专题--农业遥感
Topic--Agricultural Remote Sensing
[1]杨成海. 机载遥感系统在精准农业中的应用[J]. 智慧农业(中英文), 2020, 2(1): 1-22.
YANG Chenghai. Airborne remote sensing systems for precision agriculture applications[J]. Smart Agriculture, 2020, 2(1): 1-22.
摘要：数十年来，遥感技术一直被用作精准农业的重要数据采集工具。根据距离地面的高度，遥感平台主要包括卫星、有人驾驶飞机、无人驾驶飞机系统和地面车辆。这些遥感平台上搭载的绝大多数传感器是成像传感器，也可以安装激光雷达等其他传感器。近年来，卫星成像传感器的发展极大地缩小了基于飞机的成像传感器在空间、光谱和时间分辨率方面的差距。最近几年，作为低成本遥感平台的无人机系统的出现极大地填补了有人驾驶飞机与地面平台之间的间距。有人飞机具有飞行高度灵活、飞行速度快、载荷量大、飞行时间长、飞行限制少以及耐候性强等优势，因此在未来仍将是主要的精准农业遥感平台。本文的第1部分概述了遥感传感器的类型和三个主要的遥感平台（即卫星、有人驾驶飞机和无人驾驶飞机系统）。接下来的两个部分重点介绍用于精准农业的有人机载成像系统，包括由安装在农用飞机上的消费级相机组成的系统，并详细描述了部分定制和商用机载成像系统，包括多光谱相机、高光谱相机和热成像相机。第4部分提供了五个应用实例，说明如何将不同类型的遥感图像用于精准农业应用中的作物生长评估和作物病虫害管理。最后简要讨论了将不同遥感平台和成像系统用于精准农业上的一些挑战和未来的努力方向。
知网阅读
[2]刘园, 周清波, 余强毅, 吴文斌. 基于遥感数据的大尺度区域水田空间格局及生态服务价值变化分析[J]. 智慧农业(中英文), 2020, 2(1): 43-57.
LIU Yuan, ZHOU Qingbo, YU Qiangyi, WU Wenbin. Analysis of spatial pattern and ecological service value changes of large-scale regional paddy fields based on remote sensing data[J]. Smart Agriculture, 2020, 2(1): 43-57.
摘要：受经济和气候驱动，长江经济带水田空间格局发生了显著变化，影响区域粮食安全与生态安全。本研究基于1990—2015年土地利用遥感监测数据，利用GIS的空间分析功能，探究长江经济带水田空间格局动态变化特征，采用当量因子法计算生态系统服务价值（ESV），分析了水田变化的综合影响。结果表明：1）1990-2015年长江经济带水田规模持续缩减，共减少了17390km2，减幅呈增长态势具有显著地域差异，长江中上游与下游的水田减幅相差约为9.56%。其中下游减幅较大，水田占区域比例随之降低，中上游恰好相反。2）由于经济建设及水产养殖的发展，水田主要转化为建设用地和水系，水田主要由水系、旱地和湿地等转化而来。长江三角洲城市群、长江中游及成渝城市群的水田变化最为剧烈，建设用地侵占水田扩张的现象分布广泛，水田转为水系主要在两湖平原局部地区。3）水田与其他生态系统的转化对ESV是正影响，水田转为水系对此贡献最大，其转化规模决定了不同时期ESV净增量的大小，水系转化为水田损失的价值最多，建设用地侵占水田次之。不同市域的水田变化情况不一致，因此ESV增减情况具有明显差异。4）生态系统服务中水文调节、水资源供给增强的同时，食物生产、气体调节受到严重损害，与水资源规模扩大和水田资源大量流失有直接关系。研究结果有助于揭示长江流域水田的时空变化过程及其对各项生态系统服务的影响，可为区域土地利用规划、农业政策与生态可持续发展提供理论支持。
知网阅读
[3]万亮, 岑海燕, 朱姜蓬, 张佳菲, 杜晓月, 何勇. 基于纹理特征与植被指数融合的水稻含水量无人机遥感监测[J]. 智慧农业(中英文), 2020, 2(1): 58-67.
WAN Liang, CEN Haiyan, ZHU Jiangpeng, ZHANG Jiafei, DU Xiaoyue, HE Yong. Using fusion of texture features and vegetation indices from water concentration in rice crop to UAV remote sensing monitor[J]. Smart Agriculture, 2020, 2(1): 58-67.
摘要：含水量是表征水稻生理和健康状况的关键参数，精确预测水稻含水量对于水稻育种和大田精准管理具有重要意义。目前，利用无人机搭载光谱图像传感器监测作物生长的研究主要集中在利用植被指数评估作物在单一或者几个生育期的生长参数，针对作物含水量监测的研究非常有限。本研究主要利用多旋翼无人机低空遥感平台获取不同生育期水稻冠层的RGB图像和多光谱图像，通过提取植被指数和纹理特征，分析水稻的动态生长变化，并构建了基于随机森林回归方法的含水量预测模型。试验结果表明：（1）从无人机图像提取的植被指数、纹理特征以及地面测量的含水量都能用于监测水稻生长，并且这些参数随水稻生长呈现出了相似的动态变化趋势；（2）与RGB图像相比，多光谱图像评估水稻含水量具有更高的潜力，其中归一化光谱指数NDSI771,611实现了更好的预测精度（R2=0.68，RMSEP=0.039，rRMSE =5.24%）；（3）融合植被指数和纹理特征能够进一步改善含水量的预测结果（R2=0.86，RMSEP=0.026，rRMSE=3.51%），预测误差RMSEP分别减小了16.13%和18.75%。上述结果表明，基于无人机遥感技术监测水稻含水量是可行的，可为农田精准灌溉和田间管理决策提供新思路。
知网阅读
[4]付元元, 杨贵军, 段丹丹, 张永涛, 顾晓鹤, 杨小冬, 徐新刚, 李振海. AVIRIS高光谱数据空-谱特征在植被分类中的对比分析[J]. 智慧农业(中英文), 2020, 2(1): 68-76.
FU Yuanyuan, YANG Guijun, DUAN Dandan, ZHANG Yongtao, GU Xiaohe, YANG Xiaodong, XU Xingang, LI Zhenhai. Comparison analysis of spatial and spectral feature in vegetation classification based on AVIRIS hyperspectral image[J]. Smart Agriculture, 2020, 2(1): 68-76.
摘要：植被分类是高光谱影像分类中的特定应用问题，光谱特征和空间特征是植被分类中常用的两类特征，比较这两类特征的性能，对实际植被分类应用中选择合适的特征类型或两者的有效结合具有指导意义。用主成分分析（PCA）提取光谱特征时，常选择前几个主成分（PCs）作为光谱特征，虽然它们包含较大的信息量但并不能保证较高的类别可分性和分类正确率，针对这一问题本研究提出了一种混合特征提取方法，对高光谱影像在PCA的基础上用改进的基于分散矩阵的特征选择方法选出具有较高类别可分性的PCs用于后续分类。利用一景AVIRIS高光谱植被影像，从分类精度的角度，首先比较了所提出的混合特征提取方法和原始PCA、独立主成分分析（ICA）及线性判别分析（LDA）3种常用子空间特征提取方法在高光谱影像植被分类中的性能。试验结果表明所提出的混合特征提取方法在研究中数据集1和2上均获得了最高的总体分类正确率，分别为82.7%和86.5%。与原始PCA相比，本研究提出的混合特征提取方法的总体分类正确率，在数据集1和2上分别提高了1.5%和2.5%。由此阐明了所提出的混合特征提取方法在高光谱植被分类中的有效性。对光谱特征和空间特征在高光谱影像植被分类性能的比较中，总体上空间特征获得的分类正确率比光谱特征高，特别是Gabor特征，在两个数据集上均获得了最高的总体分类正确率分别为95.5%和96.7%。由此表明空间特征较光谱特征在高光谱影像植被分类中更具优势。本研究结果为后续改进空-谱特征方法及其两者有效结合，进一步提高植被分类正确率提供了参考。
知网阅读
[5]于丰华, 许童羽, 郭忠辉, 杜文, 王定康, 曹英丽. 基于红边优化植被指数的寒地水稻叶片叶绿素含量遥感反演研究[J]. 智慧农业(中英文), 2020, 2(1): 77-86.
YU Fenghua, XU Tongyu, GUO Zhonghui, DU Wen, WANG Dingkang, CAO Yingli. Remote sensing inversion of chlorophyll content in rice leaves in cold region based on optimizing red-edge vegetation index (ORVI)[J]. Smart Agriculture, 2020, 2(1): 77-86.
摘要：水稻叶片叶绿素含量遥感诊断是实现水稻精准施肥的核心要素。本研究通过分析寒地水稻关键生育期叶片高光谱反射率信息，同时结合PROSPECT模型叶绿素含量吸收系数，参考借鉴现有高光谱植被指数的构造方法和形式，利用相关性分析、连续投影法、遗传算法优化的粗糙集属性简约法进行高光谱特征选择，提出了仅含有695、507和465nm 3个高光谱特征波段的红边优化指数（ORVI）。与Index Data Base数据库中其他用于叶绿素含量反演植被指数，包括ND528,587、SR440,690、CARI、MCARI的反演结果进行了对比分析，结果表明：IDB数据库中的已有4种植被指数叶绿素含量反演模型的决定系数R2分别为0.672、0.630、0.595和0.574；ORVI植被所建立的叶绿素含量反演模型的决定系数R2为0.726，均方根误差RMSE为2.68，精度高于其他植被指数，说明了ORVI在实际的应用中，能够作为快速反演水稻叶绿素含量的高光谱植被指数。本研究能够为寒地水稻叶绿素含量高光谱遥感诊断及管理决策提供一定的客观数据支撑和模型参考。
知网阅读
[6]邵国敏, 王亚杰, 韩文霆. 基于无人机多光谱遥感的夏玉米叶面积指数估算方法[J]. 智慧农业(中英文), 2020, 2(3): 118-128.
SHAO Guomin, WANG Yajie, HAN Wenting. Estimation method of leaf area index for summer maize using UAV-based multispectral remote sensing[J]. Smart Agriculture, 2020, 2(3): 118-128.
摘要：无人机多光谱遥感技术可以快速、无损地监测农作物叶面积指数（LAI）。为研究水分胁迫条件下，利用无人机多光谱植被指数估算夏玉米LAI的可行性，本研究基于无人机多光谱遥感系统，结合同时期实地采集的夏玉米LAI，选择5种植被指数，包括归一化差值植被指数（NDVI）、土壤调节植被指数（SAVI）、增强型植被指数（EVI）、绿度归一化植被指数（GNDVI）和抗大气指数（VARI），作为模型输入参数，使用随机森林回归算法建立全生育期不同灌溉条件下大田玉米冠层植被指数与LAI之间的关系模型，并与一元线性回归和多元线性回归算法建立的模型进行对比分析。结果表明，在充分灌溉条件下，植被指数的多元线性回归模型可以较好地估算LAI（R2 = 0.83）；在水分胁迫条件下，植被指数的随机森林回归模型可以较好地估算LAI（R2 = 0.74~0.87），水分胁迫因素对该模型影响较小，且NDVI和VARI对估算LAI的贡献最大。上述结果表明基于无人机多光谱遥感技术，使用随机森林回归算法估算多种灌溉条件下的夏玉米LAI是可行的。该研究为实现快速、准确地监测全生育期不同灌溉条件下的大田夏玉米LAI提供了技术和方法支持。
知网阅读
[7]刘恬琳, 朱西存, 白雪源, 彭玉凤, 李美炫, 田中宇, 姜远茂, 杨贵军. 土壤有机质含量高光谱估测模型构建及精度对比[J]. 智慧农业(中英文), 2020, 2(3): 129-138.
LIU Tianlin, ZHU Xicun, BAI Xueyuan, PENG Yufeng, LI Meixuan, TIAN Zhongyu, JIANG Yuanmao, YANG Guijun. Hyperspectral estimation model construction and accuracy comparison of soil organic matter content[J]. Smart Agriculture, 2020, 2(3): 129-138.
摘要：土壤有机质含量对作物的生长发育有着显著影响。为实现对苹果果园土壤有机质含量快速、实时估测，本研究以山东省烟台市栖霞市苹果园为研究区，采集100个土壤样本，利用ASD FieldSpec3便携式地物光谱仪获取其高光谱反射率，利用定量化学方法测定土壤有机质含量。采用移动平均法对高光谱数据进行预处理，分析果园土壤的反射光谱特征，研究光谱反射率与其有机质含量的相关关系，筛选土壤有机质含量的敏感波长并构建光谱指数后，分别建立多元线性回归模型（MLR）、支持向量机（SVM）和随机森林（RF）模型，并对模型精度进行验证比较。结果表明，筛选出的土壤有机质含量的敏感波长为678、709、1931、1939、1996和2201 nm。用筛选出的波长构建光谱参数，最终构建的光谱指数分别为NDSI（678，709）、NDSI（678，1931）、NDSI（678，2201）、NDSI（709，1939）和NDSI（1939，2201）。建立的MLR、SVM和RF回归模型中，以RF模型精度最优，其校正样本集R2为0.8804，RMSE为0.1423，RPD达到2.25；验证模型的R2为0.7466，RMSE为0.1266，RPD为1.79，建立的RF定量模型反演苹果果园土壤有机质含量效果较好。因此，可以利用RF方法快速预测苹果果园土壤有机质含量，了解土壤养分分布状况，指导农民合理施肥，从而提高果园生产管理效率。
知网阅读
[8]陈爱莲, 李家裕, 张圣军, 朱玉霞, 赵思健, 孙伟, 张峭. 卫星遥感估产技术在大豆区域收入保险中的应用[J]. 智慧农业(中英文), 2020, 2(3): 139-152.
CHEN Ailian, LI Jiayu, ZHANG Shengjun, ZHU Yuxia, ZHAO Sijian, SUN Wei, ZHANG Qiao. Application of satellite remote sensing yield estimation technology in regional revenue protection crop insurance: A case of soybean[J]. Smart Agriculture, 2020, 2(3): 139-152.
摘要：本研究针对中国近年来重点发展的创新型区域收入保险缺少第三方实时客观产量数据的问题，引入了卫星遥感估产技术，探讨其应用模式和适用性。以山东省嘉祥县大豆区域收入保险为例，基于哨兵2号卫星遥感数据提取大豆种植地块，计算归一化植被指数（NDVI）和作物生理参数，结合气象卫星遥感数据与实地抽样测产数据，建立了多参数线性回归模型估算大豆产量。研究结果显示，卫星遥感获取的研究区大豆种植面积为124 km2，与当地农业局上报的127 km2相差3 km2；采用实测地块验证，种植分布地块遥感识别精度达90%；产量估算结果显示，2018年8月23日大豆结荚期的NDVI和9月7日大豆鼓粒期的NDVI对大豆单产的解释度最佳，多参数回归模型计算全区平均产量为244,500 kg/km2，与常年299,800 kg/km2相比，体现了受灾严重的农情；产量估算数据与实测数据之间的回归系数达0.92，可满足应用需求。结果表明，基于哨兵2号卫星遥感数据能够准确识别研究区大豆种植分布，并能在大豆收获后最快一周完成产量估算，指导保险公司的理赔工作。
知网阅读
[9]张建, 谢田晋, 杨万能, 周广生. 近地遥感技术在大田作物株高测量中的研究现状与展望[J]. 智慧农业(中英文), 2021, 3(1): 1-15.
ZHANG Jian, XIE Tianjin, YANG Wanneng, ZHOU Guangsheng. Research status and prospect on height estimation of field crop using near-field remote sensing technology[J]. Smart Agriculture, 2021, 3(1): 1-15.
摘要：株高是动态衡量作物健康和整体生长状况的关键指标，广泛用于估测作物的生物学产量和最终籽粒产量。传统的人工测量方式存在规模小、效率低以及耗时长等问题。近十年来，近地遥感技术在农业领域发展迅速，使得高精度、高频次、高效率的作物株高采集成为可能。本文首先回顾了国内外基于遥感手段获取株高研究的论文发表情况；其次对获取株高的不同平台以及传感器的基本原理、优势及其局限性进行了介绍和评述，重点论述了激光雷达和可见光相机两种传感器的测高流程与涉及的关键技术；在此基础上归纳了株高在作物生物量估算、倒伏监测、产量预测和辅助育种等方面的应用研究进展；最后对近地遥感技术在株高获取上存在的问题进行讨论分析，并从测高平台和传感器、裸土探测和插值算法、株高应用研究及农学与遥感测高差异四个方向进行了展望，可为今后近地遥感测高的研究与方法应用提供参考。
知网阅读
[10]韩东, 王鹏新, 张悦, 田惠仁, 周西嘉. 农业干旱卫星遥感监测与预测研究进展[J]. 智慧农业(中英文), 2021, 3(2): 1-14.
HAN Dong, WANG Pengxin, ZHANG Yue, TIAN Huiren, ZHOU Xijia. Progress of agricultural drought monitoring and forecasting using satellite remote sensing[J]. Smart Agriculture, 2021, 3(2): 1-14.
摘要：干旱是影响农业生产的主要气候因素。传统的农业干旱监测主要是基于气象和水文数据，虽然能提供监测点上较为精确的干旱监测结果，但是在监测面上的农业干旱时，仍存在一定的局限。遥感技术的快速发展，尤其是目前在轨的卫星传感器感测的电磁波段涵盖了可见光、近红外、热红外和微波等波段，为区域尺度农业干旱监测提供了新的手段。充分利用卫星遥感数据获得的丰富地表信息进行农业干旱监测和预测具有重要的研究意义。本文从遥感指数方法、土壤含水量方法和作物需水量方法三个方面阐述了基于卫星遥感的农业干旱监测研究进展。农业干旱预测是在干旱监测的基础上进行时间轴的预测，本文在总结干旱监测进展的基础上，进一步简述了以干旱指数方法和作物生长模型方法为主的农业干旱预测研究进展。
知网阅读
[11]王琳, 梁健, 孟范玉, 孟炀, 张永涛, 李振海. 基于遥感与气象数据的冬小麦主产区籽粒蛋白质含量预报[J]. 智慧农业(中英文), 2021, 3(2): 15-22.
WANG Lin, LIANG Jian, MENG Fanyu, MENG Yang, ZHANG Yongtao, LI Zhenhai. Estimating grain protein content of winter wheat in producing areas based on remote sensing and meteorological data[J]. Smart Agriculture, 2021, 3(2): 15-22.
摘要：开展小麦籽粒蛋白质含量的监测预报研究对于指导农户调优栽培、企业分类收储、期货小麦价格、进口政策调整等具有重要意义。本研究以冬小麦主产区（河南省、山东省、河北省、安徽省和江苏省）为研究区域，构建了冬小麦籽粒蛋白质含量多层线性预测模型，并实现了2019年冬小麦蛋白质含量预报。为了解决预测模型在年际扩展和空间扩展存在偏差的问题，在蛋白质含量估算模型中考虑了气象因素（温度、降水、辐射量）、冬小麦筋型、抽穗—开花期增强型植被指数（EVI）等因素。结果表明，融合3个气象因素的蛋白质含量估算模型建模集精度（R2 = 0.39，RMSE = 1.04%）与验证集精度（R2 = 0.43、RMSE = 0.94%）均高于融合2个气象因子的估算模型和单个气象因子的估算模型。将蛋白质含量估算模型应用冬小麦主产区的蛋白质含量遥感估算，得到了2019年冬小麦主产区品质预报图，并形成黄淮海地区冬小麦品质分布专题图。本研究结果可同时为后续小麦种植区划和实现绿色、高产、优质、高效粮食生产提供数据支撑。
知网阅读
[12]杨菲菲, 刘升平, 诸叶平, 李世娟. 基于高光谱遥感的冬小麦涝渍胁迫识别及程度判别分析[J]. 智慧农业(中英文), 2021, 3(2): 35-44.
YANG Feifei, LIU Shengping, ZHU Yeping, LI Shijuan. Identification and level discrimination of waterlogging stress in winter wheat using hyperspectral remote sensing[J]. Smart Agriculture, 2021, 3(2): 35-44.
摘要：冬小麦涝渍胁迫频发不仅严重影响区域粮食安全和生态安全，还威胁社会经济稳定和可持续发展。为识别冬小麦涝渍胁迫及判别其胁迫程度，本研究设置冬小麦涝渍胁迫梯度盆栽试验，采用ASD地物光谱仪和Gaiasky-mini2推扫式成像光谱仪分别测定叶片及冠层高光谱数据，结合植被指数、归一化均值距离和光谱微分差信息熵等方法，监测冬小麦是否遭受涝渍胁迫并判别其涝渍胁迫程度。试验结果显示，简单比值色素指数SRPI是识别涝渍胁迫冬小麦的最优植被指数。红光吸收谷（RW：640~680 nm）是识别冬小麦涝渍胁迫程度的最优波段，在RW波段内，抽穗、开花和灌浆期的光谱微分差信息熵可判别冬小麦涝渍胁迫程度，胁迫程度越大，光谱微分差信息熵越大。本研究为涝渍胁迫监测提供了一种新方法，在涝渍胁迫精确防控中具有较好的应用前景。
知网阅读
[13]戴声佩, 罗红霞, 郑倩, 胡盈盈, 李海亮, 李茂芬, 禹萱, 陈帮乾. 海南岛橡胶林叶面积指数遥感估算模型比较研究[J]. 智慧农业(中英文), 2021, 3(2): 45-54.
DAI Shengpei, LUO Hongxia, ZHENG Qian, HU Yingying, LI Hailiang, LI Maofen, YU Xuan, CHEN Bangqian. comparison of remote sensing estimation models for leaf area index of rubber plantation in Hainan Island[J]. Smart Agriculture, 2021, 3(2): 45-54.
摘要：叶面积指数（LAI）是描述植被生长状况和冠层结构的一个重要参数，快速获取大面积植被与作物LAI对于生态系统科学研究、农林业生产指导具有十分重要的理论和实践意义。本研究选取海南岛典型热带作物——橡胶树为研究对象，构建基于卫星遥感植被指数的橡胶林LAI估算模型并分析其变化规律。结果表明，相较于归一化植被指数（NDVI）、绿色归一化植被指数（GNDVI）、比值植被指数（RVI）和宽动态范围植被指数（WDRVI）四个指数，增强植被指数（EVI）、土壤调节植被指数（SAVI）、差值植被指数（DVI）和改良土壤调节植被指数（MSAVI）四个指数同LAI之间的相关性较高。构建的基于不同植被指数的橡胶林LAI估算模型（一元线性、指数和对数模型）中，基于EVI指数的橡胶林LAI一元线性估算模型效果最佳，其决定系数R2为0.69。经验证，该模型估算的橡胶林LAI精度较高，观测和模拟的橡胶林LAI线性拟合R2为0.67，均方根误差RMSE为0.16，平均相对误差RE为-0.25%，但在橡胶林LAI中值区存在低估现象，同时在LAI高值区和低值区存在一定的高估现象。从空间分布来看，海南岛橡胶林LAI高值区（4.40~6.23）主要分布在海南岛西部儋州、白沙等市县，LAI中值区（3.80~4.40）主要分布在海南岛中部澄迈、屯昌、琼中等市县，LAI低值区（2.69~3.80）主要分布在海南岛东部和南部的定安、琼海、万宁、乐东、三亚等市县。总之，构建的基于EVI指数的橡胶林LAI一元线性估算模型精度较高，克服了NDVI、GNDVI、RVI等植被指数容易出现指数饱和问题，具有较好的科学性和良好的推广应用价值。
知网阅读
[14]王蔚丹, 孙丽, 裴志远, 马尚杰, 陈媛媛, 孙娟英, 董沫. 东北三省地区生长季旱涝对春玉米产量的影响[J]. 智慧农业(中英文), 2021, 3(2): 126-137.
WANG Weidan, SUN Li, PEI Zhiyuan, MA Shangjie, CHEN Yuanyuan, SUN Juanying, DONG Mo. Effect of growing season drought and flood on yield of spring maize in three northeast provinces of China[J]. Smart Agriculture, 2021, 3(2): 126-137.
摘要：评估生长季旱涝对作物产量的影响有助于农民采取措施增产保收。本研究基于1988—2017年气象站点数据和灾情、产量等统计数据，以中国东北三省为研究区，通过对比多时间尺度指标——标准化降水指数（SPI）和标准化降水蒸散指数（SPEI）与旱涝受灾率的关系，选择优势指数表征东北春玉米生长季干湿状况，基于HP滤波构建相对气象产量，利用距离相关分析方法选取合理时间尺度和关键月份的指数，分析这些指数与春玉米相对气象产量的关系以及不同生育阶段水分条件与产量之间的关系。结果表明：（1）SPI、SPEI均能表征东北地区农作物受旱和受涝状况，整体上SPEI在表征东北地区旱涝时更具优越性，尤其在辽宁省，因旱受灾率与SPI和SPEI相关系数差距明显，因涝受灾率与SPEI相关系数最大值为0.54，与SPI相关性不显著。（2）辽宁省SPEI3-8与相对气象产量的距离相关系数最大，吉林省和黑龙江省SPEI6-8与相对气象产量的距离相关系数最大；各省对应的SPEI与相对气象产量呈向下的抛物线趋势，其中辽宁省春玉米产量受干旱和雨涝的共同影响，吉林、黑龙江两省主要受干旱灾害的影响。（3）辽宁省春玉米在拔节—抽穗期主要受干旱影响，生长季后期受洪涝灾害影响较前期加重；当SPEI为1.0左右时，吉林省春玉米在出苗—拔节、拔节—抽穗期可达到最高产，抽穗—乳熟期受干旱影响严重；黑龙江关键生育期主要受旱灾影响，在出苗—拔节、拔节—抽穗期正常偏湿年份可达到最高产量，但中度及以上雨涝仍会导致玉米减产，抽穗—乳熟期在轻度湿润时可高产，重度湿润时会因涝减产。本研究对东北三省地区预估旱涝灾害对春玉米产量影响和及时采取灾害防御措施具有一定的参考价值。
知网阅读
[15]杨进, 明博, 杨飞, 许红根, 李璐璐, 高尚, 刘朝巍, 王克如, 李少昆. 利用无人机影像监测不同生育阶段玉米群体株高的精度差异分析[J]. 智慧农业(中英文), 2021, 3(3): 129-138.
YANG Jin, MING Bo, YANG Fei, XU Honggen, LI Lulu, GAO Shang, LIU Chaowei, WANG Keru, LI Shaokun. The accuracy differences of using unmanned aerial vehicle images monitoring maize plant height at different growth stages[J]. Smart Agriculture, 2021, 3(3): 129-138.
摘要：为明确利用无人机影像监测玉米群体株高的精度及其影响因素，本研究基于无人机搭载光学成像设备构建大田玉米群体数字高程模型（Digital Elevation Model，DEM），研究不同生育时期下玉米群体株高监测的精度差异。针对3个玉米品种、8个播期处理构建的株高差异化群体，用多旋翼无人机搭载高清RGB相机和多光谱成像设备，采集试验区高清RGB和多光谱影像，获取玉米群体数字高程信息DEM和各处理区植株高度，分析不同品种和播期处理下基于无人机和人工测量株高间的相关关系。试验结果表明，高清RGB相机和多光谱成像设备获取的DEM均能反映玉米群体的高度差异。高清RGB相机的株高监测精度优于多光谱成像设备，但株高监测精度不足，难以反映玉米群体的较小株高差异。不同生育阶段对玉米株高监测精度具有较大影响，生育前期冠层尚未全部覆盖地表或生育后期植株衰老叶片枯黄下垂时，受裸露地表影响，群体株高被严重低估。本研究分析了影响无人机搭载成像设备监测玉米株高精度的因素，可为该方法应用于大田生产提供借鉴意义。
知网阅读
微信交流服务群
为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。入群方法：加小编微信331760296，备注：姓名、单位、研究方向，小编拉您进群，机构营销广告人员勿扰。
信息发布
科研团队介绍及招聘信息、学术会议及相关活动的宣传推广
,
