基于作物生长监测诊断仪的双季稻叶干重监测模型

• Published in: 作物学报 Vol. 47; no. 10; pp. 2028 - 2035
• Main Authors: 李艳大, 曹中盛, 舒时富, 孙滨峰, 叶春, 黄俊宝, 朱艳, 田永超
• Format: Journal Article
• Language: Chinese
• Published: 江西省农业科学院农业工程研究所 / 江西省智能农机装备工程研究中心 / 江西省农业信息化工程技术研究中心, 江西南昌330200%南京农业大学 / 国家信息农业工程技术中心, 江苏南京 210095 12.10.2021
• Subjects: 作物生长监测诊断仪; 植被指数; 双季稻; 叶干重; 监测模型
• ISSN: 0496-3490
• DOI: 10.3724/SP.J.1006.2021.02077

本文旨在验证作物生长监测诊断仪(crop growth monitoring and diagnosis apparatus,CGMD)监测双季稻长势指标的准确性,建立基于CGMD的双季稻叶干重监测模型.通过实施8个不同早、晚稻品种和4个施氮水平的小区试验,采用CGMD获取从分蘖期至灌浆期的冠层归一化植被指数(normalized difference vegetation index,NDVI)、差值植被指数(differential vegetation index,DVI)和比值植被指数(ratio vegetation index,RVI),同步采用高光谱仪(analytical spectral devices field-spec handheld 2,ASD FH2)获取冠层光谱反射率计算NDVI、DVI和RVI;分析2种光谱仪获取的植被指数间的相关关系,验证CGMD的测量精度,建立基于CGMD的叶干重监测模型,并用独立试验数据对模型进行检验.结果表明:早、晚稻叶干重随施氮水平的增加而增大,随生育进程的推进呈"低—高—低"动态变化趋势;CGMD与ASD FH2获取的NDVI、DVI和RVI呈极显著相关,相关系数(correlation coefficient,r)分别为0.9535～0.9972、0.9099～0.9948和0.9298～0.9926,表明2种光谱仪获取的植被指数具有高度的一致性,CGMD可替代价格昂贵的ASD FH2获取NDVI、DVI和RVI.CGMD获取的3个植被指数相比,RVICGMD与叶干重的相关性最高;基于RVICGMD的幂函数模型可准确地监测叶干重,模型建立的决定系数(determination coefficient,R2)为0.8604～0.9216,模型检验的均方根误差(root mean square error,RMSE)、相对均方根误差(relative root mean square error,RRMSE)和r分别为12.97～17.87 g m-2、4.88％～16.79％和0.9951～0.9992.与人工采样测定叶干重相比,利用CGMD可实时准确地获取双季稻叶干重动态变化,在双季稻长势精确诊断和丰产高效栽培中具有应用价值.