基于冠层温度的作物水分胁迫指标CWSI(Crop Water Stress Index)广泛用于指导作物灌水时间,利用自动气象站的观测资料分别计算了不同供水处理条件下冬小麦中午12:00的作物水分胁迫指数,并将作物水分胁迫指数和对应的土壤含水量进行相关...基于冠层温度的作物水分胁迫指标CWSI(Crop Water Stress Index)广泛用于指导作物灌水时间,利用自动气象站的观测资料分别计算了不同供水处理条件下冬小麦中午12:00的作物水分胁迫指数,并将作物水分胁迫指数和对应的土壤含水量进行相关分析,以探讨用作物水分胁迫指数确定灌水量的可行性。结果表明,二者是一定相关性,但相关关系不密切,复相关系数为0.54,作物水分胁迫指数随土壤含水量的降低呈明显的增大趋势;作物水分胁迫指数随气象因子的波动表现出明显的波动性,且在作物遭受较严重水分胁迫下波动性更强,这预示着利用作物水分胁迫指数直接定量标识作物土壤水分状况的可靠性不强。展开更多
【目的】探究马铃薯的叶气温差与环境因子的关系,进一步优化马铃薯水分胁迫指数模型。【方法】在河南农业大学林学院试验基地进行马铃薯盆栽试验,选择晴朗天气测定不同土壤含水率下马铃薯的叶气温差随太阳辐射和大气饱和水汽压差(VPD)...【目的】探究马铃薯的叶气温差与环境因子的关系,进一步优化马铃薯水分胁迫指数模型。【方法】在河南农业大学林学院试验基地进行马铃薯盆栽试验,选择晴朗天气测定不同土壤含水率下马铃薯的叶气温差随太阳辐射和大气饱和水汽压差(VPD)的变化规律,确定作物水分胁迫指数(crop water stress index,CWSI)的上下基线,进一步试验后得到优化后的马铃薯CWSI经验模型,并对相关模型进行验证。【结果】马铃薯的叶气温差随着土壤含水率的降低而升高;当土壤含水率较低(7.28%)时,马铃薯的叶气温差随太阳辐射的增大而增大,呈显著线性关系;当土壤含水率较高(15.85%)时,马铃薯的叶气温差随VPD的增大而减小,呈显著线性关系;构建出马铃薯CWSI的上基线为y=0.0098Q-0.68[Q为太阳辐射强度/(W·m^(-2))],下基线为y=-1.67V+3.75(V为大气饱和水汽压差/kPa);将优化的CWSI模型验证后得知,随着土壤含水率的减少,CWSI值增加,且CWSI同土壤含水量呈极显著负相关关系(p<0.01)。【结论】马铃薯的最大叶气温差与太阳辐射的线性关系作为马铃薯水分胁迫指数的上基线是可行的,该研究对传统CWSI经验模型进行改进,进一步优化了CWSI经验模型。展开更多
针对当前无人机热红外遥感提取冠层温度不准确、监测作物水分胁迫状况精度不高的问题,该研究以不同水分处理的拔节期夏玉米为研究对象,利用无人机获取试验区域热红外和可见光图像资料,分别采用Otsu算法、EXG-Kmeans算法和Otsu-EXG-Kmean...针对当前无人机热红外遥感提取冠层温度不准确、监测作物水分胁迫状况精度不高的问题,该研究以不同水分处理的拔节期夏玉米为研究对象,利用无人机获取试验区域热红外和可见光图像资料,分别采用Otsu算法、EXG-Kmeans算法和Otsu-EXG-Kmeans算法获取冠层区域图像,并对提取结果进行精度评价,而后采用最优算法求得对应作物水分胁迫指数(Crop Water Stress Index,CWSI),通过分析CWSI同土壤含水率相关关系以及CWSI日平均变化趋势来监测玉米水分亏缺状况。结果表明:1)相比于其他方法,Otsu-EXG-Kmeans算法对冠层温度提取精度更高(用户精度为95.9%),提取的冠层温度更接近实测温度(r=0.788),可以准确获取图像冠层温度。2)相比于冠层温度,CWSI与土壤含水率的相关性更高(r=-0.738),CWSI日平均变化趋势更符合实际情况,可更加精确地监测玉米缺水状况。该研究为无人机遥感精准监测作物水分胁迫状况提供参考。展开更多
为了准确提取作物冠层温度,监测作物水分亏缺状态,以不同水分处理的生菜为研究对象,分别利用手持式热像仪和佳能相机获取生菜的热红外和可见光图像,计算生菜冠层可见光图像与热红外图像的仿射变换参数,并进行配准融合,以获取生菜冠层区...为了准确提取作物冠层温度,监测作物水分亏缺状态,以不同水分处理的生菜为研究对象,分别利用手持式热像仪和佳能相机获取生菜的热红外和可见光图像,计算生菜冠层可见光图像与热红外图像的仿射变换参数,并进行配准融合,以获取生菜冠层区域的热红外图像,而后计算不同处理下的基于冠层温度的水分胁迫指数(Crop Water Stress Index, CWSI)与日蒸散量(Evapotranspiration,ET),分析不同灌溉处理下CWSI同ET的相关关系来监测生菜水分亏缺程度。结果表明,基于仿射变换的热红外目标提取方法可以实现生菜冠层的准确提取,剔除背景后生菜冠层的平均温度值由20.25℃下降至19.25℃。不同水分处理下的生菜热红外冠层的CWSI值展示出明显的差异,且CWSI与ET呈显著负相关,当CWSI越大,ET越小,表明CWSI可以应用在生菜水分胁迫状态监测,能够很好的反应土壤水分含量变化状况。展开更多
冠层温度(canopy temperature,T_(c))是作物水分胁迫计算的基础。准确地剔除热红外图像中的土壤背景,可以提高作物水分的监测精度。该研究以4种水分处理的拔节期夏玉米为研究对象,借助无人机可见光和热红外图像,采用红绿比值指数(red-gr...冠层温度(canopy temperature,T_(c))是作物水分胁迫计算的基础。准确地剔除热红外图像中的土壤背景,可以提高作物水分的监测精度。该研究以4种水分处理的拔节期夏玉米为研究对象,借助无人机可见光和热红外图像,采用红绿比值指数(red-green ratio index,RGRI)法提取研究区域的面状玉米冠层温度的空间分布信息,并分析每幅热红外图像上冠层温度的累积频率。该并提出了两种改进作物水分胁迫指数(crop water stress index,CWSI)性能的方法,一是使用基于正态分布的不同统计分位数分割冠层温度,并基于不同统计分位数上的平均冠层温度计算CWSI(记为CWSI_(TcF%))。二是基于冠层温度方差(canopy temperature variance,V_(ar)),将玉米冠层数据分为4个区间:区间Ⅰ,T_(c)≤40,V_(ar)≤10;区间Ⅱ,T_(c)≤40,10<V_(ar)≤20;区间Ⅲ,35<T_(c)<45,Var>20;区间Ⅳ,40<T_(c)<50,0<V_(ar)≤20,并在各自区间上选择最敏感的统计分位数计算CWSI(记为CWSI_(n))。研究结果表明:1)利用2020年和2021年两年数据计算的CWSI_(n)与作物生理指标(气孔导度G_(s)、净光合速率P_(n)、蒸腾速率T_(r))间的决定系数R2分别为0.72、0.52、0.62,nRMSE分别为23.96%、24.06%、25.60%,模型拟合精度高于原始CWSI(R^(2)分别为0.73、0.34、0.46,nRMSE分别为23.69%、28.27%、30.21%),但与CWSITcF%差别不大(R2分别为0.74、0.54、0.61,nRMSE分别为22.87%、23.74%、25.61%);2)虽然CWSI_(TcF%)能提高诊断作物水分胁迫的精度,但最敏感的冠层温度区间在年际间相差较大(2020,61.17%;2021,49.38%;两年数据,83.51%),而CWSI_(n)稳定性更高(与生理指标间的nRMSE分别为:2020年16.60%、27.37%、28.49%;2021年21.60%、18.95%、22.64%)。因此,综合来看CWSI_(n)可以更加精确地监测作物水分胁迫,利用该改进方法可为无人机遥感精准监测作物水分胁迫状况提供参考。展开更多
该文研究不同水分胁迫条件下无人机遥感与地面传感器协同估算玉米作物系数的可行性。利用自主研发的六旋翼无人机遥感平台搭载多光谱传感器获取内蒙古达拉特旗昭君镇试验站不同水分胁迫下大田玉米冠层光谱影像,计算植被指数,采用经气象...该文研究不同水分胁迫条件下无人机遥感与地面传感器协同估算玉米作物系数的可行性。利用自主研发的六旋翼无人机遥感平台搭载多光谱传感器获取内蒙古达拉特旗昭君镇试验站不同水分胁迫下大田玉米冠层光谱影像,计算植被指数,采用经气象因子和作物覆盖度校正后的FAO-56双作物系数法计算玉米的作物系数,研究作物系数与简单比值植被指数(simple ratio index,SR)、叶面积指数(leaf area index,LAI)和表层土壤含水率(surface soil moisture,SM)的相关关系,结果表明,作物系数与SR、LAI和SM的相关程度与水分胁迫程度有关,但均呈现出显著或极显著的线性关系,说明了基于这些指标建立作物系数估算模型的可能性。利用逐步回归分析方法建立了作物系数的估算模型,其估算模型,修正的决定系数、均方根误差和归一化的均方根误差分别为0.63、0.21、25.16%。经验证,模型决定系数、均方根误差和归一化的均方根误差分别为0.60、0.21、23.35%。研究结果可为利用无人机多光谱遥感平台进行作物系数估算提供技术参考。展开更多
为研究江苏省徐州市的土壤水分时空分布及动态变化,基于MODIS数据和站点气象数据,利用蒸散发双层模型和考虑土壤水分可供率的改进双层模型分别计算实际蒸散发量,利用Penman-Monteith模型计算区域潜在蒸散发量,计算获得作物缺水指数(crop...为研究江苏省徐州市的土壤水分时空分布及动态变化,基于MODIS数据和站点气象数据,利用蒸散发双层模型和考虑土壤水分可供率的改进双层模型分别计算实际蒸散发量,利用Penman-Monteith模型计算区域潜在蒸散发量,计算获得作物缺水指数(crop water stress index,CWSI),并与2010年7月和11月的土壤相对含水量实测数据分别进行回归分析建模,得到了土壤含水量分布图。结果表明:基于蒸散发双层模型的土壤含水量估算结果与实测值的决定系数分别为0.53和0.72,平均相对误差分别为5.89%和9.6%;对双层模型进行改进后,土壤含水量估算结果与实测值的决定系数都为0.84,平均相对误差分别为3.47%和6.03%,利用改进后的双层模型对土壤相对含水量进行估算效果更好。展开更多
文摘基于冠层温度的作物水分胁迫指标CWSI(Crop Water Stress Index)广泛用于指导作物灌水时间,利用自动气象站的观测资料分别计算了不同供水处理条件下冬小麦中午12:00的作物水分胁迫指数,并将作物水分胁迫指数和对应的土壤含水量进行相关分析,以探讨用作物水分胁迫指数确定灌水量的可行性。结果表明,二者是一定相关性,但相关关系不密切,复相关系数为0.54,作物水分胁迫指数随土壤含水量的降低呈明显的增大趋势;作物水分胁迫指数随气象因子的波动表现出明显的波动性,且在作物遭受较严重水分胁迫下波动性更强,这预示着利用作物水分胁迫指数直接定量标识作物土壤水分状况的可靠性不强。
文摘【目的】探究马铃薯的叶气温差与环境因子的关系,进一步优化马铃薯水分胁迫指数模型。【方法】在河南农业大学林学院试验基地进行马铃薯盆栽试验,选择晴朗天气测定不同土壤含水率下马铃薯的叶气温差随太阳辐射和大气饱和水汽压差(VPD)的变化规律,确定作物水分胁迫指数(crop water stress index,CWSI)的上下基线,进一步试验后得到优化后的马铃薯CWSI经验模型,并对相关模型进行验证。【结果】马铃薯的叶气温差随着土壤含水率的降低而升高;当土壤含水率较低(7.28%)时,马铃薯的叶气温差随太阳辐射的增大而增大,呈显著线性关系;当土壤含水率较高(15.85%)时,马铃薯的叶气温差随VPD的增大而减小,呈显著线性关系;构建出马铃薯CWSI的上基线为y=0.0098Q-0.68[Q为太阳辐射强度/(W·m^(-2))],下基线为y=-1.67V+3.75(V为大气饱和水汽压差/kPa);将优化的CWSI模型验证后得知,随着土壤含水率的减少,CWSI值增加,且CWSI同土壤含水量呈极显著负相关关系(p<0.01)。【结论】马铃薯的最大叶气温差与太阳辐射的线性关系作为马铃薯水分胁迫指数的上基线是可行的,该研究对传统CWSI经验模型进行改进,进一步优化了CWSI经验模型。
文摘针对当前无人机热红外遥感提取冠层温度不准确、监测作物水分胁迫状况精度不高的问题,该研究以不同水分处理的拔节期夏玉米为研究对象,利用无人机获取试验区域热红外和可见光图像资料,分别采用Otsu算法、EXG-Kmeans算法和Otsu-EXG-Kmeans算法获取冠层区域图像,并对提取结果进行精度评价,而后采用最优算法求得对应作物水分胁迫指数(Crop Water Stress Index,CWSI),通过分析CWSI同土壤含水率相关关系以及CWSI日平均变化趋势来监测玉米水分亏缺状况。结果表明:1)相比于其他方法,Otsu-EXG-Kmeans算法对冠层温度提取精度更高(用户精度为95.9%),提取的冠层温度更接近实测温度(r=0.788),可以准确获取图像冠层温度。2)相比于冠层温度,CWSI与土壤含水率的相关性更高(r=-0.738),CWSI日平均变化趋势更符合实际情况,可更加精确地监测玉米缺水状况。该研究为无人机遥感精准监测作物水分胁迫状况提供参考。
文摘为了准确提取作物冠层温度,监测作物水分亏缺状态,以不同水分处理的生菜为研究对象,分别利用手持式热像仪和佳能相机获取生菜的热红外和可见光图像,计算生菜冠层可见光图像与热红外图像的仿射变换参数,并进行配准融合,以获取生菜冠层区域的热红外图像,而后计算不同处理下的基于冠层温度的水分胁迫指数(Crop Water Stress Index, CWSI)与日蒸散量(Evapotranspiration,ET),分析不同灌溉处理下CWSI同ET的相关关系来监测生菜水分亏缺程度。结果表明,基于仿射变换的热红外目标提取方法可以实现生菜冠层的准确提取,剔除背景后生菜冠层的平均温度值由20.25℃下降至19.25℃。不同水分处理下的生菜热红外冠层的CWSI值展示出明显的差异,且CWSI与ET呈显著负相关,当CWSI越大,ET越小,表明CWSI可以应用在生菜水分胁迫状态监测,能够很好的反应土壤水分含量变化状况。
文摘冠层温度(canopy temperature,T_(c))是作物水分胁迫计算的基础。准确地剔除热红外图像中的土壤背景,可以提高作物水分的监测精度。该研究以4种水分处理的拔节期夏玉米为研究对象,借助无人机可见光和热红外图像,采用红绿比值指数(red-green ratio index,RGRI)法提取研究区域的面状玉米冠层温度的空间分布信息,并分析每幅热红外图像上冠层温度的累积频率。该并提出了两种改进作物水分胁迫指数(crop water stress index,CWSI)性能的方法,一是使用基于正态分布的不同统计分位数分割冠层温度,并基于不同统计分位数上的平均冠层温度计算CWSI(记为CWSI_(TcF%))。二是基于冠层温度方差(canopy temperature variance,V_(ar)),将玉米冠层数据分为4个区间:区间Ⅰ,T_(c)≤40,V_(ar)≤10;区间Ⅱ,T_(c)≤40,10<V_(ar)≤20;区间Ⅲ,35<T_(c)<45,Var>20;区间Ⅳ,40<T_(c)<50,0<V_(ar)≤20,并在各自区间上选择最敏感的统计分位数计算CWSI(记为CWSI_(n))。研究结果表明:1)利用2020年和2021年两年数据计算的CWSI_(n)与作物生理指标(气孔导度G_(s)、净光合速率P_(n)、蒸腾速率T_(r))间的决定系数R2分别为0.72、0.52、0.62,nRMSE分别为23.96%、24.06%、25.60%,模型拟合精度高于原始CWSI(R^(2)分别为0.73、0.34、0.46,nRMSE分别为23.69%、28.27%、30.21%),但与CWSITcF%差别不大(R2分别为0.74、0.54、0.61,nRMSE分别为22.87%、23.74%、25.61%);2)虽然CWSI_(TcF%)能提高诊断作物水分胁迫的精度,但最敏感的冠层温度区间在年际间相差较大(2020,61.17%;2021,49.38%;两年数据,83.51%),而CWSI_(n)稳定性更高(与生理指标间的nRMSE分别为:2020年16.60%、27.37%、28.49%;2021年21.60%、18.95%、22.64%)。因此,综合来看CWSI_(n)可以更加精确地监测作物水分胁迫,利用该改进方法可为无人机遥感精准监测作物水分胁迫状况提供参考。
文摘该文研究不同水分胁迫条件下无人机遥感与地面传感器协同估算玉米作物系数的可行性。利用自主研发的六旋翼无人机遥感平台搭载多光谱传感器获取内蒙古达拉特旗昭君镇试验站不同水分胁迫下大田玉米冠层光谱影像,计算植被指数,采用经气象因子和作物覆盖度校正后的FAO-56双作物系数法计算玉米的作物系数,研究作物系数与简单比值植被指数(simple ratio index,SR)、叶面积指数(leaf area index,LAI)和表层土壤含水率(surface soil moisture,SM)的相关关系,结果表明,作物系数与SR、LAI和SM的相关程度与水分胁迫程度有关,但均呈现出显著或极显著的线性关系,说明了基于这些指标建立作物系数估算模型的可能性。利用逐步回归分析方法建立了作物系数的估算模型,其估算模型,修正的决定系数、均方根误差和归一化的均方根误差分别为0.63、0.21、25.16%。经验证,模型决定系数、均方根误差和归一化的均方根误差分别为0.60、0.21、23.35%。研究结果可为利用无人机多光谱遥感平台进行作物系数估算提供技术参考。
文摘为研究江苏省徐州市的土壤水分时空分布及动态变化,基于MODIS数据和站点气象数据,利用蒸散发双层模型和考虑土壤水分可供率的改进双层模型分别计算实际蒸散发量,利用Penman-Monteith模型计算区域潜在蒸散发量,计算获得作物缺水指数(crop water stress index,CWSI),并与2010年7月和11月的土壤相对含水量实测数据分别进行回归分析建模,得到了土壤含水量分布图。结果表明:基于蒸散发双层模型的土壤含水量估算结果与实测值的决定系数分别为0.53和0.72,平均相对误差分别为5.89%和9.6%;对双层模型进行改进后,土壤含水量估算结果与实测值的决定系数都为0.84,平均相对误差分别为3.47%和6.03%,利用改进后的双层模型对土壤相对含水量进行估算效果更好。
