基于无人机遥感的作物表型参数获取和应用研究进展

作物表型参数是由基因和环境因素决定或影响的作物生理、生化特征和性状。通过获取不同环境、不同生长时期的作物表型信息,可直观了解作物生长状况,以及时调整栽培管理措施,保障作物高效生产。无人机搭载RGB相机、光谱相机、激光雷达等传感器,可充分发挥灵活性好、获取数据效率高、成本相对较低等优势,实现作物表型参数信息的高效获取,同时,快速发展的图像处理和识别分类技术又为无人机遥感获取的作物表型参数信息提供了有效的处理和分析方法,从而使得作物监测更加便捷、高效。本文总结了无人机遥感获取作物表型参数信息的流程与方法,概括了基于无人机遥感开展作物株高、冠层覆盖度、叶面积指数、水分胁迫、生物量、产量等表型参数研究的现状,并对无人机遥感技术在作物表型参数信息解析方面的应用前景进行了展望,以期为充分发挥该技术在农业生产中的作用提供参考。

物联网:下一个推动世界发展的“生产力”

网络就像一个具有生命的个体,不断地发展和完善,从最初网络的出现到现在的全球化、多元化,网络都表现出强有力的生命力。随着社会的发展、技术的不断改变以及人们对生活质量的高标准、高要求,形成了在继计算机、物联网等信息技术的浪潮后又一个崭新的技术领域-物联网。物联网是一个物物相连的网络,它不像以往的概念把物理基础设备和信息技术基础分离。

农业灌溉和施肥在陆面过程模型中的参数化方法研究进展

全球气候变化和人口激增背景下,灌溉和施肥成为保证粮食产量的重要途径,同时也深刻改变着陆地生态系统水循环、能量流动和物质循环过程。在陆面过程模型(LSM)中耦合灌溉和施肥方案对清晰把握陆⁃气相互作用、保障全球粮食安全有重要意义。本文分别回顾了灌溉和施肥(氮肥)在LSM参数化过程中的3个关键参量(方式、用量和时间)的表达方法,指出了当前受到灌溉和施肥关键参量高时空分辨率数据匮乏的影响,LSM中的灌溉和施肥方案与实际农业生产方式有所偏离,难以充分反映灌溉和施肥对粮食产量、生态环境和局部气候的影响。最后,提出了LSM中灌溉和施肥方案的未来优化方向:1)考虑作物间的水分需求差异,对灌溉阈值进行差异化设置,正确评估不同作物的水资源消耗总量和强度;2)充分利用施肥灌溉的地面观测记录和日益丰富的区域格网数据,发展更加贴合实际农业操作的参数化方案,准确揭示灌溉和施肥的经济、生态和气候等效应;3)综合作物类型、物候阶段、土壤基础肥力等因素,发展施肥诊断方案作为模型的补充方案,提升模型在氮肥数据匮乏地区的应用性和模拟准确性。

理化复合参数和神经网络结合的冬小麦长势遥感监测

准确、及时地监测区域作物长势状况对农业规划和政策的制定与调整具有重要的意义。遥感技术作为一种收集大面积作物长势信息的有效手段,正日益受到关注。为提高冬小麦长势遥感监测的准确性和全面性,该研究基于田间实测的冬小麦拔节期地上鲜生物量(aboveground fresh biomass,AFB)、叶面积指数(leaf area index,LAI)、叶片叶绿素相对含量(soil and plant analyzer development,SPAD)和叶片氮含量(leaf nitrogen content,LNC)4种生长相关理化参数,利用熵值法获取各参数权重构建冬小麦理化复合参数(physico-chemical composite parameter,PCCP)。利用显著性检验和籽粒产量数据分析复合参数在量化冬小麦长势方面的性能。然后,以Sentinel-2A作为数据源,分析不同遥感指数与LAI、SPAD、AFB、LNC和PCCP的相关性。选取相关性较高的遥感指数作为反向传播(back propagation,BP)人工神经网络(artificial neural networks,ANN)的输入,建立冬小麦长势遥感监测模型,对PCCP进行估计。评价模型精度并用于监测研究区冬小麦长势分布特征。赋权结果表明,作物物理参数的权重大于生化参数,其中LAI的权重最大,为0.387,AFB和SPAD次之,LNC的权重最小,为0.105;PCCP性能评估结果表明,与单一理化参数相比,PCCP值能更好地揭示作物长势状况的差异,其与最终籽粒产量的相关性更好,决定系数提高0.035~0.468,均方根误差减少46.2~520.0 kg/hm^(2);在遥感监测过程中,PCCP比单一理化参数有更好的应用潜力,BP-ANN长势遥感监测模型模拟PCCP精度较高,在测试集中决定系数为0.830,均方根误差为0.080;研究区冬小麦总体长势稳定且分布集中,呈现"中部差,南北好"的空间分布特征。因此,构建作物理化复合参数用于量化作物长势是提高长势监测可靠性和准确性的一种有效方式,可为冬小麦田间管理提供科学依据,服务于发展智慧农业和建设农业强国的战略需求。