论文部分内容阅读
冬小麦是我国重要的粮食作物。利用高光谱遥感技术实现冬小麦开花后籽粒灌浆过程碳氮积累状况实时、准确监测,可以为小麦开花后田间管理以及产量和品质预测提供有效技术途径。本研究在两年施氮试验的基础上,通过研究不同施氮处理下冬小麦开花后冠层光谱特征,以及植株和叶片氮积累量、可溶性糖含量和干物质积累量以及籽粒氮积累量、干物质积累量和积累速率随灌浆进程后移的动态变化。然后结合PLS和SMLR分别获取对冬小麦各农学参数的变化反应敏感的波段,建立对应的的模型,并借鉴“冠层光谱-农学参数-籽粒碳氮积累”这个技术思路,实现冬小麦籽粒碳氮积累状况动态变化的监测。并用不同年份的数据对其进行检验。主要研究结果如下:(1)冬小麦开花之后,冠层光谱反射率的变化为:随着灌浆阶段的后移,400～700 nm(可见光)为逐渐增加,在740～1100nm(近红外平台区域)则是出现减小的趋势;不同施氮处理间,冠层的反射率变化也,随着施氮量增加,400～700 nm处为逐渐增加,而在700～2500 nm(近红外)则是出现下降。此外,不同施氮处理,红边位置(REP)变化较小,而红边面积(SDR)和红边幅值(DR)随着施氮量的增加,先上升后下降;随着灌浆进程推进,REP、DR、SDR均逐渐减小。(2)冬小麦开花后,叶片干物质积累量(Dry matter accumulation,DMA)随着生育期变化,不断降低,而植株DMA则是先增加后降低,而籽粒DMA则与叶片的相反,呈上升趋势;不同氮处理间也有较大区别,植株和叶片DMA趋势相似,均是增加;而籽粒DMA则是先增加后下降减小。建立的植株和叶片DMA的PLS-SMLR光谱监测模精度均较高,此外,二者与籽粒DMA均达到极显著相关,定量关系也比较好。以二者为中间参量建立的籽粒DMA动态监测模型精度(R2)均较高,RMSE也均较小,其中尤以叶片DMA为中间参量建立的模型效果最佳。(3)植株和叶片的可溶性糖含量(Soluble sugar content,SSC),以及籽粒干物质累积速率(Dry matter accumulation rate,DMAR)随着生育期变化一致,均是先增后降。而随施氮的增加,植株和叶片的SSC呈递增趋势,而籽粒DMAR则呈先升后降。结合PLS-SMLR建立的叶片和植株SSC模型精度均较高,且二者与籽粒DMAR均有较好的相关性,定量关系也较好。建立的籽粒DMAR光谱监模型中,以植株SSC为中间参量建立的模型估测效果最好,明显高于直接建立的PLS-SMLR模型,而以叶片SSC为中间变量建立的模型表现最差。(4)开花后,冬小麦植株氮积累量(Plant nitrogen accumulation,PNA)和叶片氮积累量(Leafnitrogenaccumulation,LNA)变化相似,均是不断减小;而籽粒氮积累量(Grain nitrogen accumulation,GNA)则是不断增加。而不同施氮处理间,随着施氮的增加,PNA和LNA随氮增加呈增加的趋势,而GNA为先增加后减小。基于PLS-SMLR建立的PNA和LNA高光谱模型监测效果均较好,且二者与GNA均有较好的相关性与定量关系。分别以二者为中间变量建立光谱监测模型,其中以LNA为中间变量的建立模型效果最佳。