基于4波段作物光譜測量儀的小麥分蘗數(shù)預(yù)測

張　猛　孫　紅　李民贊　Zhang Qin　鄭立華

(1.中國農(nóng)業(yè)大學(xué)現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究教育部重點實驗室， 北京 100083；2.華盛頓州立大學(xué)精細(xì)農(nóng)業(yè)及農(nóng)業(yè)自動化研究中心， 普羅瑟 99350-8694)

?

基于4波段作物光譜測量儀的小麥分蘗數(shù)預(yù)測

張猛1,2孫紅1李民贊1Zhang Qin2鄭立華1

(1.中國農(nóng)業(yè)大學(xué)現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究教育部重點實驗室， 北京 100083；2.華盛頓州立大學(xué)精細(xì)農(nóng)業(yè)及農(nóng)業(yè)自動化研究中心， 普羅瑟 99350-8694)

使用4波段(550 nm、650 nm、766 nm和850 nm)便攜式作物反射光譜測量儀對泰農(nóng)18型冬小麥分蘗狀態(tài)進行自動監(jiān)測與建模，通過分析植被指數(shù)與分蘗數(shù)的相關(guān)關(guān)系實現(xiàn)了對分蘗數(shù)的建模預(yù)測。首先利用儀器獲得小麥冠層在4個波段的反射信號，計算對應(yīng)波段的作物冠層反射率，經(jīng)校正后計算得到OSAVI、MSAVI、SAVI、EVI2、TVI、NDGI、NDVI、RVI和DVI 9種多波段組合的植被指數(shù)。然后分析以上9種植被指數(shù)與小麥分蘗數(shù)之間的相關(guān)關(guān)系，確定了可用于該類型小麥分蘗狀態(tài)監(jiān)測和評價的植被指數(shù)類型。2013—2014年在山東省淄博市和桓臺縣開展了田間試驗，計算了不同氮素水平下泰農(nóng)18型小麥返青期和起身期分蘗數(shù)以及其兩個生育期分蘗數(shù)與9種植被指數(shù)之間的相關(guān)系數(shù)，OSAVI(650,850)指數(shù)與返青期莖蘗數(shù)相關(guān)系數(shù)最高，決定系數(shù)最高為0.85,均方根誤差為118.93；EVI2(650,850)指數(shù)與起身期莖蘗數(shù)相關(guān)系數(shù)最高，決定系數(shù)最高為0.84,均方根誤差為73.04；以上試驗結(jié)果表明，在冬小麥返青期和起身期利用OSAVI(650，850)和EVI2(650，850)兩種植被指數(shù)可以快速預(yù)測小麥分蘗狀態(tài)，可為田間精細(xì)管理提供科學(xué)依據(jù)。

小麥; 分蘗數(shù); 冠層反射率; OSAVI; EVI2

引言

冬小麥分蘗數(shù)量與成穗率決定了個體發(fā)育的健壯程度，進而影響最終產(chǎn)量。目前國內(nèi)外已經(jīng)針對小麥分蘗規(guī)律展開了大量研究，研究表明在冬小麥返青期至拔節(jié)前期，小麥分蘗旺盛，此期間進行良好的田間管理對后期小麥營養(yǎng)生長和生殖生長具有極其重要的意義[1-7]。

但是在田間獲取莖蘗數(shù)這一環(huán)節(jié)上，目前國內(nèi)仍多采用人工計數(shù)方法，費時費力且無法實現(xiàn)自動化，也無法在大規(guī)模農(nóng)田中使用。近年來隨著光譜技術(shù)在精細(xì)農(nóng)業(yè)生產(chǎn)中的應(yīng)用推廣，將光譜參數(shù)與農(nóng)學(xué)參數(shù)相結(jié)合，運用先進傳感器獲取作物光譜反射數(shù)據(jù)，建立基于各種植被指數(shù)的小麥分蘗預(yù)測模型，為實現(xiàn)對冬小麥分蘗數(shù)快速無損在線測量提供了新方法。

在作物光譜先進傳感器領(lǐng)域，國內(nèi)外學(xué)者已經(jīng)取得了許多實用化成果。美國ASD公司研發(fā)了 FieldSpec HH便攜式可見/近紅外光譜儀，其測量的波長范圍為325～1 075 nm，光譜分辨率1 nm。主要用于在線監(jiān)測作物冠層高光譜數(shù)據(jù)[8]；俄克拉荷馬州立大學(xué)與美國N-tech公司研制成功GreenSeeker冠層光譜反射率測量裝置，利用656 nm和770 nm光源交替發(fā)光可以較為準(zhǔn)確地獲取作物冠層在兩個波段的反射率，并計算得到作物NDVI指數(shù)[8-9]；朱艷等[10-12]設(shè)計開發(fā)了用于作物生長信息監(jiān)測的雙波段傳感器并對小麥生長監(jiān)測進行了驗證；李修華等[13-14]研發(fā)了分別基于日光的2波段和4波段作物反射光譜測量儀，可以實時獲得作物冠層反射率，計算NDVI、RVI等植被指數(shù)，并對小麥、水稻作物建立了營養(yǎng)診斷模型。國內(nèi)外學(xué)者，應(yīng)用上述儀器在小麥、玉米等作物氮素、葉綠素含量等營養(yǎng)指標(biāo)檢測中取得了豐碩的成果[10-16]。

在運用植被指數(shù)預(yù)測小麥莖蘗數(shù)方面，國內(nèi)外學(xué)者也進行了相關(guān)研究。PHILLIPS等[17]采用NDVI指數(shù)對冬小麥莖蘗數(shù)預(yù)測進行了初步探索，并為變量施肥處方提供了決策依據(jù)；FLOWERS等[18-19]利用NDVI、RVI、DVI、SAVI等多種植被指數(shù)和彩紅外航片對冬小麥莖蘗數(shù)進行了預(yù)測；吳軍華等[20]研究了NDVI和RVI指數(shù)與冬小麥生長前期的分蘗相關(guān)關(guān)系，得到了初步的相關(guān)模型。

以上研究表明，利用已有的作物光譜傳感儀器快速監(jiān)測評價小麥分蘗狀態(tài)是可行的。由于冬小麥前期(開花期前)營養(yǎng)生長旺盛，在此階段對莖蘗數(shù)進行監(jiān)測具有更重要意義，因此本文選擇返青期和起身期冬小麥分蘗作為研究對象。采用光譜測量儀器對返青期和起身期冬小麥冠層進行光譜掃描，并計算多個植被指數(shù)，通過分析不同植被指數(shù)與冬小麥分蘗數(shù)相關(guān)關(guān)系，篩選出冬小麥不同生長期的最佳檢測指數(shù)和響應(yīng)波段組合，最后建立冬小麥莖蘗數(shù)快速在線預(yù)測模型。通過該模型可以實時快速檢測冬小麥不同生長期分蘗情況，并為進一步開發(fā)冬小麥莖蘗數(shù)在線檢測儀提供依據(jù)和支撐。

1　材料與方法

1.1試驗區(qū)域

于2013年10月—2014年6月在淄博市農(nóng)業(yè)科學(xué)院試驗農(nóng)場(118.002 103°E，36.904 988 84°N)進行試驗。試驗設(shè)1個品種和5個施氮水平，3次重復(fù)，共計15個小區(qū)。采用裂區(qū)設(shè)計(表1)，試驗品種為泰農(nóng)18，小區(qū)設(shè)不同等級施氮水平(N)：N1、N2、N3、N4、N5，施氮量分別為0、84.375、168.75、253.125、337.5 kg/hm2。50%作基肥，在播種前施入；50%作追肥，在拔節(jié)期施入。小區(qū)面積為1.5 m×10 m，行道寬0.5 m。此外，基施P2O5肥料195 kg/hm2和K2O肥料127.5 kg/hm2，在0～60 cm土層土壤含水率降到最大持水量的50%時澆水。其他管理同大田高產(chǎn)栽培管理。同時試驗期間觀察小麥長勢情況，記錄環(huán)境溫濕度和蟲病情況。

表1　試驗設(shè)計Tab.1　Field experiment design

1.2作物冠層光譜數(shù)據(jù)測量

試驗于2014年3月初小麥返青期和2014年4月初起身期各進行一次。作物冠層光譜測量采用中國農(nóng)業(yè)大學(xué)自主研發(fā)的4波段8通道作物反射光譜測量儀[11]。原理圖如圖1所示。

測量儀分為兩部分：測量節(jié)點和手持終端，測量節(jié)點與手持終端之間采用ZigBee無線傳輸。其中測量節(jié)點可以同時檢測550 nm(綠光G)、650 nm(紅光R)、766 nm(紅光R)、850 nm(近紅外NIR)4個波段的太陽光入射光和植被反射光。手持終端采用32位嵌入式中央控制器，可以實時計算出4個波段的作物反射率[11]。針對15個小區(qū)，每個試驗小區(qū)隨機選擇3個1 m×1 m樣方作為重復(fù)，選擇樣方中心位置進行冬小麥冠層掃描。試驗時，測量節(jié)點距小麥冠層約50 cm，節(jié)點與冠層保持平行，采集數(shù)據(jù)前對測量儀進行白板標(biāo)定，盡可能減小太陽光變化對光譜數(shù)據(jù)產(chǎn)生的影響。試驗共采集得到45組數(shù)據(jù)?；跍y定的4個波長處反射率，組合計算了9種植被指數(shù)，計算公式如表2所示。

圖1　作物反射光譜測量儀測量原理示意圖Fig.1　Diagram of crop reflectance measuring instrument

表2　光譜植被指數(shù)Tab.2　Spectral vegetation indices

注：VNIR、VR、VG分別代表相應(yīng)波段范圍內(nèi)近紅外、紅光、綠光的反射率。

1.3冬小麥莖蘗數(shù)采集

該試驗田共15個小區(qū)，每個小區(qū)隨機選取3個點。每個采集點使用“十萬分之一樣段法”，即采用0.1 m2樣段。小區(qū)苗行間距20 cm，因此樣段長50 cm。在樣段兩端作標(biāo)記，然后以一端為起點，逐一數(shù)出樣段內(nèi)小麥莖蘗數(shù)。每個樣段測量均為每點雙行，分別計數(shù)，計算平均值為該樣段總莖蘗數(shù)。總共采集得到45組數(shù)據(jù)。

2　結(jié)果與分析

2.1不同氮素水平下冬小麥莖蘗數(shù)變化趨勢

通過2次試驗，返青期與起身期不同施氮水平下莖蘗數(shù)的均值對比如圖2所示。返青期和起身期不同施氮水平下莖蘗數(shù)詳細(xì)統(tǒng)計結(jié)果如表3所示。

圖2　冬小麥返青期與起身期不同施氮水平下莖蘗數(shù)的平均值對比Fig.2　Average quantities of tillers in re-greening and erecting stages under different nitrogen levels

通過圖1知，冬小麥返青期和起身期的分蘗受施氮水平影響很大，隨著施氮量的不斷提高，冬小麥總莖蘗數(shù)呈現(xiàn)出先增加后減少的“單峰”型。這可能是因為氮素作為合成葉綠素及相關(guān)光合作用酶的主要元素，供給較少時，作物長勢孱弱，分蘗少或無分蘗；供給過多時，冬小麥也并沒有增加分蘗。

通過表3知，整塊試驗田莖蘗數(shù)變異系數(shù)范圍為[0.073,0.138]，標(biāo)準(zhǔn)差范圍[69.6,214.9]，均在統(tǒng)計學(xué)可接受范圍內(nèi)，數(shù)據(jù)可靠。

綜合圖2和表3知，各施氮水平下起身期小麥分蘗數(shù)比返青期分蘗數(shù)均分別降低了40%～50%，且均在N3水平下達到最大分蘗數(shù)。這可能是因為隨著冬小麥的發(fā)育，生長和營養(yǎng)中心發(fā)生轉(zhuǎn)移，已經(jīng)生成的分蘗逐漸“兩極分化”：早生分蘗繼續(xù)發(fā)育成穗，而晚生分蘗和小蘗成為無效蘗逐漸凋亡淘汰，最終導(dǎo)致分蘗數(shù)下降。同時合理的施氮量能促進分蘗的發(fā)生，過少或過多均不利于分蘗進行。

表3　冬小麥返青期和起身期不同施氮水平下 莖蘗數(shù)結(jié)果Tab.3　Tillers of winter wheat in re-greening and erecting stages under different nitrogen levels 　個/m2

2.2不同氮素水平下植被指數(shù)分布特征

計算不同氮素水平下各植被指數(shù)的平均值，結(jié)果如表4所示。

分析表4數(shù)據(jù)可知：返青期和起身期各植被指數(shù)在不同氮素水平下均呈現(xiàn)“單峰”型變化曲線，即隨著施氮量的增加，各植被指數(shù)先增大后減小。這與前述不同氮素水平下莖蘗數(shù)的變化規(guī)律吻合，間接地證明了所采集光譜數(shù)據(jù)的有效性。

表4　不同氮素水平下植被指數(shù)平均值Tab.4　Average value of vegetation index under different nitrogen levels

注：表中(650,850)表示9種植被指數(shù)在(650,850)波段組合下的平均值，下同。

2.3冬小麥植被指數(shù)與莖蘗數(shù)的相關(guān)性分析

通過表3和表4可以定性地得到冬小麥返青期和起身期莖蘗數(shù)與各植被指數(shù)之間具有相關(guān)性的結(jié)論。然后計算二者相關(guān)系數(shù)，定量地描述二者相關(guān)關(guān)系，結(jié)果如表5所示，9種植被指數(shù)與兩個生育期莖蘗數(shù)均有較高相關(guān)性。

通過表5可知：在返青期，同一波段組合植被指數(shù)與莖蘗數(shù)的相關(guān)系數(shù)由大到小依次為：OSAVI、MSAVI、NDVI、EVI2，而NDGI、DVI、SAVI、TVI、RVI這5種參數(shù)較前4種較低，且相差不大。這可能是因為在返青期，群體覆蓋度較低，土壤背景噪聲為主要噪聲來源，大氣條件、太陽角、地形等噪聲來源為次要噪聲來源，OSAVI能比較好地濾除土壤背景噪聲，而其他幾種植被指數(shù)對主要噪聲來源濾除不夠，這與前人研究結(jié)果相同[17]。在起身期，同一波段組合植被指數(shù)與莖蘗數(shù)的相關(guān)系數(shù)由大到小依次為：EVI2、OSAVI、MSAVI、NDVI。EVI2指標(biāo)敏感性提高，這可能是因為進入起身期，雖然莖蘗數(shù)下降，但是早生蘗和壯蘗生長較好，各器官生物量累積，EVI2對作物群體生物量較為敏感同時還減少了背景和大氣噪聲影響，故其與莖蘗數(shù)相關(guān)系數(shù)較返青期高。其他植被指數(shù)在該階段受土壤背景噪聲和大氣影響仍較為明顯，對植被覆蓋敏感度不夠，不適宜用于本階段監(jiān)測。同一種植被指數(shù)，(650,850)組合優(yōu)于(650,766)組合，這可能是因為850 nm波長處于植被近紅外反射“平臺”處，反射率很高且穩(wěn)定，而766 nm波長處于植被反射“紅邊”處，反射率不穩(wěn)定受周圍環(huán)境影響較大，這與前人研究結(jié)果相同[14]。

表5　植被指數(shù)與莖蘗數(shù)之間的相關(guān)性分析Tab.5　Coefficient of determination between vegetation index and tillers

注：**表示在0.01水平上顯著相關(guān)。

綜上，在不同生育期，冬小麥群體密度差異較大，不同植被指數(shù)對莖蘗數(shù)的敏感性不同，因此接下來針對兩個生育期分別建立冬小麥莖蘗數(shù)預(yù)測模型。

2.4冬小麥返青期與起身期莖蘗數(shù)預(yù)測模型

根據(jù)上述試驗數(shù)據(jù)與結(jié)論，同時結(jié)合嵌入式系統(tǒng)開發(fā)及快速在線檢測需求，優(yōu)選OSAVI(650,850)作為參數(shù)對返青期莖蘗數(shù)進行一元線性回歸，EVI2(650,850)作為參數(shù)對起身期莖蘗數(shù)進行一元線性回歸。利用建模集35個采樣點，驗證集10個采樣點，分別建立返青期和起身期莖蘗數(shù)與相關(guān)植被指數(shù)預(yù)測模型為

y1=3 102.4x1-408.62

(1)

y2=1 457.9x2+28.451

(2)

式中y1——冬小麥返青期莖蘗數(shù)預(yù)測值

x1——OSAVI(650，850)參數(shù)值

y2——冬小麥起身期莖蘗數(shù)預(yù)測值

x2——EVI2(650,850)參數(shù)值

圖3　返青期莖蘗數(shù)預(yù)測值與實測值建模結(jié)果Fig.3　Correlation between measured tillers and predicted tillers in re-greening stage

圖4　起身期莖蘗數(shù)預(yù)測值與實測值建模結(jié)果Fig.4　Correlation between measured tillers and predicted tillers in erecting stage

結(jié)果表明，應(yīng)用該作物反射光譜測量儀針對泰農(nóng)18小麥在返青期和起身期分別采用OSAVI(650，850)和EVI2(650，850)指數(shù)均可對莖蘗數(shù)進行較高精度的預(yù)測。未來研究將繼續(xù)針對不同株型品種冬小麥作物的分蘗數(shù)進行多年份的連續(xù)試驗和光譜學(xué)診斷研究，繼續(xù)驗證并提高模型適用性。將模型嵌入到儀器中央控制器中，并結(jié)合前期作物營養(yǎng)診斷模型，設(shè)計成小麥莖蘗數(shù)和營養(yǎng)指標(biāo)復(fù)合參數(shù)的快速診斷儀。

3　結(jié)論

(1)通過對泰農(nóng)18冬小麥分區(qū)試驗可知，相同播種情況下，氮肥施用量顯著影響冬小麥分蘗數(shù)，在返青期和起身期，過多或過少施用氮素均會降低分蘗的生長，本試驗中最佳氮肥使用量為N3(168.75 kg/hm2) 左右。

(2)試驗分析了OSAVI、MSAVI、EVI2、NDVI、NGVI、RVI、DVI、TVI這9種指數(shù)與泰農(nóng)18冬小麥莖蘗數(shù)相關(guān)關(guān)系，結(jié)果表明在返青期分蘗旺盛時，采用OSAVI(650,850)指數(shù)進行回歸分析，其決定系數(shù)最高達到0.85,均方根誤差為118.93，預(yù)測精度較高；在起身期，優(yōu)先考慮應(yīng)用EVI2(650,850)指數(shù)進行回歸分析，其決定系數(shù)最高達到0.84,均方根誤差為73.04，預(yù)測精度較高。

(3)在冬小麥返青期和起身期，(650,850)波段組合能比較好地反映植被指數(shù)與分蘗情況的相關(guān)關(guān)系，為基于光譜反射原理的冬小麥莖蘗數(shù)在線檢測儀器的設(shè)計與應(yīng)用提供了依據(jù)和支撐，未來還將對多種冬小麥品種進行多年份測試驗證以提高系統(tǒng)適用性。

1楊邦杰, 裴志遠. 農(nóng)作物長勢的定義與遙感監(jiān)測[J].農(nóng)業(yè)工程學(xué)報,1999, 15(3):214-218.

YANG Bangjie, PEI Zhiyuan. Definition of crop condition and crop monitoring using remote sensing[J].Transactions of the CSAE, 1999, 15(3):214-218.(in Chinese)

2李春喜,趙廣才,代西梅，等. 小麥分蘗變化動態(tài)與內(nèi)源激素關(guān)系的研究[J]. 作物學(xué)報, 2000, 26(6):963-968.

LI Chunxi, ZHAO Guangcai,DAI Ximei, et al.Research on the relationship between wheat tillering dynamics and endogenous hormone[J].Acta Agronomica Sinica,2000,26(6):963-968.(in Chinese)

3高爾明,趙全志,劉華山,等. 砂姜黑土小麥分蘗成穗及其調(diào)控研究[J]. 土壤通報, 2001,32(3):140-142.

GAO Erming, ZHAO Quanzhi, LIU Huashan, et al. Regulation of tillering of wheat grown in Shajiang black soil[J].Chinese Journal of Soil Science, 2001,32(3):140-142.(in Chinese)

4李建民. 小麥分蘗葉、穗的生育特征與成穗的關(guān)系[J].中國農(nóng)業(yè)大學(xué)學(xué)報, 1997, 2(5):79-84.

LI Jianmin. Leaf-blade growth and ear development of tillersand their survivals in wheat plants[J].Journal of China Agricultural University, 1997,2(5):79-84.(in Chinese)

5郭春強, 靳文奎, 廖平安. 小麥分蘗盛期生育指標(biāo)的研究[J]. 小麥研究, 2004, 25(2):21-23.

GUO Chunqiang, JIN Wenkui, LIAO Ping’an. The research of wheat tillers index in core stages[J].Journal of Wheat Research, 2004, 25(2):21-23.(in Chinese)

6趙昌平, 郭曉維, 張風(fēng)廷,等. 從不同營養(yǎng)生長積溫分蘗間的差異探討小麥分蘗成穗的生理原因[J]. 華北農(nóng)學(xué)報, 1996, 11(3):35-40.

ZHAO Changping,GUO Xiaowei,ZHANG Fengting， et al.Physiological mechanism of wheat tillering and earing under different accumulated temperature in the vegetative growth period[J].Acta Agricultural Boreali-Sinica，1996, 11(3):35-40.(in Chinese)

7陳瀚閱, 牛錚, 黃文江, 等. 基于熱點植被指數(shù)的冬小麥葉面積指數(shù)估算[J].農(nóng)業(yè)工程學(xué)報，2012，28(1):167-172.

CHEN Hanyue, NIU Zheng, HUANG Wenjiang, et al. Estimation of winter wheat LAI using hotspot-signature vegetation indices[J].Transactions of the CSAE,2012, 28(1):167-172.(in Chinese)

8魏士平, 陳彥, 王秀, 等.基于主動光源的歸一化植被指數(shù)測定系統(tǒng)研究[J].農(nóng)機化研究, 2012, 34(12):170-173.

WEI Shiping, CHEN Yan,WANG Xiu, et al. Study on NDVI measuring system based on active light source[J]. Journal of Agricultural Mechanization Research, 2012, 34(12):170-173.(in Chinese)

9胡玲燕, 王秀, 韓應(yīng)征. 光傳感器變量施肥控制系統(tǒng)開發(fā)[J]. 農(nóng)機化研究, 2010, 32(11):91-94.

HU Lingyan, WANG Xiu, HAN Yingzheng. Development on control system of variable rate fertilizer application based on optical sensor[J]. Journal of Agricultural Mechanization Research, 2010, 32(11):91-94.(in Chinese)

10倪軍, 王婷婷, 姚霞, 等.作物生長信息獲取多光譜傳感器設(shè)計與試驗[J].農(nóng)業(yè)機械學(xué)報，2013,44(5):207-212.

NI Jun, WANG Tingting, YAO Xia, et al. Design and experiments of multi-spectral sensor for rice and wheat growth information[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(5):207-212.(in Chinese)

11楊建寧, 張井超, 朱艷,等.便攜式作物生長監(jiān)測診斷儀性能試驗[J].農(nóng)業(yè)機械學(xué)報，2013,44(4):208-212,201.

YANG Jianning, ZHANG Jingchao, ZHU Yan, et al. Experiments on performance of portable plant growth monitoring diagnostic instrument[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(4):208-212,201.(in Chinese)

12姚霞, 劉小軍, 王薇，等.小麥氮素?zé)o損監(jiān)測儀敏感波長的最佳波段寬度研究[J].農(nóng)業(yè)機械學(xué)報，2011,42(2):162-167.

YAO Xia, LIU Xiaojun, WANG Wei, et al. Optimal bandwidths of sensitive bands for portable nitrogen monitoring instrument in wheat[J]. Transactions of the Chinese Society for Agricultural Machinery, 2011, 42(2):162-167.(in Chinese)

13李修華, 李民贊, 崔迪，等.基于雙波段作物長勢分析儀的東北水稻長勢監(jiān)測[J].農(nóng)業(yè)工程學(xué)報,2011, 27(8):206-210.

LI Xiuhua, LI Minzan, CUI Di, et al. Monitoring of rice plant in Northeast China using dual-wavebands crop growth analyzer[J]. Transactions of the CSAE, 2011, 27(8):206-210.(in Chinese)

14鐘振江, 李民贊, 孫紅,等.作物營養(yǎng)智能檢測儀設(shè)計與試驗[J].農(nóng)業(yè)機械學(xué)報, 2013, 44(增刊2):215-219.

ZHONG Zhenjiang, LI Minzan, SUN Hong, et al. Development and application of a smart apparatus for detecting crop nutrition[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(Supp.2):215-219.(in Chinese)

15趙毅, 文瑤, 孫紅, 等. 小麥冠層營養(yǎng)診斷光譜檢測儀設(shè)計與試驗[J]. 農(nóng)業(yè)機械學(xué)報, 2015, 46(增刊):222-227.

ZHAO Yi, WEN Yao, SUN Hong, et al. Design and test of nutrition diagnosis system for wheat canopy based on spectroscopy[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(Supp.):222-227.(in Chinese)

16范夢揚, 馬欽, 劉峻明, 等.基于機器視覺的大田環(huán)境小麥麥穗計數(shù)方法[J]. 農(nóng)業(yè)機械學(xué)報, 2015, 46(增刊):234-239.

FAN Mengyang, MA Qin, LIU Junming, et al. Counting method of wheatear in field based on machine vision technology[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(Supp.):234-239.(in Chinese)

17PHILLIPS S B, KEAHEY D A, WARREN J G, et al. Estimating winter wheat tiller density using spectral reflectance sensors for early-spring, variable-rate nitrogen applications[J]. Agronomy Journal, 2004, 96(3):591-600.

18FLOWERS Michael, WEISZ Randall, HEINIGER Ronnie. Remote sensing of winter wheat tiller density for early nitrogen application decisions[J]. Agronomy Journal, 2001, 93(4):783-789.

19FLOWERS Michael, WEISZ Randall, HEINIGER Ronnie. Quantitative approaches for using color infrared photography for assessing in-season nitrogen status in winter wheat[J].Agronomy Journal,2003, 95(5):1189-1200.

20吳軍華, 岳善超, 侯鵬,等.基于主動遙感的冬小麥群體動態(tài)監(jiān)測[J].光譜學(xué)與光譜分析，2011, 31(2):535-538.

WU Junhua,YUE Shanchao,HOU Peng, et al.Monitoring winter wheat population dynamics using an active crop sensor[J].Spectroscopy and Spectral Analysis,2011, 31(2):535-538.(in Chinese)

21RONDEAUX G, STEVEN M, BARET F. Optimization of soil adjusted vegetation indices[J]. Remote Sensing of Environment, 1996, 55(2): 95-107.

22JIANG Z, HUETE A R, DIDAN K, et al. Development of a two-band enhanced vegetation index without a blue band[J]. Remote Sensing of Environment, 2008, 112(10):3833-3845.

23GITELSON A A, KAUFMAN Y J, MERZLYAK M N. Use of a green channel in remote sensing of global vegetation from EOS-MODIS[J]. Remote Sensing of Environment, 1996, 58(3):289-298.

24QI J, CHEHBOUNI A, HUETE A, et al. A modified soil adjusted vegetation index[J]. Remote Sensing of Environment, 1994, 48(2):119-126.

25HUETE A R. A soil-adjusted vegetation index (SAVI)[J]. Remote Sensing of Environment, 1988, 25(3): 295-309.

26JOHN G L, DING Y, ROSS S L, et al. A change detection experiment using vegetation indices [J]. Photogrammetric Engineering & Remote Sensing, 1998, 64(2): 143-150.

27ROUSE J, HAAS R, SCHELL J A, et al. Monitoring vegetation systems in the great plains with ERTS[C]∥Proceedings of the Third Earth Resources Technology Satellite- 1 Symposium, NASA, 1974.

28HUNT E R, ROCK B. Detection of changes in leaf water content using near and middle-infrared reflectance[J]. Remote Sensing of Environment, 1989,30(1): 43-54.

Prediction of Winter Wheat Tiller Number Based on 4-waveband Crop Monitor with Spectral Reflectance

Zhang Meng1,2Sun Hong1Li Minzan1Zhang Qin2Zheng Lihua1

(1.KeyLaboratoryofModernPrecisionAgricultureSystemIntegrationResearch,MinistryofEducation,ChinaAgriculturalUniversity,Beijing100083,China2.CenterforPrecisionandAutomatedAgriculturalSystems,WashingtonStateUniversity,ProsserWA99350-8694,USA)

The number of tillers has a significant effect on the winter wheat field management and the prediction of winter wheat yield. However，the traditional manual counting method of the tiller counting is inefficient. With the development of spectral technology and the application of low altitude remote sensing technology in agriculture, a method was provided for monitoring the number of tillers and growth of the winter wheat by calculating crop canopy reflectance and vegetation index. A 4-waveband crop monitor with spectral reflectance was used to carry on the experiment (Tainong 18). The instrument can obtain the crop canopy reflecting signals at 550 nm, 650 nm, 766 nm and 850 nm simultaneously. After that the crop canopy reflectance was first calculated and then nine vegetation indexes: OSAVI, MSAVI, SAVI, EVI2, TVI, NDGI,NDVI, RVI and DVI, were also calculated. The relationship between the tillering of winter wheat and each index of nine vegetation indexes was analyzed in both regreening and erecting stages. In regreening stage, the correlation between OSAVI(650,850)and tillers was the highest (R2is 0.85, RMSE is 118.93), while in erecting stage, the correlation between EVI2(650,850)and tillers was the highest (R2is 0.84, RMSE is 73.04). The results of the test showed that there was a significant relationship between the winter wheat tillers and the two vegetation indexes. This may help the development of the instrument for winter wheat tillers counting based on canopy spectral reflection. The conclusions can be used in rapid predicting of wheat tillering and giving suggestions to field precision management.

wheat; tiller number; canopy spectral reflectance; OSAVI; EVI2

10.6041/j.issn.1000-1298.2016.09.046

2016-02-29

2016-03-29

國家自然科學(xué)基金項目(31501219)、公益性行業(yè)(農(nóng)業(yè))科研專項(201303109)和國家留學(xué)基金委公派研究生項目(201406350177)

張猛(1988—)，男，博士生，主要從事作物長勢信息感知與獲取研究，E-mail： caupac_zm@cau.edu.cn

李民贊(1963—)，男，教授，博士生導(dǎo)師，主要從事精細(xì)農(nóng)業(yè)系統(tǒng)集成研究，E-mail： limz@cau.edu.cn

O657.3; S126

A

1000-1298(2016)09-0341-07