全氮浓度的光谱监测模型.结果表明：基于原始反射率构造的光谱参数与叶片全氮浓度的相关程度均高于原始反射率,近红外波段（760～1 220 nm）与可见光波段510、560、680及710 nm组成的比值植被指数、差值植被指数和归一化植被指数与群体叶片全氮浓度呈极显著正相关,其中与归一化植被指数（NDVI）的相关性最好;对拟合较好的6个两波段组合参数及4个特征光谱参数的预测标准误（SE）和决定系数（R²）进行比较后,选取参数NDVI (1220, 710)为反演群体叶片全氮浓度的最佳光谱参数,方程为LNC=3.2708 × NDVI (1220,710) + 0.8654.利用不同粳稻品种、水分和氮肥处理的试验数据对监测模型进行了检验,估计的根均方差（RMSE）均小于20%,预测值和实测值的拟合R²为0.674～0.862,拟合斜率为0.908～1.010,RMSE为11.315%～19.491%,表明模型预测值与实测值之间符合度较高,对不同栽培条件下的水稻群体叶片全氮浓度具有较好的预测性.     

平稳小波变换在冬小麦SPAD高光谱监测中的应用

在2010与2011年度冬小麦生长季通过大田小区试验,利用ASD便携式野外光谱仪和SPAD 502叶绿素计实测冬小麦冠层的高光谱反射率与SPAD值.分析不同SPAD值下的冬小麦冠层光谱特征,建立了基于归一化植被指数（NDVI）与比值植被指数（RVI）、小波能量系数的不同生育期冬小麦SPAD估算模型.结果表明： 随着SPAD值的增大,“绿峰”与“红谷”特征愈加明显.在冬小麦返青期、拔节期、抽穗期、灌浆期NDVI估算SPAD的效果较好,估算模型的R²分别为0.7957、0.8096、0.7557、0.5033.小波能量系数回归模型可以提高冬小麦SPAD的估算精度,在返青期、拔节期、抽穗期、灌浆期以高频、低频小波能量系数为自变量的冬小麦SPAD估算模型的R²分别达到0.9168、0.9154、0.8802、0.9087.     

基于地面观测光谱数据的冬小麦冠层叶片氮含量反演模型

冬小麦冠层叶片氮含量是反映其产量与品质的重要指标,构建高普适性、高精准性冬小麦冠层叶片氮含量高光谱反演模型对提高其监测效率具有重要意义。以不同地点、品种、年份、施氮水平、生育期的大田试验数据为基础,基于两波段光谱植被指数NDRE和550 nm光谱反射率组合构建一个三波段植被指数NEW-NDRE,并与11个传统冬小麦冠层叶片氮素光谱指数进行比较。结果表明: NEW-NDRE及传统植被指数中NDRE、NDDA、RI-1dB与冬小麦冠层叶片氮含量的相关性较好;其中,灌浆初期NEW-NDRE与冬小麦冠层叶片氮含量相关性最好,决定系数R²为0.9,均方根误差(RMSE)为0.4;经独立数据检验,以NEW-NDRE为变量建立的冬小麦冠层叶片氮含量反演模型的平均相对误差(RE)为9.3%,明显低于以NDRE、NDDA、RI-1dB为变量的模型RE。总体上,新构建的NEW-NDRE对冬小麦冠层叶片氮含量的模拟能力显著优于传统指数,减弱了试验条件的限制性,可为精准施肥提供新的技术支撑。     

小麦与蚕豆间作系统施氮对蚕豆赤斑病发生和冠层微气候的影响

通过田间小区试验,设N₀(0 kg·hm^-2)、N₁(45 kg·hm^-2)、N₂(90 kg·hm^-2)、N₃(135 kg·hm^-2)4个施氮水平,研究不同施氮水平下小麦与蚕豆间作对蚕豆赤斑病发生和冠层微气候的影响,探讨间作系统氮肥调控下冠层微气候变化及其与蚕豆赤斑病发生的关系.结果表明: 施氮提高了蚕豆单、间作种植模式下蚕豆赤斑病发病盛期的病情指数,增幅27.2%～58.0%,增加了病情进展曲线下面积(AUDPC),增幅15.0%～101.8%,N₃水平下赤斑病病情指数和AUDPC最高.施氮使蚕豆冠层温度降低0.2～1.1 ℃,冠层透光率降低1.7%～29.7%,冠层相对湿度增加0.5%～28.7%.与单作相比,间作蚕豆赤斑病病情指数显著降低36.3%～48.1%,AUDPC显著降低44.0%～53.6%,冠层温度和透光率分别提高2.1%～8.7%和12.0%～53.8%,相对湿度降低11.6%～31.6%.相关分析表明,冠层温度和透光率与赤斑病病情指数呈显著负相关,而湿度与病情指数呈显著正相关.表明高氮恶化了冠层微气候环境,加重了蚕豆赤斑病的发生和危害,而间作对蚕豆冠层微气候的改善是控制蚕豆赤斑病发展的重要原因.     

不同地形条件下植被盖度信息提取技术研究

为系统地研究特定区域的植被盖度信息提取技术, 在不同的地形条件下, 比较了目前流行的多种高光谱遥感植被盖度提取方法。结果表明: 最优高光谱归一化植被指数(NDVI₁)的建模和验证精度均高于其他两种归一化植被指数(NDVI), 直接采用NDVI建立的回归模型对研究区植被盖度的估测能力低于像元二分模型; 阴坡的最佳模型为基于一阶微分的偏最小二乘回归模型(PLSR模型), 其建模决定系数(R²)为0.810, 均方根误差(RMSE)为6.29, 验证R²为0.773, RMSE为8.85; 阳坡的最佳模型为基于二阶微分的PLSR模型, 其建模R²为0.823, RMSE为6.04, 验证R²为0.801, RMSE为7.35; 平原的最佳模型为全受限的线性光谱混合分解模型(FCLS), 其验证R²为0.852, RMSE为5.86。     

基于冠层反射光谱的棉花干物质积累量估测

通过分析不同施氮水平下棉花地上部干物质积累量与冠层光谱反射率及其衍生的比值植被指数(RVI)、归一化植被指数(NDVI)及差值植被指数(DVI)之间的关系,确立了棉花地上部干物质积累量的敏感波段及预测模型.结果表明:两个可见光波段(560和710 nm)和5个近红外波段(810、870、950、1 100和1 220 nm)组成的植被指数与棉花地上部干物质积累量的相关性较好,其中RVI(1 100, 560)的相关性最好.通过逐步回归分析确立的棉花地上部干物质积累量的预测模型为:地上部干物质积累量(g·m-2)=66.274×RVI(1 100, 560)-148.84.说明通过遥感手段估测棉花地上部干物质积累量是可行的.     

利用聚类算法监测森林乔木物种多样性

该研究基于机载激光雷达(LiDAR)和高光谱数据, 从森林物种叶片的生理化学源头探寻生化特征与光谱特征的内在关联, 探讨生化多样性、光谱多样性与物种多样性之间的响应机制, 选择最优植被指数并结合最优结构参数, 通过聚类方法构建森林物种多样性遥感估算模型, 在古田山自然保护区开展森林乔木物种多样性监测。研究结果表明: (1)从16种叶片生化组分中, 筛选出叶绿素a、叶绿素b、类胡萝卜素、叶片含水量、比叶面积、纤维素、木质素、氮、磷和碳可通过偏最小二乘法用叶片光谱有效模拟(R² = 0.60-0.79, p < 0.01), 并选择有效的植被指数: 转换型吸收反射指数/优化型土壤调整指数(TCARI/OSAVI)、类胡萝卜素反射指数(CRI)、水波段指数(WBI)、比值植被指数(RVI)、生理反射指数(PRI)和冠层叶绿素浓度指数(CCCI)表征相应的最优生化组分; (2)基于机载LiDAR数据利用结合形态学冠层控制的分水岭算法获得高精度单木分离结果(R ² = 0.77, RMSE = 16.48), 同时采用逐步回归方法从常用的森林结构参数中选取树高和偏度作为最优结构参数(R ² = 0.32, p < 0.01); (3)基于6个最优植被指数和2个最优结构参数, 以20 m × 20 m为窗口通过自适应模糊C均值方法进行聚类, 实现了研究区森林乔木物种丰富度(Richness, R ²= 0.56, RMSE = 1.81)和多样性指数Shannon-Wiener (R ² = 0.83, RMSE = 0.22)与Simpson (R ² = 0.85, RMSE = 0.09)的成图。该研究在冠层尺度上获取了与物种多样性相关的生化、光谱和结构参数, 将单木个体作为最小单元, 利用聚类算法直接估算物种类别差异, 无需判定具体的树种属性, 是利用遥感数据进行区域尺度森林物种多样性监测与成图的实践, 可为亚热带地区常绿阔叶林的物种多样性监测提供借鉴。     

估测水稻叶层氮浓度的新型蓝光氮指数

基于不同氮素水平与品种类型的多个田间试验,综合分析了水稻冠层高光谱植被指数与叶层氮浓度的定量关系.结果表明：对氮反应最敏感的波段为红光665～675 nm、蓝光490～500 nm和红边区域波段680～760 nm.400～2500 nm波段范围内两波段植被指数与水稻叶层氮浓度相关性最好的是550～600 nm与500～550 nm,属绿光波段组合,决定系数（R²）最高的是比值指数SR(533,565).以3个蓝光波段构建的光谱参数R₄₃₄/(R₄₉₆+R₄₀₁)（蓝光氮指数）与水稻叶层氮浓度呈极显著的直线相关关系,与SR(533,565)相比,该参数显著提高了对叶层氮浓度的预测性.独立资料检验结果显示,R₄₃₄/(R₄₉₆+R₄₀₁)对水稻叶层氮浓度具有较好的预测性,检验根均方差（RMSE）和相对误差（RE）值分别为9.67%和8%,是一种适合于水稻叶层氮浓度估测的良好高光谱植被指数.     

基于冠层反射光谱的棉花叶片氮含量估测

通过分析不同施氮水平下棉花叶片氮含量与冠层多光谱反射率及其衍生的比值、归一化及差值植被指数之间的关系,确立了棉花叶片氮含量的敏感波段及预测方程.结果表明:由红谷区域(610、660、680和710nm4个波段)和近红外区域(760、810、870、950、1100和1220nm6个波段)组成的植被指数与棉花叶片氮含量的相关性较好,比值植被指数RVI(950,710)对叶片氮含量的预测性最好.利用独立的棉花田间试验资料对基于RVI(950,710)的预测方程进行检验,该模型适用于不同棉花品种及不同生育期棉花叶片氮含量预测.     

稻麦叶片氮积累量与冠层反射光谱的定量关系

作物氮素积累动态是评价作物群体长势及估测产量和品质的重要指标,对于作物氮素的实时监测和精确管理具有重要意义。该文以5个小麦(Triticum aestivum)品种和3个水稻(Oryza sativa)品种在不同施氮水平下的3年田间试验为基础,综合研究了稻麦叶片氮积累量与冠层反射光谱的定量关系。结果表明,不同试验中拔节后叶片氮积累量均随施氮水平呈上升趋势;稻麦冠层光谱反射率在不同施氮水平下存在明显差异,可见光区(460~710 nm)反射率一般随施氮水平的增加逐渐降低,近红外波段(760~1 220 nm)反射率却随施氮水平的增加逐渐升高;就单波段而言,810和870 nm处的冠层光谱反射率均与稻麦叶片氮积累量具有相对较高的相关性;在光谱参数中,比值植被指数(Ratio vegetation index, RVI)(870,660)和RVI(810,660)均与稻麦叶片氮积累量具有高度的相关性,且相关系数明显高于单波段反射率,尤其是水稻作物;对于小麦和水稻,均可以利用统一的波段和光谱指数来监测其叶片氮积累量,并可以采用统一的回归方程来描述其叶片氮积累量随单波段反射率和反射光谱参数的变化模式,但若采用单独的回归系数则可以提高稻麦叶片氮积累量估测的准确性。     

光谱植被指数与水稻叶面积指数相关性的研究

 综合分析比较了几种常见光谱植被指数与水稻（Oryza sativa）叶面积指数的相关性及其预测力。结果表明,植被指数的预测力在水稻营养生长旺盛期间最好。植被指数的预测力主要依赖于叶面积指数(LAI)的整体变化范围。因此,综合不同生育时期和氮肥处理的试验资料,光谱植被指数能准确地预测LAI的变化。LAI与各植被指数均呈曲线相关,与比值植被指数(RVI)、再归一化植被指数(RDVI)和R810/R560显著幂相关,与归一化植被指数(NDVI)、垂直植被指数(PVI)、差值植被指数(DVI)、土壤调整植被指数(SAVI)和转换型土壤调整指数(TSAVI)显著指数相关。其中,近红外与绿光波段的比值R810/R560的预测力最佳。用不同移栽秧龄、不同密度、不同水分和氮肥处理的数据对R810/R560的表现进行了检验,结果表明估算精度平均为91.22%,估计的均方差根(RMSE)平均为0.480　5,平均相对误差为-0.013。表明宽波段光谱植被指数可以准确地用来监测水稻叶面积指数。     

基于减量精细采样法估算小麦叶片氮积累量的最佳归一化光谱指数

基于6个小麦品种、5个施氮水平、4年田间试验条件下不同生育时期的小麦叶片高光谱反射率和相应的氮含量及生物量,采用减量精细采样法,系统构建了350～2500 nm范围内所有两两波段组成的归一化光谱指数［NDSI（i, j）］,综合分析了小麦叶片氮积累量(LNA, g N·m^-2)与NDSI（i, j）的定量关系,确定了估算叶片氮积累量的新高光谱特征波段和光谱指数,进而建立了小麦叶片氮积累量监测模型.结果表明：估算小麦叶片氮积累量的敏感波段主要存在于可见光区和近红外区,最佳特征波段组合为720 nm和860 nm;基于NDSI(860,720)的叶片氮积累量监测模型为LNA=26.34×［NDSI(860,720)］^1.887（R²=0.900,SE=1.327）.利用独立试验资料的检验结果表明,基于NDSI(860,720)建立的回归模型对小麦叶片氮积累量的估测精度为0.823,RMSE为0.991 g N·m^-2,模型预测值与观察值之间的符合度较高.可利用新的归一化高光谱参数NDSI(860,720)来估算小麦叶片氮积累量.     

双季稻光合生产模型的建立与应用

综合已有作物模型(包括冠层结构、冠层光分布和冠层光合作用与干物质生产模型)的优点,构建了双季稻光合生产模型.利用独立的田间试验资料,对冠层内的光分布和干物质积累量进行了初步检验;利用模型定量分析了直接辐射在上挺下挺、上挺下披和上披下披3种典型株型水稻冠层内水平面上和叶面上的分布、冠层日光合量及其随叶面积指数的变化特征.结果表明: 模拟值与观测值之间具有较好的一致性,预测双季稻冠层内光分布的根均方差、相对根均方差和相关系数分别为12.01 J·m^-2·s^-1、8.2%和0.9929;预测双季稻干物质积累量的根均方差、相对根均方差和相关系数分别为0.83 t·hm^-2、14.6%和0.9772,表明模型预测性较好;上挺下披株型水稻的冠层日光合量最高,取决于较大的叶面受光量、叶片光合效能和叶面积指数.