基于无人机高光谱影像的黑土区玉米农田土壤有机质估算

土壤有机质(SOM)作为土壤的重要组成部分,其含量高低能够反映土壤的肥力和质量状况。相较于传统SOM的测定方法,利用无人机高光谱影像可快速、精准获取田块尺度的SOM含量。为探究基于高光谱数据建立的线性和非线性模型对作物覆盖下土壤有机质估算精度的差异,以东北黑土区的玉米试验田为研究区,分别采集了拔节期和吐丝期的土壤样本及同时期无人机高光谱影像作为数据源,分析作物覆盖条件下土壤光谱反射率与有机质含量的相关关系,并根据其响应波段构建光谱指数。以施肥量和光谱指数作为自变量,通过特征变量的筛选分别建立多元逐步线性回归模型(SMLR)、支持向量机(SVM)、随机森林(RF)和eXtreme gradient boosting(XGBoost)模型,并验证比较各模型的精度(选用R 2和RMSE为评价指标)。结果表明,作物覆盖条件下土壤有机质含量的响应波段为450~640 nm。多年长期施用化肥对SOM含量有着显著影响,将其作为协变量引入模型明显提高了对SOM的估算精度。4种模型检验精度的对比结果为:XGBoost>RF>SMLR>SVM,其中以拔节期XGBoost的估算结果最好(建模集和验证集的R 2、RMSE分别为0.516、0.253和0.590、0.222)。可以利用无人机高光谱技术快速估算田块尺度玉米农田的土壤有机质含量,且XGBoost模型是估算作物覆盖条件下土壤有机质含量的较优选择。

基于无人机多光谱影像的完熟期玉米倒伏信息提取

以吉林省梨树县的玉米试验田为研究区,按受灾后完熟期玉米的状态将研究区分为倒伏、半倒伏和未倒伏3种类型。基于无人机采集的多光谱影像提取15种光谱指数和8种纹理特征,采用面向对象法、最大似然法和多元Logistic回归模型进行玉米倒伏信息的提取;而后通过目视方法选取400个样本点进行玉米倒伏信息提取结果的精度验证。结果表明:面向对象法精度最高,对玉米3种倒伏状态信息识别的总体精度为88.13%,Kappa系数为0.83。研究用于区分倒伏与未倒伏玉米的最佳光谱指数是归一化差异植被指数,对区分倒伏与半倒伏、半倒伏与未倒伏玉米贡献最大的特征均为对比度纹理特征。研究表明基于无人机多光谱影像的面向对象方法在对田块尺度玉米倒伏信息的精准识别中具有较大潜力。

基于厘米级无人机影像的水土保持措施精准识别

基于厘米级高分辨率无人机影像,应用面向对象方法(Object-Based Image Analysis,OBIA)对吉林省伊通县椽子沟流域的横坡改垄、地埂植物带、生态恢复乔木林、生态恢复草地等水土保持措施进行自动精准识别。应用超绿指数(Excess Green Index,ExG)、超红指数(Excess Red Index,ExR)、归一化差异指数(Normalized Difference Index,NDI)等光谱指数,形状的主方向、形状指数等形状特征,均值(Mean)、方差(Variance)、对比度(Contrast)等纹理特征进行措施的特征提取。结果表明:研究区水土保持措施识别的总体精度可达91.24%,Kappa系数为0.87;对垄台、垄沟等线性水土保持措施总体精度可达72.33%,Kappa系数为0.63。基于厘米级无人机影像,应用面向对象方法基本可实现对黑土区水土保持措施的精准识别,也可对垄台垄沟等线性措施进行自动识别,研究结果可为水土保持措施实施范围及完好程度的动态监测提供参考依据。

吉林省旱地土壤有效硫含量及其与土壤有机质和全氮的关系

【目的】明确吉林省旱地土壤有效硫含量状况及其分布差异,为区域作物合理施硫提供依据。【方法】采集吉林省不同生态区8种主要土壤类型的232个表层(0—20 cm)土壤样品,利用地统计学方法分析有效硫含量的空间分布特征,比较不同类型土壤有效硫含量差异,并建立土壤有效硫和有机质、全氮的相关关系。【结果】吉林省旱地土壤有效硫含量为5.8—40.7 mg·kg^(-1),均值为18.1 mg·kg^(-1),所有样本中缺硫和潜在缺硫的比例分别为27.2%和20.7%。空间分布上,土壤有效硫含量总体呈自东向西逐渐下降趋势,相应的缺硫发生率自东向西逐渐上升。东、中、西三大生态区的土壤有效硫含量均值(缺硫或潜在缺硫发生率)分别为22.3 mg·kg^(-1)(24.2%)、18.1 mg·kg^(-1)(40.0%)和14.3 mg·kg^(-1)(75.6%)。主要分布于东部湿润山区的白浆土、暗棕壤有效硫含量均值分别为22.1和22.0 mg·kg^(-1),缺硫或潜在缺硫样本分别占15.2%和28.3%;中部半湿润平原区的黑土、冲积土和草甸土有效硫含量均值分别为18.8、17.1和16.2 mg·kg^(-1),缺硫或潜在缺硫样本占比分别为37.9%、63.5%和55.5%;西部半干旱平原区的黑钙土、风沙土和盐碱土有效硫含量均值分别为11.9、14.0和13.9 mg·kg^(-1),缺硫或潜在缺硫风险较高,分别占比73.6%、73.3%和75.5%。回归分析结果显示,吉林省旱地土壤有效硫和土壤有机质、土壤全氮均呈显著的对数相关关系,随着土壤有机质和土壤全氮含量增加,土壤有效硫含量也随之提升。【结论】吉林省旱地土壤有效硫含量在不同区域和土壤类型之间存在显著差异,硫素缺乏现象也较为普遍,47.9%的土壤样本存在缺硫或潜在缺硫问题,特别是中西部地区的风沙土、盐碱土和黑钙土缺硫风险较高,在土壤培肥和作物管理中应注重硫素的补充。

基于无人机高光谱影像的玉米叶片氮素含量估算

利用无人机采集影像进行田块尺度的作物氮素含量估算,因其具有无破坏性、时效性强等优势而备受关注。东北黑土区作为我国重要的粮食主产区,精准获取作物的氮素含量对国家粮食安全具有重要意义。研究基于玉米拔节期、吐丝期和成熟期的无人机高光谱影像,提取22种窄波段光谱指数,通过逐步回归方法对黑土区玉米叶片的氮素含量(Leaf Nitrogen Content,LNC)进行定量估算。结果表明:本研究中3个生育期的玉米LNC估算模型均具有较高的估算精度,其中拔节期的估算精度最高,其决定系数(R^(2))、均方根误差(RMSE)、归一化均方根误差(nRMSE)分别为0.76、0.31%、0.15%;吐丝期的估算精度最低,相应的3个指标分别为0.33、0.27%、0.19%。通过逐步回归模型筛选出在各生育期指示作用较强的光谱指数,拔节期为VARI(Vegetation Atmospherically Resistant Index)、DDI(Desertification Difference Index)、EVI(Enhanced Vegetation Index);吐丝期为MTCI(MERIS Terrestrial Chlorophyll Index)、SIPI(Simple Insensitive Pigment Index);成熟期为EVI(Enhanced Vegetation Index)、CCI(Canopy Chlorophyll Index)、NDVI(Normalized Difference Vegetation Index)。最终,利用在玉米各生育期估算精度最高的模型获得玉米叶片氮素含量的空间分布图,其空间分布特征与玉米LNC实测情况相一致,而氮肥施用量对不同田间处理的小区间玉米LNC的影响较大。综上,本研究结果可为东北黑土区玉米叶片氮素含量的无损、快速、动态监测提供数据基础与决策支持。