基于超分辨率重建与机器学习的油菜苗情监测方法

为优化养分管理和确保植株正常生长,以无人机遥感技术高效且非破坏采集田间作物苗情信息,监测油菜苗期的叶面积指数(LAI)与叶绿素相对含量(SPAD)。针对无人机因飞行高度与图像分辨率相互制约,监测效率与监测精度难以兼顾的问题,采用超分辨率重建方法,融合较低飞行高度拍摄高分辨率影像,重建较高飞行高度拍摄影像,建模完成后可通过拍摄飞行影像监测LAI和SPAD。试验设置3个氮肥梯度、3个播期、3个种植密度处理,在苗期利用无人机分别采集20m及40m 2个飞行高度的油菜苗影像,采用SRRestnet方法,对40m影像进行超分辨率重建。基于20m、40m及40m重建影像中提取的3种特征组合,利用偏最小二乘回归(PLSR)、随机森林(RF)、支持向量回归(SVR)3种机器学习方法对LAI和SPAD进行监测。结果表明,超分辨率重建后的图像在表型苗情监测中表现出良好效果,PLSR监测LAI、RF监测SPAD的监测精度最高,且40m重建图像的作业效率相比于20m图像提高48.6%。

不同冬油菜品种比叶面积的多因子分析

采用正交旋转组合设计,首次系统研究了不同品种、不同播期、不同生长发育阶段、地上地下不同器官干重对比叶面积的影响,并建立了华双3号抽薹期SLA与密度、氮肥、磷肥、钾肥、硼肥的数学模型。单因子分析表明,密度、氮肥、磷肥、钾肥、硼肥与比叶面积均存在抛物线关系,各因子的绝对贡献为密度>钾肥>磷肥>氮肥>硼肥。冬油菜的比叶面积在发育进程中呈现降-升-降趋势,除越冬期外,其各生育期之间比叶面积变化差异显著,品种间的比叶面积差异不显著,与叶重、茎重和根重之间均呈负相关。通径分析表明,比叶面积不仅受叶重、茎重、根重的影响,而且受3者间交互作用的影响。比叶面积可以作为群体营养状况和临界施肥量的诊断指标。生育前期重点促进叶重和生育中后期重点促进茎重的增长有利于获得较小的比叶面积,实现优势群体。

长江中游冬油菜群体干物质和叶面积模拟的研究

根据油菜生理生态学原理,建立了油菜群体干物质积累和叶面积指数的动态模型,用中油杂2号在武汉地区种植时的试验和当年气象资料对其进行检验,其模拟值和实测值之间的相关系数分别为0.9936(r0.01=0.834)和0.9863(r0.01=0.708),达到极显著水平。

图像处理法测定油菜叶面积的研究

利用数码相机获取油菜叶片的图像,采用基于Photoshop图像处理法对油菜叶面积分析测定,并与叶面积仪测定法、方格法的测量结果进行回归分析。结果表明,该方法与其他2种方法的测定结果存在极显著线性相关,相关系数R^2分别为0.981和0.989;在用图像处理法对叶面积测量时,不同的拍摄角度和分辨率对叶面积的测定无显著影响。该方法具有简单、快捷、准确、易普及等优点,为植物叶面积的快速测定提供了比较好的方法。

油菜红边特征及其叶面积指数的高光谱估算模型

在2003～2004年油菜生长季，选用6个油菜品种，设置3个氮素水平的小区试验。在不同发育期同步测定油菜冠层的光谱反射率及对应叶片的叶面积指数。利用油菜冠层的光谱反射率数据提取红边参数，分析其变化规律，油菜叶面积指数与红边参数的相关性，估算结果表明：油菜冠层红边一阶导数光谱具有“双峰”现象，红边位置λred位于690～720nm之间，在油菜生长旺盛期间出现“红边平台”，前期有“红移”，后期有“蓝移”现象；叶面积指数与冠层光谱红边参数λred、Dλred、Sred之间在开花前存在显著相关，但开花后相关性不显著；利用开花前的红边参数可以估算油菜的叶面积指数，开花后的红边参数不能用于估算油菜的叶面积指数；最后建立了不同时期和开花前油菜叶面积指数的估算模型。

施氮量对杂交油菜生物性状及产量的影响

为了获得油研9号和油研10号高产栽培的适宜施氮量，进行了不同施氮量对叶面积系数、群体干物重、植株性状和产量影响的试验。结果表明，不同施氮量处理间的产量、平均叶面积系数差异极显著，平均干物重差异显著。各生育时期的叶面积系数随施氮量增加而增大，整个生育进程叶面积系数发展动态呈抛物线型变化，现蕾至初花期迭最大值，平均为1．85—7．05；各生育时期的群体干物重随施氮量增加而增大，但成熟期施氮量最高（375kg·hm^-2）时干物重则降低；群体干物重随生育进程逐渐增加，成熟期达最大值，平均为8937．0—20313．5kg·hm^-2；施氮量对植株性状有明显的影响。油研9号和油研10号适宜施氮量（纯氮）为205—225kg·hm^-2，能获得3100kg·hm^-2以上高产。

冬油菜叶面积指数高光谱监测最佳波宽与有效波段研究

以冬油菜为研究对象,利用连续3季(2013—2016年)不同氮营养水平下冬油菜关键生育期400~1 350 nm冠层高光谱和LAI数据,研究基于偏最小二乘(Partial least square,PLS)回归分析的冬油菜原初光谱(Raw spectral reflectance,R)及一阶微分光谱(First derivative reflectance,FDR)窄波段光谱变量(1、5、10、20 nm)和宽波段光谱变量(40、80、100 nm)与LAI之间关系,确定可稳定指示油菜LAI时空变化的最佳波宽及其有效波段。在此基础上,进行了基于有效波段最优波宽下冬油菜LAI预测和精度验证。结果表明,冬油菜LAI对氮肥响应具有高度敏感性,可较为充分反映油菜LAI时空变化,其建模集和验证集变异系数分别为65.4%和54.4%;随波宽增加,基于R-PLS和FDR-PLS回归模型的冬油菜LAI预测精度均呈先增加后降低趋势,至窄波段光谱变量和宽波段光谱变量临界处20 nm波宽时达最高,且FDR-PLS预测效果显著优于R-PLS,建模集和验证集相对分析误差(Relative percent deviation,RPD)分别为2.223和2.004。根据FDR-PLS回归模型中各波段变量重要性投影值(Variable importance for the projection,VIP),确定基于该最佳波宽条件下油菜LAI有效波段分别为759、847、921、1 002、1 129 nm。此后,再次构建基于上述有效波段的油菜LAI预测模型,建模集和验证集RPD分别为2.004和1.707,反演效果较为理想。

单株油菜叶面积田间无损测量方法和策略研究

为了实现单株油菜叶面积“无损、高精确度和高效率”的测量目标,提出了一套综合运用图像处理法、叶面积仪法、系数回归法(叶长宽积,以下缩写为L×W)和纸样称重法四种方法的单叶累加测量策略,并开展了相应的实证研究。测量精确度分析结果表明,图像处理法、叶面积仪法、系数回归法(L×W)均可实现油菜叶面积的田间无损精确测量,其中测量精确度图像处理法最高,叶面积仪法次之,系数回归法(L×W)最低,测量误差分别为2.94%、4.47%、6.01%。图像处理法测量叶面积,对于因拍摄角度差异造成的测量误差不明显。同一方法不同生育期建立相应校正模型更有利于精确的测量。测量效率分析结果表明,叶面积仪法测量效率最高,系数回归法(L×W)次之,图像处理法最低,但在人力可接受范畴内。结合不同生育期叶数和叶形特点,并科学处理“高精确度”和“高效率”之间的关系,制订了一个测量方案,叶宽大于12 cm的长柄叶主要通过图像处理法进行测量,叶宽小于12 cm的短柄叶、无柄叶主要以叶面积仪法测量,所有叶通过系数回归法(L×W)测量,用于少数残缺或漏测叶片的补充及对其他方法测量结果作对比分析,通过纸样称重法校正模型进行校正。该方案可为单株油菜叶面积田间无损测量提供技术支撑。

油菜秸秆还田及氮肥减量对夏玉米生长发育及产量的影响

于2018、2019连续2年在湖南省桃源县木塘垸乡设计3种油菜秸秆还田量(移除、半量还田、全量还田)与3种氮肥施用量(减氮40%、减氮20%、当地常规施氮量)2因素裂区试验,探究不同油菜秸秆还田量和氮肥施用量处理对夏玉米生长发育和产量形成的影响。结果表明:夏玉米生育期随着秸秆还田量的增加和施氮量的增加略有延长;在秸秆还田的第1年,叶面积指数、地上部总生物量、产量、氮肥偏生产力等变化主要与施氮量有关,秸秆作用不明显;第2年,大多数指标均以秸秆半量还田+减氮20%的组合效果最好,其吐丝期叶面积指数、成熟期地上部总生物量、实际产量较秸秆移除+常规施氮组合的分别提高18.8%、8.2%、7.6%,在同一施氮量下,秸秆还田处理的氮肥偏生产力较秸秆移除处理的高;2年的油菜秸秆还田及氮肥减量处理对玉米的各农艺性状影响均不大,大多数指标差异无统计学意义。可见,秸秆还田具有良好的减氮增效的作用,可在洞庭湖区油菜–夏玉米复种模式下推广,且以油菜秸秆半量还田+氮肥减量20%的组合为宜。

基于冠层光谱的冬油菜光合性状监测模型研究

为了建立冬油菜光合性状监测模型,实现油菜无损获取农作物信息,方便油菜生产过程中实时诊断、精确管理和估产,以甘蓝型冬油菜为试材,分析不同施肥量和密度条件下油菜冠层光谱与油菜净光合速率(Pn)、叶片叶绿素含量(SPAD)、叶面积指数(LAI)的定量关系,以获取最佳敏感波段的光谱指数;以最佳光谱指数为基础,建立冬油菜光合性状监测模型,并以不同年份的冬油菜试验数据检验监测模型的准确度。结果表明:不同施肥量和密度条件下,冬油菜叶片净光合速率、角果净光合速率、叶片叶绿素含量、叶面积指数的最佳监测模型分别为基于RSI(R_(760),R_(766))的线性函数y=326.420x+347.140、基于NDSI(R_(951),R_(948))的线性函数y=413.580x+0.390、基于NDSI(R_(2207),R_(618))的指数函数y=43.652e^(-0.822x)、基于NDSI(R_(722),R_(721))的指数函数y=0.195e^(189.660x)。基于本研究结果建立的监测模型预测精度好,拟合检验均达显著水平。试验结果可为冬油菜生长的实时监测、生产力及品质预测预报提供方法和参考。

基于WOFOST模型与遥感数据同化的油菜估产方法

在大区域尺度实现快速、精确的作物产量估测对我国粮食安全、作物种植结构调整、进出口贸易等具有重要意义。遥感技术的发展为农业估产领域带来了新的技术和手段。以湖北省油菜为研究对象,针对如何利用有限的地面观测数据进行大区域范围油菜产量估测的问题,结合遥感数据和气象数据,通过WOFOST模型进行数据同化,模拟油菜生长过程中的叶面积指数(LAI)变化,提取油菜关键生长期的LAI,以弥补大区域尺度数据的不足。之后,利用LAI作为中间量构建基于GF-1 WFV数据的大区域尺度油菜估产算法。研究发现,油菜蕾苔期和花期的综合LAI能够实现提前、准确的油菜产量预估,在蕾苔期SR植被指数与LAI相关性最好,在花期则是可见光大气阻抗(VARI_(green))植被指数与LAI相关性最好。为了验证估产算法的有效性和鲁棒性,在阳新县进行了测试。结果表明,与统计年鉴的产量数据相比估产误差低于6%,说明所提算法在大区域尺度油菜估产领域具有很强的潜力。