基于无人机多光谱遥感的苹果树冠层SPAD反演

为探讨利用无人机多光谱遥感影像监测苹果树冠层叶绿素含量的可行性,以南疆矮砧密植苹果树为研究对象,利用无人机获取试验区多光谱影像,选取10个植被指数,分析所选植被指数与实测SPAD值的相关性,将与SPAD相关性较好的7个植被指数作为模型的输入变量,利用机器学习构建一元线性回归、偏最小二乘回归、支持向量机回归、随机森林回归和岭回归的苹果树冠层SPAD反演模型,通过精度检验确定最优模型.结果表明,7个植被指数NDVI,EVI,SAVI,OSAVI,GNDVI,RVI,GRVI与SPAD具有较好的相关性,相关系数为0.4~0.7,均在P小于0.01水平上极显著相关.采用随机森林回归建立的模型表现最优,其建模集R 2为0.728,RMSE为2.292,RPD为1.920;验证集R 2为0.702,RMSE为2.527,RPD为1.832.因此,基于无人机多光谱遥感的RF模型可以实现苹果树冠层SPAD的快速准确估算.

基于无人机多光谱影像与机器学习算法的棉花冠层叶绿素含量估算研究

【目的】利用无人机多光谱技术监测棉花冠层叶片的叶绿素含量。【方法】通过无人机获取新疆南疆地区棉花冠层的多光谱图像,选取7种植被指数,利用7种不同的反演方法估算棉花关键生育时期花铃期的叶绿素含量,包括基于线性回归(linear regression,LR)的一元线性回归、偏最小二乘回归(partial least squares regression,PLSR)、岭回归(ridge regression,RR)、最小绝对值收敛和选择算子(least absolute shrinkage and selection operator,LASSO)回归,以及支持向量回归(support vector regression,SVR)、K近邻回归(K nearest neighbors regression,KNNR)、随机森林回归(random forest regression,RFR)。【结果】与线性回归模型相比,RFR、SVR和KNNR算法提高了棉花冠层叶绿素含量估算模型精度,尤其是RFR算法,其模型验证集的决定系数为0.742,均方根误差为1.158 mg·L^(-1),相对分析误差为1.969。【结论】利用RFR机器学习方法构建的基于无人机多光谱影像的棉花冠层叶片叶绿素含量估算模型可及时、准确地判断棉花的生长状况,为棉田精准管理提供技术支撑。

南疆盐碱土水、氮、盐光谱特征及其反演模型

【目的】探讨南疆盐碱土在不同水、氮、盐条件下的光谱特征,构建适合南疆盐碱土的水、氮、盐反演模型。【方法】以南疆代表性盐碱土为研究对象,设置不同的土壤水、盐和氮量,分析不同处理的土壤光谱特征,采用偏最小二乘回归(PLSR)、支持向量机回归(SVR)和BP神经网络(BPNN)建立土壤水、氮、盐反演模型。【结果】土壤水的特征波段在1900 nm附近,土壤氮的特征波段在1490~1506、1540~2006、2011~2500 nm之间,土壤盐的特征波段在1880~1883、1890~1942 nm之间;PLSR模型对水、氮、盐量的反演效果最好,BPNN模型次之,SVR模型最差。【结论】1900 nm波段是水、氮、盐共同的特征波段,南疆盐碱土水、氮、盐量的最优反演方法为:采用Savitzky-Golay方法进行平滑处理,运用主成分分析降维后通过偏最小二乘回归建立反演模型。

水氮运筹对新疆无膜滴灌棉花生长发育及土壤温室气体排放的影响

【目的】探究水氮运筹对新疆无膜滴灌棉田棉花生长发育、水氮利用效率及土壤温室气体排放的影响。【方法】设置2个灌水定额(W1:450 m^(3)·hm^(-2),W2:540 m^(3)·hm^(-2))和3个施氮量(150、225、300 kg·hm^(-2)纯氮),分析不同水氮条件下土壤和植株全氮含量、棉花株高与茎粗、籽棉产量、水分与氮素利用效率及土壤温室气体排放的差异。【结果】225 kg·hm^(-2)和300 kg·hm^(-2)施氮量下,不同生育时期W1的0~80 cm土层平均全氮含量高于W2处理。同一施氮量水平下,W1处理的土壤CO_(2)、CH_(4)、N_(2)O累积排放量,全球增温潜势(global warming potential,GWP),土壤温室气体排放强度(greenhouse gas emission intensity,GHGI)及水分利用效率均高于W2处理。W1灌溉水平下,苗期和蕾期0~80 cm土层平均全氮含量、不同生育时期棉花的株高与茎粗、籽棉产量、水分利用效率均随施氮量的增加而增加,土壤CO_(2)和CH4累积排放量、GWP、GHGI和氮肥偏生产力均随施氮量的增加而降低,而植株全氮含量随施氮量的增加呈现先升高后降低的趋势。W2灌溉水平下,植株全氮含量、籽棉产量和水分利用效率均随施氮量的增加呈先升高后降低的趋势,土壤CO_(2)及CH_(4)累积排放量、GWP和氮肥偏生产力均施氮量的增加而降低,而棉花茎粗和株高随施氮量的增加而增加。通过拟合分析发现,W1与W2处理的籽棉产量拟合曲线在施氮量为278.07 kg·hm^(-2)时相交。【结论】在水资源短缺的新疆南疆地区,450 m^(3)·hm^(-2)灌水定额和300 kg·hm^(-2)施氮量是无膜滴灌棉花节水、增产、减排的高效水氮施用模式。

基于机器学习算法的棉田土壤钾、钠离子量预测

【目的】比较4种机器学习方法对南疆棉田土壤K+、Na+量的预测结果,确定一种预测准确度较高的机器学习模型作为可供参考的方法。【方法】采用支持向量回归(SVR)、随机森林回归(RFR)、K-最近邻回归(KNNR)和梯度提升回归树(GBRT)4种机器学习算法,2020年棉田土壤K+、Na+量数据训练模型,2021年实测数据进行测试验证。使用平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R^(2))对模型预测结果进行评估。【结果】4种模型(SVR、RFR、KNNR和GBRT)对测试样本K+量预测的MAE分别为0.100、0.169、0.169g/kg和0.167g/kg;RMSE分别为0.119、0.218、0.218g/kg和0.223g/kg;R^(2)分别为0.687、0.437、0.430和0.395。对测试样本Na+量预测的MAE分别为0.841、2.841、2.826g/kg和2.856g/kg;RMSE分别为1.154、3.658、3.630g/kg和3.650g/kg;R^(2)分别为0.838、0.299、0.219和0.200。将测试样本K+、Na+量分别按4个土层深度(0~10、10~20、20~30 cm和30~40 cm)进行预测时,SVR模型的误差值最小,其对K+量按照4个深度预测的MAE分别为0.122、0.114、0.056 g/kg和0.106 g/kg,RMSE分别为0.135、0.135、0.069 g/kg和0.126 g/kg;对Na+量预测的MAE分别为0.540、0.619、0.835 g/kg和1.371 g/kg,RMSE分别为0.636、0.748、1.198 g/kg和1.710 g/kg。【结论】SVR模型预测K+、Na+量的精度最高,可推荐作为南疆棉田土壤钾、钠离子量预测的一种方法。

基于AquaCrop模型评估气候变化下棉花生产的可持续性

运用2017-2018年南疆绿洲区膜下滴灌棉花土壤水分、冠层覆盖度、生物量、蒸散量(ET)及产量(Y)数据,校准和验证AquaCrop模型中作物参数,将数据输入AquaCrop模型气象、作物、灌溉、田间管理模块模拟了6种灌溉水平(18、24、30、36、45和54mm)和5个播期(3月23日、4月3日、4月13日、4月23日和5月3日)共30种情景下南疆绿洲区膜下滴灌棉花的生物量和产量,并分析1988-2017年连续30a棉花产量的稳定性和可持续性。结果表明,AquaCrop模型能够较好地模拟不同灌溉和播期下棉花冠层盖度、地上生物量和土壤水分,归一化均方根误差(NRMSE)均小于20%,协同指数(d)和相关系数(R~2)均接近1。AquaCrop模型低估了棉花蒸散量和产量,相对误差(RE)分别为-4.5%~1.2%和-8.6%~-6.8%,但证明了AquaCrop模型可以进行情景模拟。模型预测表明,棉花生产稳定性和可持续性受播期影响较小,而随灌水定额的增大而提高。播期相同时,棉花生物量和产量随灌溉定额的增大而增加,在495mm的灌溉定额下获得了较高的灌溉用水效率,并确保棉花产量无显著下降。同时,在495mm灌溉定额下适当推迟播期至4月13日,可以节约用水36.78mm,如运用早熟棉种于4月23日播种,可以节约用水65.34mm。因此,对于水资源富裕地区可考虑早播获得高产,而水资源匮乏地区在品种与栽培模式配套下,晚播是一种适应现在和未来气候变化下水资源短缺的经济、有效的策略。