基于HJ-1卫星的冬小麦叶片SPAD遥感监测研究

SPAD能够反映植株叶绿素含量,而植株叶绿素的含量及动态变化,对评价作物生产能力、预测产量和品质均有重要意义。该研究以湖北省潜江市后湖管理区冬小麦为研究对象,通过田间观测不同生育期冬小麦叶片SPAD变化情况,结合我国自主研发的HJ-1卫星对研究区域进行同步监测,选取并计算RVI、DVI、NDVI、GRVI四种植被指数,通过对4种植被指数与冬小麦叶片SPAD进行相关性分析,并构建植被指数与冬小麦叶片SPAD回归反演模型,结果显示相关性均较高。通过对比四种植被指数模型反演精度,NDVI-SPAD对数模型预测精度较高,精度检验表明平均相对误差为-2.34,均方根误差(RMSE)为5.65,能够较好的反演研究区域内的冬小麦SPAD。利用HJ-1卫星结合NDVI-SPAD对数模型能够有效对研究区域冬小麦叶片SPAD进行遥感监测。     

物理模型光谱模拟误差对冬小麦叶面积指数高光谱反演的影响

获取农作物叶面积指数(leaf area index,LAI)及其动态变化对于农作物长势监测和产量估测等应用具有重要的意义。基于冠层反射率模型(物理模型)的LAI遥感反演方法具有良好的普适性,对地面数据依赖较少,近年来广泛应用于农作物LAI高光谱反演研究。然而,当物理模型参数取值尽可能准确(代入参数实测值或依据先验知识取值)时,模拟光谱与实测光谱间仍然存在误差,研究称之为\"光谱模拟误差\"。该研究通过比对实测冬小麦冠层光谱与ACRM(a two-layer canopy reflectance model)模型最优模拟光谱,展示了光谱模拟误差在各波段、不同样本点的分布规律。据此,根据对光谱模拟误差与高光谱数据降维的不同考虑,制订了4种LAI反演波段选择方案。通过对比基于不同波段选择方案的LAI反演精度,分析了光谱模拟误差对LAI反演的影响;讨论了综合考虑高光谱数据降维与光谱模拟误差的LAI反演波段选择方法。通过合理的波段选择,限制了光谱模拟误差的影响,提高了LAI反演精度。该研究结果有助于探索合理的LAI高光谱反演波段选择方法,为合理利用高光谱数据反演农作物LAI提供科学参考。     

无人机高光谱遥感数据在冬小麦叶面积指数反演中的应用

[目的]无人机高光谱遥感是获取田间尺度作物生长参数的新型手段,如叶面积指数(leaf area index,LAI)的无人机快速观测对作物生长监测具有重要意义。[方法]研究以河北省衡水市冬小麦为研究对象,利用以多旋翼无人机为平台搭载Cubert UHD185成像高光谱传感器获取了冬小麦乳熟期的无人机高光谱影像数据;在无人机飞行的冬小麦试验田,利用LAI 2200进行了同步观测试验。该研究利用植被辐射传输模型PROSAIL模拟小麦冠层反射率数据,进而模拟9种植被指数(RVI,NDVI,EVI2,OSAVI,MSAVI2,TCARI/OSAVI,RENDVI(red edge NDVI),MSI,S2REP)。将模拟的植被指数与LAI进行相关性分析,分别构建LAI反演模型并通过拟合效果选择最优的反演模型。然后基于LAI最优反演模型利用无人机高光谱遥感数据反演冬小麦乳熟期的LAI。最后利用地面实测LAI数据对反演结果进行了验证。[结果]9种植被指数中包含红边波段的RENDVI和S2REP与LAI具有高度相关性,而且消除了在小麦LAI高值区时其他植被指数对LAI饱和的问题。基于RENDVI指数模型模拟的LAI与模型模拟的LAI之间RMSE为0.51,无人机高光谱数据LAI反演结果与地面实测值高度拟合(R2=0.83,RMSE=0.16,NRMSE=10%,n=25,P0.001),因此RENDVI是用于估算LAI的较理想的植被指数。[结论]无人机高光谱是获取小麦LAI的有效手段,该研究为利用无人机高光谱数据监测作物生理生态参数提供了参考。     

基于图像和光谱技术的倒伏冬小麦产量评估研究

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％,该模型能满足非接触定量化的倒伏冬小麦产量评估需求.     

不同含水量土壤高光谱二向性反射特征研究

【目的】探讨高光谱遥感土壤含水量对土壤二向性反射分布函数(bidirectional reflectance distribution function,BRDF)的影响,可为改进土壤含水量高光谱遥感反演机理模型,提高反演精度奠定重要基础。【方法】该研究在室内条件下对含水量为5%~45%(按5%递增)的土样进行多角度光谱测定,分析光源天顶角、观测天顶角、观测方位角及含水量不同对土壤二向性反射特征的影响。【结果与结论】由于土壤表面颗粒之间的相互遮蔽,土壤BRDF随光源天顶角的增加而增大,随观测天顶角的减小而降低,且土壤BRDF随观测天顶角的变化与波长有关。后向散射方向的土壤BRDF最高,前向散射方向的土壤BRDF最小。在400~1 400nm波段范围内,当土壤含水量小于田间持水量时,土壤BRDF值随含水量的增加而降低;大于田间持水量时,土壤BRDF值随含水量的增加而增加。但在波长1 400~2 400nm范围内,不同的观测位置下,土壤含水量不同引起土壤BRDF的变化没有明显规律。     

基于光能利用率模型的河南省冬小麦单产估算研究

[目的]快速、准确估算空间尺度上作物产量,对于评价农田生态系统对气候变化的响应、制定科学合理的粮食政策、对外粮食贸易等具有重要意义。河南省冬小麦产量占全国1/4,准确估算河南省冬小麦产量对维护国家粮食安全具有重要作用。单产估算作为农作物估产中的关键技术,也是作物估产的难点之一。[方法]文章首先利用VPM(Vegetation Photosynthesis Model)估算冬小麦NPP(Net Primary Product),结合收获指数、冬小麦收获部分的含水量、含碳量、NPP分配到地上或地下部分比例等一系列符合该研究区的经验指数,进行河南省冬小麦单产估算研究,并分析了引起模拟误差的原因。[结果]模拟单产较实测单产低估4.4%(实测单产为6 810kg/hm~2,模拟单产为6 519kg/hm~2),但两者之间存在显著相关关系,两者相关系数的平方R2=0.70(n=50,p0.01)。通过与MODIS-GPP产品获得的冬小麦单产数据比较,基于VPM模型的模拟结果优于MODIS-GPP产品。[结论]基于VPM可快速、准确估算河南省空间尺度冬小麦单产,该方法具有较好的适用性。     

基于高光谱技术的森林病虫害研究现状

目前国内外学者应用高光谱遥感技术在森林病虫害研究领域上做了大量的研究.本文以非成像地面高光谱和成像高光谱技术在森林病虫害应用方面展开了详细介绍,并提出了高光谱遥感技术在森林病虫害研究中所面临的关键技术问题和难点及其未来发展态势.     

基于冠层光谱和BP神经网络的水稻叶片氮素浓度估算模型

[目的]快速、准确地诊断水稻叶片氮素营养状况,为水稻氮肥精准管理提供依据。[方法]以江西省农科院8种不同施肥处理的晚稻为研究对象,于主要生育期同步测定了水稻冠层光谱反射率及叶片全氮浓度(Leaf Nitrogen Concentration,LNC),系统分析了原始光谱反射率、一阶微分光谱、\"三边\"参数以及由350～1 350nm两两波段组合的差值(SD (Rλ1,Rλ2))、比值(SR (Rλ1,Rλ2))及归一化(ND(Rλ1,Rλ2))光谱指数与水稻LNC的相关关系,筛选出敏感参数,并以之为自变量构建了水稻LNC的传统预测模型,另外构建不同指标个数的多元线性与BP神经网络模型,并对模型进行验证。[结果](1)水稻LNC与一阶微分光谱在751nm处的相关性最高(r=0. 822);(2)\"三边\"参数中的红边面积SDr与LNC的相关性较高(r=0. 687);(3) 750nm附近的红边波段与近红外波段差值组合、550nm附近的绿光波段与近红外波段的比值及归一化差值组合与水稻LNC的相关性较高,以SD (R752,R751)、SR (R534,R1 350)和ND (R534,R1 349)表现最好,相关系数分别为0. 827、-0. 790和0. 788;(4)传统回归模型中以SD(R752,R751)构建的一元线性模型最佳(RC2=0. 665、RV2=0. 750、RMSEV=0. 4%、RPD=2. 034);(5)利用5个指标((R'751、SDr、SD (R752,R751)、SR (R534,R1 350)、ND (R534,R1 349))经逐步回归筛选出的2个指标SD ((R752,R751)和SR (R534,R1 350))构建预测水稻氮素的BP神经网络模型,预测效果最佳,其验证参数值分别为R2=0. 859、RMSEV=0. 302%和RPD=2. 669。[结论]基于单指标构建的传统线性模型计算过程简单但精度略低,而基于2个指标(SD (R752,R751)、SR (R534,R1 350))构建的BP神经网络模型预测精度高于该2指标构建的多元线性模型,表明在指标适合的情况下,BP神经网络对氮素具有较好的预测能力,是一种快速准确估算水稻叶片全氮浓度的方法。     

高光谱遥感主成分分析算法并行计算研究

针对高光谱遥感数据量大、运算时间长的问题,探讨高光谱遥感数据处理算法的并行化策略,研究并行处理技术在高光谱遥感数据处理中的应用模式,并以高光谱遥感中的主成分分析算法为例,对该算法进行并行优化,通过实验验证了该技术方法的有效性.实验数据表明,采用并行处理方式对解决海量高光谱遥感数据处理时间长的问题具有很好的效果.     

基于ACRM模型不同时期冬小麦 LAI和叶绿素反演研究

通过冬小麦4个生育期不同长势冠层光谱观测数据,模拟HJ小卫星多光谱等效反射率;然后使用双层冠层反射率模型(ACRM)反演各生育期冬小麦LAI和叶绿素含量,分析HJ小卫星多光谱数据定量反演LAI和叶绿素含量的应用潜力以及ACRM模型在不同冬小麦生育期的LAI和叶绿素含量反演误差。将模型反演值与实测值对比分析发现:(1)LAI和叶绿素含量反演值与地面实测值有很高的相关性,应用HJ小卫星多光谱数据定量反演LAI和叶绿素有很大的应用潜力;(2)ACRM模型在不同生育期的冬小麦LAI和叶绿素含量反演误差存在差异。     

模型模拟华北地区气候变化对冬小麦产量的影响

该文利用IPCC AR4模式资料和基于多年观测资料生成的格点数据,建立降水、最高/最低气温的统计降尺度关系,获取华北地区高分辨率未来气候情景空间分布;利用作物模型模拟IPCC-B1情景下冬小麦生长期和产量变化。结果表明:最高/最低气温模拟结果与观测值比较,相关系数(R2)大于0.70;降水模拟结果与观测值比较,相关系数最小为0.63;IPCC-B1情景下,华北地区冬小麦生长期总体上变短,产量下降。     

不同地区建设社会主义新农村的探讨

该文分析了平原、山区、边境地区农村的特点及存在问题,探讨不同地区建设社会主义新农村做法,提出了平原、山区、边境地区建设社会主义新农村的一些具体做法对策。     

不同经济区农村劳动力转移对耕地利用的影响

以2009年北碚区集真村、綦江县石坪村、忠县普乐村社会经济统计资料和农户抽样调查数据为基础,采用定性与定量相结合的方法,对不同经济区的农村劳动力转移及其对耕地利用的影响进行了研究,结果表明:劳动力转移在转移规模、转移时间、转移距离、文化结构、性别结构、年龄结构等方面存在一定的差异性;经济发达地区相对次发达地区和落后地区其劳动力转移对耕地利用程度、产出效益、种植结构、利用方式的影响更为强烈,复种指数和粮食作物比例的变化程度同地区经济发展程度正相关,劳动力转移对各地区粮食单产的影响不明显,劳动力转移比例高的地区农户土地流转的意愿更为强烈。     

黑龙江省不同类型区域绿色农业资源的可持续开发

通过对黑龙江省不同类型区域资源现状的调查分析,提出黑龙江省绿色农业可持续发展的途径和措施。     

基于聚类分析的冬小麦条锈病分区研究

冬小麦条锈病是影响冬小麦生产的主要病害之一,陕西、甘肃、宁夏三省(区)是条锈病主要菌源越冬地,也是向我国华北等麦区传播的重要桥梁,对该区域进行总体的监测和预警对于预防条锈病流行意义重大。由于研究区域幅员辽阔,气象和地形条件差异较大,条锈病发病规律和发病特点差异明显,因此无法将整个研究区域作为一个整体来研究。考虑地理位置因素对研究区进行了一级分区,考虑地形因素对研究区进一步进行了二级分区。进行一级分区时以县级行政区域为单元,通过筛选后选定旬均温度、年最低温度、旬降雨量和越冬菌源地距离等8个因子,结合历年发病等级统计数据,采用除趋势对应分析(DCA)和聚类分析相结合的方法进行分析,初步将研究区域划分为5个一级区,一级区内环境因子间具有较高的同质性。地形因素的叠加增加了冬小麦条锈病分布格局的复杂性,地理位置相近的不同地形区条锈病发病差异可能很大。故在一级区的基础上通过数字高程模型(DEM)设定海拔阈值的方法得到12个二级区,二级分区内条锈病发病规律相同、发病等级相近。可以作为下一步冬小麦条锈病预测研究的基本单元。     

基于多尺度分割的面向对象分类方法 提取冬小麦种植面积

应用面向对象方法,对遥感图像进行多尺度分割,即首先进行大尺度分割,结合NDVI提取植被信息,将图像分为植被和非植被;然后在植被信息类内再进行小尺度分割,利用NDVI并融入几何特征进一步提取冬小麦种植面积及空间分布。在遥感分类的基础上,将线性数据按宽度缓冲,从分类结果中扣除。将扣除结果与地面样方实测数据对比分析。结果表明,监测结果减轻了传统分类方法的椒盐效应,监测结果与验证样方数据比较精度为94.06%。