小麥苗情診斷指標(biāo)智能監(jiān)測及系統(tǒng)開發(fā).pdf

1、小麥?zhǔn)俏覈饕募Z食作物之一，及時(shí)了解小麥苗期生長狀態(tài)并貫徹落實(shí)高產(chǎn)栽培方案對穩(wěn)產(chǎn)增收有著重要的意義。目前，苗情診斷多通過專家咨詢、技術(shù)人員指導(dǎo)等實(shí)地勘察評價(jià)方法，這些方法雖然能夠較準(zhǔn)確的指導(dǎo)生產(chǎn)，但時(shí)效性較低。因此，在高新科技快速發(fā)展和“互聯(lián)網(wǎng)+農(nóng)業(yè)”的背景下，研究如何利用信息化手段對小麥苗情進(jìn)行智能監(jiān)測并構(gòu)建合理評價(jià)方法顯得尤為重要。本研究通過田間獲取小麥苗期（越冬始期至拔節(jié)期）各診斷指標(biāo)生長動(dòng)態(tài)，結(jié)合同期提取的圖像特征參數(shù)，建立了

2、小麥苗情診斷指標(biāo)智能估測模型，包括葉面積指數(shù)(LAI)、SPAD(Soil and PlantAnalyzer Development)值、莖蘗數(shù)、生物量和氮素積累量5個(gè)估測模型，最終實(shí)現(xiàn)小麥苗情的系統(tǒng)評價(jià)與監(jiān)測。在此基礎(chǔ)上，開發(fā)了基于圖像特征參數(shù)的小麥苗情診斷指標(biāo)智能估測系統(tǒng)。
　　研究首先基于計(jì)算機(jī)圖像處理技術(shù)提取與小麥苗期LAI、SPAD值、莖蘗數(shù)、生物量、氮素積累量相關(guān)性較好的圖像特征參數(shù)，以期達(dá)到小麥苗情科學(xué)診斷的目的。

3、根據(jù)前人研究進(jìn)展和本研究試驗(yàn)結(jié)果，歸納這些參數(shù)為紅光指數(shù)(R)、綠光指數(shù)(G)、藍(lán)光指數(shù)(B)、歸一化紅光指數(shù)(NRI)、歸一化綠光指數(shù)(NGI)、歸一化藍(lán)光指數(shù)(NBI)、綠紅差值(GMR)、綠紅比值(GR)、超綠值(ExG)、超紅值（ExR）、超綠超紅差值(ExGMR)、歸一化紅綠差值指數(shù)(NDIg)、歸一化紅藍(lán)差值指數(shù)(ND Ib)、歸一化植被指數(shù)(NDI)、色調(diào)(Hue)以及冠層蓋度(CC)等。第二步，通過分析16個(gè)圖像特征參數(shù)

4、與小麥苗情診斷指標(biāo)的相關(guān)關(guān)系（Pearson分析），找到適合構(gòu)建小麥苗情診斷指標(biāo)估測模型的圖像特征參數(shù)，并利用多元逐步回歸分析的方法建立優(yōu)化的小麥苗情診斷指標(biāo)估測模型。模型構(gòu)建結(jié)果如下:
　　(1)圖像特征參數(shù)GMR與越冬期小麥LAI的相關(guān)性最好，通過多元逐步回歸分析擬合的估測模型為y=0.160×GMR-0.784，模型檢驗(yàn)R2為0.765**，RMSE為0.286;參數(shù)G與拔節(jié)期小麥LAI呈極顯著相關(guān)關(guān)系，擬合的估測模型為y=

5、-0.274×G+34.919，模型檢驗(yàn)R2為0.483**，RMSE為1.420。因此，利用圖像特征參數(shù)估測小麥苗期LAI是可行的。
　　(2)圖像特征參數(shù)NDIb與越冬期小麥SPAD值呈顯著相關(guān)關(guān)系，多元逐步回歸分析擬合的估測模型為y=1.116×NDIb+39.932，模型檢驗(yàn)R2為0.236*，RMSE為1.320;參數(shù)GR與拔節(jié)期小麥SPAD值的相關(guān)性最好，相關(guān)系數(shù)為-0.568**，擬合的估測模型為y=-1.179×G

6、R+340.468，模型檢驗(yàn)R2為0.454**，RMSE為2.410。因此，圖像特征參數(shù)可以作為評價(jià)小麥苗期SPAD值的指標(biāo)。
　　(3)圖像特征參數(shù)GMR與越冬期小麥莖蘗數(shù)的相關(guān)性最好，多元逐步回歸分析擬合的估測模型為y=69.668×GMR-270.228，模型檢驗(yàn)R2為0.793**，RMSE為122×104·ha-1;參數(shù)G、Hue與拔節(jié)期小麥莖蘗數(shù)呈顯著相關(guān)關(guān)系，擬合的估測模型為y=10.158×Hue-31.661×

7、G+2568.074，模型檢驗(yàn)R2為0.589**，RMSE為187×104·ha-1。因此，圖像特征參數(shù)可以用于小麥苗期莖蘗數(shù)的估測。
　　(4)圖像特征參數(shù)GMR與越冬期小麥生物量的相關(guān)性最好，多元逐步回歸分析擬合的估測模型為y=72.641×GMR-341.259，模型檢驗(yàn)R2為0.818**，RMSE為115.188kg·ha-1;參數(shù)G與拔節(jié)期小麥生物量呈極顯著相關(guān)關(guān)系，擬合的估測模型為y=-170.295×G+2150

8、6.329，模型檢驗(yàn)R2為0.496**，RMSE為873.774kg·ha-1。說明圖像特征參數(shù)在小麥苗期生物量的估測上有顯著效果。
　　(5)圖像特征參數(shù)GMR與越冬期小麥氮素積累量的相關(guān)性最好，多元逐步回歸分析擬合的估測模型為y=3.433×GMR-17.039，模型檢驗(yàn)R2為0.782**，RMSE為6.005kg·ha-1;參數(shù)G、ExGMR、 CC與拔節(jié)期小麥氮素積累量呈顯著相關(guān)關(guān)系，參數(shù)GMR與拔節(jié)期小麥氮素積累量達(dá)