为精确监测和评估小麦在成熟期受连阴雨胁迫后穗霉变发芽情况。该研究以2023年5月底黄淮西部一次大范围连阴雨天气过程为例,从气象致灾危险性和遥感变量表征小麦承灾能力两方面,综合应用气象和多源卫星遥感资料,构建模型因子。分别用Spe...为精确监测和评估小麦在成熟期受连阴雨胁迫后穗霉变发芽情况。该研究以2023年5月底黄淮西部一次大范围连阴雨天气过程为例,从气象致灾危险性和遥感变量表征小麦承灾能力两方面,综合应用气象和多源卫星遥感资料,构建模型因子。分别用Spearman和Pearson相关性分析,以及ReliefF特征选择方法进行关键因子筛选,形成3组因子,分别应用Logistic回归等5种分类器和多元线性回归等5种回归方法构建模型,实现了对灾变的精准识别、程度分级和指数回归预测。通过对不同模型性能评估和各因子影响的对比分析,结果表明:所选分类器在气象与遥感因子协同及各独自建模情形下,均能识别穗发芽霉变并准确预测其等级,识别的准确率(accuracy,AC)在0.649~0.811,等级预测的AC在0.432~0.622之间;在穗发芽霉变指数(ear germination and moldiness index,EGMI)预测方面,构建的PCFXGBR模型表现最佳,R^(2)为0.25,均方根误差(root mean square error,RMSE)为15.68,平均绝对误差(mean absolute error,MAE)为11.93。研究发现,遥感模型在灾变识别上更具优势,而气象模型在灾变程度分级上更优,结合两者的气象-遥感协同模型性能最佳。该研究成果为小麦连阴雨减损与灾后评估提供了有力的技术支持。展开更多
在郑州农业气象试验站开展不同程度干旱、灌溉试验,研究了不同水分条件对冬小麦根系活力、形态及产量的影响。结果表明,干旱条件下,冬小麦根系活力和根直径均有明显的降低,根长有明显增加,土壤下层所占根系总体积比例增大,且随着发育期...在郑州农业气象试验站开展不同程度干旱、灌溉试验,研究了不同水分条件对冬小麦根系活力、形态及产量的影响。结果表明,干旱条件下,冬小麦根系活力和根直径均有明显的降低,根长有明显增加,土壤下层所占根系总体积比例增大,且随着发育期的推进,下层根系所占比例呈现增大的趋势,水分利用效率有明显提高;随着干旱程度的增加,上述变化趋势更加明显。在灌溉量相同的情况下,越冬期灌溉,有利于冬小麦根系活力和根直径增加,但不利于根系的向下伸展;返青期和拔节期灌溉有利于根系向下伸展、水分利用效率提高、理论产量增加,但不利于根系活力和直径的增加;拔节期灌溉,可适当增大灌溉量,减少灌溉次数,以提高水分利用效率。综合根系形态和活力、水分利用效率及产量,在冬小麦干旱持续发生条件下,在返青期、孕穗期灌水600 m 3·hm^-2左右,可根据干旱程度适当增减灌水量,重旱条件下适当增加灌水次数,少量多灌缓解旱情,而重大干旱年份灌水困难条件下可只在拔节期灌水600 m 3·hm^-2,以实现产量的减损和节水效果。展开更多
基于花生生长中后期2020年8月1日和15日两个时相高分多光谱数据,构建40个作物分类遥感特征,采用ReliefF-Pearson方法优选出15个特征,构造作物可分的4种特征空间。采用最大似然分类法、支持向量机和随机森林分类器,分别耦合4种特征空间,...基于花生生长中后期2020年8月1日和15日两个时相高分多光谱数据,构建40个作物分类遥感特征,采用ReliefF-Pearson方法优选出15个特征,构造作物可分的4种特征空间。采用最大似然分类法、支持向量机和随机森林分类器,分别耦合4种特征空间,开展作物分类对比试验,进行分类精度和景观评价提出作物双时相遥感分类模型(dual-temporal remote sensing classification model for crop,C-DRSC)。结果表明:该模型具有较高的作物分类和花生识别能力,作物分类总体精度和Kappa系数分别为93.25%和0.89,平均形状指数和平均斑块分维指数分别为1.33和1.13;花生识别的用户精度和制图精度分别为96.20%和96.32%,平均形状指数和平均斑块分维指数分别为1.27和1.11。利用该模型在黄淮海地区的4个花生主产县开展夏花生种植面积遥感测算,与统计面积相比,面积测算相对误差为±16.25%,决定系数为0.9778(达到0.01显著性水平),模型具有较好的适用性。展开更多
文摘为精确监测和评估小麦在成熟期受连阴雨胁迫后穗霉变发芽情况。该研究以2023年5月底黄淮西部一次大范围连阴雨天气过程为例,从气象致灾危险性和遥感变量表征小麦承灾能力两方面,综合应用气象和多源卫星遥感资料,构建模型因子。分别用Spearman和Pearson相关性分析,以及ReliefF特征选择方法进行关键因子筛选,形成3组因子,分别应用Logistic回归等5种分类器和多元线性回归等5种回归方法构建模型,实现了对灾变的精准识别、程度分级和指数回归预测。通过对不同模型性能评估和各因子影响的对比分析,结果表明:所选分类器在气象与遥感因子协同及各独自建模情形下,均能识别穗发芽霉变并准确预测其等级,识别的准确率(accuracy,AC)在0.649~0.811,等级预测的AC在0.432~0.622之间;在穗发芽霉变指数(ear germination and moldiness index,EGMI)预测方面,构建的PCFXGBR模型表现最佳,R^(2)为0.25,均方根误差(root mean square error,RMSE)为15.68,平均绝对误差(mean absolute error,MAE)为11.93。研究发现,遥感模型在灾变识别上更具优势,而气象模型在灾变程度分级上更优,结合两者的气象-遥感协同模型性能最佳。该研究成果为小麦连阴雨减损与灾后评估提供了有力的技术支持。
文摘在郑州农业气象试验站开展不同程度干旱、灌溉试验,研究了不同水分条件对冬小麦根系活力、形态及产量的影响。结果表明,干旱条件下,冬小麦根系活力和根直径均有明显的降低,根长有明显增加,土壤下层所占根系总体积比例增大,且随着发育期的推进,下层根系所占比例呈现增大的趋势,水分利用效率有明显提高;随着干旱程度的增加,上述变化趋势更加明显。在灌溉量相同的情况下,越冬期灌溉,有利于冬小麦根系活力和根直径增加,但不利于根系的向下伸展;返青期和拔节期灌溉有利于根系向下伸展、水分利用效率提高、理论产量增加,但不利于根系活力和直径的增加;拔节期灌溉,可适当增大灌溉量,减少灌溉次数,以提高水分利用效率。综合根系形态和活力、水分利用效率及产量,在冬小麦干旱持续发生条件下,在返青期、孕穗期灌水600 m 3·hm^-2左右,可根据干旱程度适当增减灌水量,重旱条件下适当增加灌水次数,少量多灌缓解旱情,而重大干旱年份灌水困难条件下可只在拔节期灌水600 m 3·hm^-2,以实现产量的减损和节水效果。
文摘基于花生生长中后期2020年8月1日和15日两个时相高分多光谱数据,构建40个作物分类遥感特征,采用ReliefF-Pearson方法优选出15个特征,构造作物可分的4种特征空间。采用最大似然分类法、支持向量机和随机森林分类器,分别耦合4种特征空间,开展作物分类对比试验,进行分类精度和景观评价提出作物双时相遥感分类模型(dual-temporal remote sensing classification model for crop,C-DRSC)。结果表明:该模型具有较高的作物分类和花生识别能力,作物分类总体精度和Kappa系数分别为93.25%和0.89,平均形状指数和平均斑块分维指数分别为1.33和1.13;花生识别的用户精度和制图精度分别为96.20%和96.32%,平均形状指数和平均斑块分维指数分别为1.27和1.11。利用该模型在黄淮海地区的4个花生主产县开展夏花生种植面积遥感测算,与统计面积相比,面积测算相对误差为±16.25%,决定系数为0.9778(达到0.01显著性水平),模型具有较好的适用性。
