基于冠层光谱红边参数和植被指数的冬小麦水分胁迫监测

2019-07-08 03:30郭建茂王星宇李淑婷谢晓燕刘荣花于庚康
江苏农业科学 2019年10期
关键词:植被指数冬小麦

郭建茂 王星宇 李淑婷 谢晓燕 刘荣花 于庚康

摘要:基于冬小麦不同水分胁迫试验,采用便携式光谱仪测定冬小麦抽穗期、开花期和灌浆期受不同水分胁迫处理的冠层光谱反射率,分析不同水分处理下冬小麦冠层光谱特性,并对植被指数、红边参数与冠层叶片含水率和土壤含水率进行相关性分析,构建各生育期叶片含水率和土壤含水率的最佳监测模型,实现对冠层叶片含水率以及土壤含水率的监测评估。结果显示,在整个生育期,冬小麦的冠层光谱反射率在可见光范围呈现绿峰红谷,尤其在旺盛生长时期,随着水分胁迫程度加深,绿峰红谷逐渐变得不明显,红谷抬升幅度增大;相反,在近红外波段范围内水分胁迫主要使得反射率表现为明显下降;冬小麦红边参数随生长进程呈蓝移现象,灌浆期受胁迫程度越重的红边参数越低;植被指数(EVI、NDVI、SAVI、WI)在开花期之后具有不同程度的下降趋势,至灌浆期有大幅度减小,且随受胁迫程度加深植被指数下降幅度增大;植被指数和红边位置、红边面积在灌浆期与叶片含水率和土壤含水率有显著相关,其中植被水分指数WI、归一化植被指数NDVI和红边位置λred相关性较佳,其建立的叶片含水率和土壤含水率估算模型效果较好,决定系数r2均大于0.84,平均相对误差(MRE)≤0.207。综合分析认为,冠层反射光谱特征和植被指数与冬小麦冠层叶片含水率和土壤含水率相关性良好,可利用高光谱遥感参数对冬小麦的水分状况进行快速、准确监测。

关键词:冬小麦;冠层光谱特征;植被指数;红边参数;叶片含水率;土壤含水率

中圖分类号: S512.1+10.1;TP79;S127  文献标志码: A  文章编号:1002-1302(2019)10-0088-07

全球气候变化是人类现今面临最严峻的环境问题之一,已广泛引起关注[1]。气候变化导致干旱等极端气候事件的继发频率和强度均显著增加。在众多不利影响中,水分对农业系统的影响最为明显和直接。水分含量不仅影响着植物体内的细胞活性和器官、组织功能,而且缺失水分会引起活性氧的增加、细胞渗透调节物质结构改变、光合作用受抑制,从而进一步限制植物个体或群体的生长,最终影响到产量[2-5]。因此,准确、及时监测和诊断作物水分胁迫状况,对提高作物水分利用率和抗旱保产具有重要意义。

传统土壤水分状况的调查一般采用土钻取土烘干法,费力费时,难以在大面积上同时实现监测。近年来,遥感技术被应用在农业监测和管理等诸多方面并取得了不错的成效。其中,高光谱遥感具有光谱分辨率高、波段连续性强、光谱信息量大、允许对目标物进行直接识别和微弱光谱差异分析等特点,既能够探测植被的精细光谱信息(尤其是植被各生化组分的吸收光谱信息),还能反演、监测植被的各组分含量和生长状况[6]。在农业遥感监测中,利用高光谱遥感进行植被水分和土壤水分研究对于发现植被水分和土壤水分与光谱间的规律、寻找水分敏感波段具有非常重要的意义[7]。关于冬小麦冠层反射率与土壤含水量、叶片含水量等方面的相关性已有一些研究,田庆久等通过观测小麦叶片的含水量,并利用光谱归一化技术建立小麦叶片的光谱特征和叶片相对含水量之间的线性回归方程,诊断小麦的水分状况[8-9];谷艳芳等用冬小麦高光谱特征及红边参数判断冬小麦生育后期长势和农田水分胁迫程度[10];汪沛等对不同土壤水分处理下甘蔗苗期和分蘖期冠层光谱反射率的变化规律进行了分析,结果发现,比值植被指数与甘蔗土壤含水量呈较好的正相关关系[11];林毅等发现,750~1 350 nm波段反射率、红边幅值、红边面积对于干旱胁迫响应时间较短,可以作为判断农田干旱发生的参考[12];王宏博等通过研究拔节期至吐丝期水分胁迫下春玉米高光谱发现,350~700 nm光谱反射率与20 cm土壤湿度呈负相关关系,710~1 300 nm光谱反射率与60 cm深度以内的土壤湿度呈正相关关系[13];赵俊芳等发现,350~630 nm和 1 000~1 130 nm是冬小麦灌浆末期识别水分胁迫最敏感的光谱波段,红边参数也可以判别水分胁迫的程度[14]。这些研究表明,利用植被光谱反射特性、红边参数和植被指数来对植株或土壤水分进行监测、诊断和定量分析是可行的。然而,这些理论关系研究常因作物品种及试验条件的不同存在差异,特别是水分控制试验时间过短、光谱观测频次较少等因素,类似研究还须要进一步探索、加深。

本试验对冬小麦整个生育期内水分设定多个处理,讨论不同水分胁迫对冬小麦不同生育期冠层光谱反射率变化规律、红边特征及植被指数的影响,分析比较它们与冬小麦冠层叶片含水率和土壤含水率的相关性,找出最佳估算模型,以促进高光谱遥感技术在冬小麦水分监测中的应用。

1 材料与方法

1.1 试验地概况

试验于南京信息工程大学江苏省农业气象重点实验室的农业气象试验站(地理位置118°42′N,32°12′E)进行,试验站位于长江中下游中部地区,江苏省西南部,属北亚热带湿润气候,四季分明,降水充沛。常年平均降水117 d,平均降水量为1 106.5 mm,相对湿度为76%,无霜期237 d。试验于2016年进行。土壤为潴育型水稻土,灰马干土属,耕层土壤质地为壤质黏土,土壤容重为1.5 g/cm3,黏粒含量约为26.1%,土壤pH值为6.1±0.2,有机碳、全氮的含量分别为19.4、11.5 g/kg。供试品种为扬麦16号。

对冬小麦设4种水分控制处理试验(B1、B2、B3、B4),每种处理设3个重复,样方大小为2.5 m×2.5 m。B1处理设置为保持80%~90%田间持水量,作为对照(CK),B2处理设置为保持65%~75%田间持水量,B3处理设置为保持50%~60%田间持水量;B4处理设置35%~45%田间持水量。播种和其他管理同当地大田生产。

1.2 光谱测量及预处理方法

采用FieldSpec Pro FR光谱仪(美国ASD公司)进行光谱测定,视场角为25°,测量范围为350~2 500 nm。分别于2016年4月21日(抽穗期)、4月29日(开花期)、5月11日(灌浆期)11:00—13:00测量冠层光谱反射率,均为晴朗、无风天气状况。测量时传感器探头距冠层顶测量目标约 0.6 m,每处理选5个观测点,每点记录10次数据,取平均值作为该点的高光谱反射率,测量过程中及时进行标准白板校正。数据采集后,用ASD ViewSpec Programs软件对反射光谱原始数据进行初步修正,并剔除反射率数值不合理波段。用Savitzky-Golay滤波器对高光谱数据进行初步去噪,然后对经过平滑处理的光谱数据取平均值,先将每个观测点单次采集的10组数据进行平均,再对每个处理中的5个观测点进行平均,最终得到光谱数据。

1.3 红边参数提取

红边是指植物在680~760 nm处一阶导数光谱最大值对应的波长,一般认为,导数光谱可以减少背景干扰和土壤反射率变化而导致的光谱反射率变动,缩小由冠层结构变化而引起的差异[15-16]。光谱的一阶导数可表示为

式中:i为光谱通道;λi为各波段的波长;R(λi)为波段λi的反射率;R′(λi)为波长λi的一阶微分值;Δλ是λi-1到λi的间隔。通过一阶导数光谱,可确定红边参数,包括红边位置λred、红边振幅Dλred、红边面积Sred[17]。红边位置为红光范围内一阶导数光谱最大值对应的波长,红边振幅为红光范围内一阶导数光谱的最大值,红边面积为680~760 nm波段一阶导数光谱总和。

1.4 植被指数的计算

除了利用红边参数外,还选取了植被水分指数和常用的植被指数来进行其植株含水量能力的分析与比较,计算公式及参考文献见表1。

1.5 叶片含水率和土壤含水率

叶片含水率(FWC)为叶片中水分含量占鲜叶质量的比率[23]。冠层光谱测量的同时,分别在各小区选取5株长势均一的小麦,贴根剪下后放入样品袋,送回实验室后立即分离并称取叶鲜质量。之后,先在105 ℃条件下将叶烘30 min杀青,再在75 ℃条件下将叶烘至恒质量,称得干质量。冬小麦叶片含水率计算公式如下:

土壤含水率即土壤所含水分的数量。本研究采用烘干法,用土钻采取土样,称量可得土样的湿质量,再采用105 ℃的烘箱将土样烘6~8 h至恒质量,测量烘干后的土样即为土样的干质量,则

土壤含水率=(湿质量-干质量)/(干质量-空铝盒质量)×100%。

2 结果与分析

2.1 不同水分胁迫对冬小麦冠层光谱曲线的影响

由图1可知,冬小麦在抽穗期、开花期、灌浆期内同一时段(11:00左右)不同水分处理导致各处理较对照(CK)光谱反射率出现明显差异。在抽穗期,可见光区(400~760 nm)各水分胁迫处理均低于CK,近红外波段范围(图1中为 790~1 300 nm)内B3处理的光谱反射率最高,其次为CK和B2处理,B4处理最低。开花期,可见光区B4处理下的光谱反射率最高,其次是CK处理;近红外波段除B3处理光谱反射率较抽穗期变化较大外其余处理变化相似。灌浆期,可见光区域各水分处理光谱反射率变化规律与开花期相似,B4处理与B3处理由于水分胁迫时间的延长反射率增加,这是因为灌浆期小麦明显发黄,水分缺失更甚。整体而言,水分胁迫下冬小麦冠层光谱在红光区域(620~750 nm)表现更为明显,利用此波段范围内的光谱反射率的变化能够有效的评估水分胁迫。

同样,可分析同一水分处理下不同生育期冬小麦冠层光谱反射率的变化。由图2可知,从抽穗、开花期到灌浆期冬小麦可见光波段的光谱反射率大致呈增高趋势,B4处理原本在550 nm处的绿峰和675 nm处的红光低谷将逐渐消失,整条光谱曲线趋于平缓;在近红外波段,光谱反射率曲线则与可见光波段相反,灌浆期的光谱曲线低于抽穗期,但B4处理的灌浆期光谱曲线却高于开花期。可见,冠层光谱曲线在水分胁迫一段时间后才会有明显的响应,对前后时段的光谱曲线进行比较分析能够有效识别和评估作物水分状况。

2.2 不同水分胁迫对冬小麦冠层光谱红边特征的影响

红边是植物光谱最明显的标志,表2为不同水分处理下冬小麦各生育期冠层光谱红边参数。在水分胁迫程度下,在3个生育期内,除抽穗期红边位置和开花期红边振幅外B4处理的冬小麦红边参数均较其他处理低,且随着受水分胁迫时间的增加,B4处理和B3处理的冬小麦红边参数大体逐渐降低。B2处理在冬小麦抽穗、开花、灌浆期内对冬小麦红边参数影响不大。

在不同生長阶段,抽穗、开花期期间的冬小麦红边参数变化较小,开花期红边位置、红边振幅和红边面积同抽穗期相比较分别最大下降0.68%、58.00%和40.02%;而从开花期到灌浆期,冬小麦的红边位置、红边振幅和红边面积均呈现明显变小的趋势,灌浆期红边位置、红边振幅和红边面积同抽穗期相比,分别最大下降5.03%、75.00%和68.10%,同开花期相比分别最大下降4.66%、74.36%和49.81%;整体上,小麦受水分胁迫时间越长,田间持水量越低,红边参数越小,也就是说出现了蓝移现象。由此可见,受水分胁迫的冬小麦在开花期至灌浆期期间红边变化较为明显,利用这一时期的红边参数对冬小麦水分状况的监测与评估是可行的。

2.3 不同水分胁迫对冬小麦冠层光谱植被指数的影响

图3显示,不同水分胁迫下扬麦16号5种不同波段组合的植被指数或水分指数除WI和NDWI外随生育期发展均呈下降趋势,其中灌浆期各植被指数值较抽穗、开花期有明显降低,而抽穗期与开花期植被指数变化幅度较小。抽穗期小麦由于受水分胁迫时间较短,各处理下的植被指数与对照相比无明显变化;至开花期,受水分胁迫影响的大部分冬小麦冠层光谱植被指数较对照开始有不同程度的下降;灌浆期由于冬小麦长时间受水分胁迫,各植被指数较对照呈现大幅度下降趋势,且随受胁迫程度加深下降幅度整体增大。可见,受不同水分胁迫的冬小麦,由于土壤或叶片水分含量的改变,不同敏感波段组合构建的5种植被指数除NDWI外从开花期之后出现不同程度的下降趋势,因而适合用来监测诊断冬小麦叶片或土壤的水分状况。其中,从WI的变化散点图可以看出,在CK处理下,各生育期WI值变化很小,而在受水分胁迫处理下WI值随生育期明显发生变化,尤其是灌浆期WI值明显变小,可见植被水分指数WI对冬小麦水分变化有很好的敏感度,能够较好地监测水分胁迫程度。

2.4 不同水分胁迫下冬小麦冠层光谱红边参数、植被指数与叶片含水率的相关分析

由表3中可知,冬小麦开花期和灌浆期的红边参数和5种植被指数与叶片含水率均呈正相关关系,抽穗期除植被指数WI、NDWI和红边位置外与其他参数呈负相关关系。红边位置、红边振幅和红边面积与叶片含水率的相关系数在灌浆期介于0.914~0.974 之间(P<0.05),其中红边位置与叶片含水率在灌浆期的相关系数最高,为0.974(P<0.01),因此可以利用灌浆期的红边位置参数建立冬小麦冠层叶片含水率估算模型。开花期红边面积与叶片含水率相关系数最高(r=0.888,P<0.05),达到显著检验水平,可利用红边面积参数建立冬小麦冠层叶片含水率估算模型。而在抽穗期,红边参数与冬小麦冠层叶片含水率的相关系数均较低,且未达到显著检验水平,不适用于冬小麦冠层叶片含水率的估算。

抽穗期冬小麦冠层叶片含水率与5种植被指数的相关性以WI和NDWI较好,相关系数分别为0.755、0.767。开花期冬小麦冠层叶片含水率与SAVI、WI、EVI、NDWI的相关系数较高,分别为0.867、0.927、0.862、0.856,其中WI达到了显著水平。而灌浆期冬小麦冠层叶片含水率与5种植被指数的相关系数均大于0.93(P<0.05),相关性较高,其中WI(r=0978,P<0.01)达极显著水平。因此可以在抽穗期用植被指数WI和NDWI来估算叶片含水率;在开花期用植被指数SAVI、WI和NDWI来估算叶片含水率;在灌浆期用WI和NDWI来估算叶片含水率。

对各生育期适于估算冬小麦冠层叶片含水率的植被指数与红边参数建立相应叶片含水率估算模型,并从中挑选出最佳的估算模型,结果见表4。

2.5 不同水分胁迫下冬小麦冠层光谱红边参数、植被指数与土壤含水率的相关分析

表5显示,冬小麦各生育期冠层光谱植被指数、红边参数与冬小麦土壤含水率的相关系数。与冠层叶片含水率情况相似,冬小麦开花期和灌浆期的红边参数和5种植被指数与冬小麦土壤含水率均呈正相关关系。红边位置、红边振幅和红边面积与土壤含水率的相关系数在灌浆期介于0.876~0941之间,其中红边位置与土壤含水率在灌浆期的相关性最高,为 0.941(P<0.05),因此可以利用灌浆期的红边位置参数建立冬小麦土壤含水率估算模型。红边参数与土壤含水率的相关系数在开花期介于0.506~0.950之间,其中红边面积与土壤含水率的相关性最高,为0.950(P<0.05)。而在抽穗期,红边参数与土壤含水率的相关系数均较低,且未达到显著检验水平,不适合用于土壤含水率的估算。

抽穗期土壤含水率与5种植被指数的相关性以WI为最好,相关系数为0.796。开花期土壤含水率与EVI、SAVI、WI和NDWI的相关系数分别为0.920、0.914、0.902和0.880(P<0.05),达到显著水平。灌浆期土壤含水率与5种植被指数的相关系数介于0.889~0.960之间(P<0.05),均达显著水平。可见,土壤含水率和冠层叶片含水率一样与植被指数有良好相关性,尤其在灌浆期,相关性更为显著。表6为建立并挑选出的冬小麦各生育期适于估算土壤含水率的最佳估算模型。

3 讨论与结论

本研究对不同生育期不同水分处理冬小麦冠层光谱的变化进行分析,结果发现,冬小麦冠层光谱会受到作物水分盈缺的影响,并有规律可循。不同水分胁迫下的冬小麦在不同生育期表现的光谱曲线变化差异可由叶片或植株含水量的改变引起,水分含量不仅影响辐射的直接吸收,同时也影响叶片的内部结构[24]。因此,通过高光谱遥感监测方法能够简单、快捷并且非破坏地评估植株的水分状况,适合用来监测诊断冬小麦叶片和土壤水分状况。目前已有一些关于作物在逆境胁迫下的光谱研究,结果多为作物在逆境情况下近红外光谱曲线逐渐下降,红边参数具有蓝移现象[25],本研究得到同样的结果,且由本研究可见,红边参数能够有效地诊断冬小麦受水分胁迫的响应情况。土壤水分变化对冬小麦生长发育的影响较为复杂,除了影响叶片水分含量外,还影响叶片的叶绿素含量、蒸腾作用等,土壤干旱可能通过影响冬小麦其他生物量和机能进而影响冠层的红边特征。本研究尝试进一步分析红边参数与土壤含水率之间的相关性,结果发现,红边参数在受水分胁迫时间长的冬小麦灌浆期与土壤含水率相关性较好,这与赵俊芳等的研究结果[14]一致。

水分胁迫对植物的影响是多方面的,但最根本的是水分胁迫时土壤水分的缺失,叶片蒸腾失水得不到补偿,从而引起细胞结构的损害,植物生理过程被破坏,叶片失水直至死亡。水分对植被的影响一般是由下而上的顺序,即使底部的叶片已经严重缺水干枯,冠层的叶片可能仍保持较高的反射率[12]。因此,研究高光谱与土壤水分含量和叶片含水量之间的响应状况尤为重要。研究表明,冠层光谱反射率可以估测叶片含水量,通过任意波段之间的组合能够有效地减少单波段的散射效应[26],也能够减轻植被生物量及环境影响,得到的植被指数或植被水分指数,可以更好地利用遥感进行植被水分含量的监测[27]。植被生长过程中土壤水分的不足导致作物生长异常,进而影响植被指数的变化,通过植被指数可间接反演土壤的水分状况、判断作物的受旱程度。本研究利用光谱特征和植被指数分别与冠层叶片含水率和土壤含水率进行相关分析,结果发现,在冬小麦灌浆期植被指数和红边参数对叶片含水率和土壤含水率的相关性最佳,是监测估算作物水分状况的最佳时期,并且此时植被指数和红边参数与冠层叶片含水率的相关性优于土壤含水率,这与前人研究结论[28]一致。但结果中,开花期水分指数WI与叶片含水率相关性最高、红边面积Sred与土壤含水率相关性最高,可能是由于本试验样本量較低,统计结果出现偏差,因为叶片及冠层植株含水量的大小还跟样区内株数有关,并不完全由土壤含水量决定[29]。

本试验中利用高光谱信息估算叶片含水率和土壤含水率采用的是经验模型方法,这种方法虽然预测精度尚可,但仅基于数学方法,没有考虑到冬小麦的生理机制[30]。以后还要在方法上改进,利用PROSAIL模型等辐射传输机理模型对冠层含水量进行监测,进一步提高遥感手段监测土壤含水量的准确度。同时,还须结合作物、栽培等多学科领域相关知识,进一步研究探讨土壤水分含量对冠层光谱的影响。另外,本试验结果虽是在冬小麦整个生育期田间水分控制试验条件下获取的,但是影响因子仍较为单一,与实际大田生产有一定的差异,今后还要对不同生态点、生产力水平等条件进行广泛验证和完善,进而为冬小麦的干旱监测提供充分的理论基础。

参考文献:

[1]叶笃正. 中国的全球变化研究:第一部分 总论[M]. 北京:气象出版社,1992:1-15.

[2]Chaves M M,Pereira J S,Maroco J,et al. How plants cope with water stress in the field? Photosynthesis and growth[J]. Annals of Botany,2002,89(7):907-916.

[3]Dias P C,Araujo W L,Moraes G A B K,et al. Morphological and physiological responses of two coffee progenies to soil water availability[J]. Journal of Plant Physiology,2007,164(12):1639-1647.

[4]Ogbonnaya C I,Nwalozie M C,Roymacauley H,et al. Growth and water relations of Kenaf (Hibiscus cannabinus L.) under water deficit on a sandy soil[J]. Industrial Crops & Products,2011,8(1):65-76.

[5]朱庆森,邱泽森,姜长鉴,等. 水稻各生育期不同土壤水勢对产量的影响[J]. 中国农业科学,1994,27(6):15-22.

[6]童庆禧,张 兵,郑兰芬. 高光谱遥感——原理、技术与应用[M]. 北京:高等教育出版社,2006.

[7]杨 涛,宫辉力,李小娟,等. 土壤水分遥感监测研究进展[J]. 生态学报,2010,30(22):6264-6277.

[8]田庆久,宫 鹏,赵春江,等. 用光谱反射率诊断小麦水分状况的可行性分析[J]. 科学通报,2000,45(24):2645-2650.

[9]王纪华,赵春江,郭晓维,等. 用光谱反射率诊断小麦叶片水分状况的研究[J]. 中国农业科学,2001,34(1):104-107.

[10]谷艳芳,丁圣彦,陈海生,等. 干旱胁迫下冬小麦(Triticum aestivum)高光谱特征和生理生态响应[J]. 生态学报,2008,28(6):2690-2697.

[11]汪 沛,李就好,周志艳. 不同土壤水分状况下甘蔗冠层光谱特征研究[J]. 水资源与水工程学报,2010,21(1):34-37.

[12]林 毅,李 倩,王宏博,等. 干旱条件下春玉米高光谱特征及土壤含水量反演[J]. 生态学杂志,2016,35(5):1323-1329.

[13]王宏博,冯 锐,纪瑞鹏,等. 干旱胁迫下春玉米拔节-吐丝期高光谱特征[J]. 光谱学与光谱分析,2012,32(12):3358-3362.

[14]赵俊芳,房世波,郭建平. 受蚜虫危害与干旱胁迫的冬小麦高光谱判别[J]. 国土资源遥感,2013,25(3):153-158.

[15]Dawson T P,Curran P J . Technical note a new technique for interpolating the reflectance red edge position[J]. International Journal of Remote Sensing,1998,19(11):2133-2139.

[16]Pu R,Gong,Biging G S,et al. Extraction of red edge optical parameters from Hyperion data for estimation of forest leaf area index[J]. IEEE Transactions on Geoscience and Remote Sensing,2003,41(4):916-921.

[17]Cho M A,Skidmore A K,Atzberger C . Towards red-edge positions less sensitive to canopy biophysical parameters for leaf chlorophyll estimation using properties optique spectrales des feuilles (PROSPECT) and scattering by arbitrarily inclined leaves (SAILH) simulated data[J]. International Journal of Remote Sensing,2008,29(8):2241-2255.

[18]裘正军,宋海燕,何 勇,等. 应用SPAD和光谱技术研究油菜生长期间的氮素变化规律[J]. 农业工程学报,2007,23(7):150-154.

[19]McFeeters S K. The use of the normalized difference water index (NDWI) in the delineation of open water features[J]. International Journal of Remote Sensing,1996,17(7):1425-1432.

[20]Chen D,Huang J F,Jackson T J. Vegetation water content estimation for corn and soybeans using spectral indices derived from MODIS near- and short-wave infrared bands[J]. Remote Sensing of Environment,2005,98(2/3):225-236.

[21]贾雯晴. 基于高光谱的小麦水分状况监测研究[D]. 南京:南京农业大学,2013.

[22]艾天成,李方敏,周治安,等. 作物叶片叶绿素含量与SPAD值相关性研究[J]. 湖北农学院学报,2000,20(1):6-8.

[23]Peuelas J,Filella I,Biel C,et al. The reflectance at the 950~970 nm region as an indicator of plant water status[J]. International Journal of Remote Sensing,1993,14(10):1887-1905.

[24]贺可勋,赵书河,来建斌,等. 水分胁迫对小麦光谱红边参数和产量变化的影响[J]. 光谱学与光谱分析,2013,33(8):2143-2147.

[25]任 鹏,冯美臣,杨武德,等. 冬小麦冠层高光谱对低温胁迫的响应特征[J]. 光谱学与光谱分析,2014,34(9):2490-2493.

[26]田庆久,闵祥军. 植被指数研究进展[J]. 地球科学进展,1998,13(4):327-333.

[27]沙依然·外力,葛道阔,曹宏鑫,等. 拔节抽穗期不同时长干旱胁迫对水稻冠层光谱特征的影响[J]. 中国农业气象,2014,35(5):586-592.

[28]范梅凤,蔡焕杰,李志军. 基于高光谱遥感水分指数的叶片与土壤含水率监测研究[J]. 灌溉排水学报,2014,33(4):213-217.

[29]范梅凤. 冬小麦高光谱特征及叶片和土壤水反演模型[D]. 杨凌:西北农林科技大学,2015.

[30]丛建鸥,李 宁,许映军,等. 干旱胁迫下冬小麦产量结构与生长、生理、光谱指标的关系[J]. 中国生态农业学报,2010,18(1):67-71.

猜你喜欢
植被指数冬小麦
基于热暗点植被指数的马尾松林叶面积指数反演分析
不误农时打好冬小麦春管“第一仗”
基于植被指数选择算法和决策树的生态系统识别
AMSR_2微波植被指数在黄河流域的适用性对比与分析
河南省冬小麦产量遥感监测精度比较研究
甘肃冬小麦田
冬小麦冬前及冬季田间管理技术
主要植被指数在生态环评中的作用
冬小麦和春小麦
冬小麦——新冬18号