冬小麦叶片光合特征高光谱遥感估算模型的比较研究
冬小麦氮素积累量的高光谱遥感监测研究
冬小麦氮素积累量的高光谱遥感监测研究作者:李加芬来源:《农民致富之友》2020年第06期传统的测量田间氮素营养指标是通过破坏作物取样,需要消耗大量的人力物力,准确性偏低,时效性差,并存在一定的主观影响,不适合推广和使用。
现代监测技术包括叶绿素仪、叶绿素突光技术、作物数码图像识别技术和光谱遥感监测技术,在不破坏作物的基础上,利用多种现代技术手段来对作物含氮量进行大面积快速准确高效的获取氮素含量是科学氮肥运筹的关键。
一、供试材料和方法1、试验设计实验地点是大学当中的农作站,土壤是褐土,为碱性,氮、磷、钾含量分别是53.82mg、18.44mg、236.91mg,使用的肥料主要是尿素,含氮量大约46%,还有12%的是过磷酸钙。
试验时间:2018年9月~2019年6月,该实验为氮肥运筹试验,釆用随机区组设计。
氮肥施入量分别为NO:0 kg/hm2;Nl:75kg/hm2;N2:150kg/hm2;N3:225kg/hm2;N4:300kg/hm2。
供试品种为:京9549。
小区面积4*7=28m2,行距20cm,重复3次,田间在管理上相同。
2、测量指标和方法(1)冠层光谱测定高光谱分辨率遥感是利用应用探测器,遥远地感知一个客观物体的存在,将电磁波信号记录下来,通过后期分析揭示物体的特性和变化的一门综合性探测技术。
其原理是对光谱学的应用。
对小麦的冠层光谱测定使用的仪器是美国生产的,型号是FieldSpec3,波段是2500m~350nm,视场角度约25度。
其中波段不一样,光谱间隔也不一样,当光谱采样的波段带在350~1000nm时,光波采样间隔度是1.4纳米。
当光谱采样的波段带超过1000nm,不足2500m时,光谱采样间隔大约在2nm。
仪器每三个月进行一次光度校准。
测量时选择天气比较晴朗少云,没有风时。
分别在冬小麦不同的季节检测。
并对光谱测定率进行记录,不管是哪一个时期,时间都在上午十点到下午两点之间检测。
基于高光谱和高分一号卫星影像的冬小麦叶绿素遥感反演
基于高光谱和高分一号卫星影像的冬小麦叶绿素遥感反演小麦是世界上分布范围最广,种植面积最大的粮食作物之一,也是我国的主要农作物之一。
而叶绿素含量与植物的光合作用能力与生长状态密切相关,是植被光合能力强弱、营养生理状况以及衰老进程的良好指示剂,其含量的测定对农作物长势监测、施肥调控与产量评估具有重要意义。
通过高光谱数据和卫星影像数据反演叶绿素等与农作物长势,产量密切相关的参数,可以实现农作物的长势监测从而为农作物生产提供指导作用和参考价值。
本研究以不同生育时期不同区域的冬小麦为研究对象,通过田间试验,获取了冬小麦高光谱数据、GF1卫星影像数据以及叶绿素含量(Chl),通过计算和数理统计分析比较,构建了冬小麦叶绿素含量最佳估算模型,并借助GF-1影像对冬小麦拔节期冠层叶绿素含量进行空间反演及精度验证。
为冬小麦长势监测和田间精准管理提供理论依据和技术支撑。
取得的主要结论如下:(1)冬小麦叶片叶绿素含量(Chl)在不同生育时期差异显著,且随着生育进程的推进呈现出逐步上升的变化趋势;冬小麦冠层叶绿素含量(Chl)随着生育进程的推进呈现出先上升后下降的变化趋势。
总体来看,叶片尺度的Chl值均大于冠层尺度的Chl值。
(2)原始光谱随着叶绿素含量的增加,在可见光区域反射率降低而在近红外区域反射率增加;不同叶绿素水平的叶片光谱反射率均比冠层光谱反射率高,在可见光波段更显著;叶片在不同Chl水平下红边特征有差异,红边位置随Chl增加而不断发生“红移”,并且存在“双峰”或“多峰”的现象。
随着生育期的推进,叶片光谱反射率在可见光波段的反射率越来越低,在近红外波段反射率越来越高;冠层光谱反射率在可见光波段先降低后升高,在近红外波段相反。
不同生育期和不同叶绿素含量下,冬小麦冠层光谱红边位置分布在735 nm附近,而冬小麦叶片光谱红边位置分布于710nm附近。
(3)在4个生育期,一阶导数与Chl 值的相关性均强于原始光谱与Chl值的相关性,叶片光谱与Chl相关性强于冠层光谱。
无人机高光谱遥感估算冬小麦叶面积指数
第36卷第22期农业工程学报 V ol.36 No.2240 2020年11月Transactions of the Chinese Society of Agricultural Engineering Nov. 2020无人机高光谱遥感估算冬小麦叶面积指数陈晓凯1,李粉玲1,2※,王玉娜1,史博太1,侯玉昊1,常庆瑞1,2(1. 西北农林科技大学资源环境学院,杨凌 712100;2. 农业部西北植物营养与农业环境重点实验室,杨凌 712100)摘要:为探讨利用低空无人机平台和高光谱影像对冬小麦叶面积指数进行遥感估算,该研究以拔节期冬小麦小区试验为基础,对原始冠层光谱进行一阶导数和连续统去除光谱变换,并在此基础上提取任意两波段组合的差值光谱指数(Difference Spectral Index,DSI)、比值光谱指数(Ratio Spectral Index,RSI)和归一化光谱指数(Normalized Spectral Index,NDSI),以最优窄波段光谱指数进行叶面积指数估算模型的构建。
结果表明,最优窄波段指数的构成波段主要位于红边区域,最优窄波段指数与叶面积指数均呈现非线性关系;光谱变换显著提升了光谱变量与叶面积指数的相关性,其中连续统去除光谱所获取的NDSI(738,822)光谱指数与叶面积指数的相关性最佳;窄波段光谱指数和随机森林回归算法的叶面积指数估算模型精度最高,其相对预测偏差为2.01,验证集的决定系数和均方根误差分别为0.77和0.27。
基于随机森林回归算法的无人机高光谱叶面积指数估算模型能够准确地实现小区域的叶面积指数遥感填图,为后期作物长势、变量施肥等提供理论依据。
关键词:无人机;高光谱;遥感;模型;冬小麦;叶面积指数doi:10.11975/j.issn.1002-6819.2020.22.005中图分类号:S127 文献标志码:A 文章编号:1002-6819(2020)-22-0040-10陈晓凯,李粉玲,王玉娜,等. 无人机高光谱遥感估算冬小麦叶面积指数[J]. 农业工程学报,2020,36(22):40-49.doi:10.11975/j.issn.1002-6819.2020.22.005 Chen Xiaokai, Li Fenling, Wang Yuna, et al. Estimation of winter wheat leaf area index based on UAV hyperspectral remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(22): 40-49. (in Chinese with English abstract) doi:10.11975/j.issn.1002-6819.2020.22.005 0 引 言叶面积指数(Leaf Area Index,LAI)被定义为作物在单位土地面积上的叶片的面积之和[1]。
冬小麦氮素积累量的高光谱遥感监测研究
冬小麦氮素积累量的高光谱遥感监测研究一、研究背景冬小麦是我国的主要粮食作物之一,对于保障国家粮食安全具有重要意义。
而氮素作为冬小麦生长过程中不可或缺的养分元素,直接关系到冬小麦的产量和品质。
准确监测冬小麦氮素积累量对于科学施肥、提高冬小麦产量具有重要意义。
而传统的氮素监测方法需要采样送检实验室进行化验,费时费力,并且只能获取有限样本的信息,难以满足大范围的监测需求。
而高光谱遥感技术具有高效、快速、非破坏性的特点,能够针对全区域进行监测,对于冬小麦氮素积累量的监测具有重要的意义。
开展对冬小麦氮素积累量的高光谱遥感监测研究,对于提高冬小麦产量和氮素利用效率具有重要的意义。
二、研究方法1. 地面取样在研究区域内设置不同的样点,对冬小麦生长不同阶段的叶片进行取样,保证样品的代表性和多样性。
对于每一样品进行氮素含量的测定,并做好地面真实监测数据。
2. 高光谱遥感数据获取利用航空或卫星遥感技术获取冬小麦生长不同阶段的高光谱遥感数据,保证空间分辨率和波谱范围的覆盖。
3. 数据处理和分析将地面取样数据和高光谱遥感数据进行整合,对冬小麦氮素积累量进行遥感监测分析,建立氮素含量与遥感数据的关联模型。
4. 模型验证和精度评价利用实地取样数据验证建立的氮素含量与遥感数据关联模型,进行模型精度评价和验证。
三、研究成果1. 高光谱遥感数据能够实现对冬小麦氮素积累量的监测3. 提高了冬小麦氮素利用效率通过对冬小麦氮素积累量的高光谱遥感监测,对冬小麦的氮素施肥提供了更为科学的依据,能够实现精准施肥,提高冬小麦的氮素利用效率,从而提高冬小麦的产量和品质。
四、研究意义1. 为冬小麦氮素施肥提供了科学依据2. 推动了遥感技术在农业领域的应用本研究为遥感技术在农业领域的应用提供了新的思路和方法,对于农业生产的智能化和精准化具有重要的意义。
3. 为我国冬小麦产量提高提供了重要支撑五、展望随着遥感技术的不断发展,对冬小麦氮素积累量的监测将会更加精确和高效。
冬小麦冠层叶绿素质量分数高光谱遥感反演研究
冬小麦冠层叶绿素质量分数高光谱遥感反演研究孙勃岩;常庆瑞;刘梦云【摘要】Chlorophyll mass fraction is one of the important parameter to assess growth situation and forecast yields of winter wheat,it is significant to estimate chlorophyll mass fraction for monitoring of winter wheat growing information.During the growth of winter wheat growth stage,the winter wheat canopy spectral reflectance and chlorophyll mass fraction were monitored in the field by the SPAD-502 and the SVCHR 1024i handheld spectrometer.Based on the results of correlation analysis,the estimation models of chlorophyll mass fraction were established according to regression and BP neural network.Then simulation precision for different models were analyzed,evaluated and the best model from the different ones was chosen.The results showed that the fitting precision of estimation models with BP neural network were superior to other models of vegetation index.The coefficient of determination (R) was 0.961 4,the root mean square error (RMSE) was 1.875 4,the relative error (RE) was2.815 2%.And the coefficient of determination (R2) of inspection equation was 0.704 8,RMSE of inspection equation was 1.744 6,RE of inspection equation was 2.845 1%.The study provided a reference for estimating winter wheat by chlorophyll contents.And it would be a solid foundation for the winter wheat to obtain chlorophyll mass fraction of real-time,fast and nondestructive monitoring method.%叶绿素质量分数是评估冬小麦生长状况和预测产量的重要参数,估算叶绿素质量分数对于冬小麦的生长监测具有重要意义.利用SPAD-502叶绿素仪和SVCHR 1024i型便携式高光谱仪对冬小麦冠层叶绿素质量分数和光谱特征进行田间测量,分别利用同归分析方法和BP神经网络方法搭建冬小麦叶绿素质量分数的估算模型,并将模型估算的叶绿素质量分数与田间实测的叶绿素质量分数进行对比,分析反演精度,从中筛选出精度最高的模型.结果表明:基于BP神经网络的冬小麦冠层叶绿素质量分数估算模型拟合精度要优于其他7种基于植被指数的估算模型,其相关系数(R)为0.961 4,均方根误差(RMSE)为1.875 4,相对误差(RE)为2.815 2%,以及检验方程的决定系数(R2)为0.704 8,RMSE为1.744 6,RE为2.845 1%.研究结果为估测冬小麦冠层叶绿素质量分数提供参考,从而为冬小麦叶绿素质量分数的实时、快速、无损监测奠定基础.【期刊名称】《西北农业学报》【年(卷),期】2017(026)004【总页数】8页(P552-559)【关键词】冬小麦;叶绿素质量分数;光谱特征;BP神经网络;植被指数【作者】孙勃岩;常庆瑞;刘梦云【作者单位】西北农林科技大学资源环境学院,陕西杨凌712100;西北农林科技大学资源环境学院,陕西杨凌712100;西北农林科技大学资源环境学院,陕西杨凌712100【正文语种】中文【中图分类】S127叶绿素是植物叶片中基本组成物质,叶绿体是光合过程发生的载体,对太阳辐射的光能利用、大气二氧化碳的吸收,光合进程等具有密切关系,直接影响到作物与外界的物质能量交换及作物的物质积累,其质量浓度的高低对植物光合效率、发育状况等有重要的指示作用[1-2]。
基于遥感与作物生长模型的冬小麦生长模拟研究
基于遥感与作物生长模型的冬小麦生长模拟研究准确的作物长势动态监测和产量预测对于保障粮食安全、促进农业可持续发展具有非常重要的意义。
作物模型在监测作物长势和预报产量方面是个强有力的工具,然而作物模型由单点模式发展而来,在区域应用上由于区域分异、田块分异等导致作物模型模拟要求的输入参数和初始条件难以获取,使作物模型的应用受到很大的限制,而遥感信息的引入可能使得这个问题得到解决,将遥感信息和作物模型相结合,利用遥感信息反演得到的状态变量优化作物模型模拟,在区域上对作物模型所需的敏感参数和初始条件等重新估计,从而使得作物模型在区域上发挥优势。
本研究拟在对作物模型WOFOST适应性调整及改进的基础上,建立适合山东禹城地区的冬小麦生长模拟模型;利用田间试验数据校正和验证作物生长模拟模型WOFOST,探讨水分胁迫生产水平下的作物模拟模型与遥感信息结合的方法,利用遥感信息校准作物模拟模型的某些关键过程或重新初始化、参数化作物模拟模型,以达到对作物模型的优化;探索应用遥感信息的区域性作物模拟的合理实用方法,并进行模拟研究,使之可以进行区域作物长势监测和产量预报。
主要结论如下:(1)为使WOFOST模型能更好地模拟水分胁迫对冬小麦生长过程的影响,对WOFOST模型进行了适当改进:利用FAO最新推荐的Penman-Monteith公式(1998)替换原有的Penman公式(1948)进行参考作物蒸散的估算;依据同一作物不同生育阶段的作物系数不同的规律,将作物系数改为随生育期变化的变量。
根据作物生长参数生物学意义和敏感性的不同制定调整方案,利用FSEOPT 程序或“试错法”对光合作用最大速率、比叶面积、叶片衰老指数、分配系数、光能利用效率、干物质转换系数等参数进行调整。
利用田间试验数据对调整后的WOFOST模型进行校正和验证。
结果表明:通过对上述两个方面的适当改进和主要作物参数及土壤参数的适应性调整,调整后WOFOST模型对冬小麦的模拟如LAI、地上生物量与实测数据相符,蒸散的模拟更符合实际情况,调整后WOFOST模型可用于模拟研究区域实际土壤水分状况下冬小麦生长发育及产量形成过程。
基于无人机高光谱遥感的冬小麦株高和叶面积指数估算
农业机械学报第51卷第12期2020年12月doi:10.6041/j.issn.1000-1298.2020.12.021基于无人机高光谱遥感的冬小麦株高和叶面积指数估算陶惠林1徐良骥2冯海宽1,3杨贵军1,4代阳2牛亚超2(1.北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室,北京100097;2.安徽理工大学测绘学院,淮南232001;3.国家农业信息化工程技术研究中心,北京100097;4.北京市农业物联网工程技术研究中心,北京100097)摘要:为了快速、准确地估算叶面积指数(LAI),通过无人机搭载成像高光谱相机,获取了冬小麦3个生育期的影像数据,从中提取岀株高(Hcsm)。
首先,分析了植被指数、Hcsm与LAI的相关性,挑选岀最优植被指数;然后,分别构建了单个参数的LAI线性估算模型;最后,以植被指数、植被指数结合Hcsm为模型输入因子,采用偏最小二乘回归方法构建LAI估算模型。
结果表明:通过无人机高光谱遥感影像提取的Hcsm精度较高(R2=0.95);在不同生育期,大部分植被指数和Hcsm均与LAI呈0.01显著相关水平;基于最优植被指数结合Hcsm估算LAI的精度优于仅基于最优植被指数或Hcsm的估算精度;以植被指数、植被指数结合Hcsm为输入变量,通过偏最小二乘回归构建的LAI估算模型在开花期估算精度达到最高,并且以植被指数结合Hcsm为自变量估算LAI的能力更佳(建模R2=0.73,RMSE为0.64)。
本研究方法可以提高LAI估算精度,为农业管理者提供参考。
关键词:冬小麦;叶面积指数;株高;高光谱;植被指数;偏最小二乘中图分类号:S512.1+1;S127文献标识码:A文章编号:1000-1298(2020)12_0193_09Estimation of Plant Height and Leaf Area Index of Winter WheatBased on UAV Hyperspectral Remote SensingTAO Huilin1XU Liangji2FENG Haikuan1'3YANG Guijun1'4DAI Yang2NIU Yachao2(1.Key Laboratory of Quantitative Remote Sensing in Agriculture,Ministry of Agriculture and Rural Affairs,Beijing Research Center for Information Technology in Agriculture,Beijing100097,China2.School of Geodesy and Geomatics,Anhui University of Science and Technology,Huainan232001,China3.National Engineering Research Center for Information Technology in Agriculture,Beijing100097,China4.Beijing Engineering Research Center for Agriculture Internet of Things,Beijing100097,China)Abstract:Leaf area index is an important indicator of crop growth evaluation,so it is crucial to estimate LAI quickly and accurately.The imaging data of the three growth stages of winter wheat was obtained through the imaging hyperspectrum carried by the UAV,and the plant height(Hcsm)was extracted from it.Firstly,the correlation between vegetation indices,Hcsm and LAI was analyzed,and the optimal vegetation index was selected;then the LAI linear estimation model of a single parameter was constructed separately;finally,taking the vegetation indices and vegetation indices combined with Hcsm as the model input factor,the partial least squares regression method was used to construct LAI estimation model.The results showed that the height of the plant height Hcsm extracted from the UAV hyperspectral remote sensing image was highly accurate(R=0.95);the correlation between most vegetation indices and Hcsm at different growth stages and LAI was at0.01significant level;the accuracy of estimating the LAI based on the optimal vegetation index combined with Hcsm was better than that based on the optimal vegetation index or Hcsm only;taking vegetation indices and vegetation indices combined with Hcsm as input variables,the LAI estimation model constructed by partial least square regression achieved the highest accuracy during flowering stage,so partial least squares regression can improve the estimation effect,and the ability to estimate the LAI with the vegetation indices combined with Hcsm as the 收稿日期:20200719修回日期:20200908基金项目:广东省重点领域研发计划项目(2019B020214002)和国家自然科学基金项目(41601346、41871333)作者简介:陶惠林(1994—),男,助理研究员,主要从事农业定量遥感研究,E-"ail:157****5505@163•co"通信作者:冯海宽(1982—),男,高级工程师,主要从事农业定量遥感研究,E-mail:**********************194农业机械学报2020年independent variable was better(modeling R2=0.73,RMSE was0.64).The research was based on the Hcsm extracted from the UAV hyperspectral remote sensing image combined with the vegetation indices, which can improve the accuracy of estimating LAI and provide a reference for agricultural managers.Key words:winter wheat;leaf area index;plant height;hyperspectral;vegetation index;partial least squares regression0引言叶面积指数(Leaf area index,LAI)是反映作物长势的重要参数,与作物产量具有紧密联系,对农业生产管理具有重要作用U-2]。
基于无人机高光谱遥感数据的冬小麦生物量估算
基于无人机高光谱遥感数据的冬小麦生物量估算作者:陶惠林冯海宽徐良骥杨贵军杨小冬苗梦珂刘明星来源:《江苏农业学报》2020年第05期摘要:以植被指数和红边参数为模型因子,利用多元线性回归(MLR),构建冬小麦不同生育期的生物量估算模型,从而有效和更好地监测冬小麦的长势情况,为精准农业中作物的快速监测提供技术手段。
首先分析植被指数(VI)和红边参数(REPS)与冬小麦生物量的相关性,然后运用MLR分别建立模型MLR+VI、MLR+REPS和MLR+VI+REPS,最后将优选的冬小麦生物量估算模型应用于无人机高光谱影像中,验证模型的可行性。
结果表明,利用单个植被指数或红边参数构建的估算模型在孕穗期、开花期和灌浆期估算精度最高的植被指数分别是归一化植被指数(NDVI)、简单比值指数(SR)和增强型土壤调节植被指数(MSAVI),精度最高的红边参数分别为红边振幅/最小振幅、红边振幅和红边振幅;通过MLR分别以植被指数、红边参数和植被指数结合红边参数为因子构建的模型MLR+VI、MLR+REPS与MLR+VI+REPS效果优于单个植被指数或红边参数建立的模型,3种模型在不同生育期的验证结果也较好,其中MLR+VI+REPS模型精度最高,模型决定系数(R2)、标准均方根误差(NRMSE)分别为0.783 2与12.13%。
关键词:无人机;高光谱;冬小麦;多元线性回归;植被指数;红边参数中图分类号:S127文献标识码:A文章编号:1000-4440(2020)05-1154-09Abstract: Using vegetation index (VI) and red edge parameter (REPS) as model factors, multivariate linear regression (MLR) was used to construct a biomass estimation model for winter wheat in different growth periods, to effectively and better monitor the growth of winter wheat and provide technical means for rapid monitoring of crops in precision agriculture. The correlation of VI and REPS with biomass of winter wheat was analyzed first. Then MLR+VI model,MLR+REPS model and MLR+VI+REPS model were constructed by MLR respectively. Finally, the optimized model for estimation of biomass in winter wheat was applied in hyperspectral images taken by unmanned aerial vehicles to verify the feasibility of the models. The results showed that the vegetation indices with the highest estimation accuracy of the estimation model constructed by single vegetation index or red edge parameter in booting stage, flowering stage and filling stage were normalized difference vegetation index (NDVI), simple ratio index (SR) and modified soil-adjusted vegetation index (MSAVI) respectively, and the red edge parameters with the highest precision were red edge amplitude/minimum amplitude, red edge amplitude and red edge amplitude respectively. The effects of MLR+VI model, MLR+REPS model and MLR+VI+REPS model were better than the models constructed by single vegetation index or single red edge parameter. The verification results of the MLR+VI model, MLR+REPS model and MLR+VI+REPS model in different growth periods were also good, and the MLR+VI+REPS model showed the highest precision, the coefficient of determination (R2) and normalized root mean square error (NRMSE) of the model were 0.783 2 and 12.13% respectively.Key words:unmanned aerial vehicle(UAV);hyperspectral;winter wheat;multiple linear regression;vegetation index;red edge parameters生物量是作物生長过程中重要的生物物理参数之一[1],能够很好地反映作物的长势情况,便于农业管理者对作物更好地进行管理。
不同地域冬小麦叶片SPAD高光谱估算研究
1 引言
近年来,高光谱遥感技术迅速发展,使得遥感技术可以直接对地物进行微弱光谱差异的定量分析,在植被遥感研究与应用中表现出强大优势[1-3]。利用高光谱估测植物叶绿素 (Soil and Plant Analyzer Development,SPAD)含量等参数已经成为一种重要手段[4-5],它能了解植株叶绿素的含量及动态变化,对评价作物生产能力、估测产品和监测品质均有重要意义。
利用SPSS软件统计分析功能对两个样区的冬小麦SPAD进行方差分析,研究它们之间是否存在差异,并根据方差分析结果来确定数据集分类。将分类后的冬小麦冠层光谱反射率与冬小麦SPAD相关性分析,找出光谱敏感区域;然后利用高光谱数据计算4种植被指数,并与冬小麦SPAD构建回归模型,确定拟合度高、误差小的冬小麦SPAD反演模型;最后利用实测SPAD数据对反演模型进行精度检验。
表1 高光谱植被指数表达式NIR为近红外波段反射率,Red为红光波段反射率,Green为绿光波段反射率高光谱植被指数 表达式 文献出处比值植被指数 (RVI) RVI=NIR/Red Anderson G L et al.,1993[24]差值植被指数 (DVI) DVI=NIR-Red Richardson AJ et al.,1977[25]归一化植被指数 (NDVI) NDVI=(NIR-Red)/(NIR+Red) Miller J R et al.,1990[26]绿波段指数 (GRVI) GRVI=NIR/Green-1 Gitelson A A et al.,1996[27]
基于此,研究选取江汉平原的湖北省潜江市和黄淮海平原的山东省济南市为研究区,以冬小麦作物为研究对象,首先,使用便携式ASD Field spec 3高光谱仪与Konica Minolta SPAD-502型手持式叶绿素测量计 (简称SPAD-502)对冬小麦不同生育期进行叶片SPAD及冠层反射光谱数据定位观测。SPAD-502仪器通过测量叶片对两个波段650nm和940nm的吸收率,来评估当前叶片中的叶绿素的相对含量或“绿色程度”。Marenco研究发现SPAD-502测量叶绿素含量的精度很高,几乎跟化学实验测得的叶绿素结果一样[18]。之后,探究冬小麦冠层反射光谱与SPAD之间的定量关系,构建不同地域冬小麦SPAD最佳遥感估算模型。该研究结果可为研究不同地域冬小麦生育期内光谱变化情况,建立冬小麦光谱与叶绿素之间的关系,适时动态地掌握冬小麦的生长状况提供参考[19],也可以不同区域的多品种冬小麦叶片SPAD遥感诊断和预测提供技术支持。
冬小麦氮素积累量的高光谱遥感监测研究
冬小麦氮素积累量的高光谱遥感监测研究【摘要】本研究利用高光谱遥感技术监测冬小麦氮素积累量,通过分析冬小麦生长特性和氮素需求,探讨了高光谱遥感在冬小麦氮素监测中的应用。
研究采用遥感监测方法得出了冬小麦氮素积累量的结果,并对其进行了深入分析。
本文也指出了遥感监测研究存在的问题。
结论部分强调了遥感监测方法对冬小麦氮素积累量的有效性,展望了未来研究的方向,并对本研究进行了总结。
通过本研究可以更全面地了解冬小麦氮素积累量的监测方法和结果,为冬小麦氮素管理提供参考和指导。
【关键词】冬小麦、氮素积累量、高光谱遥感监测、研究、生长特性、氮素需求、方法、结果分析、问题、有效性、未来研究、结论、遥感监测、展望。
1. 引言1.1 研究背景冬小麦是我国重要的粮食作物之一,其产量和质量与氮素的施用量密切相关。
随着农业生产水平的不断提高,对于氮素的合理利用和管理需求也越来越迫切。
传统的氮素监测方法通常需要大量的人力和物力投入,而且存在着时间延迟和空间覆盖不足等问题,使得对冬小麦氮素积累量的监测和管理变得非常困难。
本研究旨在通过高光谱遥感技术监测冬小麦氮素积累量,探讨其应用前景和方法优劣,为冬小麦氮素管理提供新的思路和方法。
通过对冬小麦氮素积累量的遥感监测研究,可以更好地实现对氮素的精准施用和管理,提高冬小麦的产量和品质。
1.2 研究目的本研究旨在利用高光谱遥感技术对冬小麦氮素积累量进行监测和分析,以探究其在冬小麦生长过程中的动态变化规律,为实现精准施肥和提高冬小麦产量提供科学依据。
具体目的包括:1. 研究冬小麦不同生长期氮素需求量的变化规律,揭示氮素对冬小麦生长发育的影响机制;2. 建立高光谱遥感模型,实现对冬小麦氮素积累量的准确监测和定量化分析;3. 分析冬小麦氮素积累量在不同农田土壤和气候条件下的差异情况,为氮素施肥优化提供科学依据;4. 探讨高光谱遥感技术在冬小麦氮素监测中的应用潜力,为农业生产提供智能化、精准化的管理手段。
基于多角度高光谱遥感的冬小麦叶片含水率估算模型
安徽农业大学学报, 2019, 46(1): 124-132Journal of Anhui Agricultural University[DOI] 10.13610/ki.1672-352x.20190314.011 网络出版时间:2019/3/18 9:47:48[URL] /kcms/detail/34.1162.s.20190314.1456.022.html基于多角度高光谱遥感的冬小麦叶片含水率估算模型郭建茂1,2,高云峰2,李淑婷2,白玛仁增2,王阳阳2,张一甲2,刘荣花3(1. 南京信息工程大学气象灾害预报预警与评估协同创新中心/江苏省农业气象重点实验室,南京 210044;2. 南京信息工程大学应用气象学院,南京 210044;3 中国气象局/河南省农业气象保障与应用技术重点实验室,郑州 450003)摘 要:准确的作物水分监测对于旱情评估具有重要意义。
在分析研究区冬小麦多角度光谱特征后,利用不同水分处理下冬小麦实测叶片含水率和实测多角度光谱数据,基于植被光谱指数法,建立不同观测角度下冬小麦光谱植被指数、水分敏感波段光谱指数与叶片含水率之间的数学模型。
结果显示,相对方位角与相对天顶角越小时,观测到的光谱指数与叶片含水率的相关关系越优;敏感波段组合构建的光谱指数中,1 450 nm波段分别与其他波段组合的NDSI、RSI指数与叶片含水率相关性在各观测角度条件下均较好,1 450 nm波段是冬小麦叶片含水率研究的最佳敏感波段;选取常见的4种植被指数(NDVI、EVI、WI和NDII)中WI和NDVI在各观测角度下与叶片含水率的相关性优于其他两种指数,决定系数R2均在0.83以上,P<0.01呈极显著相关;综上建立的多角度光谱叶片含水率估算模型,平均相对误差MRE均小于0.154、均方根误差RMSE均小于0.098,拟合效果较好,尤其是光谱指数NDSI1160,1450、NDSI980,1450和植被指数NDVI、WI;基于以上4种指数建立的最优观测角度(0°,30°)模型,其中植被指数WI的估算效果最好,相关系数在各角度均达到5%的相关显著水平,MRE<0.03,可作为最优观测角度反演研究的最优植被指数。
不同播期冬小麦叶面积指数高光谱遥感监测模型
不同播期冬小麦叶面积指数高光谱遥感监测模型
范剑1 尤慧2, 3 刘凯文2, 3 高华东2, 3
(1 荆州市气象局,荆州 434020;2 江汉平原生态气象遥感监测技术协同创新中心,荆州 434025; 3 湖北省荆州农业气象试验站,荆州 434025)
摘要:叶面积指数(Leaf area index,LAI)与植物的光合能力密切相关,是评价作物长势和预测产量的重要农学参 数,利用高光谱遥感能够实现农作物LAI快速无损监测。为了建立不同播期条件下冬小麦LAI反演的最佳高光谱监测模 型,提高冬小麦LAI估算模型精度,将地面实测冬小麦LAI数据和冠层高光谱数据相结合,对4个播期及4个播期组合模 拟的混合播期数据进行分析,选取8种植被指数,通过相关分析、回归分析等统计方法,构建不同播期冬小麦叶面积指 数监测模型。结果表明,在4个播期处理和由一个所有播期组合下(即混合播期)建立的LAI光谱监测模型中,播期1和 播期4分别以EVI2和mNDVI拟合效果较好,播期2、播期3及混合播期均与NDGI拟合效果最好。不同播期及混合播期的 拟合方程决定系数(R2)分别为0.803,0.823,0.907,0.819和0.798;通过试验田实测LAI与反演LAI数据进行拟合模 型验证,均方根误差分别为0.81,0.78,0.63,0.82,0.91。通过分析可知,不同播期的分期监测模型比混合播期统一 监测模型的拟合效果更好,精度更高。因此,播期1、播期2、播期3、播期4分别选用植被指数EVI2、NDGI、NDGI、 mNDVI建立冬小麦LAI反演模型。该结果可为实现不同播期下冬小麦长势精确监测提供理论依据和技术支撑。
all sowing dates together were 0.803, 0.823, 0.907, 0.819, and 0.798, respectively. The model was validated using experimentally
基于高光谱遥感与safy模型的冬小麦地上生物量估算
model that can accurately simulate the growth and development of crops at a single point scale. Data
(1. 河南理工大学测绘与国土信息工程学院ꎬ 焦作 454000ꎻ
2. 北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室ꎬ 北京 100097ꎻ
3. 国家农业信息化工程技术研究中心ꎬ 北京 100097ꎻ 4. 北京市农业物联网工程技术研究中心ꎬ 北京 100097)
摘要: 为了探索准确、 高效地估算冬小麦地上生物量 ( Dry aerial massꎬ DAM) 的方法ꎬ 获取 了 2013—2014 年 和
coupling effectively combines the advantages of remote sensing technology and crop growth modelꎬ and
has great application potential in crop growth monitoring. Dry aerial mass ( DAM) is one of the important
Beijing Research Center for Information Technology in Agricultureꎬ Beijing 100097ꎬ China
3. National Engineering Research Center for Information Technology in Agricultureꎬ Beijing 100097ꎬ China
冬小麦光合特性与产量关系研究
冬小麦光合特性与产量关系研究随着农业科技的不断发展,人们对于冬小麦的种植和产量提高产生了越来越大的兴趣。
冬小麦作为重要的农作物之一,在我国的种植面积和产量都占据很大份额。
光合作用是植物生长的关键过程之一,其与冬小麦的产量密切相关。
本文将探讨冬小麦的光合特性与产量的关系,并提出相关的研究结果。
1. 冬小麦的光合特性冬小麦是一种光合效率较高的作物,其叶片表面较为平滑,叶绿素含量丰富,具有较好的光合能力。
冬小麦的光合特性主要体现在以下几个方面:(1)光合速率高:冬小麦能够较高效率地利用光能将二氧化碳和水转化为葡萄糖等有机物质,从而满足其生长和发育的需求。
(2)光补偿点低:冬小麦的光补偿点较低,即其对于光照的要求较低。
在弱光环境下,冬小麦仍能保持正常的光合作用,这对于其在冬季低温条件下的生长具有重要意义。
(3)光抑制效应小:冬小麦对于高光照强度的抑制效应较小,可以在较高的光照条件下保持较高的光合速率。
2. 冬小麦的产量与光合特性的关系冬小麦的产量受多种因素的影响,其中光合特性是其中的重要因素之一。
下面将介绍冬小麦的产量与光合特性的关系:(1)光合速率与产量呈正相关:光合速率是冬小麦光合能力的重要指标,光合速率高的冬小麦具有较高的产量潜力。
良好的光合作用能够提供足够的能量和物质,从而促进冬小麦的生长和发育,提高产量。
(2)光合效率与产量呈正相关:光合效率是冬小麦光能利用效率的重要指标,光合效率高的冬小麦具有更好的光合作用能力。
高效的光合作用可以提高光能的利用效率,进而增加冬小麦的产量。
(3)光强对产量的影响:适宜的光照强度是冬小麦产量提高的关键。
光照过强或过弱都会对冬小麦的光合作用和产量产生负面影响。
因此,在冬小麦的种植中,合理调节光照强度是提高产量的重要措施之一。
3. 光合特性与产量关系的研究结果为了更好地探究冬小麦的光合特性与产量的关系,许多研究已经进行了相关实验和观测。
下面将介绍一些研究结果:(1)光合速率与产量的关系研究:一项研究发现,光合速率高的冬小麦品种在相同的生长环境下,其产量明显高于光合速率低的品种。
基于遥感和作物生长模型的多尺度冬小麦估产研究
逐日气象数据来自中国科学院青藏高原研究所的《中国 区域地面气象要素驱动数据集》%切,时间分辨率为3 h,空 间分辨率为0. 1°X0. 1°,包含7个气象要素:近地面气温、 降水、气压、比湿度、10 m风速、下行短波和长波辐射。经 过格式转换与要素计算得到模型所需的气象要素。饱和水汽 压差(vapor pressure deficit, VPD)由近地表2 m气温数据与 露点温度计算得到,数据来自欧洲中期天气预报中心(Euro
图1研究区概况 Fig. 1 Overview of the study area
1.5实割实测产量数据 实割实测产量数据来自国家统计局,为地块尺度数据,
处理成村级尺度的冬小麦单位面积产量。2012年一2018年 间,全省共包含1 265个可用的村级站点/年组合,其中皖北 650个,皖中506个,皖南109个。 1.6 SCYM估产框架
随机森林由多棵决策树组成,本质是将若干个弱分类器 集成为强分类器的集成算法。利用bootstrap有放回地抽取 与样本集相同大小的训练集,构建分类回归树,针对每棵树 的分类结果,采取投票(取众数)或算术平均的方法得到分类
第7 期
光谱学与光谱分析
2207
或回归结果"误差则基于未被抽取的样本组成的数据集来计 算!本研究中将季节性天气变量(播种一越冬期积温、全生 育期降水量、5月太阳辐射、12月一2月平均气温)及不同观 测日期下的模拟LAI作为随机森林的特征变量集合,模拟产 量作为输出结果训练模型! 1. 9 SCYM在安徽地区冬小麦的应用 1. 9. 1 WOFOST模型参数优化
基于作物多模型遥感数据同化的区域冬小麦生长模拟研究
研究展望
进一步扩展作物生长模型的应 用范围,将模型应用于其他作 物和更大区域范围的生长模拟
和预测。
加强遥感数据同化算法的研发 和应用,提高模拟精度和效率 ,更好地服务于农业生产和管
理。
结合更多环境因素和气象数据 ,进一步揭示冬小麦生长和发 育的机制,为优化作物管理和 应对气候变化提供科学依据。
感谢您的观看
遥感技术可以提供大范围、实 时、动态的作物生长信息,为 作物生长模拟提供数据支持。
多模型遥感数据同化可以进一 步提高遥感数据的准确性和可 靠性,为作物生长模拟提供更 准确的数据支持。
研究意义
通过基于作物多模型遥感数据同化的区域冬小麦生长模拟研究,可以更准确、实 时地监测区域冬小麦的生长状况,为国家粮食安全提供重要数据支持。
该研究还可以为其他作物的生长模拟研究提供参考,推动作物生长模拟技术的发 展。
通过该研究,可以进一步深入了解冬小麦的生长规律和影响因素,为提高冬小麦 的产量和品质提供理论支持和实践指导。
02
研究方法和框架
研究方法
遥感数据采集
利用卫星遥感技术,获取大范围、多 时相的冬小麦生长信息,包括叶面积
指数、生物量等。
模型结构改进
改进模型的结构,例如,增加或修改某些模块,以提高模型的模拟性能。
04
基于遥感数据同化的区域 冬小麦生长模拟
遥感数据同化方法
遥感数据采集
利用卫星或航空遥感技术,获取冬小麦的冠层温 度、叶面积指数、生物量等遥感数据。
数据预处理
对遥感数据进行辐射定标、大气校正、光谱转换 等预处理向
农业管理
模拟结果可为农业生产管理提供参考,帮助制定 更加科学合理的种植、施肥、灌溉等农业措施。
政策制定
冬小麦遥感估产研究归纳
冬小麦遥感估产研究归纳冬小麦遥感估产研究归纳摘要:本文从冬小麦估产的必要性及传统估产方法和遥感估产方法的对比中提出遥感估产的方法。
通过国内外的遥感估产发展状况来探讨我们现行遥感估产的方方面面以及可进步空间。
冬小麦是我国主要粮食作物之一,播种面积占粮食作物总播种面积的五分之一。
我国北方冬小麦生产更占有举足轻重的地位,小麦播种面积及总产占粮食作物面积及总产的近二分之一。
我国是个人口大国,粮食问题一直是中央关注的涉及到国家政局稳定和人民安居乐业的重大问题。
因此,科学地检测农作物的长势、准确地预报农作物的产量,对于加强小麦生产管理,优化种植空间格局,进一步发挥其生产潜力,国家制定粮食调配和宏观经济计划,辅助政府有关部门制定科学合理的粮食政策都有着重要意义。
一、应用遥感估产的迫切性由于冬小麦分布广阔,地域复杂,其面积产量等数据的取得通常是采用统计方法,或常规的地面调查方法,受人为因素影响较大,且费时费力,难以适应有关冬小麦管理、决策对其现势性信息的需求。
遥感信息具有覆盖面积大、探测周期短、资料丰富、现势性强、费用低、受地面条件限制小,手段多,获取的信息量大等特点,为快速准确的冬小麦估产提供了新的技术手段,为各国所重视。
遥感在作物长势监测与估产方面的应用研究,显著地提高了区域农业生产的动态预测性和管理决策的科学水平,取得了较好的经济、社会和生态效益。
小麦作为主要粮食作物,安全生产已成为我国可持续发展的重要保障。
及时了解小麦的分布概况、生长状况、肥水行情以及病虫草害动态,便于政府决策者和生产管理者采取各种管理措施,达到增产、增收和增效的目的。
业务化冬小麦估产受传感器特性局限、云覆盖、卫星遥感平台运行状态等因素的影响,一直面临遥感信息源保障问题,因此,急需多传感器组网、多源遥感信息整合的作物估产系统。
因此,在进行大尺度农作物估产中,迫切需要除了利用分辨率较高的遥感信息(如MODIS影像)外,还应充分利用分辨率较低、时间序列长的NOAA/A VHRR(Advance Very High Resolution Radionleter)数据作为大尺度农作物估产中的有效补充。
基于高光谱的小麦旗叶净光合速率的遥感反演模型的比较研究
基于高光谱的小麦旗叶净光合速率的遥感反演模型的比较研究吕玮;李玉环;毛伟兵;宫雪;陈士更【期刊名称】《农业资源与环境学报》【年(卷),期】2017(034)006【摘要】植物净光合速率是植物生产的基础,是体现植物生长状况的重要生理指标。
本文将小麦旗叶高光谱波段反射率进行一阶导数变换后与净光合速率(Pn)进行相关性分析确定敏感波段,分别采用二次多项式逐步回归(QPSR)、偏最小二乘法(PLSR)、BP神经网络法(BPNN)3种方法构建小麦旗叶的净光合速率反演模型,并对3种模型的预测精度进行比较分析。
结果表明:(1)将小麦旗叶的原始光谱进行一阶导数变换后与Pn进行相关性分析确定的敏感谱区集中在750-925 nm 之间,确定的6个敏感波段分别是:760、761、767、814、815、889 nm;(2)基于QPSR、PLSR、BPNN3种方法以及敏感波段的反射率一阶导数构建的Pn估测模型预测精度都较高,说明用这3种方法以及敏感波段对Pn的估测是可行的,其中模型估算能力顺序为QPSR〉BPNN〉PLSR,说明小麦旗叶Pn的最佳高光谱分析模型为小麦叶片750-925 nm反射率一阶导数变化后的QPSR模型。
【总页数】5页(P582-586)【作者】吕玮;李玉环;毛伟兵;宫雪;陈士更【作者单位】[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000;;[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000;;[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000;;[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000;;[1]山东农业大学资源与环境学院,土肥资源高效利用国家工程实验室,山东泰安271000 [2]山东农业大学水利土木工程学院,山东泰安271000 [3]山东农大肥业科技有限公司,山东泰安271000【正文语种】中文【中图分类】S127【相关文献】1.水氮运筹对伊犁河流域新垦土壤冬小麦旗叶SPAD值、净光合速率及产量的影响2.灌浆期高温对小麦旗叶净光合速率及籽粒生长的影响3.基于高光谱的小麦旗叶净光合速率的遥感反演模型的比较研究4.基于小波分析小麦旗叶净光合速率高光谱遥感反演5.冬小麦条锈病严重度高光谱遥感反演模型研究因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
doi: 10.3864/j.issn.0578-1752.2019.04.004
冬小麦叶片光合特征高光谱遥感估算模型的比较研究
张卓 1,2,3,4,龙慧灵 1,2,3,王崇倡 4,杨贵军 1,2,3
关键词:光合参量;偏最小二乘;支持向量机;多元线性回归;神经网络;高光谱
Comparison of Hyperspectral Remote Sensing Estimation Models Based on Photosynthetic Characteristics of Winter Wheat Leaves
收稿日期:2018-09-25;接受日期:2018-12-20 基金项目:国家重点研发计划(2018YFF0213602)、国家自然科学基金(41571323)和北京市农林科学院博士后基金 联系方式:张卓,E-mail:cehuizhangzhuo@。通信作者龙慧灵,E-mail:longhl@
ZHANG Zhuo1,2,3,4, LONG HuiLing1,2,3, WANG ChongChang4, YANG GuiJun1,2,3
(1Beijing Research Center for Information Technology in Agriculture/Key Laboratory of Quantitative Remote Sensing in Agriculture of Ministry of Agriculture, Beijing 100097; 2National Engineering Research Center for Information Technology in Agriculture, Beijing 100097; 3Beijing Engineering Research Center for Agriculture Internet of Things, Beijing 100097; 4School of Mapping and Geographical Science, Liaoning Technical University, Fuxin 123000, Liaoning)
4期
张卓等:冬小麦叶片光合特征高光谱遥感估算模型的比较研究
617
Abstract: 【Objective】Photosynthesis is the basis of crop yield and quality formation. Accurate quantitative remote sensing inversion of crop photosynthetic parameters can not only understand the growth and development of crops and the accumulation of organic matter, but also can provide reference for the ecosystem process model based on remote sensing. In order to estimate the photosynthetic characteristic parameters quickly and accurately, the hyperspectral inversion model of three photosynthetic parameters of winter wheat was constructed by combining the original spectrum, three traditional spectral transformation techniques and four simulation methods. The feasibility of hyperspectral inversion of photosynthetic parameters of winter wheat was discussed, and the applicability of different spectra and simulation methods were compared. 【Method】The maximum net photosynthetic rate (Amax), PSⅡ effective photochemical quantum yield (Fv'/Fm') of different leaf ages was obtained under the support of gas exchange and hyperspectral field experiments of winter wheat under different nitrogen application conditions. The photochemical quenching coefficient (qP) and hyperspectral reflectivity were obtained, and the reciprocal, logarithmic and first-order differential transformations of the original hyperspectrum were carried out. According to the results of correlation analysis of three photosynthetic parameters and four spectra, the band whose significant level was better than 0.01 was selected as input variable, and then the partial least square (PLS), support vector machine (SVM), multivariate linear regression (MLR) and artificial neural network (ANN) were used to establish the inversion model of photosynthetic parameters of winter wheat leaves. Based on the determination coefficient (R2) and root mean square error (RMSE) of modeling and validation process, the simulation accuracy of different models was compared and analyzed.【Result】(1) The correlation analysis of the three photosynthetic parameters and four spectra showed that the sensitive spectral regions of the primitive, reciprocal and logarithmic spectra to the three photosynthetic parameters (Amax, Fv′/Fm′ and qP) were concentrated in the 400-750 nm spectrum range. The sensitive spectral regions of the first derivative spectrum to the three photosynthetic parameters were 470-560, 630-700 and 700-770 nm, respectively. (2) The optimal inversion model of Amax, Fv'/Fm' and qP was composed of MLR model based on reciprocal spectrum, MLR model based on first derivative spectrum and MLR model based on original spectrum, respectively. The R2 of the modeling was 0.75, 0.65 and 0.65, respectively, and the R2 of the validation was 0.73, 0.59 and 0.44, respectively. The results showed that the simulation of Amax and Fv'/Fm' based on hyperspectral method was feasible, the effectiveness of simulated qP needed further be verified. (3) The spectral performance of different transformations was different. Taking PLS simulation Amax as an example, the order of spectral performance was original spectrum > reciprocal spectrum > logarithmic spectrum > first derivative spectrum. (4) The estimation ability of different models was also different. Taking Amax simulation based on original spectrum as an example, the order of estimation ability of different models was MLR > PLS > ANN > SVM.【Conclusion】By comparing four spectra and four simulation methods, the hyperspectral inversion results of three photosynthetic parameters of winter wheat showed that Amax and Fv'/Fm' could be well simulated by hyperspectral method, but hyperspectral interpretation ability to qP was low and further study was needed. The hyperspectral information was sensitive to the photosynthetic parameters of winter wheat and affected by spectral types and simulation methods. It could be used to monitor the dynamic changes of photosynthetic capacity of winter wheat and to provide a basis for understanding the growth of crops.