1 河南理工大学测绘与国土信息工程学院, 河南 焦作 454000
2 中国农业科学院农业环境与可持续发展研究所, 北京 100081
3 河北省农林科学院旱作农业研究所, 河北 衡水 053000
为探究水分胁迫下冬小麦冠层反射率在各生育期响应叶片叶绿素变化的特性, 针对2020年—2021年小麦生长季11个品种(分为强、 一般和弱3个抗旱性品系), 设置了2次灌溉(拔节、 扬花)、 1次灌溉(冬季、 返青、 拔节、 拔节后7天和拔节后14天)以及无灌溉总共3个水分梯度处理, 分析了叶绿素与反射率之间的相关性, 利用波长随机组合方式［简单比值(SRSI)、 简单差值(SDSI)和归一化(NDSI)］与线性拟合方法, 筛选了对叶绿素最为敏感的窄波段光谱指数。 结果表明： (1)所有品系叶绿素含量在各生育期均差异显著, 从拔节到灌浆大致表现为降低─升高─降低态势, 但冬季和返青期灌溉处理下的抗旱性一般品系、 以及返青期灌溉处理下的抗旱性较差品系除外; (2)随着发育进程推移和品种抗旱性减弱, 不同处理间在近红外区域的冠层反射率差距逐渐增大。 (3)叶绿素与窄波段光谱指数的线性拟合决定系数高值区集中在绿(445～591 nm)和红边(701～755 nm)波段。 抗旱性较强品系和抗旱性较差品系的SRSI指数均在开花期反演叶绿素的精度最高, 分别达0.762和0.811; 抗旱性一般品系的NDSI指数在灌浆期精度最高, 为0.732。 该研究对于揭示水分胁迫下叶绿素变化的反射率响应在冬小麦各关键生育期以及品种间差异等, 具有一定参考价值, 可为基于无人机载高光谱技术的抗旱小麦品种高效筛选奠定基础。
遥感 无人机 冬小麦 水分胁迫 高光谱反射率 叶绿素 Remote sensing Unmanned aerial vehicle Winter wheat Water stress Hyperspectral reflectance Chlorophyll 光谱学与光谱分析
2023, 43(11): 3524
1 中国农业科学院农业环境与可持续发展研究所, 北京 100081
2 商丘市农林科学院小麦研究所, 河南 商丘 476000
冬小麦拔节期后的晚霜冻害在区域尺度上表现出一定的空间差异, 决定了应对冻害采取分区措施。 基于Sentinel-2卫星数据的宽波段光谱指数预测区域冬小麦减产率, 对灾情评估和生产管理决策具有重要意义。 采用人工模拟霜冻试验, 以光谱重采样将ASD FieldSpec® 3光谱辐射计获取的冠层反射率模拟为Sentinel-2传感器对应的波段反射率。 采用19个已有光谱指数和以3种形式(简单比值、 简单差值、 归一化)组合构建的光谱指数构建冬小麦减产率线性回归模型。 在每种形式中, 筛选出决定系数排名前三的宽波段光谱指数作为候选指数。 以商丘地区自然霜冻事件为契机, 以Sentinel-2卫星数据计算候选指数, 利用地面采样点的实测减产率验证候选指数精度。 结果表明: (1)随着处理温度的降低, 冬小麦冠层反射率在近红外区呈降低趋势, 在可见光区和短波段红外区呈升高趋势; (2)重采样前后反射率数据计算的19个已有光谱指数中, 大部分指数与减产率呈显著相关(p<0.001)。 筛选出的12个候选光谱指数预测冬小麦减产率的线性回归精度较好, 在校正集和验证集中的决定系数均高于0.631; (3)Sentinel-2卫星数据计算的候选光谱指数精度验证结果表明, 包含波段B9的3个光谱指数未能通过显著性检验, 其他9个光谱指数通过极显著性检验(p<0.001)。 基于波段B8, B8a和B12组合的2个光谱指数(B8a-B12和B8-B12)精度较好, 决定系数R2分别为0.543和0.492, 均方根误差RMSE分别为8.510%和8.971%。 该研究构建光谱指数B8a-B12和B8-B12符合简单差值形式, 是预测冬小麦减产率宽波段光谱指数的最佳组合。 研究成果揭示了冬小麦幼穗发育期冠层反射率在不同低温胁迫下的响应机制, 表明Sentinel-2宽波段光谱指数预测冬小麦减产率有良好的精度, 在霜冻后区域尺度上的冬小麦减产率预测具有可行性, 对于不同地区霜冻灾害的措施制定具有指导作用。
冬小麦 晚霜冻害 光谱重采样 遥感 减产率 Winter wheat Late frost damage Spectral resampling Sentinel-2 Remote sensing Yield reduction rate Sentinel-2 光谱学与光谱分析
2022, 42(7): 2225
1 农业部农业环境重点实验室, 中国农业科学院农业环境与可持续发展研究所, 北京 100081
2 商丘市农林科学院小麦研究所, 河南 商丘 476000
冬小麦遭受晚霜冻害后, 生理生态方面会发生显著变化, 其中又以株高要素的变化最为显著。 提取了包括红边位置、 红边振幅在内的15个光谱特征参数, 以及包括株高、 穗长、 穗下节间长和倒二节间长变化率4个株高要素, 通过相关分析, 筛选出与光谱特征相关性最好的株高变化率参数, 并建立逐步回归模型。 结果表明: 仅有株高变化率在2013和2014年两期试验中均与光谱特征参数达到显著相关; 将两期试验数据合并后, 则穗长、 穗下节间长和倒二节间长的变化率也均达到显著相关。 综合考虑模型的Adj.R2和显著性水平(Sig.)可知, 模型拟合效果最好的是穗长变化率, 其次是株高, 穗下节间和倒二节间长变化率。 比较模型的RMSE可知, 模型预测精度最高的是穗下节间长变化率。 该研究对在冻害胁迫条件下用光谱特征参数预测小麦株高各要素的变化提供了很好的参考, 对研究晚霜冻害低温胁迫下冬小麦株高要素变化的规律具有指示性意义。
冬小麦 晚霜冻害 光谱指数 株高要素 相关分析 回归分析 Winter wheat Late frost injury Hyperspectral parameters Plant height components Correlation analysis Regression analysis 光谱学与光谱分析
2017, 37(12): 3845
1 农业部农业环境重点实验室, 中国农业科学院农业环境与可持续发展研究所, 北京 100081
2 商丘市农林科学院小麦研究所, 河南 商丘 476000
为探究土壤表层湿度影响下冬小麦冠层光谱反射率响应晚霜冻害的特征, 并检验敏感光谱波段预测小麦产量变化的能力, 于2013和2014年小麦拔节期, 分别设置了表层土壤含水量为<10%(干)、 10%～20%(中)和 >20%(湿)的三个湿度处理的冻前试验, 并在低温室内进行降温处理。 分析了不同土壤表层湿度下受冻冬小麦的穗数、 穗粒数、 千粒重、 单株产量、 冠层光谱反射率及其一阶微分值的差异, 对冬小麦冻害产量变化率和高光谱特征参量进行了相关分析和一元线性拟合。 结果表明: 冬小麦穗粒数和单株产量总体上均随土壤表层湿度的降低而呈减少态势, 在土壤表层干处理条件下冻害对冬小麦产量造成的影响最为显著(p<0.05); 在绿峰(523 nm附近)、 黄边(571 nm附近)、 红边(732 nm附近)和近红外台的两个水分吸收带(952和1 145 nm附近), 干+冻害处理冬小麦冠层反射率的一阶微分值与中+冻害、 湿+冻害处理的差值明显; 剥离了土壤表层湿度对光谱的影响后, 冬小麦冠层反射率一阶微分差值在以570 nm为中心的黄边区域和以710 nm为中心的红边区域对干、 中和湿梯度处理下晚霜冻害响应的差异明显; 两年试验中的黄边面积(SDy)和570 nm处一阶微分值(d570)均与冻害产量变化率达到显著正相关(p<0.05), 说明黄边区域的高光谱特征参量可用于检测土壤表层湿度影响下的冬小麦晚霜冻害程度。 本研究可为土壤表层湿度和晚霜冻害叠加影响下冬小麦产量变化预测方法的探讨提供参考。
冬小麦冠层 土壤表层湿度 晚霜冻害 高光谱参量 Winter wheat canopy Soil surface moisture Late frost injury Hyperspectral parameters 光谱学与光谱分析
2017, 37(5): 1482
1 农业部农业环境重点实验室, 中国农业科学院农业环境与可持续发展研究所, 北京 100081
2 商丘市农林科学院小麦研究所, 河南 商丘 476000
在农田尺度下, 土壤表层因理化性状、 粗糙度、 作物根系和秸秆残茬等引起的空间异质性较为明显, 样点间含水量差别相对较小, 这对基于近红外漫反射光谱技术的表层土壤含水量原位测定带来极大的挑战。 本研究分别利用基于单一波长(1 200, 1 400, 1 450, 1 820, 1 940, 2 000和2 250 nm)反射率构建的指数衰减模型、 基于归一化土壤湿度指数(NSMI)和相对吸收深度(RAD)构建的线性模型、 基于土壤含水量高斯模型(SMGM)所得的拐点宽度(σ)、 函数中心振幅(Rd)和高斯曲线面积(A)三个参数构建的线性或二次模型, 以及基于波长区间反射率构建的偏最小二乘模型(PLS), 对土壤体积含水量(VMC)进行定量分析。 结果表明: (1)在单一波长反射率构建的所有指数衰减模型中, 2 000 nm波长显示出最佳验证效果, RMSEp最低(2.463), RPD最大(1.06); (2)与RAD相比, NSMI的验证精度更令人满意, R2(0.312)和RPD(1.224)更高, RMSEp(2.133)更低; (3)在SMGM模型参数以及PLS模型拟合VMC的验证结果中, Rd具有最佳拟合精度, 其R2(0.253)和RPD(1.175)最高, RMSEp(2.222)最低; (4)总的来看, NSMI指标构建的线性模型是所有方法中精度最高的, 而且计算过程简单, 易于操作, 可作为表层土壤含水量原位测定的首选方法。
农田尺度 原位 近红外漫反射光谱 体积含水量 定量模型 At field scale In situ Near infrared diffuse reflectance spectroscopy Volumetric moisture content Quantification models 光谱学与光谱分析
2015, 35(12): 3416
1 农业部农业环境重点实验室, 中国农业科学院农业环境与可持续发展研究所, 北京100081
2 商丘市农林科学院小麦研究所, 河南 商丘476000
3 北京师范大学地表过程与资源生态国家重点实验室, 北京100875
冬小麦受晚霜冻影响的外部症状短期内不明显的特点, 为红边光谱的应用提供了契机。利用田间移动式霜箱和低温室系统分别开展不同温度梯度的霜冻试验, 基于冻后第1天测定的冬小麦冠层光谱数据, 使用最大一阶导数(FD)、 四点线性插值(FPI)、 多项式拟合(POLY)、 倒高斯拟合(IG)和线性外推(LE)等方法分别提取红边参数。通过相关分析、 线性回归建模以及波动分析, 从早期性、 敏感性和稳定性方面对红边参数检测冬小麦晚霜冻的能力进行定量研究。结果表明, LE方法提取的红边位置(REP)与霜冻温度的相关性为极显著(显著性水平达到0.01), 二者相关系数高于其他方法; REP随霜冻温度的降低而呈蓝移现象, 温度越低, 蓝移趋势越明显。FD方法提取的最小振幅(Drmin)和红边振幅与最小振幅比值(Dr/Drmin)对霜冻敏感性的表现最佳, 其次是FD和IG方法提取的红边振幅与红边面积比值(Dr／SDr), 敏感性最差的是LE方法提取的REP。总的来看, FD方法提取的Drmin和Dr／Drmin检测冬小麦晚霜冻的综合能力最强。以上结论可为基于冠层红边特征的冬小麦晚霜冻害早期诊断研究提供依据。
拔节期 霜冻温度 冬小麦冠层 提取方法 红边参数比较 Jointing stage Frost temperature Winter wheat canopy Extraction method Red edge parameter comparison 光谱学与光谱分析
2014, 34(8): 2190
