稻麥主要調(diào)優(yōu)栽培指標的遙感監(jiān)測研究.pdf

1、小麥、水稻是我國、也是江蘇省最主要的兩大糧食作物，稻麥調(diào)優(yōu)栽培技術(shù)在實際生產(chǎn)中發(fā)揮了重要作用，但稻麥生產(chǎn)狀況的大面積監(jiān)測預報技術(shù)至今較為滯后，遙感技術(shù)可以瞬時大面積地同步對稻麥的生長狀態(tài)和生長境進行監(jiān)測預報，為實現(xiàn)大面積、低成本早期監(jiān)測預報稻麥品質(zhì)和產(chǎn)量提供了技術(shù)保障。
　　 針對當前大田稻麥調(diào)優(yōu)栽培技術(shù)單一、栽培模式繁多等這些亟待進一步探討和需要解決的實際問題，同時為快速、無破壞地掌握區(qū)域性稻麥長勢信息，滿足稻麥實際生產(chǎn)管理需

2、求，最終實現(xiàn)優(yōu)質(zhì)、高產(chǎn)、高效、安全、生態(tài)這一稻麥種植生產(chǎn)目標，本研究圍繞稻麥長勢參數(shù)、小麥產(chǎn)量及主要籽粒品質(zhì)參數(shù)與遙感變量間定量關(guān)系，以遙感信息為技術(shù)支撐，研究遙感技術(shù)監(jiān)測稻麥主要調(diào)優(yōu)栽培指標的機理和方法，探討應(yīng)用遙感技術(shù)監(jiān)測稻麥長勢、預測小麥籽粒品質(zhì)和估算小麥產(chǎn)量的可行性。主要研究內(nèi)容和結(jié)果如下：
　　 (1)基于Landsat TM數(shù)據(jù)的小麥長勢狀況遙感監(jiān)測研究
　　 ◆分析不同生育時期小麥理化參數(shù)間的相關(guān)性，結(jié)果表

3、明，葉片氮含量與籽粒蛋白質(zhì)、濕面筋及淀粉間均呈顯著或極顯著相關(guān)，但以開花期關(guān)系最為密切，說明開花期可作為遙感預測籽粒品質(zhì)更為理想的時期。
　　 ◆分析小麥遙感變量與長勢參數(shù)間的關(guān)系，結(jié)果表明，遙感監(jiān)測小麥SPAD、生物量、LAI、葉片氮含量和葉片含水量時，拔節(jié)期，分別選用B5、NDVI、DSW5、B2和RVI作為敏感遙感變量，開花期，分別選用NRI、B4、NDVI和NDWI2作為敏感遙感變量，經(jīng)評價后，確定了拔節(jié)期和開花期小麥長

4、勢遙感監(jiān)測模型。
　　 ◆利用上述模型，輸入由目標影像生成的遙感光譜變量圖并進行解算，再疊加小麥種植分布圖和行政邊界矢量數(shù)據(jù)，參照長勢參數(shù)等級標準，生成LAI、SPAD、生物量和葉片氮含量遙感監(jiān)測專題圖，并以LAI為主，生成拔節(jié)期和開花期具有實際農(nóng)學意義的區(qū)域性小麥長勢分級圖。
　　 (2)基于Landsat TM數(shù)據(jù)的小麥籽粒品質(zhì)和產(chǎn)量遙感監(jiān)測預測研究
　　 ◆分析小麥葉片氮含量與主要籽粒品質(zhì)指標間、籽粒蛋白質(zhì)

5、含量及產(chǎn)量與遙感變量間的相關(guān)性，結(jié)果表明，開花期利用NDVI預測籽粒粗蛋白質(zhì)含量和產(chǎn)量是最合適的。采用間“模式，利用遙感監(jiān)測開花期葉片氮含量，結(jié)合葉片氮含量與籽粒粗蛋白質(zhì)含量間的定量關(guān)系，構(gòu)建及驗證直接模式和間接模式下籽粒粗蛋白質(zhì)含量和產(chǎn)量遙感預報模型，且精度較高。
　　 ◆依據(jù)籽粒蛋白質(zhì)含量和產(chǎn)量等級劃分標準，生成不同等級籽粒蛋白質(zhì)含量和產(chǎn)量衛(wèi)星遙感預報圖，以及江蘇省小麥品質(zhì)區(qū)劃圖，為相關(guān)部門及時準確地提供小麥籽粒品質(zhì)和產(chǎn)量信

6、息，利于企業(yè)節(jié)本增效。
　　 (3)基于地面光譜數(shù)據(jù)水稻理化參數(shù)的遙感監(jiān)測研究
　　 ◆分析水稻葉片光譜特性，結(jié)果表明，水稻葉片反射光譜與透射光譜的波形特征及趨勢極為相近，而與吸收光譜相反，可見光波段因受到色素吸收的影響，導致光譜反射率和透射率都較低；近紅外平臺波段因受到葉片內(nèi)部的多次光散射影響，導致光譜反射率和透射率都趨于50％，而吸收率極低。
　　 ◆分析遙感光譜變量與水稻理化參數(shù)間的相關(guān)性，結(jié)果表明，在40

7、0-1250nm波段，可以利用葉片光譜反射率診斷LAI、SPAD和CHL，在1350-1550nm波段，診斷LWC和LNC；利用NDVI、NDWI、GreenNDVI和NRI等光譜植被指數(shù)診斷相應(yīng)的葉片營養(yǎng)及LAI是可行的，并構(gòu)建及驗證了以這些遙感參量為自變量的遙感診斷模型，尤其利用NDWI(860，1240)診斷LWC、GreenNDVI診斷SPAD更為理想，構(gòu)建的診斷模型分別為：y=74.39x+71.702和y=64.737x+2

8、5.221。
　　 (4)水稻氮素營養(yǎng)高光譜遙感監(jiān)測研究
　　 通過分析遙感光譜變量與水稻氮含量間的關(guān)系，結(jié)果表明，以796nm附近處的光譜反射率為自變量的氮含量線性模型用于診斷水稻氮素營養(yǎng)是可行的，以738nm附近處的一階微分光譜反射率為自變量的氮含量指數(shù)模型診斷水稻氮素營養(yǎng)亦是可行的，且優(yōu)于以796nm附近處的光譜反射率為基礎(chǔ)構(gòu)建的線性模型，經(jīng)預測性評價后，最終提出了采用以植被指數(shù)的歸一化變量(SDr-SDb)/(S

9、Dr+SDb)為自變量構(gòu)建的水稻氮素營養(yǎng)高光譜遙感診斷模型(y=365.871+639.323(SDr-SDb)/(SDr+SDb))診斷水稻氮素營養(yǎng)是最理想的。
　　 (5)調(diào)優(yōu)栽培集成技術(shù)研究
　　 ◆分析小麥拔節(jié)期葉片SPAD值與施氮量間的定量關(guān)系，根據(jù)小麥葉片SPAD值的遙感監(jiān)測結(jié)果，有針對性地提出某一區(qū)域的氮肥施用量，再根據(jù)某一區(qū)域內(nèi)不同地塊的小麥葉片SPAD值，提出單個地塊的氮肥施用量，綜合上述分析，已初步實

10、現(xiàn)衛(wèi)星遙感與小麥調(diào)優(yōu)栽培技術(shù)的集成，形成了一套基于衛(wèi)星遙感和葉片SPAD值的小麥實時診斷和變量施肥技術(shù)，這項技術(shù)可用于小麥長勢實時診斷和變量施肥調(diào)控。
　　 ◆將衛(wèi)星遙感影像與水稻調(diào)優(yōu)栽培技術(shù)進行集成，依據(jù)LAI等級劃分標準，生成水稻長穗期長勢狀況遙感監(jiān)測分級圖，并依據(jù)對水稻長穗期長勢狀況衛(wèi)星遙感監(jiān)測結(jié)果，集成水稻調(diào)優(yōu)栽培技術(shù)，提出水稻長穗期生長異常的具體調(diào)控措施，建立一套基于衛(wèi)星遙感與水稻長穗期LAI的調(diào)優(yōu)栽培技術(shù)，這項技術(shù)可