作物长势评估指数的设计与应用

合理有效地开展作物长势评估,可以及时反映作物生长状况及其对天气气候条件的响应。由于WOFOST模型、ORYZA2000模型在模拟冬小麦、玉米和水稻生长发育过程具备较强机理性,研究基于2001年以来全国冬小麦、玉米、水稻主产区逐日模拟的作物发育进程、叶面积指数和地上总生物量,通过隶属函数构建评估指数,开展高时空分辨率的作物长势评估。结果表明:长势综合评估指数在作物生长前期以发育进程、叶面积指数和地上总生物量三要素加权集合表征,中后期以发育进程和地上总生物量与穗重相关性的加权集合表征;长势评估指数与常规地面观测和遥感长势监测一致性较好,可以反映天气气候条件影响。在作物生长季内,以日为单位构建了作物长势评估指数数据库;根据长势评估指数将作物长势分为长势好、长势偏好、长势持平、长势偏差、长势差,实现空间上的长势监测、对比;以空间集成的方式,开展省级作物长势对比分析;利用长势评估指数变化反映典型天气气候条件对作物生长发育的影响。上述基于作物模型的作物长势评估指数符合现代化农业气象科研与业务服务发展的需求。

基于光度立体视觉的蔬菜秧苗叶片形态测量方法

为了实现蔬菜秧苗长势智能化在线评估,设计了基于光度立体视觉的蔬菜秧苗叶片曲面形态测量方法和装置,用于对叶片倾角、长度和面积进行精确测量。以15~30 d苗龄辣椒秧苗为测量对象,构建了针对其冠层叶片形态测量的试验装置。根据4组光源在标定球表面成像的反射关系组合方程,标定其对秧苗叶片的照射向量;以D65白色标准板为参考,采用图像RGB分量线性矫正的方法,对不同方位光源辐射强度差异进行补偿,克服光源强度波动对叶片图像明暗信息的影响。根据叶片在不同方位光源照射下图像的明暗特征,基于光度立体视觉获取主叶脉区域离散梯度信息,在此基础上采用最小二乘方法拟合叶片空间平面,以恢复叶片空间倾斜信息,进一步结合叶片图像尺寸测算其实际长度和面积。试验结果表明,视觉系统对秧苗倾角、叶片长度和面积的测量结果与人工测量结果相比平均偏差分别为6.29°、3.82 mm、56.53 mm2,叶片长度和面积与人工测量结果的决定系数R2分别为0.936 3、0.866 4,且对于叶片伸展充分、无遮挡的幼龄秧苗测量精度较高,可为进一步开发温室苗床秧苗长势在线监测设备提供重要技术支撑。