作物氮素定量遙感與應用

目錄
第1章 緒論 1
1.1 研究意義 1
1.2 國內外研究現狀 2
1.2.1 作物氮素遙感信息解析 2
1.2.2 作物氮素垂直分布 3
1.2.3 作物氮素時空動態(tài)變化 3
1.2.4 作物品質遙感監(jiān)測與預測 5
1.2.5 作物氮素虧缺診斷及決策 6
1.3 作物氮素遙感監(jiān)測需求 7
參考文獻 7
第2章 作物氮素遙感試驗與數據獲取 12
2.1 作物氮素遙感試驗 12
2.1.1 北京小湯山國家精準農業(yè)研究示范基地長期定位觀測試驗 12
2.1.2 北京市冬小麥長勢遙感觀測試驗 22
2.1.3 全國主要作物養(yǎng)分調優(yōu)栽培信息化試驗 22
2.2 作物理化參數與測量規(guī)范 25
2.2.1 作物觀測時期選擇 25
2.2.2 作物生理生化參數測定 28
2.2.3 作物產量和品質參量 30
2.3 遙感數據及預處理方法 32
2.3.1 地面高光譜數據獲取 32
2.3.2 無人機遙感數據獲取及預處理 34
2.3.3 衛(wèi)星影像數據預處理 38
參考文獻 44
第3章 作物氮素光譜響應機理及信息解析 45
3.1 不同田間管理條件下的作物氮素規(guī)律 45
3.1.1 不同氮素評價指標的統(tǒng)計分析 45
3.1.2 不同田間管理條件對作物氮累積影響分析 47
3.2 作物氮素光譜遙感監(jiān)測機理 48
3.2.1 氮素與葉綠素的生理機理 48
3.2.2 葉片氮光譜反射特征 50
3.2.3 冠層氮光譜反射特征 52
3.3 作物氮素的光譜特征選擇和特征分析 53
3.3.1 作物氮素敏感波段選擇 53
3.3.2 作物氮素光譜特征分析與提取 57
3.4 基于數據挖掘算法的作物氮素估算 65
3.4.1 基于數據挖掘算法的冬小麥葉片氮含量估算 65
3.4.2 基于最優(yōu)組合算法的大麥葉片氮濃度估算 69
3.4.3 基于灰色關聯(lián)分析與分支界定算法的冬小麥C/N估算 75
3.5 作物氮光譜響應機理模型構建與反演 77
3.5.1 N-PROSPECT模型構建及氮反演 77
3.5.2 N-PROSAIL模型耦合及葉片與冠層雙尺度氮素估算 81
參考文獻 86
第4章 冠層垂向異質性及氮素分層遙感解析 90
4.1 冬小麥冠層垂向異質性 90
4.1.1 冬小麥葉片理化參數垂直分布差異 90
4.1.2 冬小麥莖稈理化參數垂直分布差異 92
4.1.3 冬小麥理化參數在不同器官及整體冠層間的差異分析 94
4.2 冬小麥穗組分和不同葉層對冠層反射光譜及植被指數的影響 95
4.2.1 不同處理下分別去除穗和各層葉片后的冠層反射光譜響應變化 95
4.2.2 不同處理下分別去除穗和各層葉片后的光譜植被指數響應變化 100
4.3 冬小麥冠層垂向異質性對反射光譜的影響 106
4.3.1 穗層光譜模擬方法構建及開花期冠層光譜模擬分析 106
4.3.2 不同冠層結構和色素分布情景下冬小麥冠層光譜響應模擬分析 106
4.4 基于氮分布數學模型的葉氮垂直分布光譜探測 114
4.5 分層氮素信息與作物整體氮素相關關系 116
4.5.1 冬小麥氮素垂直分布規(guī)律 116
4.5.2 最優(yōu)光譜探測層分析 117
4.5.3 基于最優(yōu)層氮遙感模型和垂直分布規(guī)律的整體氮信息模型 118
4.5.4 冬小麥全氮量的驗證 120
參考文獻 120
第5章 作物氮素時空變異及動態(tài)模擬 124
5.1 變量施肥條件下的作物氮素動態(tài)規(guī)律 124
5.1.1 葉片氮營養(yǎng)狀況空間變化動態(tài) 124
5.1.2 植株氮營養(yǎng)狀況空間變化動態(tài) 125
5.1.3 變量施肥條件下冬小麥養(yǎng)分遙感參數空間異質性評價 128
5.1.4 變量施肥條件下冬小麥產量、品質空間異質性評價 134
5.2 均一施肥管理條件下的作物氮素動態(tài)規(guī)律 138
5.2.1 均一施肥管理條件下冬小麥養(yǎng)分參數空間異質性評價 138
5.2.2 均一施肥管理條件下冬小麥籽粒蛋白質空間異質性評價 142
5.3 作物模型與遙感同化的氮素時間動態(tài)模擬 145
5.3.1 作物生長模型及DSSAT模型簡介 145
5.3.2 DSSAT模型中CERES-Wheat生長過程及氮素模塊介紹 147
5.3.3 基于DSSAT-CERES模型的參數本地化研究 150
5.3.4 作物模型與遙感同化策略的構建 153
參考文獻 161
第6章 作物氮素運轉規(guī)律及品質遙感預測 163
6.1 作物品質形成及遙感預測機理 163
6.1.1 植物碳氮代謝及蛋白質合成 163
6.1.2 作物品質遙感預測的機理 164
6.2 作物品質影響因素及其對作物籽粒品質的影響 165
6.2.1 遺傳因素對作物籽粒品質的影響 165
6.2.2 生態(tài)環(huán)境條件對作物籽粒品質的影響 165
6.2.3 氮脅迫下的作物籽粒品質差異分析 166
6.2.4 水分脅迫下的作物籽粒品質差異分析 166
6.2.5 株型與作物籽粒品質差異分析 166
6.3 作物品質遙感統(tǒng)計預測模型 167
6.3.1 多時相遙感信息的品質預測模型 167
6.3.2 基于光譜特征與植被指數的籽粒品質預測模型 169
6.3.3 基于植被指數-農學參量-GPC模式的GPC反演 174
6.4 作物品質半機理預測模型 178
6.4.1 融合生態(tài)因子與冬小麥生理生態(tài)遙感的冬小麥籽粒蛋白質含量綜合建模 178
6.4.2 基于氮素運轉原理的冬小麥籽粒蛋白質含量遙感預測 180
6.5 結合遙感同化與氣象預測的冬小麥GPC預報 184
6.5.1 基于遙感數據與DSSAT模型同化的冬小麥GPC預測 184
6.5.2 不同氣象條件下的冬小麥GPC最優(yōu)預報節(jié)點分析 188
6.5.3 結合遙感同化與氣象預報數據的冬小麥GPC預報 191
參考文獻 196
第7章 作物氮素盈虧遙感診斷及決策 198
7.1 作物氮素盈虧診斷方法 198
7.1.1 基于NNI的作物氮素盈虧診斷分析 198
7.1.2 基于SPAD的作物氮素盈虧診斷分析 201
7.2 變量施肥決策算法 205
7.2.1 基于土壤養(yǎng)分狀況的變量施肥決策方法 205
7.2.2 基于SPAD的變量施肥決策方法 208
7.2.3 基于光譜指數的變量施肥決策方法 215
7.2.4 基于氮肥優(yōu)化算法（NFOA）的氮肥推薦應用 223
參考文獻 226
第8章 地-空-星遙感作物養(yǎng)分決策支持系統(tǒng) 228
8.1 作物養(yǎng)分田間速測儀 228
8.1.1 硬件模塊介紹 229
8.1.2 測試指標及數據處理 231
8.2 無人機高光譜作物養(yǎng)分管理 233
8.2.1 無人機平臺及成像高光譜傳感器 233
8.2.2 成像高光譜作物養(yǎng)分監(jiān)測 235
8.3 融合地-空-星遙感的作物調優(yōu)栽培決策支持系統(tǒng) 236
8.3.1 系統(tǒng)關鍵技術 237
8.3.2 系統(tǒng)總體功能 237
8.3.3 系統(tǒng)特點 239
8.4 系統(tǒng)推廣示范應用 240
8.4.1 東北示范區(qū) 240
8.4.2 黃淮海示范區(qū) 242
8.4.3 長江中下游示范區(qū) 243
參考文獻 245
附錄本書涉及的植被指數 247
參考文獻 249