基于作物生长监测诊断仪的双季稻叶干重监测模型

李艳大; 曹中盛; 舒时富; 孙滨峰; 叶春; 黄俊宝; 朱艳; 田永超; 《作物学报 》 2021 北大核心 CSCD

摘要：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ASDFH2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, RVI_CGMD与叶干重的相关性最高;基于RVI_CGMD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。

关键词： 双季稻 叶干重 作物生长监测诊断仪 植被指数 监测模型

 全文链接 请求原文