论文部分内容阅读
近年来,我国开始了精准农业理论和实践上的研究,实时精确的田块尺度作物长势监测和定量评价是精准农业的迫切需求。无人机遥感方便灵活、时空分辨率高,已成为田块尺度农业遥感的重要数据来源。因此,本研究以夏玉米为对象,在杨凌区开展了两年田间试验,试验设置7个处理:CK、N1-1、N1-2、N2-1、N2-2、N3-1、N3-2。其中,CK(不施肥)、N1(105 kg hm-2)、N2(210 kg hm-2)、N3(315 kg hm-2)是四个不同的施氮水平;同一施氮水平下分为不追肥(N1-1、N2-1、N3-1)和拔节期追肥(N1-2、N2-2、N3-2)。在拔节期、抽雄期、灌浆期,采集叶面积指数、地上部生物量、叶绿素相对含量(SPAD)、光合参数这些长势指标,同步获取无人机多光谱影像。综合考虑叶面积指数、地上部生物量、SPAD、光合参数这四种单一长势指标,分别基于均等权重和熵值法构建综合长势指标(Comprehensive growth index,CGI)。对多光谱影像进行处理得到植被指数,分析长势指标(叶面积指数、地上部生物量、SPAD、光合参数、综合长势指标)与植被指数的相关关系,筛选得到敏感植被指数用于建立估算模型,采用偏最小二乘、随机森林分别构建夏玉米不同生育期各个长势指标的估算模型,使用决定系数R~2、均方根误差RMSE和相对分析误差RPD对模型精度评价后,优选出最佳估算模型,实现监测夏玉米长势的目的,为精准农业的发展提供数据支撑。本研究的主要结果如下:(1)由红光和近红外波段构建的各个植被指数(NDVI、RVI、OSAVI、MSR)在表征作物冠层特征时具有较好的一致性,CK处理最小,远远低于其他施氮肥的处理,其次是N1-1和N1-2,其余四个处理的差异不明显;以可见光波段为主体的植被指数(MCARI、NRI)稳定性差,且往往在夏玉米不施氮肥时达到最大;追肥后,由红光和红边波段组合而成的CIre可以较好地表征出施氮水平为210 kg hm-2和315 kg hm-2的追肥效果(即N2-2和N3-2)。(2)长势指标(叶面积指数、地上部生物量、SPAD、光合参数、综合长势指标)与所选植被指数的相关关系具有较好的一致性,均表现为与NDVI、GNDVI、RVI、OSAVI、MSR、CIre呈较强且稳定的正相关关系,而与MCARI、NRI之间为负相关关系,相关性较差。除MCARI、NRI之外的植被指数基本均与长势指标极显著相关。(3)对于叶面积指数、地上部生物量、SPAD,随着施氮水平的提高,叶面积指数、地上部生物量增大,而对于SPAD,N1水平下的SPAD值明显较低,N2和N3水平的SPAD差别不大。分别建立叶面积指数、地上部生物量、SPAD在不同生育期的估算模型,结果显示:对于叶面积指数,RF方法更适合用来估算叶面积指数,全生育期RF模型精度最高,验证集R~2、RMSE、RPD分别为0.82、0.32、2.38,可以极好地对夏玉米全生育期叶面积指数进行估算;对于地上部生物量,与叶面积指数类似,同样是全生育期RF模型效果最好,而在灌浆期,PLS模型和RF模型均不能对地上部生物量进行有效估算;对于SPAD,拔节期RF模型的精度最高,其次是全生育期RF模型,验证集R~2、RMSE、RPD分别达到0.83、2.23、2.40。叶面积指数、地上部生物量、SPAD的全生育期RF模型均有较好的估算精度,在实际应用时,为了方便,可优先选用全生育期RF模型。(4)对于光合参数,不同处理下光合参数的变化规律显示在拔节期追肥可以促进植株生长发育,延缓植株衰老。光合参数与植被指数的相关分析结果显示,GNDVI可以较好反映光合作用强度较低的情况。采用PLS和RF方法可以在拔节期、抽雄期、灌浆期建立相对不错的光合参数估算模型,而对于全生育期,两种方法均不能对光合参数进行有效估计。总体来看,基于植被指数建立的光合参数经验统计模型(PLS模型、RF模型)效果一般,不能很好地估算光合参数。相比之下,PLS模型优于RF模型。对于净光合速率,效果最好的是抽雄期PLS模型,其次是拔节期PLS模型;对于蒸腾速率,灌浆期RF模型精度最高;对于气孔导度,最佳模型是抽雄期PLS模型,有较好的预测能力,建模集和验证集R~2均为0.7;对于胞间二氧化碳浓度,在抽雄期,PLS方法建立了可利用的估算模型,为最佳模型;在拔节期、灌浆期,两个模型均不能得到胞间二氧化碳浓度的有效估计值。(5)基于均等权重法构建综合长势指标CGI1,基于熵值法构建成综合长势指标CGI2。CGI1、CGI2呈现出的规律与实测长势指标具有一致性,能够较好地反映作物长势;与CGI1相比,CGI2在抽雄期变化不大,拔节期、灌浆期有所降低,可以更明显地显示出不同生育期间的差异。分析综合长势指标与植被指数的相关关系,可以得到:NDVI、OSAVI在不同生育期与综合长势指标的相关系数均较高。CGI1与植被指数的相关系数略大于CGI2与植被指数的相关系数。与单一长势指标相比,综合长势指标与植被指数的相关关系增强。对比综合长势指标不同生育期的估算模型发现,CGI2模型精度低于CGI1模型精度。对于CGI1,拔节期RF模型精度最高,其次是全生育期RF模型,略低于拔节期RF模型;对于CGI2,抽雄期RF模型的验证集R~2、RMSE、RPD分别为0.68、0.11、1.76,这表明抽雄期RF模型为最佳模型。与各个单一长势参数相比,CGI1、CGI2的模型精度均介于表型参数(叶面积指数、地上部生物量、SPAD)与光合参数之间。