棉花高光谱特征参数与产量构成因素的相关分析.docxVIP

棉花高光谱特征参数与产量构成因素的相关分析 1 通过遥感估测,实现过程认知及结果分析 近年来，对工厂效益模型的评价做出了许多工作。早在1991年王延颐就建立了水稻不同生长期植被指数、光谱反射率与单产的关系,并建立了实现南方水稻的长势监测和单产估算。1999年杨邦杰提出基于植被指数与植被表面温度的长势遥感监测的评估模型与诊断模型的概念与算法,同期农业部利用遥感和地理信息系统对全国冬小麦进行遥感估产,取得了较高的估测精度,并实现了全国范围的冬小麦长势监测。浙江农业大学的王人潮、上海市气象科学研究所杨星卫等人通过在水稻遥感估产中引进作物生长模拟模型,而取得了较为理想的初步结果。 随着遥感技术发展,2001年我国首次运用遥感手段监测全国棉花种植面积的变化。孙莉等通过监测棉花生育期内的光谱变化,研究作物的反射光谱与叶面积指数(LAI)、叶绿素密度(CH.D) 等农学参数之间的关系,使人们能够定性描述和定量分析作物的生长与遥感光谱数据之间的关系;还有利用棉花栽培生理参数与产量、冠层参数建立估测模型。国外的Mutanga等用高光谱波段深度指数定量估测了草地生物量。Casanova等通过植被指数反射模型计算的FA PAR (光合有效辐射)精确的预测水稻生育期的生物量。所有这些方法,尽管都在一定程度上取得了较为满意的结果,但有些是因为输入参数过多,使用不方便;或者没有充分考虑作物生长与产量形成的生理学机制,因而存在着局限性和经验性。棉花产量的形成是一个复杂的生物学过程,受许多因素的影响,其过程表现为不确定的随机动态特征。因此,运用遥感信息估算产量时,首先必须透彻研究产量形成的生物学机理,抓住影响和形成产量的主要因子,弄清这些因子发生作用的主要时段,在此基础上建立遥感信息与这些因子之间的关系,这样的遥感估产模型才有可能真正具备普遍意义和实用价值。 对于农学参数、光谱变量与产量及其构成因素的关系,虽然已有许多研究,但利用高光谱遥感特征参数进行棉花产量及其构成因子的估算研究报道不多。为此,本研究通过作物生长发育特征分析,从棉花产量构成三个要素(单位面积总铃数、单铃重)的形成过程出发,分析了冠层光谱特征与产量构成因素及产量的相关关系,在综合考虑产量生成生理学基础上,最终建立产量及构成因素的定量化估算模型,为棉花长势监测、估产研究提供科学依据。 2 e 2005～2006年在新疆石河子大学农学院试验站(44°20′N,88°3′E)进行。供试土壤类型为灰漠土,土壤质地为中壤土,土壤有机质1.90%、全氮0.125%、全磷0.204%、碱解氮78.0 mg·kg-1、速效磷91.5 mg·kg-1、速效钾315 mg·kg-1。 2.1 灌溉处理设计及施入量 试验区设计,水分、肥料、品种3个因素试验,水分为主处理,肥料、品种为副处理。水分处理的4个水平分别为:不浇水W0(0m3·hm-2),常规灌溉量的一半W1(2250m3·hm-2),常规灌溉量W2(4500m3·hm-2),常规灌溉量的1倍W3(9000m3·hm-2)。采用膜下滴灌,滴灌量由水表控制,在浇完出苗水(180m3·hm-2)后,按设计进行水分灌溉。肥料处理的4个水平分别为:不施氮肥N0(0kg·hm-2纯氮),常规施氮量一半N1(135kg·hm-2纯氮),常规施氮量N2(270kg·hm-2纯氮),常规施氮量的2倍N3(540kg·hm-2纯氮)。氮肥为尿素,按处理中设计的水平,50%作为基肥,50%作为追肥;磷钾肥不设处理作为基肥在播种前一次施入,施入量分别为三料(重过磷酸钙)235.5kg·hm-2、硫酸钾228kg·hm-2。品种为新陆早13号、新石K4号。根据棉花各生育期需水需肥特性,将水分和氮肥按比例分次施入。小区面积8.5m2,重复3次。基本苗1.5×104株· hm-2,宽窄行配置(30+60+30+60+30+60+30)cm,平均行距45cm,株距9.8cm。 2.2 测量和方法 2.2.1 地物波谱fao测定 于棉花盛花期(7月17日)、盛铃前期(7月30日)、盛铃后期(8月14日)和吐絮期(8月28日),采用美国ASD公司产FieldSpec FR Pro地物波谱仪测定。选择晴朗无云、无风天气,北京时间11:30～14:00间,探头距棉花冠层1m,每点测20次,取平均值作为该小区的光谱反射率值,各处理测定前、后立即进行参考板校正,数据处理采用FieldSpec FR Pro随机软件进行处理。 2.2.2 产量组成和性能测定 于棉花吐絮期准确测定单位面积总铃数、单铃重等产量构成因子及实际收获产量。 2.3 光谱特征参数的提取 本文选用的光谱特征参数包括归一化光谱植被指数、倒高斯模型模拟的红边参数、抗大气植被指数和反射峰、吸收谷特征参数共45个光谱特征参数。 2.3