基于特征增强的冬小麦冻害精细空间分布遥感提取方法

如何及时、准确地获取大范围内作物冻害空间分布数据,是目前农业领域迫切需要解决的问题。本文根据冻害冬小麦的生长变化特点,提出了基于特征增强的冬小麦冻害精细空间分布遥感提取方法(Winter Wheat Frost Damage Fine Spatial Distribution Extraction Method,WWFDFSDEM),用于从高分辨率遥感影像中提取高质量的冻害空间分布数据。选择冻害发生前后两期高分辨率遥感影像作为数据源,根据正常冬小麦和冻害冬小麦区域的影像特点,确定以红、近红、绿三个通道以及NDVI作为基础特征,充分利用像素级特征的空间相关性来增强特征的细节信息,以交叉熵为基础,加入特征类内差异因子和类间差异因子建立损失函数,用于增强特征的区分能力。选择山东省淄博市高青县为研究区,高分2号遥感影像为数据源,决策树、经典SegNet、RefineNet、ErfNet、UNet作为对比模型开展对比实验,WWFDFSDEM提取结果的精度(94.5%),查准率(90.8%),查全率(91.3%)均优于对比方法,证明了方法在提取冻害精细空间分布方面的有效性。方法能够满足农业生产管理、农业保险等领域提取作物冻害精细空间分布数据的需求。

小麦冻害预防及补救措施

根据临漳县小麦受冻害情况,分析了发生冻害的原因,并提出小麦冻害预防及冻害补救措施,使小麦趋利避害,达到高产稳产。

冬小麦冻害胁迫高光谱分析与冻害严重度反演

对冬小麦冻害严重度的精确反演是及时采取补救措施降低损失的关键,同时及时预测产量损失对政府职能部门也具有积极意义。针对冬小麦冻害群体严重度评估方法在经典统计反演模型存在估算效果不理想的情况下,以冬小麦为试验对象,首先对冬小麦冠层光谱反射率数据进行重采样平滑处理,再用主成分分析(PCA)技术对高光谱数据进行分析,进一步实现综合原始光谱主成分信息作为自变量参与冬小麦冻害严重度反演过程,最后采用决定系数R2、均方根误差RMSE、准确度Accuracy三种模型精度验证方法对模型进行评价。结果显示,基于主成分分析法建立冬小麦冻害严重度模型精度分别达0.697 5,0.184 2和0.697 5;同时对反演模型进行验证,其精度也分别达到0.630 9,0.350 3和1.339 6。因此,该方法能有效地对冬小麦冻害严重度进行快速、精确的反演。

小麦冻害早预防

近几年来，小麦冻害在山东省平阴县每年都有一定的发生面积，面积虽然不大，但给农户造成了一定的损失。笔者经过多次走访调查后认为，这几次冻害具有明显的共同点，如能采取适当的预防措施，则可避免或减轻小麦冻害带来的损失。

小麦冻害发生的原因及预防措施

分析小麦冻害发生的原因,并提出预防措施,以确保小麦高产、稳产。

2005年安徽省小麦冻害调查报告

本文分析了2005年安徽小麦冻害发生原因,总结了小麦冻害发生规律,归纳了壮苗标准和旺苗的鉴定方法,总结了防止冻害的技术措施以及冻害发生后的补救措施。

小麦冻害发生的原因及防治措施

一、冻害发生的原因小麦冻害发生的类型主要有：冬季冻害、早春冻害和低温冻害。1．冬季冻害。冬季冻害是小麦进入冬季后至越冬期由于寒潮降温引起的冻害。冬季冻害发生的天气因素是寒潮，即冷空气大规模侵入使温度下降10摄℃以上，最低温度在5℃度以下的灾害天气。寒潮发生冻害的程度又受三个因素的影响：一是极端最低气温，二是低温持续时间，三是冷暖骤变的剧烈程度。

淮北地区小麦冻害情况及补救措施

通过对淮北地区2005年小麦冻害情况分析,指出了小麦冻害存在几个原因,并提出补救措施。

四川小麦冻害发生成因及防治技术

四川虽然处于长江上游,冬季均温多在零度以上,总体上不易发生冻害或者冻害很少发生。但是近年受到厄尔尼诺现象的影响,小麦冻害时有发生并有逐年加重的趋势。特别是在2015~2016年冬春之际,四川部分麦区发生了较为严重的冻害,具体表现为叶尖受冻发黄或叶片受冻枯死,大部分分蘖或整个植株冻死,对小麦产量造成了重大损失。因此,了解小麦冻害发生的原因和掌握一定的冻害防治技术就显得特别重要。

防好小麦冻害利高产

冻害是冬小麦常见自然灾害之一。小麦冻害，在不同地区发生的类型和程度不一样，受品种类型和气候因素的影响较大，选择抗寒性强的优良品种，适期播种．是防止小麦冻害的基础。各地应根据当地实际情况采取综合措施。力争把冻害损失减至最低限度。现将小麦冻害的类型、症状及防冻高产栽培技术介绍如下。

黄淮海小麦冻害成因及生产建议

小麦是我国主要的粮食作物，由于诸多因素造成小麦在越冬、早春期间的冻害制约着小麦产量提高，出现减产甚至绝产。小麦冻害的气候因素和生理因素复杂，本文侧重于分析生产管理方而的原因，对生产操作具有实际指导意义。

小麦冻害的发生原因及预防措施

作为“中原粮仓”的河南省,小麦安全在国家粮食安全中占着主导地位。但是近年来,由于品种差异、栽培条件,特别是气候条件的影响,低温冻害时有发生,严重影响小麦的正常生长发育,对小麦产量及品质造成极大的影响。一、发生原因(一)品种影响小麦品种分为冬性品种、半冬性品种、弱春性品种,在播种时应根据品种特性在适期内进行播种.

小麦冻害的成因和对策

近年来,由于冬季干旱、极端低温、春季降雪、倒春寒等极端天气和诸多因素的影响,小麦田冻害都有不同程度的发生,影响小麦生长,严重的甚至死苗死蘖,造成产量损失,

正确认识与预防小麦冻害

近年来，小麦冻害在平阴县几乎年年都会发生，特别是3月倒春寒直接造成部分麦田减产，甚至绝产。2001年3月27日，全县降雪，气温骤降至-2～4℃，全县受冻面积约10万亩，占全县麦田面积的40％。2004～2005年度由于受冬季长期持续低温影响，特别是2005年元旦前后，极度低温达到-13℃，持续时间达半个月，使平阴县2万亩小麦遭受冻害，其中有3000亩冻害程度较重，表现为主茎、大分蘖受冻。

小麦冻害发生的原因及防治措施

一、冻害发生的原因小麦冻害发生的类型主要有：冬季冻害、早春冻害和低温冻害。

小麦冻害发生原因与预防措施

近年来,小麦冻害问题几乎每年都有不同程度的发生,小麦冻害对小麦的产量产生不利影响,给农业生产造成了一些损失。为了减少冻害损失,确保小麦安全越冬,现将小麦冻害的发生原因及防御措施介绍如下。

小麦冻害发生的原因及补救措施

一、发生原因 1．品种因素。冬小麦品种分为冬性品种、半冬性品种和春性品种三类，各类品种播种后都需要通过一段时间的低温，度过春化发育阶段，第二年才能拔节抽穗。

陕西关中2018年春季小麦冻害及引发赤霉病调查与分析

2018年采用田间调查法对陕西关中地区20个县(区)小麦冻害率及受冻畸形麦穗上赤霉病的发病率进行了调查,并对畸形麦穗上的病原菌进行分离鉴定,分析了冻害的成因和畸形麦穗感病的原因,提出了预防策略。结果显示,陕西关中不同地区小麦受冻害程度不同,西北部地区冻害程度严重,冻害率最高可达24%;由室内鉴定可知,受冻麦穗易感染赤霉病菌引发赤霉病,且相同地区的不同品种及相同品种在不同地区的发病率有较大的差异,西部较湿润地区冻害穗赤霉病发病率达80%以上,东部旱塬地区基本在70%以下。表明小麦冻害及冻害穗上赤霉病严重程度存在地区与品种差异性。

关注天气变化 预防小麦冻害

河南各地热量条件比较好，除山区外都可满足一年二熟制的要求。但由于春秋二季冷暖多变，有些年份春温升迟、秋温下降快而发生霜冻和低温冷寒，造成小麦冻害而减产。

不同基因型小麦冻害无人机遥感高通量表型

为了实现田间条件下小麦抗冻性状相关的数量性状基因座(quantitative trait locus, QTL)分析,该研究针对4个试验地491份小麦核心种质资源的抗冻性状,基于无人机多光谱遥感提出了一种高通量表型方法。首先通过光谱植被指数对小麦抗冻性状进行评估,基于机器学习分类算法使用16个光谱植被指数特征构建了小麦冻害评价模型,并完成了光谱特征相关性分析及对评价模型的贡献率分析。对比随机森林(random forests,RF)、分布式梯度增强(extreme gradient boosting,XGBoost)、梯度提升决策树(gradient boosting decision tree,GBDT)及支持向量机(support vector machine,SVM)算法建立的小麦冻害等级评价模型,结果表明,使用XGBoost建立的评价模型准确率最高,达67.94%;16个光谱特征相关性及其对评价模型的贡献率分析表明,简化冠层叶绿素含量指数(simplified canopy chlorophyii content index, SCCCI)对小麦抗冻表型鉴定的贡献率最大。其次,使用SCCCI作为小麦抗冻表型,结合通过全基因组关联分析检测小麦抗冻相关QTL,检测到3个已被证明与抗冻性状相关的QTL,证明了基于无人机获取的光谱特征可以作为小麦抗冻表型定性定量分析指标,可提供小麦抗冻性状遗传解析必需的表型信息。小麦冻害的无人机遥感高通量表型方法的提出促进了小麦抗冻基因功能解锁。