基于光谱变换的低温胁迫下冬小麦叶绿素含量估测研究

近年来,冻害已成为影响我国冬麦区的农业气象灾害之一,及时、快速、准确地获取冬小麦叶绿素含量对于监测冬小麦冻害发生具有极其重要的意义。本研究通过低温胁迫试验,在拔节期对两个冬麦品种进行-6℃,4 h、8 h和12 h的胁迫处理后,测定其冠层光谱反射率,并对原始光谱数据进行15种典型变换处理,分析比较不同光谱变换下冬小麦叶绿素含量的PLSR模型,筛选出能够表征低温胁迫下冬小麦叶绿素含量的最佳光谱变换方式。结果表明,随低温胁迫时间的延长,两个冬小麦品种叶绿素含量呈降低趋势,随着低温胁迫后天数的增加,各处理与对照的差异逐渐减小。胁迫后5 d,近红外区域反射率有较大升高,并随低温胁迫后时间的延长而升高;在可见光区域,短期内差异不明显。胁迫后10 d、20 d、35 d,黄、红波段逐渐趋于水平,同时近红外区域反射率差异逐渐缩小,可见光区域光谱反射率出现不同程度的上升。对原始光谱数据进行15种典型变换处理,发现原始光谱的倒数、对数、幂、平方根等变换难以提高与叶绿素含量的相关性,且建模效果较差。除原始光谱对数的一阶微分(T6)外,其他微分变换处理的叶绿素含量诊断模型都优于原始光谱。综合考虑模型的校正、验证效果、模型最佳因子数以及相对分析误差的大小,二阶微分变换处理(T15)叶绿素含量校正模型的R2和RMSE分别为0.930、0.340,验证模型的R^2为0.753,表明基于T15的光谱变换数据可实现低温胁迫下叶绿素含量的准确估算,为最佳光谱变换方式。

农作物冷冻害遥感监测研究进展

当前全球极端天气气候事件发生的频率和强度增大,造成的灾害损失不断增加。其中,冷冻害是作物常见的灾害之一,农业部门及各地方政府等相关部门都对农作物灾害的实时监测极为关注。遥感技术的发展为作物冷冻害的监测和预报提供了快速、无损、大面积监测的手段。本文对作物冷冻害遥感监测的主要研究进展进行了综述,并归纳了作物冷冻害遥感监测的主要技术方法。目前国内外关于农作物冷冻害遥感监测,在监测机理、精度、实时性和实用化等方面还存在着较大的不足,还有待于深入研究。对此提出了进一步加强光谱响应机理研究、空基和地基相结合、多源多时相数据互补的解决对策,并进行了展望。

不同密度冬小麦叶绿素含量的冠层光谱响应研究

为了研究不同密度条件下冠层光谱对冬小麦叶绿素含量的响应,对不同密度条件下的冬小麦冠层光谱反射率进行了测定,分析了光谱植被指数与叶绿素含量间的相关性及其定量关系。结果表明,在可见光波段范围内,光谱反射率与叶绿素含量的相关性以密度5(900万苗·hm-2)最大,呈极显著负相关,且在波段670nm时相关系数最大,达-0.85。在近红外波段范围内,光谱反射率与叶绿素含量的相关性以密度1(300万苗·hm-2)最大,均呈极显著正相关,且在波段800nm时相关系数最大,达0.71。各植被指数与叶绿素含量的相关性均以密度1(300万苗·hm-2)最好。另外,种植密度的不同,监测叶绿素含量的最佳自变量也不一样。该研究结果可为大田实践提供一定的理论基础和实践参考。

基于GIS的荞麦芦丁含量生态区划研究

分析了荞麦芦丁含量与气象因子的关系,结合荞麦地理分布信息,筛选出影响芦丁含量的主要气象因子,利用Arc GIS软件的空间分析功能,对荞麦芦丁含量进行生态区划,并进行评述。结果表明,品种和生态区域对芦丁含量具有明显的影响,而温度、降水、日照时数是影响芦丁含量的主要生态因子。芦丁含量与8月上旬均温、7月大于30℃天数具有负相关性,与8月降水量、生育期日照时数具有正相关性。利用GIS对芦丁含量进行区划,将晋中市分为3个区,即高、中、低芦丁含量荞麦种植区,与实际状况基本符合。研究结果可为高芦丁含量荞麦生产基地的确定和区域化、规模化种植提供参考。

冬小麦高光谱信息提取方法的研究

针对高光谱数据波段多、数据量大和冗余度大等特点，本文以 ASD 便携式高光谱仪为光谱数据获取手段，以不同生育时期冬小麦冠层高光谱为研究对象，采用主成分分析和波段自相关分析两种方法来进行数据降维，通过采用基于高光谱与叶面积指数估算（LAI）相关系数法进行验证，以确定冬小麦高光谱遥感信息提取的最佳波段。结果表明，主成分分析法（PCA）和波段自相关分析法选择的波段主要在可见光区域（350～450 nm 和600～700 nm）、近红外区域（1100～1200 nm）和短波红外区域（1500～1750 nm），包含了验证方法基于高光谱与 LAI 相关系数法所选择的主要波段范围：可见光区域和近红外区域。综合考虑，用主成分分析法和波段自相关分析法两种方法对冬小麦高光谱提取的信息是全面、可靠的，包含了针对某一生理指标如 LAI 的有关信息。

冬小麦叶片氮含量的时空分布及光谱监测研究

叶片氮素含量与作物生长密切相关,为明确对氮素响应敏感的叶片位置,比较冠层光谱和叶片光谱预测叶片氮含量的精度,研究基于氮素运筹试验,测定叶片氮含量以及冠层、叶位光谱反射率,分析氮含量与反射率的响应关系。结果表明,冬小麦叶片氮含量随施氮量增加而增加,随生育进程而降低,其中,顶3叶变化幅度最大;孕穗期,各施氮处理含氮量大小趋势基本为顶2叶>顶1叶>顶3叶,其余时期为顶1叶>顶2叶>顶3叶,顶2叶对氮素响应也较为敏感;叶片光谱预测不同叶位叶片氮含量PLS模型效果均优于冠层光谱,R2最大达0.810,RMSE为0.242。研究以期为冬小麦氮素研究提供一定的理论依据。

秸秆扩蓄肥对土壤水分和马铃薯产量品质及水分利用的影响

为了增强土壤保水力,改善土壤结构,提高土壤水肥利用效率,该文将玉米、小麦和大豆3种作物秸秆经理化处理并与聚丙烯酰胺(PAM)结合造粒形成的秸秆扩蓄肥应用于马铃薯大田栽培,并与单施钾肥及不施肥处理为对比,研究了3种秸秆扩蓄肥对马铃薯生长发育期间的土壤物理性状、生理特征、产量品质及水分利用效率的影响。结果表明,3种秸秆扩蓄肥具有较强的保水性能,能显著增加0～20cm表层土壤含水率,提高马铃薯苗期、块茎增长期、淀粉累积期的土壤耕层及20～70cm水分;有效降低土壤体积质量,提高非毛管孔隙比例,增加土壤孔隙度;显著提高马铃薯盛花期叶片光合速率、气孔导度和蒸腾速率,增加马铃薯株高、冠幅面积和叶面积。与不施肥处理比较,秸秆扩蓄肥处理的淀粉含量提高12.3%～13.6%,大中薯率提高37.9%～42.8%,产量提高39.3%～50.4%,水分利用效率提高35.6%～45.4%。该研究为秸秆扩蓄肥的推广提供了依据。

冬小麦冠层高光谱对低温胁迫的响应特征

在全球范围内,低温冻害已经成为了冬小麦减产的主要灾害之一,而高光谱遥感技术已成为一种有效的监测与预防手段。为了探究拔节期冬小麦冠层高光谱对低温胁迫的响应规律,通过低温胁迫试验,对同一品种拔节期冬小麦在-2,-4和-6℃等3个温度梯度下处理12h,并测定其冠层光谱反射率,提取红边参数,从而研究低温胁迫对冬小麦冠层光谱特征的影响。结果表明,冬小麦在遭受低温胁迫后,在近红外波段冠层光谱反射率随着低温胁迫程度的加大而升高,而在可见光波段则降低,并出现"绿峰"减弱,"红谷"抬升的现象。另外,对原始光谱进行一阶微分处理后,其一阶微分光谱随低温胁迫程度的加剧,出现向短波方向移动,红边位置也出现"蓝移"现象,红边面积与红边幅值也出现逐渐增大的趋势。研究表明冬小麦在拔节期遭受低温胁迫以后,其冠层光谱对其响应敏感,利用高光谱技术可以实现冬小麦冻害的有效监测。

苯丙氨酸与UV-C对苦荞芦丁含量影响及相关基因表达分析

【目的】克隆与苦荞芦丁生物合成相关基因序列,探讨外源前体物质及UV-C辐射条件下芦丁含量及基因表达水平的影响,为分子选育高芦丁含量荞麦品种奠定基础。【方法】基于简并引物结合3′RACE的方法,克隆苦荞芦丁合成途径相关基因;高效液相色谱(HPLC)测定持续添加外源苯丙氨酸(L-phenylalanine,Phe)前体(1、2、4 mg.L-1)1—5 d和辐射时间(1、3、5、7 h)UV-C处理条件下叶片芦丁含量的变化,qRT-PCR分析相关基因表达水平。【结果】Phe(4 mg.L-1)处理1 d,芦丁含量(26.15 mg.gFW-1)为未处理对照(12.55 mg.gFW-1)的2倍;UV-C辐射3 h,芦丁含量(17.36 mg.gFW-1)明显高于对照;克隆到3个基因FtCHS,FtF3H和FtFLS-like,qRT-PCR分析表明Phe(1 mg.L-1)处理4 d,FtCHS相对表达量为对照的4.84倍,Phe(4 mg.L-1)处理5 d,FtF3H相对表达量为对照的1.06倍,Phe(2 mg.L-1)处理5 d,FtFLS-like相对表达量为对照的3.90倍;UV-C辐射1—3 h,FtCHS、FtF3H和FtFLS-like相对表达量分别高于对照。而FtFLS-like基因,仅在UV-C辐射1 h,相对表达量升高为对照的127.71倍。【结论】添加不同浓度Phe前体及不同时间UV-C辐射,芦丁含量变化及与芦丁合成相关基因表达量存在差异,为进一步探讨芦丁生物合成途径及影响因素奠定基础。

SG平滑处理对冬小麦地上干生物量光谱监测的影响

Savitzky-Golay(SG)方法是高光谱数据预处理的重要方法之一,为研究SG平滑处理对冬小麦地上干生物量(AGDB)光谱监测模型的影响,对冬小麦冠层光谱进行6种程度的平滑处理:无平滑(SM0)、3点平滑(SM3)、5点平滑(SM5)、9点平滑(SM9)、13点平滑(SM13)和17点平滑(SM17),并分别构建各预处理光谱条件下的冬小麦AGDB的偏最小二乘法(PLSR)模型,对比各PLSR模型的表现,研究平滑程度对模型的影响。结果表明,SM9平滑处理后的冬小麦冠层光谱可以提高光谱与AGDB的相关性,相关系数接近0.5;所构建的冬小麦AGBD的光谱监测模型中,SM9处理的模型表现最好(R2=0.771,RMSE=0.564,RPD=1.912,LV=19)。研究结果可为利用冠层光谱研究冬小麦AGDB的无损监测提供一定的光谱预处理方法与技术探索。

一种降低土壤水分对土壤有机质光谱监测精度的新方法

土壤有机质是土壤肥力的重要体现,土壤水分是限制利用光谱技术进行土壤属性光谱监测的重要因子之一。为了研究土壤水分对土壤有机质光谱监测精度的影响和实现土壤有机质（soil organic matter,SOM）的准确、实时监测,对151份麦田土壤样品的土壤水分、土壤有机质和土壤光谱进行了测定。基于土壤含水量（soil water content,SWC）分类法和归一化土壤水分指数（normalized difference soil moisture index,NSMI）光谱参数分类法对麦田土壤样品进行分类,并对土壤含水量、土壤有机质和土壤光谱参数之间的关系进行研究。结果表明：以土壤含水量对土壤样品进行分类后,各分组之间的土壤有机质光谱监测精度各异,且都高于不分组条件下（5%~20%）土壤有机质光谱监测精度,表明土壤水分确实影响土壤有机质的光谱监测。土壤含水量低于10%和高于20%时,土壤水分对土壤有机质光谱监测精度的影响较小,表明此时的土壤水分状态易于土壤有机质的光谱监测。另一方面,以NSMI光谱参数对土壤样品进行分类后,各分组条件下的土壤有机质光谱监测的拟合精度优于基于土壤含水量的分类方法,通过R2,RMSE和RPD模型验证参数的验证,各模型可靠,表明利用NSMI光谱参数的分类方法,在一定程度上可以实现对土壤自然条件下土壤有机质的实时、准确监测。但是,所提到的两种土壤分类方法在本质上一样,说明仍然可能存在最优的土壤分类方法,来克服和消除土壤水分对土壤有机质光谱监测精度的影响。为土壤水分和土壤有机质的大面积遥感提供一定的理论基础。

倒伏胁迫下冬小麦冠层光谱及红边特征

倒伏已成为影响小麦减产的主要因素之一,实时监测倒伏胁迫对小麦生长具有重要意义。通过人工模拟不同倒伏级别处理,利用光谱观测数据,分析了倒伏冬小麦光谱和红边参数变化特征。结果表明,倒伏小麦冠层光谱反射率较正常小麦整体增高,近红外波段比可见光波段增加明显,且倒伏级别越大反射率越高,表明冬小麦受倒伏胁迫后,冠层光谱对其响应敏感;倒伏小麦红边位置发生蓝移,红边幅值和红边面积则呈增大趋势。因此,可利用高光谱技术实现对冬小麦倒伏的实时监测。

麦田耕作层土壤有机质的高光谱监测

为了利用高光谱技术实现麦田耕作层土壤有机质（SOM）的实时、快速、准确监测，对不同物理条件下的麦田耕作层（0-20cm）土壤进行了有机质和高光谱的测定，并利用多元逐步回归统计方法进行了土壤有机质信息波段的提取和监测模型的构建。结果表明，风干土和过筛处理土的光谱反射率要明显高于湿土处理，在350～1100nm处，光谱基本重合，说明二者含有相似的光谱信息，不同土壤粒径造成1100～2500nm的差异。利用多元逐步回归的统计方法构建了不同光谱处理方式的土壤有机质光谱监测模型，并取得了较好的验证效果，其中，基于Savitzky-Golay平滑法的光谱处理不适于试验土壤有机质监测模型的构建；而经一阶微分处理后所构建的光谱监测模型拟合精度高、验证误差小，其中，湿土的土壤有机质监测模型具有较好的实践应用性。研究结果将为麦田土壤有机质的高光谱监测提供一定的理论依据。

粒径对土壤光谱特性的影响

土壤粒径是影响土壤光谱的重要因素之一。为了探究土壤粒径与土壤光谱的关系,以山西省闻喜县的冬小麦麦田土壤为研究对象,分别获取7个土壤粒径(2,1,0.5,0.25,0.154,0.125,0.074 mm)及相应的土壤光谱,通过分析不同粒径条件下土壤光谱反射率、土壤粒径与土壤光谱的相关性,研究土壤粒径对土壤光谱的影响及土壤光谱与粒径的响应关系。结果表明,不同土壤粒径大小对土壤的光谱曲线的形状以及光谱特征位置没有明显的影响,但是随着土壤粒径的减小,土壤光谱反射率呈现不同幅度的升高;分析不同土壤粒径光谱反射率的平均变化率可知,小于0.154 mm的土壤粒径对土壤光谱反射率的影响最大,位于近红外波段区域;相关性结果表明,土壤粒径和光谱反射率之间具有较好的相关性,在波段2 100 nm附近的相关性达到最大,相关系数可达-0.74,表明该波段与土壤粒径具有重要的相关关系。研究结果可为光谱技术应用于土壤生理生化指标的定量分析提供一定的理论参考和实践探索。

基于高光谱和HJ-1 CCD的水旱地冬小麦叶绿素含量反演

叶绿素作为绿色植物光合作用的必要组成成分,其含量的高低可反映作物的长势状况。实时监测植物叶片叶绿素含量的动态变化是监测植物长势的重要环节。以山西省闻喜县冬小麦为研究对象,基于高光谱技术和实测数据,对研究区冬小麦拔节期的叶绿素含量进行定量估算,并在此基础上利用卫星遥感数据对冬小麦的叶绿素含量进行反演,以达到仅应用卫星遥感数据估测叶绿素含量的目的。结果表明,水旱地冬小麦叶绿素含量敏感波段在可见光区域不同,在近红外区域一致;水旱地分别以DVI和NDVI为变量所构建的预测模型效果最佳,R2值均达到0.9以上,均方根误差分别为0.470 0和0.458 7;对叶绿素含量反演值与实测值对比分析,水地反演值与实测值大致吻合,而旱地反演值则偏高;采用均方根误差(RMSE)法,检验反演值和实际值的符合度,水地RMSE为0.926,旱地RMSE为1.540。

基于Sentinel多源数据的晋南农田地表土壤水分反演

通过遥感数据反演农田地表土壤水分,对农作物干旱、长势监测及估产有重要指导作用。以山西省闻喜县冬小麦种植区为研究区,利用水云模型去除植被影响,建立土壤直接后向散射系数与土壤含水量的关系,反演闻喜县2018年3月19日冬小麦种植区土壤水分。结果表明:协同Sentinel-1微波和Sentinel-2光学影像数据能够去除植被影响提高土壤水分反演精度,VV极化决定系数R2提高0.0914,均方根误差RMSE减少0.0895%。闻喜县中部河谷平原以及东南和西北部的台地土壤处于轻度干旱状态,西南部丘陵和东部山地土壤处于中度干旱状态。反演的土壤水分空间分布结果与地形起伏、灌溉条件和地力等级有较好的空间一致性,地形起伏低、灌溉条件良好的农田土壤水分含量高。

基于GIS的红芸豆种植适宜性综合分析

从自然地理因素和人文地理因素综合视角对岢岚县红芸豆种植适宜性进行分析。选取坡度、坡向、高程、土壤类型、生育期平均温度以及种植区与河流距离、乡镇距离和道路距离为评价指标,采用层次分析法构建适宜性评价模型,对红芸豆种植适宜性空间布局进行综合分析。结果表明,适宜性分布结果与实际状况基本符合,研究区高度适宜区、较适宜区、适宜区、不适宜区所占面积分别为370.42,699.95,650.95,262.68 km^2,分别占总面积的18.67%,35.28%,32.81%,13.24%。研究结果可为山西省岢岚县红芸豆种植适宜性提供理论依据,为区域化、规模化种植提供参考。

不同播期冬小麦茎叶碳氮比的光谱监测

为了探讨利用冠层光谱监测不同播期下小麦植株碳氮比的可行性,基于不同播期和不同施氮水平下的两年田间试验,对冬小麦茎叶碳氮比与冠层光谱的关系进行了研究。结果表明,不同播期下冬小麦茎叶碳氮比随生育时期的推进均呈＂高-低-高＂的动态变化;各个波段综合原始反射率和一阶微分与碳氮比均有显著相关性;NDVI、RDVI、EVI、SAVI等植被指数对茎叶碳氮比均有较好的拟合效果,其中NDVI受播期的影响较小,可用于建立各播期冬小麦茎叶碳氮比监测模型。检验结果显示,冬小麦各播期茎叶碳氮比监测模型的预测精度为0.678 2～0.963 6,相对误差0.095 5～0.323 9,均方根误差1.864 6～5.714 2,说明利用冠层光谱可以实现对不同播期条件下冬小麦茎叶碳氮比较为准确的监测。

基于连续投影算法与BP神经网络的玉米叶片SPAD值高光谱估算

叶片叶绿素含量是评价作物生长状况的重要指标。为实现玉米叶片叶绿素含量的准确、高效高光谱估测,以玉米大田试验为基础,于7月1日(大喇叭口期)、7月19日(灌浆初期)和8月18日(腊熟期)利用ASD高光谱仪和便携式叶绿素仪(SPAD-502)分别测定了玉米叶片高光谱数据和叶绿素含量相对值SPAD;利用连续投影算法提取出玉米叶片光谱的特征波长,再用BP神经网络构建SPAD值的估算模型,并对模型进行验证。结果表明,3个日期的分段监测模型及统一监测模型的R2分别为0.885,0.900,0.675,0.827;RMSE分别为2.156,2.103,3.236,2.651;7月1日模型、7月19日模型和统一监测模型均具有较高的精度,同时检验模型RPD均大于2,具有很好的预测能力;而8月18日的监测模型表现较差(RPD=1.641),但也达到可用水平。表明利用连续投影算法结合BP神经网络可以进行玉米叶片SPAD值的高光谱估算。

变换光谱数据对土壤氮素PLSR模型的影响研究

光谱数据变换对消除背景、噪音影响以及提取光谱特征有重要的作用,是光谱数据分析过程中的必要步骤。为了研究光谱变换处理对土壤氮素PLSR模型的影响精度,并选择最佳光谱变换处理方法,本文对原始光谱数据进行了15种典型光谱变换,通过比较不同变换光谱与土壤氮素的相关性,实现土壤氮素的PLSR精确诊断,并综合评定最佳光谱数据变换方法。结果表明,涉及微分处理后的光谱变换,尤其是先进行开方(T8、T11)、对数(T6、T12)等变换后再进行微分处理,可提高其与土壤氮素的相关性。在引入较少因子变量个数的条件下,该方法使因变量解释量达到了98%。综合考虑模型的校正、验证效果及模型复杂度(模型最佳因子变量个数),可得出光谱平方根的一阶微分变换处理(T8)为最佳的土壤光谱变换算法。该条件下的土壤氮素的校正模型表现为R2=0.985、RMSEC=0.000132、Fn=6,验证模型的表现为R2=0.9853、RMSEV=0.000162,结果表明基于T8的光谱数据变换可实现本试验条件下土壤氮素的光谱估算。另外,可以考虑将原始光谱的一阶微分(T9)、对数和对数倒数的一阶微分(T6、T7)以及平方根和对数的二阶微分(T11、T12)作为光谱数据变换方法。本文研究结果可为土壤氮素估算和光谱数据预处理提供技术参考。