«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第46卷

期数:

2018年第14期

页码:

235-238

栏目:

农业工程与信息技术

出版日期:

2018-07-25

文章信息/Info

Title:

Extraction of fresh biomass of cotton plants with verticillium wilt based on hyperspectral remote sensing

作者:

张鑫¹;  陈兵¹;  刘立峰²;  李天南¹; 2;  王琼¹;  王方永¹;  韩焕勇¹;  肖春华³

1.新疆农垦科学院/农业部西北内陆区棉花生物学与遗传育种重点实验室，新疆石河子 832003；
2.中国农业大学，北京 100081； 3.石河子大学，新疆石河子 832000

Author(s):

Zhang Xin; et al

关键词:

高光谱提取; 黄萎病; 棉花植株; 鲜生物量; 反演模型; 病害遥感监测

Keywords:

-

分类号:

O657.3；S127

DOI:

-

文献标志码:

A

摘要:

以棉花植株为研究对象，对不同棉花黄萎病严重度的棉株进行光谱和鲜生物量测定，以实现棉花黄萎病植株鲜生物量的定量提取。通过分析黄萎病棉株鲜生物量变化和对应反射率特性，将两者进行相关分析，提取棉株鲜生物量的敏感波段和光谱特征参数，建立黄萎病棉株鲜生物量的光谱反演模型。结果表明，不同时期的棉株鲜生物量均随病害严重度的增加而减小，且病情越重，减小幅度越大；选出432~467、517~573、706~1368 nm为黄萎病棉株鲜生物量光谱敏感波段，R₉₃₉、新建光谱指数R₉₃₉-R₅₄₅为最佳光谱特征参数，建立的病害棉株鲜生物量反演模型精度最高，检验模型决定系数(R²)分别为0.718、0.683；均方根误差(root mean square error，简称RMSE)较小，分别为2.168、2.128；相对误差(relative error，简称RE)较小，分别为0.32、0.28，可对黄萎病棉株鲜生物量进行准确识别。

Abstract:

-

参考文献/References:

［1］柏军华，李少昆，王克如，等. 基于近地高光谱棉花生物量遥感估算模型［J］. 作物学报，2007，33(2)：311-316.
［2］Casanova D，Epema G F，Goudriaan J. Monitoring rice reflectance at field level for estimating biomass and LAI［J］. Field Crops Research，1998，55(1/2)：83-92.
［3］Thenkabail P S，Smith R B，de Pauw E. Hyperspectral vegetation indices and their relationships with agricultural crop characteristics［J］. Remote Sensing of Environment，2000，71(2)：158-182.
［4］Hansen P M，Schjoerring J K. Reflectance measurement of canopy biomass and nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression［J］. Remote Sensing of Environment，2003，86(4)：542-553.
［5］Basuki T M，Skidmore A K，Hussin Y A，et al. Estimating tropical forest biomass more accurately by a integrating ALOS PALSAR and landsat-7 ETM+data［J］. International Journal of Remote Sensing，2013，34(13)：4871-4888.
［6］Koppe W，Gnyp M L，Hütt C，et al. Rice monitoring with multi-temporal and dual-polarimetric TerraSAR-X data［J］. International Journal of Applied Earth Observation and Geoinformation，2013，21：568-576.
［7］宋开山，张柏，李方，等. 高光谱反射率与大豆叶面积及地上鲜生物量的相关分析［J］. 农业工程学报，2005，21(1)：36-40.
［8］黄春燕，王登伟，曹连莆，等. 棉花地上鲜生物量的高光谱估算模型研究［J］. 农业工程学报，2007，23(3)：131-135.
［9］孙小艳，常学礼，张宁，等. 不同取样单元对干旱区绿洲小麦地上生物量光谱估算模型的影响［J］. 中国沙漠，2012，32(2)：568-573.
［10］任广波，张杰，汪伟奇，等. 基于HJ-1高光谱影像的黄河口芦苇和碱蓬生物量估测模型研究［J］. 海洋学研究，2014，32(4)：27-34.
［11］王新云，郭艺歌，何杰. 基于多源遥感数据的草地生物量估算方法［J］. 农业工程学报，2014，30(11)：159-166，294.
［12］刘明，冯锐，纪瑞鹏，等. 基于MODIS-NDVI的春玉米叶面积指数和地上生物量估算［J］. 中国农学通报，2015，31(6)：80-87.
［13］王红岩，李晓松，张瑾，等. 北京一号，环境星，Landsat TM传感器估算草地覆盖度、叶面积指数、地上生物量比较研究［J］. 光谱学与光谱分析，2013，33(10)：2803-2808.
［14］丁蕾，马毅. 基于现场光谱的黄河口湿地芦苇生物量估算模型研究［J］. 海洋环境科学，2015，34(5)：718-722，728.
［15］陈鹏飞，Tremblay N，王纪华，等. 估测作物冠层生物量的新植被指数的研究［J］. 光谱学与光谱分析，2010，30(2)：512-517.
［16］陈兵，王克如，李少昆，等. 棉花黄萎病冠层高光谱遥感监测技术研究［J］. 新疆农业科学，2007，44(6)：740-745.
［17］王秀珍，黄敬峰，李云梅，等. 水稻地上鲜生物量的高光谱遥感估算模型研究［J］. 作物学报，2003，29(6)：815-821.

相似文献/References:

[1]郝蔚,王丽丽,景伟文,等.接种落叶型黄萎病菌棉株的棉酚和单宁含量与抗病性的关系[J].江苏农业科学,2016,44(02):147.
　Hao Wei,et al.Relationship between gossypol and tannin contents and disease-resistance of cotton infected defoliating Verticillium dahliae[J].Jiangsu Agricultural Sciences,2016,44(14):147.
[2]惠慧,张学坤,赵建军,等.北疆早熟棉区棉花黄萎病病菌的生物学特性[J].江苏农业科学,2017,45(04):66.
　Xi Hui,et al.Study on biological characteristics of Verticillium dahliae in early-maturing cotton area of Northern Xinjiang[J].Jiangsu Agricultural Sciences,2017,45(14):66.
[3]郭志军,冯自力.播期与密度对棉花黄萎病的影响[J].江苏农业科学,2018,46(19):92.
　Guo Zhijun,et al.Effects of different sowing dates and plant densities on cotton verticillium wilt[J].Jiangsu Agricultural Sciences,2018,46(14):92.

备注/Memo

备注/Memo:

收稿日期：2017-02-07
基金项目：国家自然科学基金(编号：41161068)；新疆农垦科学院引导计划(编号：83YYD201508)。
作者简介：张鑫(1984—)，男，甘肃白银人，助理研究员，从事作物栽培技术研究。Tel：(0993)6683335；E-mail：24934920@qq.cm。
通信作者：陈兵，博士，副研究员，主要从事作物栽培生理和农业遥感应用研究。Tel：(0993)6683527；E-mail：zyrcb@126.com。

常用功能

更新日期/Last Update: 2018-07-20