高光谱遥感估测大豆冠层生长和籽粒产量的探讨

现代作物育种需要监测大量育种材料的生长并估测产量潜势,高光谱遥感技术为此提供了简单、快捷、非损伤性测定的可能途径。选取30份大豆育成品种进行连续2年的产量比较试验,在盛花期(R2)、盛荚期(R4)和鼓粒始期(R5)测定地上部生物量(ADM)和叶面积指数(LAI),并利用ASD高光谱地物仪同步收集大豆冠层反射光谱信息。供试品种间ADM、LAI和产量差异显著或极显著。不同生育期可见光和近红外区域的光谱反射率与大豆ADM、LAI及产量均有显著相关,尤其在R4和R5期相关性最高。在构建大量光谱参数的基础上,遴选出对ADM、LAI及产量预测精度较好的回归模型。其中,R5期的P_Area560光谱参数与LAI和R4期的V_Area1450光谱参数与ADM构建的两个生长性状的监测模型效果最好,决定系数(R2)分别为0.582和0.692。未发现单一生育期光谱参数对大豆估产的有效模型,但综合R2期NPH1280、R4期V_Area1190以及R5期NPH560构建的产量估测模型,决定系数(R2)达到0.68,效果较好。本研究结果表明高光谱遥感对大豆冠层生长监测和产量估测有相对可行性,可望在大规模育种计划中用于早期产量估测。

水稻叶片色素含量近红外光谱估测模型研究

以不同品种类型和不同施氮水平的水稻(Oryza sativa)叶片近红外光谱信息为基础,运用逐步多元回归法(Stepwise multiple linear regression,SMLR)、主成分回归法(Principal component regression,PCR)、偏最小二乘法(Partial least square,PLS)和BP神经网络法(Back-propagation neural network,BPNN),建立了水稻叶片中叶绿素a(Chl a)、叶绿素b(Chl b)、叶绿素a+b(Chl a+b)和类胡萝卜素(Car)的近红外预测模型。结果显示,利用8000～4000cm!1波段范围的一阶导数(First derivative,FD)建模效果最佳。其中,基于PLS的预测模型效果最好;4类近红外色素模型的内部交叉验证误差分别为0.251,0.063,0.305和0.073;外部交叉验证的误差RMSEP分别为0.335,0.123,0.302和0.072,表明的预测效果较好。因此,可以基于近红外模型对水稻叶片色素含量进行快速测定。

基于上部叶片SPAD值估算小麦氮营养指数

快速、准确的监测诊断小麦氮营养状态对于评价小麦长势、指导氮肥运筹并预测籽粒产量均具有重要的意义。基于2009—2011年的大田试验,系统分析了小麦上部4张单叶不同叶位的SPAD值和归一化SPAD指数(NDSPADij)与氮营养指数的定量关系,通过简单分组线性回归筛选出在不同年际和不同品种间表现稳定的氮营养指数(NNI)定量方程。结果表明,小麦上部不同叶位SPAD值和NNI随施氮量提高而提高,而NDSPADij随施氮量的提高而降低。小麦单叶SPAD值与NNI的关系呈显著正相关,但这种关系在品种或年份之间不稳定,对小麦氮素诊断存在风险;除NDSPAD12外,NDSPADij与NNI之间呈显著负相关,经简单分组线性分析发现NDSPAD14与NNI之间在年份和品种之间表现最稳定,能够较好的定量估算氮营养指数,从而快速诊断小麦氮素是否亏缺。

基于临界氮浓度的小麦地上部氮亏缺模型

基于3年的大田试验,选择代表性的中蛋白小麦品种(扬麦16)和低蛋白小麦品种(宁麦13),分别构建了小麦地上部干物质临界氮浓度(Ncnc)稀释曲线模型、氮营养指数(NNI)模型和氮亏缺(Nand)模型.结果表明:小麦地上部干物质临界氮浓度稀释曲线模型具有明确的生物学意义,小麦临界氮浓度与地上部最大干物质(DM)符合幂函数关系(扬麦16为Ncnc=4.65DM-0.44;宁麦13为Ncnc=4.33DM-0.45);小麦地上部氮营养指数模型可以准确诊断氮素营养状况;小麦地上部氮亏缺模型可以定量调控氮肥管理措施.利用2007—2008年的独立试验资料对小麦地上部干物质临界氮浓度稀释模型、氮营养指数模型和氮亏缺模型进行检验和测试,结果表明模型的准确性较高,普适性较强.本文所构建模型可以直接用于诊断调控小麦氮素营养,为小麦生产中精确施肥管理提供了较好的技术途径和理论基础.

基于星载通道光谱指数与小麦冠层叶片氮素营养指标的定量关系

利用空间遥感信息大面积监测小麦冠层氮素营养状况和生产力指标具有重要意义和应用前景.本研究基于不同施氮水平下小麦冠层反射光谱信息,利用响应函数模拟基于不同卫星通道构建的光谱指数(包括单波段、比值光谱指数和归一化光谱指数),分析基于星载通道的光谱指数与小麦冠层叶片氮素营养指标的定量关系,确定监测小麦冠层叶片氮素营养的较好卫星传感器和光谱波段,建立小麦冠层氮素营养指标监测方程.结果表明:利用NDVI(MSS7,MSS5)、NDVI(RBV3,RBV2)、TM4、CH2、MODIS1和MODIS2遥感数据可以预估小麦叶片氮含量(LNC),其决定系数(R2)在0.60以上;应用NDVI(PB4,PB2)、NDVI(CH2,CH1)、NDVI(MSS7,MSS5)、RVI(MSS7,MSS5)、MODIS1和MODIS2可以预测小麦叶片氮积累量(LNA),其R2大于0.86.比较而言,NDVI(MSS7,MSS5)和NDVI(PB4,PB2)分别为预测小麦LNC和LNA的适宜星载通道光谱参数.