资源描述：
《利用多源遥感监测冬小麦长势与白粉病的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
摘摘摘摘要要要要៥是世界第一业大ˈ人口的增长迫ߛ需要产品的数䞣增ࡴDŽ小麦是៥Џ要的粮亳作物之一ˈ݊高产ǃ稳产是保证粮亳问乬的݇键DŽ随着៥䖯入数ᄫ业时代ˈঞ时准确ǃԢ៤本的监测大⬄小麦长势和病虫害发生状况ϡ仅可满足各㑻业管理部门信息需求ˈгЎ广大民Ϣ⍝企业ᦤ供䞡要的参考信息ˈঞ时ᅲ施科学管理措施ˈ以确保小麦的增产丰收DŽ本文以遥感技术在作物生产中的ᑨ用Ў研究领域ˈ以小麦Ў研究对象ˈ综ড়大⬄本情信息ǃ地理数据以ঞ多源ǃ多时相遥感影像数据ˈ围绕小麦的长势Ϣ病害遥感监测䖯行了研究ˈЏ要研究内容Ў˖贯所栽利用多时相遥感数据监测冬小麦面积指数ব࣪DŽ以江苏省泰݈ᏖЎ例ˈ利用多时相L印n艳s印t放正≤遥感影像数据ˈ在G也孢ᅲ地采样调查和建立解译标志的础Ϟˈ通过遥感影像校ℷǃ解译ǃ非监督ߚ类等操作ˈ并将ᅲ验样点的ᅲ测G也孢数据䖯行小麦种植面积精ᑺ检验Ϣ校ℷDŽ利用遥感植被指数ড演面积指数ˈ䖯行ϡ同时期小麦多个生育期的长势䖯行监测ˈ制作了冬小麦面积指数ߚ㑻DŽ贯贯贯贯2栽于冬小麦生物䞣模型˄坐也B武˅利用⦃境᯳˄字孙洼所˅䖯行冬小麦生物䞣预测研究DŽ于小麦生物䞣形៤的生理生ᗕ过程ˈ利用作物定䞣模拟技术建立了小麦生物䞣估测模型DŽ利用泰݈Ꮦ冬小麦抽穗期遥感影像ড演的L坐存ঞ时修䅶生物䞣模型的参数ˈ再利用修䅶后的参数Ϣ模型对݈࣪Ꮦ冬小麦生物䞣信息䖯行预测ˈ制作了冬小麦生物䞣预测ϧ乬ˈপ得较好估测效果DŽ小麦生物䞣估测模型是于小麦ܝড়同᳝࣪机物积累过程构ӊˈ并耦ড়遥感ড演信息䖯行修䅶ˈ增强了小麦生物䞣遥感估测的机理性ǃ解释性和适用性DŽ贯杂栽冬小麦生理生࣪指标Ϣ冠层ܝ谱特ᕕ݇系ߚ析DŽ小麦长势的异同Џ要来源于݊生理生࣪特性的ব࣪DŽ䖤用相݇ߚ析方法ˈ研究了ϡ同营养期小麦⠛冠层ܝ谱参数ϢϢ小麦生࣪៤ߚ˄绿素ǃ氮素˅和生理指标˄水䞣˅之间的݇系ˈ建立了小麦生理生࣪指标的遥感估测模型DŽ利用䖭ѯ估测模型可对ϡ同品种小麦营养生长期⠛多种生理生࣪䖯行快䗳监测ˈг可根据⠛高ܝ谱的特ᕕ区ߚϡ同小麦品种的长势情况DŽ贯权栽于字孙卫᯳遥感的冬小麦白粉病监测DŽ对ϡ同县㑻区域小麦开花期白粉病䖯I 行病情调查ˈߚ析了白粉病病情数Ϣ长势ǃ气候⦃境因素间的݇系ˈ明确了病情指数᳝䞡要影响的Џ要参数因子˄面积指数ǃ⠛绿素䞣ঞ⠛水䞣和空气温ᑺ˅DŽ将参数因子Ϣ病情指数Ⅲ当存Ⅳߚ߿䖯行多元回ᔦ活建立了小麦白粉病病情指数估测模型ˈ在ℸ础Ϟ制作了小麦白粉病病情指数遥感监测的ϧ乬DŽ贯݇键词：冬小麦˗长势˗白粉病˗遥感监测贯II AbstractChinaistheworld'sfirstlargeagriculturalcountry.Populationgrowthisanurgentenceneedingfortheincreaseinthenumberofagriculturalproducts.WheatisoneofChina'smajorfoodcrops,highandstableyieldisthekeytoensurethatthefoodproblem.WithChina'sentryintothedigitalageofagriculture,timelyandaccurate,low-costmonitoringofwheataregrowingandpestoutbreaksituationnotonlymeettheinformationneedsofalllevelsofagriculturalmanagementdepartments,butalsoforthemajorityoffarmersandagriculture-relatedenterprisestoprovideimportantreferenceinformation,timelyimplementationofscientificmanagementmeasurestoensurethewheatharvestyield.Inthispaperourstudyisaboutusingmulti-sourceremotesensingtechnologyincropproduction,withwheatasthemainobject,consolidatingthedaejeonbasicagriculturalinformation,geographicdata,andmulti-source,multi-temporalremotesensingdata,anddiseasearoundthegrowingofwheatwerestudiedremotesensing,focusingontheremotesensingresearchofthewheatgrowinganddisease,Themaincontentsareasfollows:1.Theuseofmulti-temporalremotesensingdatatomonitorchangesinwinterwheatleafareaindex.TaixingCity,JiangsuProvince,forexample,Weusemulti-temporalLandsat/TMremotesensingdata,basedonthespotsamplingandsurveybyGPSandestablishedinterpretationsigns,usedremotesensingimagecorrection,interpretation,unsupervisedclassificationandotheroperations,combinedwiththemeasuredexperimentalsamplesGPSdatatestedandcorrectedwheatacreageaccuracy.WemonitordifferentperiodsofmultiplegrowthstagesofwheatgrowingbyusingvegetationIndexLeafAreaIndexInversion,andproductthewinterwheatleafareaindexgradingchart.2.Theuseofwinterwheatbiomassmodel(APBW)throughenvironmentalStar(HJ-1)forecastofwinterwheatbiomass.Onthebaseofwheatbiomassformationphysiologicalprocesses,theuseofquantitativemodelingtechniques,woestablishacropofwheatbiomassestimationmodel.WeamendmentsthebiomassmodelparameterstimelybyusingtheLAIinversionofremotesensingimagesofwinterwheatheadinginTaixing,thenweforecastwinterwheatbiomassofXinHuabytherevisedparametersandmodelthenproductwinterwheatbiomasspredictionofthematicmaps,obtainmoregoodestimationresults.Weconstructedwheatbiomassestimationmodelonthebaseoftheorganicaccumulationprocessofwheatthoughphotosynthesis,couplingremotesensinginformationtoreviseandenhancethemechanistic,interpretativeandapplicabilityofIII remotesensingestimationofthewheatbiomass.3.Therelationshipbetweenphysiologicalandbiochemicalindexesofwinterwheatandcanopyspectralcharacteristics.Wheatgrowingsimilaritiesanddifferencesmainlyfromchangesinthephysiologicalandbiochemicalcharacteristics.Westudiedtherelationshipbetweenthespectralparametersofthedifferentvegetativewheatleafcanopyandthebiochemicalcompositionofwheat(chlorophyll,nitrogen)andphysiologicalindicators(watercontent)throughtherelevantmethodsofanalysisthenestablishedphysiologicalandbiochemicalindexesofwheatremotesensingestimationmodel.Wemonitoringrapidlyofavarietyofphysiologicalandbiochemicalofdifferentvarietiesofwheatvegetativeleavesbyusingtheestimationmodels,Alsodistinguishdifferentvarietiesofwheatgrowingconditionsbasedonthecharacteristicsofthebladehyperspectral.4.HJsatelliteremotesensing-basedwinterwheatpowderymildewmonitoring.Wesurveyedfloweringwheatpowderymildewconditionofthedifferentcountyregion,analysedoftherelationshipamongthenumberofpowderymildew,growingandclimatefactors,definedseveralmainparametersthathaveanimportantimpactfactorofthediseaseindex(leafareaindex,leafchlorophyllcontentandleafwatercontentandairtemperature).theparameterfactorsanddiseaseindex(DI)weremultipleregression,Establishmentofpowderymildewdiseaseindexestimationmodel,onthisbasis,productionofwheatpowderymildewdiseaseindexofremotesensingthematicmaps.Keywords:winterwheat;growing;powderymildew;remoteSensingIV 目录贯目贯贯录栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽步贯本文᠔⍝ঞ的英文缩写߫表栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽步存存存贯所贯贯文献综述栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所贯所栽所贯遥感监测小麦长势和病虫害的本原理ঞ特点栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所贯所栽所栽所贯遥感监测小麦长势和病虫害的本原理栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所贯所栽所栽2贯遥感监测的特点栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽2贯所栽2贯内外遥感监测小麦的长势和病虫害概况栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽杂贯所栽2栽所贯外遥感监测小麦长势和病虫害概况栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽杂贯所栽2栽2贯内遥感监测小麦长势和病虫害概况栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽杂贯所栽杂贯冬小麦遥感监测长势和病虫害的技术方法栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽权贯所栽权贯目前ᄬ在的问乬Ϣ思考栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽附贯所栽权栽所贯遥感监测精ᑺ问乬栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽附贯所栽权栽2贯遥感监测中选择的参数单一问乬栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽附贯所栽权栽杂贯长势和病虫害监测Ϣ单产预测相脱节问乬栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽际贯所栽权栽权贯监测预模型适用性᳝限问乬栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽际贯所栽权栽附贯综ড়利用杂孢技术栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽际贯所栽权栽际贯冬小麦遥感估产的业ࡵ࣪栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽际贯所栽附贯论文的资料ঞ研究方法栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽陆贯所栽附栽所贯论文的资料说明栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽陆贯所栽附栽2贯研究思路ঞ技术路线˖栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽陆贯2贯贯研究的内容和目标栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽版贯2栽所贯研究的内容栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所政贯V 2栽2贯研究的目标栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所政贯杂贯贯材料Ϣ方法栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所所贯杂栽所贯试验材料栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所所贯杂栽所栽所贯遥感影像数据栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所所贯杂栽所栽2贯地面ᅲ测数据栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所所贯杂栽2贯试验䆒䅵栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所所贯杂栽杂测定内容ঞ方法栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所2贯杂栽杂栽所小麦长势的监测栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所2贯杂栽杂栽2贯冬小麦营养生长期Џ要长势参数Ϣ冠层ܝ谱特ᕕ݇系ߚ析所杂贯杂栽杂栽杂于字孙卫᯳的冬小麦白粉病监测栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所权贯杂栽权贯数据ߚ析栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所权贯权贯贯结果Ϣߚ析栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所附贯权栽所遥感监测小麦长势栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所附贯权栽所栽所遥感监测小麦面积指数的ߚ析栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所附贯权栽所栽2贯遥感监测小麦生物䞣的ߚ析栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽所际贯权栽2冬小麦营养生长期Џ要长势参数Ϣ冠层ܝ谱特ᕕ݇系ߚ析栽栽栽栽2所贯权栽2栽所贯冬小麦营养生长期生理生࣪指标ব࣪栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽2所贯权栽2栽2贯冬小麦营养生长期生理生࣪指标Ϣ冠层ܝ谱间݇系栽栽栽栽栽2杂贯权栽３于字孙卫᯳的冬小麦白粉病监测研究栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽2陆贯权栽杂栽所面积指数Ϣ病情指数之间的݇系栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽2陆贯权栽杂栽2贯⠛绿素䞣Ϣ病情指数之间的݇系栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽2片贯权栽杂栽杂贯⠛水ߚ䞣Ϣ病情指数之间的݇系栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽2版贯权栽杂栽权贯⠛冠层温ᑺϢ病情指数之间的݇系栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽杂政贯权栽杂栽附贯于影响因子和植被指数的病情指数回ᔦ模型栽栽栽栽栽栽栽栽栽栽杂所贯权栽杂栽际贯区域小麦病情指数遥感监测预栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽杂所贯VI ５贯贯讨贯论栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽杂杂贯附栽所栽遥感监测小麦长势ᄬ在的问乬栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽杂杂贯附栽所栽所栽遥感监测小麦面积指数栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽杂杂贯附栽所栽2遥感监测小麦生物䞣栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽杂杂贯附栽2栽冬小麦营养生长期的长势指标Ϣ冠层ܝ谱特ᕕᄬ在的问乬栽栽栽栽杂杂贯附栽杂于字孙卫᯳的冬小麦白粉病监测ᄬ在的问乬栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽杂杂贯际贯全文总结栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽杂附贯参考文献栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽杂陆贯䰘录栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽权杂贯㟈贯贯谢栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽权权贯作者简历栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽权附贯研究生期间发表的学术论文栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽栽权附贯VII 本文᠔⍝ঞ的英文缩写߫表GIS˄GeographicInformationSystem˅地理信息系统RS˄RemoteSensing˅遥感GPS˄GlobalPositioningSystem˅全球定ԡ系统3S˄GIS,GPS,RS˅3S技术NASA(NationalAeronauticsandSpaceAdministration)美家航空Ϣᅛ航局EI˄ErdasImagine˅Landsat(LandRemoteSensingSatellte)䰚地遥感卫᯳TM(ThematicMapper)䰚地卫᯳Џ乬៤像仪QUICKBIRD美快鸟卫᯳CBERS(China-BrazilEarthRsourcesSatellite)中巴地球资源卫᯳HJ-1A/B(HuanJingSatellite)⦃境卫᯳1োA᯳ᑻ/B᯳ᑻNOAA(NationalOceanicandAtmosphericAdministration)美家海洋Ϣ大气管理局APBW˄Above-PlantBiomassWeight˅地Ϟ部生物䞣VI˄VegetationIndex˅植被指数NDVI(NormalizedDifferenceVegetationIndex)ᔦ一࣪差值植被指数RVI(RatioVegetationIndex)↨值植被指数DVI(DifferenceVegetationIndex)差值植被指数PVI˄PerpendicularVegetationIndex˅垂直植被指数GVI˄GreennessVegetationIndex˅绿ᑺ植被指数LAI(LeafAreaIndex)面积指数RDVI(RepeatDifferenceVegetationIndex)䞡ᔦ一࣪差值植被指数ISODATA(IterativeSelf-OrganizingDataAnalysisTechniquesAlgorithm)迭代自组㒛聚类算法MODIS(Moderate-ResolutionImagingSpectroradiometer(EOSsensor))中等ߚ辨率៤像ܝ谱辐射䅵˄EOSӴ感器˅VIII 1文献综述小麦是៥䞡要的粮亳作物之一ˈ占全粮亳产䞣的际政琴ᎺেDŽ݊中ˈ白粉病是影响小麦长势的Џ要障之一ˈ是限制小麦长势和产䞣等的Џ要因素DŽ据联ড়粮[1]亳组㒛估䅵ˈ世界粮亳产䞣常ᑈ因虫害损失10%ˈ因病害损失14%ˈϨ᳝日益ࡴ剧的䍟势DŽ᠔以稳定ǃ可持续的小麦生产在家粮亳ᅝ全中的地ԡВ足轻䞡DŽ因ℸˈঞ时准确获প小麦病虫害和监测小麦长势等信息是⦄代业生产中迫ߛ需要解决的䞡要问乬ˈ对于业经济发展和ᦤ高民收入᳝极Ў䞡要的⦄ᅲ意НDŽӴ统的小麦长势和病虫害调查方法䗳ᑺ慢ǃᎹ作复ᴖǃ៤本高ˈ滞后性明显DŽ遥感技术解决了䖭ѯ阻ˈ以快䗳ǃঞ时和Ꮉ作信息䞣大等优势প代了Ӵ统获প数据的方式DŽ经过多ᑈ的发展ˈ遥感技术已在作物长势监测ǃ面积ᦤপǃࡼᗕ获প病虫害和ᑨ用[2洼片公广方面প得了较大的䖯展DŽ因ℸˈঞ时䖯行利用遥感技术监测小麦长势和病虫害的发生ˈ是ᦤ高产䞣ǃ减少经济损失的݇键技术ˈ同时䖬᳝许多方面᳝ᕙ䖯一ℹ的深入研究DŽ贯1.1遥感监测小麦长势和病虫害的基本原理及特点1.1.1遥感监测小麦长势和病虫害的基本原理冬小麦长势是指小麦在生长发育中的形ᗕ的表⦄ˈ可通过㾖察小麦的面积ǃ㡆ǃ株高ǃ倾角和茎ᑆ粗㒚等形ᗕ特ᕕ䖯行衡䞣DŽ小麦长势监测Џ要指监测小麦生育期的生长ব࣪ˈ䖭需要能够ঞ时ǃ全面ড小麦生长情况的监测技术DŽ遥感技术⬅于能够在ϡ直接接触目标物和对作物ϡ᳝破ണ性的情况ϟ通过获[9]প目标物的信息˄如空间ǃܝ谱和时间˅ᅲ⦄对㾖测目标的监测ǃߚ析和评ӋDŽ䖥ᑈ来ˈ随着高ܝ谱遥感ǃ多ܝ谱遥感ǃ和高ߚ辨率卫᯳遥感技术的快䗳发展ˈ使得作[10-15]物的生理生࣪参数被᳝效的监测ˈϨ精ᑺ䍞来䍞高DŽ同时ˈϡ同ߚ辨率的遥感数在小麦长势和病虫害监测方面体⦄出䍞来䍞䞡要的Ӌ值DŽ遥感监测小麦长势和病虫害的原理是建立在小麦ܝ谱特ᕕ础之Ϟ的DŽ小麦在ϡ同生长ᄷ节ǃϡ同病虫害ॅ害程ᑺϟˈ᳝݊特殊意Н的诊断性ܝ谱特ᕕˈ因ℸ可以用[16]遥感来监测小麦的长势和病虫害DŽ小麦对ܝ谱的ড射特性表⦄Ў˖可㾕ܝ波段᳝强的吸收峰ˈ䖥红外部ߚ᳝强的ড射峰ˈ遥感数据的敏感波段ঞ݊组ড়可ড小麦的生长状ᗕDŽ病虫害的监测是通过监测子的生物࣪学៤ߚ来䖯行的ˈ小麦在感染病虫害[17-20]后᠔引起的生理生࣪参数的ব࣪ˈ特߿表⦄Ў可㾕波段和䖥红外波段的ব࣪DŽ因ℸˈ可选择高ܝ谱遥感数据和冠层多ܝ谱遥感数据来监测冬小麦病虫害ˈ通过建立作物长势指标Ϣܝ谱信息的定䞣݇系ˈ可ᅲ⦄对小麦的监测预DŽ遥感᳝大范围ǃ快[21-25]䗳ᑺǃ短周期ǃ信息䞣大等特点ˈ使得遥感技术᳝更广阔的ᑨ用空间DŽ1 1.1.2遥感监测的特点小麦长势监测Џ要是监测小麦的生长状况信息ˈ一般᳝ϸ方面来体⦄˖一是小麦ᅲ测监测ˈ小麦生长的ᅲ时监测ˈ达到获প小麦长势的一个ࡼᗕ监测ˈঞ时了解小麦的空间ব࣪DŽѠ是小麦生长䍟势ߚ析ˈ通过↨较以ᕔ的遥感影像数据䖯行评Ӌᔧ前的长势情况DŽ小麦虫害遥感监测Џ要在⠛和冠层ϸ个方面䖯行展开DŽ虫害ॅ害将导㟈作物[2际洼2片公⠛㒚胞结构ǃ水ߚǃ氮素以ঞ绿素等发生ব࣪ˈҢ而引起ܝ谱的ব࣪DŽ冠层方[2版ǃ杂政公面ˈ虫害引起LAIǃ小麦长势的ব࣪DŽ遥感监测是利用遥感数据对小麦的生育期的生长条ӊˈ⦃境ࡼᗕ和ߚᏗ状况䖯行宏㾖的估测ˈ便于ঞ时了解小麦的ߚᏗ概况ǃ生长状况ǃ土壤条ӊ和施肥䞣以ঞ病虫草害ࡼᗕˈ便于采পঞ时管理措施ˈЎ小麦生产管理ᦤ供ঞ时准确的数据信息DŽ因ℸˈᅲ时小麦长势监测ϡ仅Ў业生产ᦤ供䞡要科学决策的依据ˈ而ϨЎ小麦产䞣估测和病虫害监测ᦤ供必ϡ可少的资源DŽ在遥感监测中活小麦的识߿和种植面积的ᦤপ是遥感监测的䞡要⦃节DŽ小麦的识߿Џ要是利用绿㡆植物独᳝的ܝ谱特ᕕ䖯行区߿DŽ在收集ߚ析小麦ܝ谱特ᕕ的础Ϟ活[杂所公通过遥感影像记录的信息䖯行小麦种植面积的统䅵DŽ李ᄬ等利用杂个时相的[杂2公L印n艳s印t䖥红外波段ড়៤的假彩㡆影像很容易区߿冬小麦DŽ王启⬄利用TM卫᯳数据和遥感像处理软ӊ年归o其n典t典on附栽政和E祝步存权栽杂软ӊˈ用面向对象的方法和监督ߚ类的方法对冬小麦种植面积䖯行了ᦤপˈ克服了同物异谱ǃ同谱异谱的⦄象DŽ目前[杂杂洼杂附公在利用卫᯳遥感数据䖯行作物面积ᦤপ和理论方法方面已较Ў៤熟ˈ但是精ᑺ和ˈঞ时性等方面ҡ需᳝改善的空间DŽ贯[杂际公李卫等利用NDVI指数ড演的面积指数数据对小麦长势ߚ㑻ߚ类ˈ并ϢTM[杂陆公卫᯳遥感数据结ড়起来监测小麦长势DŽ谭昌ӳ等利用遥感数据ߚ析了冬小麦开花期间ᔦ一࣪植被指数的ব࣪规律ˈ对开花期的生物䞣ǃSPADǃ面积指数䖯行了遥感监测ˈ达到了预期效果DŽ以Ϟ䖭ѯ研究探讨了遥感数据对小麦长势䖯行监测DŽ小麦病虫害的监测是在长势监测的础Ϟᦤপ学参数信息ˈ构建小麦病虫害监测模型ˈҢ[所权公而更好的服ࡵ于小麦长势监测DŽ߬良ѥ等利用多时相数据ˈ对小麦生育期的ܝ谱信息䖯行了ߚ析ˈ监测了小麦条锈病ǃ白粉病的ܝ谱ব࣪ˈ并根据病虫害发病期的遥感卫᯳数据建立小麦产䞣的ᮽ期预模型ˈ᳝效的监测出病虫害对小麦长势和产䞣影[2际公响DŽ蒋金豹等对小麦冠层一阶微ߚܝ谱䖯行ߚ析ˈ得出的微ߚ植被指数能够监测并ড演小麦病虫害信息ˈ并能在症状出⦄12内识߿出来DŽ2 1.2内外遥感监测小麦的长势和病虫害概况1.2.1外遥感监测小麦长势和病虫害概况冬小麦长势遥感监测属于作物遥感估产的内容之一DŽ自美1972ᑈ发射第一乫地球资源卫᯳以来ˈ遥感卫᯳影像数据Ў业生产和发展ᦤ供了丰富的信息DŽϢℸ同时ˈ气象卫᯳ǃ海洋卫᯳和航空遥感像的ᑨ用ˈЎ业遥感ᦤ供䖯一ℹ的发展空间DŽ美在20世纪70ᑈ代中期开展了Ā大面积作物估产试验ā(LargeAreaCropInventoryandExperiment)和随后的Ā业和资源的空间遥感调查䅵ā(AGRISTARSˈAgricultureandResourcesInventorySurveysthroughAerospaceRemoteSensing)得到多的݀认ˈ被认Ў业遥感ᑨ用和研究的ܜ例ˈ对多种粮亳作物的面积估算和产䞣预[38]ˈ䖭次调查研究被遥感界誉Ў遥感估产的䞠程碑DŽℸ后ˈ德ǃ澳大利Ѯǃ巴西等гܜ后开展了业遥感研究ˈ均প得经济利益DŽ随后ˈ俄罗ᮃǃ日本ॄᑺ等г相继利用遥感技术对小麦ǃ棉花ǃ水稻等作物长势[杂版公监测做出研究ˈ都প得了较好的经济利益DŽ外利用遥感开展植物病虫害监测研究已经᳝很长的历DŽᮽ在1929ᑈˈTaubenhaus等利用航空相⠛的优势对植物病害䖯行首次的识߿DŽ随着遥感技术的发[权政公展ˈ䍞来䍞多的家投入到遥感监测病虫害的项目中去DŽ德的Kluge用䅵算机预测方法将白粉病预测模型䅵算了德ϡ同地区小麦白粉病的流行程ᑺˈ以找出相݇性[权所公的䰆⊏DŽKipling发⦄⬅于病虫害的影响导㟈⠛可㾕ܝ区和䖥红外区ܝ谱特性都发[权2公生ব࣪ˈ可㾕ܝ区ড射率随着ॅ害增强而增高ˈ䖥红外߭߮好相ডDŽNicolas等ߚ析冬小麦的白粉病随着Ϲ䞡程ᑺ增ࡴˈ小麦的ᔦ一࣪指数˄normaliseddifference[权杂公vegetationindexˈNDVI˅会随着减小DŽMalthus等利用地物ܝ谱仪得出感染的大豆和蚕豆斑点葡萄ᄶ子的一阶ড射ܝ谱高ˈ可以来监测病虫害感染情况DŽ1.2.2内遥感监测小麦长势和病虫害概况៥的作物遥感估产起ℹ较晚ˈ但г᳝প得៤果DŽҢ1983ᑈ开始ˈ中᳝݇研究部门Ϣ高校ড়作ˈ利用䰚地卫᯳和气象卫᯳对作物长势和产䞣䖯行大面积研究和试[权权公验DŽ䖭г是៥首次开展大规模遥感估产DŽ1991~1995ᑈ在科技部的组㒛ϟˈ中科学院等单ԡ采用LandsatˋTM和NOAAˋAVHRR影像数据对䞡点产粮区的小麦ǃ水稻ǃ玉米种植面积和产䞣情况䖯行估算ˈ小麦在河࣫ǃ山东ǃ河南ǃ࣫京和津䖯[权附洼权陆公行ˈ水稻在湖࣫和江苏䖯行ˈ玉米在ঢ়林䖯行ˈ估算精ᑺ均达到预期效果DŽ䖥ᑈ来ˈ中科学院遥感ᑨ用研究᠔自行研制和开发了Ā中情遥感监测系统āˈ并Ϩ对全小麦ǃ玉米ǃ大豆ǃ水稻等作物䖯行了长势监测ˈᅲ⦄了作物大范围ǃ多[权片洼附杂公品种ǃ定期遥感估产监测Ϣ预DŽ贯៥将遥感技术ᑨ用于作物病虫害监测↨外要晚ˈϨ本Ϟ都是用高ܝ谱仪䖯行监测ˈ通过地面高ܝ谱仪器获পϡ同健康状况的冬小麦冠层ܝ谱曲线DŽҢ1998ᑈ开3 始ˈ全业资源区办݀室ᅲ施了一项Ā全作物业ࡵ遥感估产āˈ该项目是利用Ā3Sā技术ˈ利用遥感RS˄RemoteSensing˅的覆盖范围广ǃ快䗳和全球定ԡ系统GPS˄GlobalPositionalSystem˅的准确定ԡˈ再结ড়地理信息系统GIS(GeographicInformationSystem)的数据处理ǃߚ析Ϣ解译ˈЎ监测病虫害的ࡼᗕ发生ᦤ供了较Ў[附权洼附际公准确的信息源DŽ贯[附权公蔡៤静等研究发⦄䖥地获得ܝ谱ড射率在可㾕ܝ谱区明显小于高空获得的ܝ谱ড射率ˈ尤݊是在显著明显的绿峰580nm和黄边610nm处ˈ并在ℸ础Ϟ建立了回[22公ᔦ模型ˈЎ高空监测小麦条锈病奠定了础DŽᅝ虎等根据ܝ谱ড射率和小麦条锈病[附附公患病程ᑺ建立回ᔦ模型DŽ张玉萍等利用ASD手持式地面非៤像ܝ谱仪˄325-1075˅ˈ测定冬小麦的ܝ谱ড射率ˈ䖭ѯܝ谱ড射率是Ңϡ同生育期ǃϡ同病情指数的小麦中获得的ˈ并Ϩ建立了600-703nm波段处的ܝ谱ড射率和拔节期ǃ灌浆期ǃ和乳熟期的病情指数的回ᔦ方程DŽ贯1.3冬小麦遥感监测长势和病虫害的技术方法˄所˅直接监测方法DŽ直接监测方法是指将小麦的长势直接Ϣ遥感获得的参数˄如祝当步存ǃR步存ǃG步存ǃ也步存ǃ当步存ǃE步存值等˅䖯行相݇ߚ析ˈ建立相݇模型DŽ៥遥感监[附陆公测作物长势初期ˈ定姗等人将气象卫᯳数据得到的植被指数数值作Ў小麦长势ߚ[2政公㑻的标准ˈ对冬小麦的长势䖯行了监测DŽ任建强等采用滤波技术处理≤神当存孢—祝当步存遥感数据对小麦长势䖯行预测ˈ该方法能除去ѥ彩等异常值的影响DŽ贯贯贯贯贯随着⦄代技术ϡ断发展ˈ杂孢技术在卫᯳遥感ࡼᗕ监测ᑨ用发挥了巨大的潜力和作[附片洼际所公用DŽ以卫᯳遥感数据和地面情监测网ЎЏ要信息源ˈ利用杂孢技术对空间数据采[际2公集ǃߚ析和管理ˈࡼᗕ㾖察了小麦的长势情况DŽ蒙继ढ等利用៥自Џ气象卫᯳数据Ў数据源ˈ结ড়杂孢技术对冬小麦៤熟过程水ߚ和绿素ࡼᗕব࣪础Ϟˈ研究了冬[际陆公小麦៤熟期的遥感预测方法DŽ何ℷ金等于美䰚地卫᯳和祝神坐坐卫᯳的础Ϟ得到的遥感数据ˈ㒬制出了小麦蚜虫数䞣Ϣܝ谱的相݇性曲线ˈЎ监测麦蚜发生ᦤ供了᳝[际杂公利依据DŽ冯炼等利用ܝ谱建立了冬小麦的健康生长状况Ϣ植被指数的݇系模型ˈ݊中䞡ᔦ一࣪植被指数R当步存和ϝ角植被指数正步存可信ᑺ好ˈ݊中正步存监测结果达陆际栽权陆琴DŽ贯˄2˅影像ߚ类方法DŽ遥感影像是䖯行信息ᦤপ的一种Џ要方法DŽ就是对作物长[际权公势的等㑻䖯行区ߚˈ䖭类方法以小麦苗情Ўߚ类标准DŽ李卫等采用地面G也孢定ԡ技术ǃ正≤遥感信息解译等Ϣ小麦苗期长势ߚ析相结ড়ˈ建立了小麦苗期长势遥感监测ˈ该方法ϡ但节㑺了人力ǃ物力ˈ而Ϩ监测结果直㾖ˈ非常适用大范围监测DŽ贯˄杂˅同期对↨的方法DŽ同期对↨的方法Џ要是值多ᑈ遥感数据累䅵的条ӊϟˈ䅵算出多ᑈ同一时间段的ᑇ均植被指数ˈ用⦄在同时段的植被指数Ϣ以ᕔ的ᑇ均值的差异大小作Ў衡䞣标准ˈҢ而判断ᔧᑈ的作物长势优劣ˈড出作物生长差异的ব࣪[际附公ࡼᗕˈ对䖯一ℹ显示和统䅵该区域作物生长状况ᦤ供᳝效信息DŽ江东等用时间Ў横4 ത标将祝当步存排߫起来ˈ᳝利于形៤作物生长的祝当步存ࡼᗕ轨迹ˈ可以直㾖ড作物整个生育期的生长ব࣪过程DŽ贯1.4目前存在的问题Ϣ思考1.4.1遥感监测精度问题遥感数据的质䞣和处理方法决定了病虫害监测的效果DŽ小麦种植面积大ˈ跨䍞地区较大ǃ地形↨较复ᴖǃ耕作制ᑺ多种多样ˈ小麦种植ϡ能形៤规模ˈ䖭将影响小麦的遥感监测DŽℸ时ˈ数据的ড়理选择十ߚ必要DŽ除了采用多波段数据ǃ多时相遥感数据ǃ多类型遥感数据之外ˈ在多ѥ多雨地带ᑨ采用䳋达遥感数据ˈ䖯行全时ǃ全候的监测ᑨ用ˈ影响ܝ学遥感的ϡ足DŽЎ了ᦤ高监测精ᑺˈ除了综ড়使用NOAAǃLandsatǃHJ᯳等中Ԣߚ辨率卫᯳遥感数据外ˈ᳝必要结ড়使用高ߚ辨的卫᯳遥感数据˄如快鸟ǃSPOTǃIKONOS等˅DŽ除ℸ之外ˈᑨ同时展开ᅲ地调查ˈ弥补或改䖯遥感数据处理方法的ϡ足DŽ冬小麦遥感监测长势的精ᑺϢ采用的信息数据᳝很大的݇系ˈ尤݊是精确的冬小麦种植面积ᦤপ和估测ˈϢ信息源的几何ߚ辨率᳝着密ߛ联系DŽফ卫᯳遥感数据的ӋḐ限制ˈ⦄在᱂遍使用的卫᯳遥感数据Џ要是Ԣ空间ߚ辨率的遥感数据DŽ⬅于݊空间ߚ辨率Ԣˈϡ能准确的识߿物小麦ˈ常常会䗴៤容易产生Ā同[际际洼际片公物易谱ā和Ā同谱异物ā⦄象DŽ经常使用的Landsat/TM影像空间ߚ辨率高ˈ但是[际版ǃ陆政公时间ߚ辨率↨较Ԣˈϡ能对冬小麦ᅲ行连续的ࡼᗕ监测DŽ高空间ߚ辨率的៤本高ˈ覆盖面积小ǃ回䆓周期长ˈϡ能ঞ时对冬小麦䖯行ࡼᗕ监测ˈ影响监测结果DŽ随着遥感技术在៥的迅䗳发展ˈ产数据的遥感影像性Ӌ↨较高DŽ例如⦃境一ো卫᯳(HJ-A/B)ǃ中巴资源卫᯳(CBERS)等在ӋḐ和性Ӌ↨中就非常占优势ˈ再结ড়外的高精ᑺ数据源ˈ可以Ў៥们的研究ᦤ供↨较好的数据源资料DŽ监测病虫害获得的数据源本来源于地面ǃ航空ǃ航遥感数据ˈ对病虫害监测是个周期较长的Ꮉ作ˈ需要多时期的数据源ˈ航空遥感数据空间ߚ辨率高ˈ获প时间快ˈ但获প៤本高ˈϡ适ড়大范围监测研究ˈ只能ᑨ用于型的区域监测以ঞ灾情爆发的ᑨ急监测DŽ航遥感数据中的高空ߚ辨率影像已↨较丰富ˈ但影像ӋḐ高ˈгϡ适ড়᱂遍适用DŽ៥学者用来䖯行监测病虫害种类↨较᳝限ˈ选用数据源↨较单一[陆所洼陆附公ˈ多数以中Ԣ空间ߚ辨率数据ЎЏˈϡ能对冬小麦ᅲ行连续的ࡼᗕ监测DŽ许多病虫害和非病虫害对冬小麦的破ണ的症状非常类似ˈ݊ܝ谱特ᕕ可能相似ˈ䖭增ࡴ了识߿病虫害的难ᑺˈЎ了ᦤ高监测精ᑺˈᑨ采প多种遥感复ড়信息来ᦤ高精ᑺˈ如Ң高时间ߚ辨率影像到高空间ߚ辨率影像再到高ܝ谱ߚ辨率影像䖯行组ড়ˈ以更好的监测病虫害的发生DŽ1.4.2遥感监测中选择的参数单一问题目前NDVI用于长势遥感监测的频率最高ˈ很少使用݊他植被指数作Ў长势监测5 指标DŽNDVI参Ϣ植物的蒸腾作用ˈϢܝড়作用以ঞ初㑻生产力等⌏ࡼ密ߛ相݇ˈ可以᳝效ড作物的生长情况DŽ但作物生长本身是一个复ᴖ的过程ˈϡ仅Ϣ作物自身因素᳝݇ˈ䖬Ϣ外界空气温ᑺǃ土壤湿ᑺǃ䰇辐射等多种参数᳝݇系DŽ小麦病虫害的发生Ϣ小麦的长势信息ǃ气候⦃境条ӊ等因素݇系较Ў密ߛDŽ因ℸˈ利用多源ǃ多时相遥感技术ঞ时ǃ大范围ড演小麦生长期间的面积指数ǃ生物䞣ǃ绿素䞣ǃ氮素䞣以ঞ生长⦃境因素如温ᑺǃ土壤湿ᑺ等信息ˈ综ড়䖭ѯ长势指标和⦃境条ӊ因素对病虫害的发生作出预ˈ᳝效服ࡵ于区域作物生产的科学管理[陆版洼片杂公DŽ1.4.3长势和病虫害监测Ϣ单产预测相脱节问题⦄在遥感监测作物大多是在小麦的一个时期或者一个时间段对作物长势信息的[片权洼片际公ᦣ述ˈ而忽视了各个生育期之间的内部联系ˈ每个生育期内的小麦长势综ড়作用的结果都可能直接影响和决定小麦的产䞣DŽ在以后长势监测研究中ˈᑨ将多考虑各生育期的联系ˈ将长势和产䞣结ড়在一起䖯行研究DŽ贯1.4.4监测预报模型适用性有限问题小麦长势和病虫害监测预方法在៥经历了一段时间ˈ并Ϩгপ得了一定䖯展[片陆洼版政公DŽ病虫害监测预模型多数以回ᔦ模型ЎЏˈ融入学机理和物理学Ў一体的监测预模型ˈ即对一系߫㾖测数据作经验性的统䅵݇系ᦣ述ˈ是一种直接的相݇݇系ˈ很少解答Ў什М会᳝䖭样的相݇性DŽ模型参数г᳝限ˈ表⦄Ў᱂适性Ϣ机理性差ˈ在ϡ同地区ǃϡ同条ӊ较难广ᑨ用DŽ因ℸˈ将作物品种ǃ土壤因素ǃ气候条ӊ等因素综ড়䖯行考虑ˈ明确影响作物病虫害发生的Џ要诱因ˈ建立多因素结ড়的监测模型ˈ才能真ℷ改䖯模型的通用性和解释性DŽ᳝利于作物病虫害监测预模型在ϡ同的ᑈ份ǃϡ同的区域ǃϡ同的时相内广ᑨ用ˈ产生较好的ᑨ用前᱃DŽ贯1.4.5综合利用3S技术[版所公RSϡ是一门独立的学科ˈ它的ᑨ用已经ϢGIS和GPS融Ў一体DŽRS技术ঞ时获প小麦信息ˈGPS能对ফ害的小麦精确定ԡˈGIS对获得数据ঞ时᳝效的处理ˈ䖭Ў小麦长势和病虫害监测预ᦤ供了᳝效信息手段DŽ因ℸ将GISǃGPS和RS技术综ড়ᑨ用到大面积开展冬小麦长势和病虫害监测预DŽ䖭对于业植保部门准确获প作物病虫害信息ˈ开展科学䰆⊏意Н䞡大DŽ尤݊最䖥ϢES的结ড়ˈᅲ⦄了RSǃGISǃGPS和ES的一体࣪ˈ可Ў៥小麦的生产ǃ管理和粮亳ᅝ全问乬的ᑨ对ᦤ供科学依据DŽ1.4.6冬小麦遥感估产的业务化长势监测的最㒜目的是Ў冬小麦估产ᦤ供信息支持DŽ៥的冬小麦估产研究↨较៤熟ˈ但是尚对冬小麦遥感估产䖯行业ࡵ࣪管理ˈ䖭Ϣ经济和相݇技术ᄬ在一定݇6 [版2公系DŽ在陈沈斌ǃᄭ九林等指导ϟˈ៥作物遥感估产䖤行系统ᅲ⦄了业ࡵ࣪ˈ试解决保证小麦估产的监测精ᑺ又降Ԣ监测៤本的问乬DŽ1.5论文的资料及研究方法1.5.1论文的资料说明本文本文使用的资料᳝˖˄所˅江苏省苏中ǃ苏࣫地区行ᬓ边界矢䞣˄.shp˅Ḑ式DŽ˄2˅江苏省1˖100,000地形˗泰݈ǃ݈࣪ǃ沭䰇和江苏省业科学院试验⬄等Ꮦ县䖥ϝᑈ的气象资料˄包括小麦生育期的小麦⠛白粉病发病率ǃ面积指数˄LAI˅ǃ⠛生理生࣪ǃ温ᑺǃ湿ᑺ等ˈ并记载各时期小麦株高ǃ生物䞣温ᑺˈ降水资料˅˗˄杂˅地面ᅲ䰙测䞣制点ˈ采用美Trimble݀ৌ最ᮄ款的JunoST手持GPS接收机ˈߚ߿在以Ϟ几个ᅲ验区选প20个ᅲ验样点˗˄权˅卫᯳影像数据˖2009ᑈ～2012ᑈ小麦的生育期的过境遥感数据DŽЏ要䌁买的是HJ-1卫᯳的影像ǃLandsat/TM5卫᯳的影像ঞ݊他一ѯ数据和试验资料DŽ1.5.2研究思路及技术路线：本文研究思路᳝ϸ方面˖˄所˅小麦生长地面样点调查方案䆒䅵以ঞ调查样点Ꮧ䆒˖调查小麦长势地面ᅲ测数据ˈ研究确定冬小麦长势学参数指标ˈ建立冬小麦地面㾖测资料ᑧDŽ˄2˅研究建立于多源遥感参数的小麦长势综ড়监测和小麦白粉病预测的指标˖研究小麦ϡ同发育期长势遥感监测方法ˈ确定于多种植被指数ǃLAIǃ生物䞣ǃ⠛绿素䞣ǃ⠛氮等遥感ড演参数的Џ要小麦长势和白粉病预测的综ড়监测指标DŽ技术路线如ϟ˖˄所˅䆒䅵冬小麦长势地面调查方案和白粉病的病情指数并䖯行样点Ꮧ䆒ˈ研究确定冬小麦长势和白粉病学参数指标ˈ建立冬小麦地面数据资料ᑧDŽ˄2˅根据目测小麦苗期的高ᑺǃ面积指数ǃ⠛绿素䞣ǃ氮䞣ǃ生物䞣等ˈ并Ϩ划定病情等㑻的数据界限值DŽ˄杂˅䅵算研究区的各自植被指数ˈߚ析各类植被指数在小麦生育期长势监测和病虫害方面发生的表ᕕ效果DŽ贯˄权˅选择试验区的卫᯳遥感数据ˈᦤপ相对ᑨ的植被指数和面积指数DŽ面积7 指数通过地面ᅲ地㾖测和遥感ড演获পDŽ并用地面㾖测数据和遥感数据结ড়起来ˈ建立统䅵݇系式ˈ并用݇系式修䅶遥感ড演结果ˈ建立所˖所݇系模型DŽ示范地Ϣ示范区的建䆒是该项目䞡点内容之一DŽ本研究需要获প试验区测䞣数据面积指数测䞣数据ঞ遥感影像˖Џ要包括䞢外⬄间测䞣数据和室内数据处理DŽ݊中ˈᅲ施该项目的第一ℹ就是ড়理的选择示范地和示范区ˈ选择长势较一㟈的⬄块作Ўᅲ验调查对象DŽ第Ѡℹ是建立遥感监测小麦长势和白粉病的技术路线˄㾕1ǃ2˅DŽ本项目初ℹ拟定ߚ߿在江苏省中部地区的泰݈Ꮦ和泰݈Ꮦǃ沭䰇等Ꮦ选择示范地3个ˈ每个研究区域示范样点20个ᎺেDŽ影像数据选择៥的HJ-1A/B卫᯳的CCD影像资料ˈ美的䰚地资源Landsat/TM5DŽ冠层ܝ谱测䞣贯冬小麦小区ᅲ验贯长势参数测䞣贯相݇贯ߚ析贯几何校ℷ贯字孙洼所坐放归归当贯L印n艳s印t放正≤贯遥感影像数据贯大气校ℷ贯ϡ同时期遥感指标ϢL坐存ǃ植被指数贯绿素䞣ǃ⠛氮䞣ǃ生物䞣ᅲ测数据贯ড演值贯的相݇性DŽ贯１：遥感监测冬小麦长势技术路线Fig.１Thecriticaltechnologyrouteofmonitoringforgrowingonwinterwheat8 2遥感监测冬小麦白粉病技术路线Fig.2Thecriticaltechnologyrouteofmonitoringforpowderymildewonwinterwh兴at9 2研究的内容和目标2.1研究内容˄所˅遥感监测小麦长势的研究˄2˅于多源遥感的冬小麦生物䞣监测研究˄杂˅冬小麦营养生长期Џ要长势参数Ϣ冠层ܝ谱特ᕕ݇系ߚ析˄权˅于HJ卫᯳的冬小麦白粉病监测2.2研究目标˄所˅形៤利用多源遥感数据快䗳获প大⬄面积指数方法ˈᮼ在Ў大⬄冬小麦长势信息监测ᦤ供技术支持DŽ˄2˅中ߚ辨率遥感数据Ϣ作物模拟技术相结ড়的方法ˈ于小麦生物䞣形៤的生理生ᗕ过程ˈ在建立小麦生物䞣估算模型的础Ϟˈ䖯一ℹ开展区域小麦生物䞣监测预˄杂˅研究小麦生长期多种长势指标Ϣ冠层ܝ谱参数之间的݇系ˈ建立长势指标Ϣ冠层ܝ谱的最优模型ˈ综ড়评Ӌ小麦生育期长势状况DŽ˄权˅将小麦⠛绿素ǃ水ߚ䞣ǃ面积指数ǃ温ᑺ等多种冠层ܝ谱特ᕕЏ导因子以ঞ病情指数䖯行多元回ᔦDŽ初ℹ探究于HJ—A卫᯳大范围监测小麦白粉病ˈЎ小麦长势和生产᳝ᅲ䰙指导意НDŽ10 3材料Ϣ方法3.1试验材料3.1.1遥感影像数据Landsat/TM影像ˈHJ-A/CCD影像DŽ3.1.2地面实测数据˄所˅利用GreenSeeker冠层ܝ谱仪和SunScan贯面积指数仪ߚ߿测定泰݈ǃ݈࣪ǃ沭䰇ϝ地的ܝ谱信息˄NDVIǃVIǃREDrefcǃNIRrefc˅和小麦面积指数˄LAI˅DŽ贯˄2˅TYS—3N植株养ߚ䗳测仪测定⠛的生理指标˄水率ǃ⠛ᑆ䞡˅生物࣪学៤ߚ˄氮率ǃ绿素䞣˅DŽ˄杂˅小麦病情Ϲ䞡程ᑺ用病情指数˄DiseaseindexˈDI˅的调查DŽ贯3.2试验设计试验一遥感监测小麦面积的研究贯贯贯贯小麦面积指数调查在江苏省泰݈Ꮦ试验⬄䖯行ˈЏ要调查时期Ў冬小麦拔节期和开花期DŽ冬小麦品种Ў宁麦所杂ǃ宁麦所权ǃ扬麦所际和扬麦所片ˈ地面样点䆒置Ў2政个ˈ均采用美孙径no贯孢正式G也孢定ԡDŽ在G也孢定点时ˈ要䖰离周围᠓屋ǃ建筑ǃ道路等片政m贯—所政政mᎺেˈ并避开᳝水塘的地方DŽ各样点䆒置在面积Ў2政政m应2政政mᎺে的种植区内ˈপ样Ϣ测定点离⬄埂所政政色m洼所附政色mDŽ贯试验Ѡ于多源遥感的冬小麦生物䞣监测研究选择江苏省的泰݈和݈࣪ϸᏖ冬小麦种植区Ў研究区域DŽ测试小麦品种Ў宁麦所杂ǃ宁麦所权ǃ扬麦所际和扬麦所片ˈ淮麦2所ǃ淮麦2杂等DŽ试验প样时期Ў小麦拔节期ˈ调查内容包括小麦的品种类型ǃ群体长势ǃ日ᑇ均气温以ঞ小麦株高等信息DŽЎ获得区域᳝代表性的生物䞣信息ˈ确立地面调查样点选প面积较大ǃ能代表䰘䖥长势的大⬄块作Ў监测样点DŽ贯试验ϝ试验ϝ贯贯试验ϝ贯贯贯贯贯贯冬小麦营养生长期Џ要长势参数Ϣ冠层ܝ谱特ᕕ݇系ߚ析冬小麦营养生长期Џ要长势参数Ϣ冠层ܝ谱特ᕕ݇系ߚ析冬小麦营养生长期Џ要长势参数Ϣ冠层ܝ谱特ᕕ݇系ߚ析贯冬小麦营养生长期Џ要长势参数Ϣ冠层ܝ谱特ᕕ݇系ߚ析贯贯贯选择江苏省业科学院内的冬小麦种植区Ў研究区域ˈ记录强筋小麦ǃ弱筋小麦出苗期㟇拔节期相ᑨ的水ߚǃ绿素ঞ氮素等䞣DŽ每隔10d利用美的GreenSeeker冠层ܝ谱仪和SunScan面积指数仪ߚ߿测定小麦的ܝ谱信息˄NDVIǃVIǃREDrefcǃNIRrefc˅和小麦面积指数DŽ地面ܝ谱采集定于Ϟज10点㟇12点䖯行ˈ采集时以每样点ܝ谱测定20次ˈ求ᑇ均值作Ў该采样点相ᑨ的ܝ谱信息DŽ并将测试样品ᬒ于প样袋中带回ˈ置室内烘箱105℃杀青15ߚ钟ˈ80℃烘ᑆ并秤প݊䞡䞣ˈ䅵算得出单ԡ݀顷的生物䞣ᑆ䞡DŽ贯贯贯11 试验四试验四贯贯试验四贯贯贯贯贯贯于于于字孙于字孙字孙字孙卫᯳的冬小麦白粉病监测卫᯳的冬小麦白粉病监测卫᯳的冬小麦白粉病监测贯卫᯳的冬小麦白粉病监测贯贯贯贯贯贯贯贯贯贯贯选择݈࣪ǃ涟水和沭䰇ϝᏖ小麦种植区Ў研究区域ˈ监测时期Ў小麦开花期ˈ小贯贯贯贯麦品种Ў济麦2所ǃ宁麦所权ǃ宁麦所所等DŽ在卫᯳过境时ˈ利用孢径孢色印n面积指数仪测定小麦面积指数并调查各地ᅲ验点的小麦⠛白粉病发病率ǃ温ᑺǃ湿ᑺ等ˈ并记录各时期小麦株高ǃ生物䞣等݊他信息ˈ用于辅ࡽ种植管理DŽ采用对角线测定法对小麦䖯行প样调查DŽ贯3.3测定内容及方法3.3.1小麦长势的监测3.3.1.1叶面积指数的提取面积指数LAI˄Leafareaindex˅是指单ԡ面积地表Ϟ方植物˄单面˅面积[版杂公总和ˈ是䰚地生ᗕ系统循⦃的一个䞡要参数ˈϡ仅Ϣ自身生长ǃ外界能䞣交换等᳝䞡要的意Нˈ而Ϩ可以利用遥感技术监测植物长势和估算产䞣DŽLAI是ড小麦群体大小的较好的ࡼᗕ指标ˈ在一定范围内会和ܝ照辐射和ܝড়效率等相݇DŽLAI很难直[94]接Ң遥感数据中获得ˈ但Ϣ植被指数间᳝密ߛ的݇系DŽ݊数据可通过NDVIড演获[38]得DŽNDVI的䅵算݀式˖NDVI=(RNIR-RRED)/(RNIR+RRED)ˈRNIRЎ䖥红外ܝড射率ˈRREDЎ红外ܝড射率DŽ在ErdasImagine的编程模块中建立NDVI䅵算模型DŽ3.3.1.2小麦生物量模型的构建小麦生物䞣˄Biomass˅指的是植物经ܝড়同࣪后积累的᳝机物总䞣ˈ包括根ǃ茎ǃǃ籽粒DŽ生物䞣可简单ߚЎ地Ϟ部ߚ˄茎ǃǃ穗˅和地ϟ部ߚ˄根˅ϸ类DŽ本文仅对小麦地Ϟ部生物䞣˄Above-PlantBiomassWeightˈAPBW˅䖯行研究ˈ结ড়李卫等人的小麦估产模型算法ˈ䖯行冬小麦生物䞣模型˄WinterwheatbiomassmodelˈWBM˅ᦣ述DŽ小麦生长过程中ˈ生物䞣˄APBW˅可通过以ϟ݀式获得˖iAPBWi=∫dAPBWi˄1˅1.-1式˄1˅中ˈAPBWi表示第1到第i的地Ϟ部ᑆ物质˄kgha˅的积累䞣ˈdAPBWi.-1.-1Ў第i小麦植株地Ϟ部ᑆ物质日增䞡˄kghad˅,݊中dAPBWi算法如ϟ˖dAPBWi=dPAWi—dGWWi—dMWWi˄2˅式˄2˅中ˈdPAWiǃdGWWiǃdMWWiߚ߿表示第i小麦ܝড়同࣪䞣˄DatePlant.-1.-1AssimilationWeightˈkghad˅ˈ生长呼吸⍜耗䞣˄GrowthGrowthWastingWeightˈ.-1.-1.-1.-1kghad˅维持呼吸⍜耗䞣˄DailyMaintainingWastingWheatˈkghad˅DŽ݊中GWWi和MWWi的算法如ϟ˖GWWi=dPAWi应Gr˄3˅(Tem-25)/10MWWi=APBWi应Gm应Q10˄4˅12 式˄3˅中ˈGr(GrowthRespiration表示生长呼吸系数)ˈপ值Ў0.33DŽ式˄4˅中ˈGm(MaintainingRespirationЎ小麦维持呼吸系数)ˈপ值Ў0.016DŽQ10Ў呼吸作用的温ᑺ系数ˈপ值Ў2ˈTemЎ日ᑇ均气温˄℃˅DŽܝড়同࣪是植株利用䰇能ǃ通过ܝড়作用形៤᳝机物和䌂ᄬ能䞣的过程DŽ在䰇ܝ辐射中只᳝可㾕部ߚ能被用于植株ܝড়作用ˈ݊占䰇总辐射的47%~48%DŽ另外ˈ在植株生长过程中会᳝少部ߚ䰇辐射被植株冠层ড射流失DŽ植株每日对䰇辐射的᳝效使用䞣采用ܝড়᳝效辐射˄dPARˈdailyPhotosyntheticallyActiveRadiationˈ-2MJ.m˅ᦣ述ˈ݊算法可通过ϟ式获得˖dPAR=µ应dR应(1-野)˄5˅弱筋小麦政栽22际宇杂附消贯=贯2附栽片杂杂年R2贯=贯政栽陆权2杂所栽片片杂2宇杂政消贯=贯所所栽所所2年R2贯=贯政栽陆2政陆˅弱筋小麦2附˄琴政栽片陆际权宇消贯=贯所际栽附片年R2贯=贯政栽陆所2际2政水䞣式˄5˅中ˈ强筋小麦Ў可㾕ܝ辐射䞣占䰇ܝ总辐射的↨率ˈপ值0.475DŽdR˄daily消贯=贯所所栽权际附宇贯为贯所际栽附附权所附R2贯=贯政栽陆片2附强筋小麦所政政栽所政栽杂政栽附政栽陆政栽版祝存R征年兵色.-2Radialization˅Ў每日䰇总辐射䞣˄MJm˅ˈ野Ў小麦群体ড射率ˈপ值Ў8%DŽ式˄2˅中ˈ植株日ܝড়同࣪䞣1+dPARω×DLdPAWi=××δ×mi(nFNˈFW)1+dPAR×Exp(−K×LAIi)K式˄6˅中KЎ小麦群体ড射率ˈপ值Ў8%DŽLAIЎ面积指数ˈMЎ中间ব䞣ˈ杂附消贯=贯杂所栽2杂附年洼政栽附所际2宇弱筋小麦R2贯=贯政栽附杂片杂杂政强筋小麦2附强筋小麦消贯=贯洼片栽所杂政陆宇贯为贯2杂栽版权所水䞣˄琴˅2R贯=贯政栽际附附版洼所栽杂际附权宇消贯=贯杂权栽政权2年R2贯=贯政栽陆附版片近ЎCH2OϢCO2间的转换系数ˈপ值Ў0.68DŽ2政消贯=贯洼所际栽片2权宇贯为贯2陆栽杂陆附Ўᅲ验系数ˈপ值0.35DŽFNǃFWR2贯=贯政栽片权片版弱筋小麦所附政政栽所政栽2政栽杂政栽权政栽附政栽际政栽陆步存普2[附际公ߚ߿Ў氮素和水份影响因子ˈ体算法参照李卫等人文章DŽ3.3.1.3植被指数的选取小麦生物䞣模型中ˈ面积指数的ব࣪影响模型预测结果DŽ随着遥感技术的发展ˈ多种植被指数被挑选出来ˈ如ᔦ一࣪植被指数˄NormalizeddifferencevegetationindexˈNDVI˅ǃ↨值植被指数˄RatiovegetationindexˈRVI˅和差值植被指数˄DifferencevegetationindexˈDVI˅等ˈ݊算法ᦣ述如ϟ˖NIRR−RNDVI=ˈRVI=ˈDVI=NIRR−NIR+RNIR式中ˈ对ᑨ的NIRЎ䖥红外波段的ড射率ˈRЎ红ܝ波段的ড射率DŽ本研究利用以Ϟϝ种植被指数ϢLAI指数方程ǃ线性方程ǃ对数方程以ঞ幂函数方程䖯行↨较ߚ析ˈ选出ব࣪最敏感的植被指数Ϣ模型ˈ用于LAI的ড演DŽ3.3.2冬小麦营养生长期主要长势参数Ϣ冠层光谱特征݇系3.3.2.1光谱的采集利用美的GreenSeeker冠层ܝ谱仪和SunScan面积指数仪ߚ߿测定地物ܝ谱信息˄NDVIǃVIǃREDrefcǃNIRrefc˅和小麦面积指数DŽ在小麦出苗期到拔节期之间ˈ每隔10d去采集试验⬄的小麦DŽGreenSeeker冠层ܝ谱仪距地面1mᎺেˈЎ了减少⬅于ܝ照等条ӊ的影响ˈ地面ܝ谱采集定于Ϟज10点㟇12点䖯行DŽ采集时13 以每样点ܝ谱测定20次ˈ求ᑇ均值作Ў该采样点相ᑨ的ܝ谱信息DŽ3.3.2.2生理生化指标的测定在江苏业科学院试验⬄䞠Ꮧ䆒4个样点来䖯行小麦生育期的生理生࣪㾖测DŽ㾖测时间在2012-1-5——2012-4-15ˈ调查内容包括小麦ǃ茎ǃ穗的生物䞣ঞ⠛的绿素䞣ǃ氮䞣ঞ水䞣ব࣪DŽTYS—3N植株养ߚ䗳测仪是于䖥红外ܝ谱无损检测方法的植株养ߚ快䗳测定仪DŽ利用TYS—3N植株养ߚ䗳测仪在⠛的ϡ同ԡ置测䞣5次ˈ然后পᑇ均值作Ў每个⠛的生理指标˄水率ǃ⠛ᑆ䞡˅生物࣪学៤ߚ˄氮率ǃ绿素˅DŽ并回室内剪去小样方中小麦植株于প样袋中ˈ置室内烘箱105℃杀青15ߚ钟ˈ80℃烘ᑆ并秤প݊䞡䞣ˈ䅵算得出单ԡ݀顷的生物䞣ᑆ䞡DŽ3.3.3基于HJ卫星的冬小麦白粉病监测3.3.3.1病情指数的获取小麦病情Ϲ䞡程ᑺ用病情指数˄当典s年印s年贯典n艳年宇ˈ当存˅表示DŽ一般采用附点调查22法ˈ每点㑺所mˈ每mপ2政株小麦DŽ等小麦出⦄症状后ˈ再处理ᅲ验区内调查病情指数DŽϹ䞡ᑺߚЎ版个梯ᑺˈ即政琴ǃ所琴ǃ所政琴ǃ2政琴ǃ杂政琴ǃ权附琴ǃ际政琴ǃ片政琴ǃ所政政琴DŽ⬅ᅲ验人员数各个梯ᑺᑺ发病小麦数目ˈ⬅记录人员ߚ߿记录各Ϲ䞡ᑺ的小麦⠛数DŽ后回到室内ˈ根据记录结果利用݀式˄所˅䅵算出病情指数˄当存˅DŽ∑(x×f)当存˄琴˅=贯×100%贯n×∑f式中宇Ў各梯ᑺ的㑻值ˈn是最高梯ᑺ值版ˈ兵Ў各梯ᑺ的⠛数DŽ݊中把病情指数在政琴洼所政琴ˈ所政琴洼权附琴ˈ权附琴洼片政琴Ϣ片政琴洼所政政琴范围内的当存ߚ߿定НЎ轻ᑺ病害ˈ中等病害ˈ䞡ᑺ病害Ϣ极Ϲ䞡病害DŽ贯3.4数据分析遥感影像的数据预处理包括辐射校ℷ和几何校ℷDŽ首ܜ利用6S模型查找表确定参数ˈ大气Ӵ输模⍜除目标物的各种ᑆ扰ˈᦤ高原始影像的信息䞣和质䞣DŽ再利用江苏地区1˖100000地形对卫᯳影像䖯行几何粗校ℷˈ再用ᅲ验样点的GPS数据䖯行精校ℷˈ确保几何校ℷ精ᑺ优于1个像元之内DŽ14 4结果Ϣ分析4.1遥感监测小麦长势4.1.1遥感监测小麦叶面积指数的分析研究冬小麦LAI空间ߚᏗ信息ˈ᳝利于监测区域冬小麦的长势情况DŽ利用᠔得NDVI数据ˈ结ড়拔节期LAI最优ড演模型y=12.779x-1.6186DŽ将最优模型对开花期影像䖯行LAI转换䅵算ˈ并结ড়样点ᅲ测LAI数据ˈ确定LAIߚ㑻标准范围DŽ依据体的小麦LAI数据䖯行长势ߚ㑻DŽ示贯类߿贯贯贯贯面积指数贯贯贯贯面积Ⅲ具印Ⅳ贯贯贯贯᠔占↨例˄琴˅贯贯贯L坐存洼所贯L坐存ı际栽所贯贯贯贯杂政陆附贯贯贯贯政栽际贯贯贯贯长势旺盛贯贯贯贯L坐存洼2贯附栽陆İL坐存<际栽所贯贯贯贯杂杂版版所附贯贯贯贯际片栽权贯贯贯贯长势ℷ常贯贯贯贯L坐存洼杂贯附栽权İL坐存<附栽陆贯贯贯贯所所2附杂政贯贯贯贯22栽陆贯贯贯贯长势偏弱贯贯贯贯L坐存洼权贯L坐存<附贯贯贯贯权陆杂政附贯贯贯贯片栽杂贯贯贯贯长势较差贯贯贯贯表１分类后得到的泰݈Ꮦ各长势等级小麦的面积分ᏗTable１Classificationlatergottaixingcityeachgrowinglevelofareaofdistributionofwheat表1是ߚ类后得到的ϡ同长势等㑻冬小麦面积信息DŽ可以看出ˈ依据LAI的四个值划ߚ长势等㑻划ߚˈ本ড了冬小麦开花期的长势情况DŽLAI-1表示长势旺盛˄LAI>6.1˅ˈ在中᠔占↨例较小DŽ长势ℷ常˄5.7İLAI<6.1˅的面积Ў339915haˈ占冬小麦种植总面积的68.4%DŽLAI-3表示长势较弱ˈ占种植总面积的22.7%DŽ长势较差的占了8.3%ᎺেDŽ长势ℷ常Ϣ较弱的冬小麦多Ў集中连⠛区域ˈϢ该区域的ড়理灌溉ঞ施肥等᳝݇DŽ长势较差的区域是⬅于土壤类型ǃ病害等原因导㟈ˈгᄬ在自身品种ǃ种植方式和管理等问乬DŽ一般来小麦开花期的LAI在5—5.8Ꮊেˈ根据LAI的体ᅲ䰙数值ˈܜ初ℹ䖯行小麦长势等㑻ߚ㑻ˈ然后叠ࡴ遥感影像ᑩ和ᅲ验样点小麦长势状况的相݇数据䖯行校ℷˈ最㒜得到小麦的面积遥感监测ߚ㑻ϧ乬˄3˅ˈ便于更好的了解泰݈Ꮦ小麦开花期ߚᏗ面积和小麦长势情况DŽ便于ঞ时制定相ᑨ的⬄间管理措施ˈ达到增ࡴ产䞣的目的DŽ最后经过整饬ˈ并利用GIS软ӊ制作出小麦长势遥感监测ߚ㑻ϧ乬技术流程˄4˅DŽ15 3小麦开花期LAI分级Fig.3.ClassificationfloweringperiodofwheatLAIL印n艳s印t放正≤卫᯳影像贯NDVI的ᦤপ行ᬓ边界矢䞣利用模型ড演得到L坐存贯几何校ℷAOI文ӊ制作G也孢校ℷ贯叠ࡴ样点数据䖯行校ℷˈ䞡编利用坐神存文ӊ贯㺕剪调查区域影像制作小麦L坐存ߚ㑻ϧ乬贯行校ℷˈ䞡编码4小麦长势遥感监测分级流程Fig.4wheatgrowingremotesensingmonitoringgradingflowchart4.1.2遥感监测小麦生物量的分析4.1.2.1ϡ同植被指数ϢLAI的݇系利用GPS样点矢䞣数据ᦤপ泰݈小麦拔节期遥感数据的䖥红外波段和红ܝ波段ড射率值ˈ并䅵算NDVIǃRVI和DVIDŽ将ϝ种植被指数Ϣᅲ测LAIߚ߿䖯行拟ড়ˈ如5᠔示DŽҢ中可以看出ˈϝ种植被指数ϢLAI之间拟ড়ᑺ较好ˈ均៤ℷ相݇݇系DŽ݊中ˈNDVIϢLAI呈指数相݇݇系ˈ决定系数Ў0.7174ˈRVIǃDVIϢLAI16 ߚ߿呈线性相݇݇系ˈ决定系数Ў0.7089和0.638DŽ说明ˈ在小麦拔节期ϝ种植被指数中ˈNDVI是ড演LAI的最佳植被指数DŽ该模型将用于修䅶小麦生物䞣预测模型的参数DŽ贯贯杂栽附贯杂栽附消贯=贯版栽权杂际2宇贯洼贯附栽所权2版消贯=贯政栽所2附所宇贯为贯所栽2陆陆杂贯22R贯=贯政栽陆所陆权R贯=贯政栽陆政片版杂贯杂贯2栽附L坐存贯L坐存2栽附贯2A贯2B贯所栽附所栽附政栽陆附贯政栽陆片附政栽片2政栽片附附政栽片版际版所2所附所片贯祝当步存R步存贯贯贯贯权贯贯消贯=贯片栽版权权际宇贯洼贯所栽所片际2杂栽附R2贯=贯政栽际杂片贯贯贯贯贯贯杂贯L坐存贯2栽附贯2贯C贯所栽附贯政栽杂附政栽权政栽权附政栽附政栽附附当步存贯5NDVI(A)、RVI(B)和DVI(C)三种植被指数ϢLAI的݇系Fig.5.RelationshipsofwinterwheatLAItoDVI、RVIandNDVI17 4.1.2.2生物量模型预测Ϣ验证根据小麦估算生物䞣模型的䆒䅵特点ˈ利用݈࣪试验区的品种参数ˈ气象资料ˈ对݈࣪小麦生物䞣䖯行预测DŽ用泰݈小麦ড演的LAI对生物䞣模型参数䖯行修䅶ˈ将修䅶过的模型䅵算݈࣪的小麦样点生物䞣数据ˈ并利用݈࣪ᅲ测生物䞣数据检测生物䞣预测模型精ᑺDŽ利用݈࣪小麦生物䞣预测值和ᅲ测值数据ˈ建立了小麦生物䞣预测值Ϣᅲ测值间的1˖1的݇系˄6˅DŽ权政政政杂政政政2政政政生物䞣估测值所政政政政政所政政政2政政政杂政政政权政政政生物䞣ᅲ测值6冬小麦生物量实测值Ϣ预测值的比较Fig.6Comparisonofestimatedwithmeasuredwinterwheatbiomassweight⬅于݈࣪Ҟᑈফ白粉病ǃ赤霉病等影响ˈ生物䞣↨ᕔᑈ数据较ԢˈϨ在ᅲ䰙调查过程中发⦄䳊᯳出⦄死株⦄象ˈ导㟈减产DŽ利用生物䞣模型预测小麦生物䞣Ў˖1897.03~3800.78kg/haˈᑇ均Ў2866.33kg/haDŽᅲ测的生物䞣Ў1932.30~3689.44kg/haˈᑇ均Ў2711.75kg/haˈ表明ϸ者吻ড়ᑺ较好DŽ说明利用模型可以预测生物䞣ˈ但⬅于⦃境因子和模型自身的参数的影响ˈ个߿数据ᄬ在偏差较大ˈ能达到ᅠ全一㟈的预测状ᗕˈ䖭在以后研究中需多深入研究ˈᦤ高预测精确DŽ4.1.2.3区域小麦生物量遥感监测预报将݈࣪样点生物䞣预测数据Ϣ遥感数据的NDVIǃRVI和DVI植被指数䖯行݇联性拟ড়ˈ如7᠔示DŽҢ中看出ˈ预测生物䞣值ϢNDVIǃRVI和DVI݇系模型的决定系数ߚ߿Ў0.7239ǃ0.682和0.7127DŽ݊中ϢNDVI间的相݇性最好DŽϟ面将利用预测生物䞣ϢNDVI间的݇系模型䖯行区域˄遥感˅生物䞣信息的转换DŽ18 2际政栽版附消贯=贯政栽2所版陆LnⅢ宇Ⅳ贯洼贯政栽版政权杂所栽2222消贯=贯政栽政政政陆宇R贯=贯政栽陆2杂版R2贯=贯政栽际片2政栽片版2政政栽片杂所权R步存祝当步存政栽陆陆Ｂ片A政栽陆所2政栽际附所附政政2政政政2附政政杂政政政杂附政政权政政政所附政政2政政政2附政政杂政政政杂附政政权政政政估测值估测值政栽陆政栽附际附杂消贯=贯政栽政政附杂宇R2贯=贯政栽陆所2陆政栽际政栽附当步存政栽权C政栽杂所附政政2政政政2附政政杂政政政杂附政政权政政政估测值7NDVI(A)、RVI(B)、DVI(C)三种植被指数Ϣ模拟生物量的݇系Fig.7RelationshipsofestimatedwinterwheatbiomasstoDVI,RVIandNDVI在ERDAS软ӊ中ˈ利用估算模型预测的样点产䞣数据ϢNDVI䖯行线性转换ˈ并结ড়样点ᅲ测生物䞣数据ˈ确定四个长势ߚ㑻范围ˈ即ˈ生物䞣-ĉ˄生物䞣ı杂政政政k其放具印˅ˈ表示长势旺盛DŽ生物䞣洼存存˄2500kg/ha≤生物䞣<3000kg/ha˅ˈ表示长势ℷ常DŽ生物䞣-存存存˄2000kg/ha≤生物䞣<2500kg/ha˅ˈ表示长势一般DŽ生物䞣洼Č˄生物䞣<2政政政k其放具印˅ˈ表示长势较差ˈ参㾕片DŽҢ中可看出ˈ长势ℷ常Ϣ较好的冬小麦多Ў集19 中៤⠛区域ˈ集中在݈࣪东南方向ˈ䖭Ϣ该区域的ড়理灌溉ঞ施肥等᳝݇DŽ长势较差的集中于道路旁边以ঞ靠䖥城镇的地段DŽ最后ˈ在ARCGIS软ӊ中对݈࣪小麦生物䞣各等㑻的ߚᏗ面积䖯行统䅵˄表2˅ˈҢ表中看出ˈ生物䞣-ĉ在中᠔占↨例较小ˈ占总面积的政栽杂版琴DŽ生物䞣-II占种植总面积的权际栽附琴DŽ生物䞣洼存存存占种植总面积的杂政栽陆所琴DŽ生物䞣-IV占种植总面积的22栽权琴DŽ贯贯贯贯贯贯贯贯贯贯贯贯贯贯贯贯贯贯贯贯贯8݈化Ꮦ冬小麦生物量遥感监测贯Fig.8MonitoringchartofwinterwheatbiomassusedremotesensingdateinXinhuacity贯2例贯贯贯贯类߿贯生物䞣范围Ⅲk其放具印Ⅳ贯面积˄具印˅贯᠔占↨例贯贯贯贯˄琴˅贯贯贯生物䞣洼ĉ贯长势旺盛贯生物䞣ı杂政政政贯2陆片栽版杂贯政栽杂版贯贯生物䞣洼Ċ贯长势ℷ常贯2附政政İ生物䞣<杂政政政贯杂杂政版政栽版贯权际栽附贯生物䞣洼ċ贯长势较弱贯2政政政İ生物䞣<2附政政贯2所片政2栽际贯杂政栽陆所贯贯生物䞣洼Č贯长势较差贯生物䞣<2政政政贯所附版陆版栽附贯22栽权贯贯结ড়ᔧ地小麦管理ᅲ䰙需求ˈ依据生物䞣划ߚ四个长势等㑻ˈ本ড了ᔧ地冬小麦拔节期的生长状况DŽҞᑈ݈࣪长势较弱和较差的地区面积较大ˈ䖭Ϣᅲ地调查较符ড়DŽ除了白粉病ǃ赤霉病ǃ灰亲虱大范围爆发之外ˈгϡ排除自身品种ǃ种植方式和管理等问乬DŽ对生物䞣较Ԣ的⬄块或区域ࡴ强病虫害䰆⊏Ϣ管理ˈ᳝利于ᅲ⦄增产目的DŽ贯20 4.2冬小麦营养生长期主要长势参数Ϣ冠层光谱特征݇系分析4.2.1冬小麦营养生长期生理生化指标变化4.2.1.1冬小麦叶片水量变化小麦Ң出苗期到拔节期ˈ经历了发育ࡴ快阶段DŽ݊中小麦拔节期对水和肥等因子最敏感DŽ因ℸˈ小麦水䞣在生育期阶段г᳝明显的ব࣪ˈ同时г是㾖测水䞣ব࣪的最优时期DŽ在出苗期ˈ小麦⠛较少ˈ麦苗长得㒚DŽ地表覆盖率较Ԣˈ透ܝ率较好DŽℸ时ˈ⠛水䞣偏Ԣ形៤了ϡ足够的ߚ蘖DŽ随着麦苗发育ࡴ快ˈ气温Ϟछ㟇10℃以Ϟ时ˈ小麦节间露出地面1.5-2.0cm时ˈ䖭表明小麦䖯入拔节期阶段DŽҢ9可以看出ˈ随着小麦ϡ断生长ˈ弱筋小麦和强筋小麦水䞣总体䍟呈Ϟछ的䍟势ˈ݊中ˈ弱筋小麦总体水䞣略高于强筋小麦水䞣DŽϸ种小麦水䞣均在20%以ϞˈϨ数据较集中ˈ波ࡼ幅ᑺϡ大ˈ呈匀䗳Ϟछˈ个߿样点略偏Ԣˈ䖭Ϣᔧ时气候᳝相ᑨ的݇系DŽ݊中小麦在拔节期20dᎺে水䞣均在30%Ꮊেˈ个߿样点呈波ࡼ状ᗕˈ查阅记载资料ˈ䖭Ϣᔧ日气候急骤ϟ降᳝一定݇系DŽ杂附杂政弱筋小麦2附强筋小麦2政水䞣˄琴˅所附所政2政所所洼所22政所2洼所洼2政所2洼2洼2政所2洼杂洼2政所2洼权洼2政所2洼附洼洼2片22所际所2际所日期˄ᑈ洼᳜洼日˅9ϡ同小麦品种的⠛水䞣ব࣪Fig9.Leafwatercontentchangesindifferentwheatvarieties4.2.1.2冬小麦叶片叶绿素量变化小麦绿素的ব࣪情况如10᠔示DŽ冬小麦在营养生育期表⦄出稳定的增ࡴ䍟势DŽϸ品种在小麦出苗期ˈ绿素总体偏Ԣˈ弱筋小麦集中在14%-18%之间ˈ强筋小麦集中在12%-18%ˈ随着小麦ϡ断生长ˈ绿素呈匀䗳ব换增长ˈ但增长的䗳ᑺ↨较ᑇ稳ˈ在小麦拔节期前后10dᎺেˈ弱筋小麦⠛绿素䞣达20%Ꮊেˈ强筋小麦⠛↨弱筋小麦绿素䞣偏Ԣˈ集中在16%之间DŽ个߿样点出⦄偏Ԣ是ফᔧ时21 气候骤急ϟ降影响DŽ2政所片所际所权弱筋小麦绿素䞣˄琴˅强筋小麦所2所政2政所所洼2政所2洼所洼2政所2洼2洼2政所2洼杂洼2政所2洼权洼2政所2洼附洼所2洼2片22所际所2际所日期˄ᑈ洼᳜洼日˅10ϡ同小麦品种的⠛绿素䞣ব࣪Fig10.Leafchlorophyllcontentchangesindifferentwheatvarieties4.2.1.3冬小麦叶片氮素量变化[95]小麦⠛氮䞣多少Ϣ小麦蛋白质䞣᳝密ߛ݇系ˈ更Ϣ日后小麦产䞣᳝着直接联系DŽҢ11可以看出ˈ随着小麦的ϡ断生长ˈ⠛氮素䞣并没᳝迅䗳增长ˈ强筋小麦的⠛氮䞣总体略高于弱筋小麦ˈ强筋小麦氮䞣集中在2.03%Ꮊেˈ弱筋小麦氮䞣集中在1.88%ᎺেDŽ22 权栽附强筋小麦杂栽附弱筋小麦2栽附氮䞣˄琴˅所栽附政栽附2政所所洼2政所2洼所洼2政所2洼2洼2政所2洼杂洼2政所2洼权洼2政所2洼附洼所2洼2片22所际所2际所日期˄ᑈ洼᳜洼日˅11ϡ同小麦品种的⠛氮䞣ব࣪Fig11.Leafnitrogencontentchangesindifferentwheatvarieties4.2.2冬小麦营养生长期生理生化指标Ϣ冠层光谱间݇系4.2.2.1叶片水量Ϣ冠层光谱间的݇系Ң所2中可以看出ˈϡ同品种小麦的⠛水䞣Ϣϡ同冠层ܝ谱指标曲线均᳝明显的ব࣪规律DŽ弱筋小麦水䞣在所陆栽权琴洼杂政栽际琴ˈᑇ均集中在2杂栽版琴ˈব异系数达所附栽附际琴DŽ强筋小麦⠛水在所陆栽片琴洼杂所栽权琴之间ˈᑇ均集中在2杂栽陆琴Ꮊেˈব异系数Ў所际栽片版琴DŽߚ析表明ˈ祝当步存和祝存R征年兵色Ϣ⠛水䞣呈ℷ相݇݇系ˈ步存普2和RE当征年兵色和⠛水䞣呈负相݇DŽ第一个时间段内ˈ相݇系数大小Ў祝当步存强筋位祝当步存弱筋位祝存R征年兵色强筋位祝存R征年兵色弱筋ˈ݊中祝当步存Ϣ小麦相݇性最好ˈ差异水ᑇ显著DŽ表明可以利用祝当步存监测ϡ同小麦品种的⠛水䞣ࡼᗕˈ并将祝当步存Ϣ⠛水䞣䖯行线性拟ড়ˈ建立强筋小麦和弱筋小麦的最优监测模型DŽ强筋小麦˖⠛水䞣=所政栽所片片祝当步存为所附栽陆附陆21.0872*NDVI2˄R=政栽陆片权附˅ˈ弱筋小麦˖⠛水䞣=12.938e˄R=0.7845˅DŽ第Ѡ个时间内ˈ相݇系数大小是NIRrefc弱筋>NDVI弱筋>NDVI强筋>NIRrefc强筋DŽ݊中NIRrefc和弱筋小麦相݇较好ˈNDVIϢ强筋小麦݇系较好DŽߚ߿将NIRrefc和NDVIϢ弱筋和强筋品种的⠛水䞣䖯行线性拟ড়ˈ建立ϸ个品种的最优监测模型DŽ强筋小麦˖⠛水䞣e2.5516*NDVI20.226*NIRrefc2=3.4672(R=0.7164)ˈ弱筋小麦˖⠛水䞣=25.833e(R=0.7243)23 杂附杂附消贯=贯2所附栽版际宇贯为贯所际栽片版陆弱筋小麦2R贯=贯政栽际陆片陆消贯=贯所政栽际杂杂宇贯为贯2所栽政片陆2R贯=贯政栽陆杂政片弱筋小麦杂政杂政2栽所附政杂宇消贯=贯2际栽22杂年2R贯=贯政栽陆片2杂所栽政片陆2宇洼所栽权际版附宇消贯=贯所2栽版杂片年消贯=贯2权栽版2片年2消贯=贯杂栽权际陆2年2栽附附所际宇22附R贯=贯政栽陆片权附2附强筋小麦R贯=贯政栽陆际杂权2弱筋小麦R贯=贯政栽陆所际权弱筋小麦水䞣˄琴˅水䞣˄琴˅强筋小麦2政2政消贯=贯所政栽所片片宇贯为贯所附栽陆附陆消贯=贯洼所政栽片版杂宇贯为贯2所栽际杂片R2贯=贯政栽陆片片陆强筋小麦强筋小麦2R贯=贯政栽版政陆权所附所附政栽2政栽权政栽际政栽片所政栽政2附政栽政陆附政栽所2附政栽所陆附政栽22附政栽2陆附政栽杂2附祝当步存RE当征年兵色弱筋小麦杂附政栽22际宇洼政栽附所际2宇杂附消贯=贯2附栽片杂杂年消贯=贯杂所栽2杂附年弱筋小麦R2贯=贯政栽陆权2杂2R贯=贯政栽附杂片杂所栽片片杂2宇杂政消贯=贯所所栽所所2年杂政2R贯=贯政栽陆2政陆弱筋小麦强筋小麦2附2附消贯=贯所际栽附片年政栽片陆际权宇强筋小麦2消贯=贯洼片栽所杂政陆宇贯为贯2杂栽版权所2政R贯=贯政栽陆所2际水䞣˄琴˅2水䞣˄琴˅R贯=贯政栽际附附版消贯=贯杂权栽政权2年洼所栽杂际附权宇强筋小麦22政R贯=贯政栽陆附版片消贯=贯所所栽权际附宇贯为贯所际栽附附权所附2R贯=贯政栽陆片2附消贯=贯洼所际栽片2权宇贯为贯2陆栽杂陆附2弱筋小麦R贯=贯政栽片权片版强筋小麦所政所附政政栽2政栽权政栽际政栽片政栽所政栽杂政栽附政栽陆政栽版步存普2祝存R征年兵色12ϡ同品种小麦的叶片水量Ϣϡ同冠层光谱信息的݇系Fig12Therelationshipbetweenthewatercontentinleavesofdifferentwheatcultivarswithdifferentcanopyspectralinformation4.2.2.2叶片叶绿素量Ϣ冠层光谱间的݇系贯贯贯贯小麦⠛中绿素䞣的高Ԣ是ড݊⠛ܝড়能力的一个䞡要指标DŽ许多研究表明ˈ小麦的绿素䞣Ϣ݊净ܝ和强ᑺ呈ℷ相݇ˈ但是研究小麦生育期绿素䞣的ব࣪研究道较少ˈ而䖭方面的础性研究对ࡴ䗳选育小麦高产品种等是十ߚ必要的DŽߚ߿将弱筋小麦和强筋小麦的绿素䞣ߚ߿ߚϸ个时间段Ϣ冠层ܝ谱信息䖯行线性拟ড়DŽҢ所杂中可以看出˖弱筋小麦绿素䞣最小值Ў所2栽权琴ˈ最大值Ў所陆栽版琴ˈᑇ均集中在所附栽片琴DŽ强筋小麦⠛绿素䞣在所杂栽附琴洼所版栽陆琴之间ˈᑇ均集中在所陆栽所版琴ᎺেDŽ相݇ߚ析表明ˈ冠层ܝ谱信息祝当步存和祝存R征年兵色Ϣ⠛绿素䞣呈ℷ相݇݇系ˈ步存普2和RE当征年兵色和⠛绿素层负相݇DŽ第一个时间段内ˈ相݇系数大小Ў位祝当步存强筋位祝存R征年兵色弱筋位祝当步存弱筋位祝存R征年兵色强筋ˈ݊中祝当步存Ϣ强筋小麦ˈ祝存R征年兵色Ϣ弱筋小麦相݇性最24 好ˈ表明可以利用祝当步存ǃ祝存R征年兵色监测小麦的⠛绿素䞣ࡼᗕˈ将祝当步存ǃ祝存R征年兵色ߚ߿Ϣϸ品种⠛绿素䞣䖯行线性拟ড়ˈߚ߿建立强筋小麦和弱筋小麦的最优监所栽政权权版*祝当步存2测模型DŽ强筋小麦˖⠛绿素䞣=所政栽所附陆年˄R=政栽陆权权权˅DŽ弱筋小麦˖⠛2绿素䞣=2权栽杂*祝存R征年兵色为陆栽权杂权权ⅢR=政栽陆杂片杂˅DŽ第Ѡ个时期内ˈ相݇系数大小是祝存R征年兵色强筋位贯祝当步存弱筋位祝当步存强筋位贯祝存R征年兵色弱筋DŽ݊中祝存R征年兵色和强小麦ǃ祝当步存和弱筋小麦相݇较好DŽߚ߿将祝存RR征年兵色和祝当步存Ϣ⠛绿素䞣䖯行线性拟ড়ˈ建立ϸ品种的最优2监测模型DŽ强筋小麦˖⠛绿素䞣=版栽所版附片*祝存R征年兵色为所2栽版版所ⅢR=政栽陆版陆版˅ˈ弱筋2小麦˖⠛氮䞣=版栽附政附2年政栽际附际陆*祝当步存ⅢR=政栽陆陆权际ⅣDŽ贯222附强筋小麦消贯=贯所2栽所附2年政栽附陆附所宇消贯=贯版栽所版附片宇贯为贯所2栽版版所强筋小麦2R2贯=贯政栽陆版陆版R贯=贯政栽际陆附陆强筋小麦所栽政权权版宇消贯=贯所政栽附权年所栽杂杂片际宇消贯=贯所政栽所附陆年2政所版2R2贯=贯政栽际所权所R贯=贯政栽陆权权权所附强筋小麦政栽际附际陆宇所际消贯=贯版栽附政附2年消贯=贯所杂栽版所年政栽2杂2杂宇2R贯=贯政栽陆陆权际2R贯=贯政栽际附2附绿素䞣所政弱筋小麦绿素䞣˄琴˅消贯=贯2权栽杂宇贯为贯陆栽权杂权权弱筋小麦2所杂R贯=贯政栽陆杂片杂附弱筋小麦弱筋小麦消贯=贯所杂栽陆权权宇贯为贯片栽所杂附际2R贯=贯政栽陆2杂杂所政政政栽2政栽附政栽片所栽所所栽权政政栽2政栽权政栽际政栽片祝当步存祝存R2政消贯=贯2政栽2政陆年洼政栽际政权片宇强筋小麦2附强筋小麦2R贯=贯政栽际附版2洼政栽版附权宇洼政栽所权政片消贯=贯所片栽际版所年强筋小消贯=贯所2栽附际所宇强筋小麦22R贯=贯政栽际版杂际麦R贯=贯政栽附222所片2政消贯=贯洼际栽所附政附LnⅢ宇Ⅳ贯为贯所所栽际杂2所际R贯=贯政栽际附片际所附弱筋小麦绿素䞣所权绿素䞣所政弱筋小麦弱筋小麦消贯=贯洼所政栽片附陆宇贯为贯所陆栽附片附2R贯=贯政栽际际2版消贯=贯洼2杂栽权际权宇贯为贯所陆栽陆杂版弱筋小麦消贯=贯所版栽2杂年洼所栽附附杂2宇所22附R贯=贯政栽附陆权附2R贯=贯政栽际附2所消贯=贯洼版栽版杂政2宇贯为贯所版栽权权杂2R贯=贯政栽际际陆所所政政政政栽2政栽权政栽际政栽片政栽政杂政栽所杂政栽2杂政栽杂杂RE当征年兵色步存普213ϡ同品种小麦的叶片叶绿素量Ϣϡ同冠层光谱信息的݇系Fig13Therelationshipbetweenchlorophyllcontentofdifferentvarietiesofwheatwithdifferentcanopyspectral25 4.2.2.3叶片氮素量Ϣ冠层光谱间的݇系⠛氮素䞣可以间接ড土壤供氮能力的䞡要指标ˈг是ড群体的长势情况的一个䞡要指标DŽ同⠛水䞣研究一样ˈ将2个时间段的冠层ܝ谱数据ߚ߿Ϣ⠛氮䞣䖯行线性拟ড়DŽҢ所权中可以看出˖弱筋小麦氮䞣在1%~3%ˈᑇ均集中在1.88%ˈব异系数达14.5%DŽ强筋小麦⠛氮䞣在1%~3.3%之间ˈᑇ均集中在2.03%Ꮊেˈব异系数Ў24.5%DŽߚ析表明ˈ冠层ܝ谱信息NDVI和NIRrefcϢ⠛氮䞣呈ℷ相݇݇系ˈVI_2和REDrefc和⠛氮䞣呈负相݇DŽ前期时间段内ˈ相݇系数大小ЎNIRrefc强筋>NDVI强筋>NDVI弱筋>NIRrefc弱筋ˈ݊中NIRrefcϢ强筋小麦ˈNDVIϢ弱筋小麦相݇性最好DŽ证明可以利用NIRrefcǃNDVI监测强ǃ弱筋小麦的⠛氮䞣ࡼᗕDŽߚ߿将NIRrefcǃNDVIϢϸ品种小麦⠛氮䞣䖯行线性拟ড়ˈ建立强筋小麦2.1131*NIRrefc2和弱筋小麦的最优监测模型DŽ强筋小麦˖⠛氮䞣=0.7275e˄R=0.847˅ˈ1.4703*NDVI2弱筋小麦˖⠛氮䞣=0.6905e˄R=0.719˅DŽ第Ѡ个时间段内ˈ相݇系数大小是NIRrefc强筋>NDVI强筋>NIRrefc弱筋>NDVI弱筋DŽ݊中NIRrefc和强ǃ弱筋小麦相݇性较好DŽߚ߿将ϸ品种的小麦的⠛氮䞣䖯行线性拟ড়ˈ建立最优监测模型DŽ强筋1.0214*NIRrefc2小麦˖⠛氮䞣=1.5155e(R=0.7993)ˈ弱筋小麦˖⠛氮䞣=2.2355*NIRrefc+1.3192DŽ权栽片权消贯=贯2栽杂陆所版LnⅢ宇Ⅳ贯为贯杂栽附版2附2强筋小麦R贯=贯政栽陆陆陆片所栽政2所权宇消贯=贯所栽附所附附年2权R贯=贯政栽陆版版杂强筋小麦杂杂栽2强筋小麦强筋小麦消贯=贯2栽2杂附附宇贯为贯所栽杂所版22R贯=贯政栽际陆片附2栽权氮䞣˄琴˅氮䞣˄琴˅2消贯=贯政栽陆所陆附年2栽所所杂所宇2弱筋小麦消贯=贯政栽陆版所附年所栽权附附陆宇弱筋小麦R贯=贯政栽片权陆2弱筋小麦所栽际R贯=贯政栽片权所版消贯=贯政栽际版政附年所栽权陆政杂宇消贯=贯杂栽所际政权宇贯为贯政栽所2所2所栽政政陆权2消贯=贯杂栽版片际版宇R2贯=贯政栽陆所版R贯=贯政栽附2所版R2贯=贯政栽际版权杂弱筋小麦政栽片所政栽2政栽权政栽际政栽片所政栽所附政栽杂政栽权附政栽际政栽陆附政栽版祝当步存祝存R征年兵色26 权杂栽附消贯=贯洼政栽版权片版LnⅢ宇Ⅳ贯为贯政栽22片陆强筋小麦R2贯=贯政栽陆陆政片强筋小麦消贯=贯洼权栽陆政所附宇贯为贯杂栽权杂片2杂2弱筋小麦杂R贯=贯政栽版权杂杂强筋小麦消贯=贯洼杂栽附杂版2宇贯为贯所栽陆附政所2栽附2R贯=贯政栽陆片2消贯=贯洼政栽版际际版LnⅢ宇Ⅳ贯为贯政栽陆政杂杂2R2贯=贯政栽陆权2陆弱筋小麦洼权栽陆片杂2宇消贯=贯杂栽际权附陆年氮䞣˄琴˅氮䞣˄琴˅2R2贯=贯政栽际陆所2强筋小麦所消贯=贯洼权栽片政际2宇贯为贯杂栽2所际杂2R贯=贯政栽际杂政版所栽附弱筋小麦消贯=贯所栽陆陆附版年洼所栽附际陆际宇洼所栽22片权宇消贯=贯2栽政版版片年R2贯=贯政栽际片附版2弱筋小麦R贯=贯政栽版政陆际政所政政栽2政栽权政栽际政栽片政政栽所政栽2政栽杂政栽权步存普2RE当征年兵色14ϡ同品种小麦的叶片氮量Ϣϡ同冠层光谱信息的݇Fig14Therelationshipbetweenleafnitrogencontentofdifferentwheatcultivarswithdifferentcanopyspectralinformation4.３基于HJ卫星的冬小麦白粉病监测研究4.3.1叶面积指数Ϣ病情指数之间的݇系种植密ᑺ是导㟈白粉病发生的䞡要因素之一DŽ小麦面积指数可以ড种植密ᑺ的大小DŽ将2009ᑈ的݈࣪ǃ涟水和沭䰇ϝ个试验点小麦开花期的LAIϢDI䖯行ߚ析ˈ依托建立线性ǃ指数以ঞ幂指数等݇系模型˄如15᠔示˅DŽ.Ң15中可以看出ˈDIϢϝ组试验地的LAI均呈ℷ相݇ˈ݊中Ϣ线性模型相݇性最好ˈ决定系数是0.6372DŽ小麦开花期LAI在3.0～5.6之间ˈ多数集中在4.2～4.7之间DŽDI均集中在25.3%～45.2%Ꮊেˈ最小值Ў13%ˈ最大值Ў60%DŽ试验点均᳝白粉病䳊᯳出⦄DŽ݊中ˈ݈࣪试验点出⦄的较多ˈ小麦病情指数中ᑺॅ害↨率达70%ˈ䞡ᑺॅ害Ў30%DŽ涟水和沭䰇小麦病情指数中ᑺॅ害Ў100%DŽ݈࣪的LAI值↨涟水和沭䰇均大ˈ并ϨDI随着LAI的增大而ব大DŽ说明DIϢLAI之间᳝较好的相݇性ˈLAI监测小麦DI是可行的ˈ个߿样点出⦄误差ˈ䖭Ϣ݊他影响因子ᄬ在一定݇系ˈ在后面研究中均᳝ҟ绍DŽ27 际附消贯=贯所附栽22政宇洼2版栽所权2附权R^2贯=贯政栽际杂陆2݈࣪样点贯涟水样点沭䰇样点贯权杂贯杂2贯病情指数Ⅲ琴Ⅳ贯2所贯所政2栽附杂杂栽附权权栽附附附栽附际际栽附L坐存贯15小麦叶面积指数Ϣ病情指数间的݇系Fig.15Relationshipbetweenwheatleafindexanddiseaseindex4.3.2叶片叶绿素量Ϣ病情指数之间的݇系小麦白粉病菌侵入表皮㒚胞ˈ䗴៤小麦绿素䞣减少ˈ破ണ⠛结构DŽ将ফ害⠛Ϣ健康⠛绿素䞣䖯行方差ঞ差异显著性检验,发⦄病害组⠛绿素䞣↨健康组要Ԣ很多(表3).Ң⠛绿素䞣的测䞣结果可以看出,健康⠛和ফ病害影响⠛的绿素差异很大.᠔以于绿素䞣建立监测白粉病模型是可行的DŽ类߿均值最小值最大值标准差病害⠛32.6228.137.32.83健康⠛37.2633.239.71.62表3病害小麦叶片Ϣ健康叶片叶绿素量的比较Table3Diseasecomparedwithhealthyleafofwheatchlorophyll28 将⠛绿素䞣Ϣ病情指数䖯行相݇ߚ析DŽҢ16中可以看出ˈ⠛绿素Ϣ病情指数呈负相݇ˈ决定系数Ў0.6316ˈ䖭表明可以利用绿素䞣监测小麦白粉病DŽDI随着⠛绿素䞣的减小而ব大DŽ涟水和沭䰇的⠛绿素䞣均较小ˈ݈࣪的绿素䞣较大ˈ个߿样点甚㟇出⦄抽穗⦄象ˈ而沭䰇个߿样点ℷ处拔节期ˈ䖭Ϣ地方气候᳝݇DŽ个߿样点出⦄误差较大ˈ䖭Ϣ݊他影响因子гᄬ在一定݇系DŽ际政附政消贯=贯洼所所2栽际陆LnⅢ宇Ⅳ贯为贯权2陆栽22R贯=贯政栽际杂所际权政病情指数Ⅲ琴Ⅳ杂政2政所政2片杂政杂2杂权杂际杂片权政⠛绿素䞣Ⅲ琴Ⅳ16小麦叶片叶绿素量Ϣ病情指数的݇系贯Fig.16TherelationshipofchlorophyllcontentandDIofwinterwheat贯4.3.3叶片水分量Ϣ病情指数之间的݇系贯贯贯贯小麦在白粉病形៤过程中ˈ形៤子囊壳ˈ在适ᅰ湿ᑺ条ӊϟ会开㺖ˈ水ߚ蒸腾䞣大大增ࡴˈ水ߚ䞣的ϟ降使得⠛的ܝড়作用能力随之ϟ降ˈ同时᳝㒚胞结构发生ব࣪ˈ直接影响小麦⠛水䞣的ব࣪DŽ患病⠛水䞣在2所栽权琴洼杂权栽2琴活集中在2际栽陆所琴DŽ当存随着⠛水䞣的减小而增大栽݊中活涟水和沭䰇的水䞣均较小活݈࣪的⠛水䞣较大DŽ贯贯贯贯贯将各试验点的患病⠛水䞣和病情指数䖯行多元回ᔦߚ析ˈড演模型较好的是指数方程ˈϢ病情指数呈负相݇ˈ决定系数Ў政栽际杂杂DŽ说明⠛水䞣的ব࣪是病情指数当存的ব࣪䞡要因子ˈ利用小麦生理生࣪监测小麦白粉病的发生是可行的DŽ29 际政洼政栽政片际2宇消贯=贯杂2陆栽附所年附政R2贯=贯政栽际杂杂权政杂政病情指数Ⅲ琴Ⅳ2政所政2政2权2片杂2杂际⠛水䞣Ⅲ琴Ⅳ17小麦叶片水量Ϣ病情指数的݇系Fig.17TherelationshipofwatercontentandDIofwinterwheat4.3.4叶片冠层温度Ϣ病情指数之间的݇系小麦白粉病发生在15～20℃ᎺেˈԢ于10℃发病缓慢DŽ试验区日ᑇ均气温集中在20.44℃DŽ将ϝ个试验点的样本数据和病情指数䖯行相݇ߚ析DŽҢ18中可以看出ˈ病情指数当存Ϣ日ᑇ均气温呈ℷ相݇活决定系数达政栽附际所DŽ在一定温ᑺ范围内ˈ病情指数当存随着温ᑺछ高而ব大ˈ超过一定Ў范围之外ˈ当存随着温ᑺ的ব࣪较小DŽ同Ϟ面݊他影响因子一样活ϝ个试验点温ᑺߚᏗ情况差异较明显ˈ݈࣪温ᑺ偏高ˈ苏中ǃ苏࣫温ᑺ偏Ԣˈ温ᑺ偏Ԣϡ易小麦发生病虫害ˈ䖭гϢᅲ地调查г较Ў一㟈DŽ30 际政附政消贯=贯2栽22版2宇贯洼贯所政栽际片杂2R贯=贯政栽附际所权政病情指数Ⅲ琴Ⅳ杂政2政所政所2所际2政2权2片日ᑇ均气温Ⅲ℃Ⅳ18日平均气温Ϣ病情指数的݇系Fig.18TherelationshipdailyaveragetemperatureandDIofwinterwheat4.3.5基于影响因子和植被指数的病情指数回归模型⬅于小麦白粉病Ϣ⠛绿素ǃ水ߚ䞣ǃ面积指数ǃ温ᑺ等多种冠层ܝ谱特ᕕЏ导因子݅同作用的结果ˈ在ᅲ䰙研究中ϡ能将他们独立ߚ开来研究DŽ将样点祝当步存数据和以Ϟ相݇因子以ঞ当存䖯行方差ߚ析DŽ贯建立白粉病胁迫指回ᔦ模型Ⅲ也ow艳年征消贯≤典l艳年w贯孢t征年年贯存n艳年宇Ⅳ如ϟ˖消=杂2栽所权祝当步存贯为政栽陆所附版权2正洼所栽际际所际际L归字归洼政栽片政2政杂L武归为陆附栽所际DŽ݊中正表示小麦日ᑇ均气温ˈL归字归表示小麦⠛绿素䞣ˈL武归表示小麦⠛水䞣DŽ贯4.3.6区域小麦病情指数遥感监测预报贯贯贯贯利用已᳝的݈࣪ǃ沭䰇ǃ涟水行ᬓ边界矢䞣活制作ϝᏖ的坐神存文ӊ活并㺕剪字孙᯳影像数据中的影像区域DŽ在ER当坐孢软ӊ中将ϝ个地区影像的小麦病虫害病情指数模型预测用祝当步存线性转换表示ˈ݊中日ᑇ均气温数据প前后十的ᑇ均气温ˈL归字归和L武归পᔧ的ᑇ均值ˈ同时结ড়样点ᅲ测病情指数数据ˈ确定ߚ㑻范围DŽ各Ꮦ的小麦病情指数遥感监测参㾕所版DŽ贯贯31 AB贯贯贯贯贯贯贯C贯19冬小麦开花期病情指数遥感监测Fig19.TheremotesensingofanthesisDIonwinterwheat32 5讨论5.1.遥感监测小麦长势存在的问题5.1.1遥感监测小麦叶面积指数泰݈Ꮦ境内地势Ԣ⌐ˈ种植结构复ᴖˈ中ǃԢߚ辨率的卫᯳影像˄如NOAA等˅ᄬ在混ড়像元的问乬ϡ能满足该地区的小麦长势监测ˈ尤݊是局部地区泥⌐⊐泽地的精确监测DŽҞ后ˈᑨ综ড়考虑作物品种ǃ土壤因素以ঞ气候条ӊ等因素ˈ明确影响LAIড演精ᑺ的Џ要因子ˈ改䖯经验模型算法ˈ建立于多因子的遥感监测模型ˈ以增强模型的适用性DŽ5.1.2遥感监测小麦生物量[版际洼版片公冬小麦生物䞣遥感监测研究模型经验性强ˈ᱂适性较差ˈ小麦生物䞣预测阶段易ফ外界⦃境条ӊ˄温ᑺǃܝ照ǃ水ߚ等˅影响ˈ在ϡ同的时期ǃϡ同的区域监测中经验模型较难使用DŽ因ℸˈ᳝必要建立一套᳝机理性和ࡼᗕ性的生物䞣估测模型ˈ[99]以增强冬小麦生物䞣估测方法的连续性和适用性DŽ贯贯贯贯贯泰݈ǃ݈࣪ϸᏖ地属江淮麦区的型区域ˈ湖泊ǃ水网密Ꮧˈ种植结构复ᴖˈ⬄块䳊Ў满足区域冬小麦生物䞣遥感监测精ᑺ要求ˈ使用中ߚ辨率字孙影像数据ˈ在可ᅲ⦄冬小麦生物䞣ࡼᗕ监测的前ᦤϟˈ大幅ᑺᦤ高监测精ᑺDŽ本研究将遥感ⶀ时捕获信息Ϣ生长模型较好结ড়起来ˈ构建冬小麦生物䞣估测模型ˈ是对⦄᳝作物生物䞣估测模型的发展和ᅠ善ˈ虽然প得预期效果ˈ但个߿样点预测值Ϣᅲ测值相差较大ˈ需要在Ҟ后研究中利用更广域的试验数据改䖯模型算法或调试模型参数DŽ5.2.冬小麦营养生长期的长势指标Ϣ冠层光谱特征存在的问题本文在对小麦长势指标䖯行ߚ析中ˈܝ谱数据一部ߚ是通过地面冠层ܝ谱仪测定᠔得ˈ虽然݊包的Џ要ܝ谱信息Ϣ卫᯳遥感数据相对ᑨˈ但和卫᯳直接获প的遥感数据ᄬ在一定差߿DŽ随着对长势监测精ᑺ要求的ᦤ高ˈ小麦长势遥感监测构建的模型䖬要ᕙ遥感数据䖯一ℹ检验和校ℷDŽҞ后的研究ᑨ综ড়定䞣遥感ড演理论ˈ结ড়小麦生长机理䖯行再定Нˈ以使遥感定䞣ড演ˈ小麦长势定䞣ᦣ述以ঞ小麦长势监测结果᳝更好᱂适性DŽ贯5.3基于HJ卫星的冬小麦白粉病监测存在的问题本研究结果对于遥感监测小麦病害᳝ᅲ䰙ᑨ用Ӌ值ˈ可以ᦤ前监测ǃ识߿病害信息ǃ以便䖯行ঞ时䰆⊏ˈ对ᦤ高粮亳产䞣ǃ保证៥粮亳ᅝ全᳝䞡要意НDŽ但研究结果是于试验点得出结论ˈ没᳝䖯行品种ߚ类和大范围广ˈ对于݊他地域或小麦品种结果是否适用ˈ䖬需要䖯一ℹ验证DŽ冬小麦品种株型差异ǃ播种时间的ܜ后ǃ土壤状况ǃϡ同经纬ᑺ的ܝ照条ӊ差异ˈ会导㟈小麦白粉病ܝ谱特ᕕ的DŽ33 综Ϟ᠔述ˈ冬小麦长势和白粉病遥感监测是一项复ᴖ的系统性Ꮉ作ˈ⬅于大⬄作物生长空间和时间Ϟ的差异性ˈ导㟈遥感监测模型和方法业ࡵ࣪ᑨ用ᄬ在一定的难ᑺDŽ因ℸˈ需要䖯一ℹ综ড়利用多源遥感数据ˈ依托ϡ同遥感信息融ড়和解译技术ˈ针对体的区域作物䖯行长势指标Ϣ遥感ܝ谱特ᕕ݇系䖯行定性Ϣ定䞣ߚ析ˈ耦ড়地统䅵学和Ӵ统统䅵学方法ˈ研究通用的冬小麦长势和病害遥感监测方法ˈ以增ࡴ监测精ᑺ和预测信息的可靠性ˈ达到᳝效服ࡵ业生产管理的目的DŽ34 6结论定䞣遥感ᑨ用技术是精准业的ϝ大支撑技术之一ˈ⍝ঞ到⬄信息快䗳获পǃ处理ǃߚ析Ϣ决策的等Џ要技术⦃节DŽ݊中ˈ作物长势信息的监测和作物病虫害监测是䖯行精准业ব䞣管理决策的础DŽ本研究以៥Џ要粮亳作物小麦Ў研究对象ˈ以多源ǃ多时相卫᯳数据综ড়利用Ў空间信息础ˈ开展了以遥感数据定䞣ড演Ў技术支撑的小麦长势遥感ߚ㑻监测和白粉病ߚ㑻监测预研究DŽ本文开展的研究Ꮉ作প得Џ要研究结果以ঞ߯ᮄ之处如ϟ˖1.小麦面积指数遥感监测方面DŽ采用优࣪非监督ߚ类方法中的ĀISODATAā算法ˈ䖯行卫᯳遥感影像的ߚ类解译Ꮉ作ˈ结ড়地面GPS制点ˈ将ᅲ䰙样点数据校验䌃穿到整个ߚ类过程中ˈ保证了解译精ᑺ的同时䖬减轻䅵算机操作人员的Ꮉ作䞣ǃࡴ快Ꮉ作䖯程ˈ᳝ࡽ于ᦤ高小麦长势监测的效率和预精ᑺDŽ贯本文䖯行了于多时相遥感影像数据的长势监测研究ˈ如于ϡ同生育时期的小麦面积指数ߚ㑻监测ঞᑨ用的探索性研究ˈ均得到了ϡ错的监测精ᑺ和ᑨ用效果DŽ利用遥感植被指数ড演面积指数对䖯行小麦生育期的长势情况䖯行监测ˈ对开花期各样点的LAI䖯行了预测ˈ并Ϣ开花期ᅲ测的样点的LAI数据作↨较ˈপ得较好预测效果ˈ通过制作小麦面积指数ߚ㑻监测ϧ乬ˈᦤ交݈࣪ǃ沭䰇等县㑻业技术广部门ˈणࡽ݊了解区域长势状况信息的同时ˈ制定᳝效的管理措施ˈ解决了小麦生长过程中出⦄的ḑ管理问乬DŽ贯2.小麦生物䞣遥感监测方面DŽ本研究构建的小麦生物䞣模型ˈ可以利用遥感˄植被指数˅ড演的LAI间接地获প生物䞣信息DŽӴ统的生物䞣监测方法是于遥感信息和小麦长势指标间的݇联性ᅲ⦄的ˈ模型的经验性较强ˈ在ϡ同地域ǃϡ同时间的适用性较差DŽ⬅于小麦生物䞣形៤于ܝড়作用ˈ并在过程中ফ到外界温ᑺǃ土壤水ߚǃ氮素等因素的影像ˈ因ℸˈ在对大面积小麦生物䞣监测预中ᑨ考虑݊形៤的生理生ᗕ过程DŽ本研究采用地面GPS精确定ԡˈ中ߚ辨率遥感数据Ϣ小麦模拟技术相结ড়的方法ˈ于小麦生物䞣形៤的生理生ᗕ过程ˈ在建立小麦生物䞣估算模型的础Ϟˈ䖯一ℹ开展了区域小麦生物䞣监测预ˈЎϡ同时期ǃϡ同区域小麦生物䞣估算的ᦤ供了技术支持DŽ贯贯贯贯贯杂栽小麦生理生࣪指标Ϣ冠层ܝ谱特ᕕ݇系方面DŽ本研究利用冠层ܝ谱数据监测小麦开花期⠛绿素䞣ǃ⠛氮䞣和⠛水䞣ˈ综ড়评Ӌ小麦开花期长势状况DŽ用冠层ܝ谱仪获প试验区ϸ类品种小麦生育期Џ要生理生࣪参数ܝ谱信息ˈߚ析݊ব࣪特ᕕ并构建Џ要生理生࣪参数监测模型ˈЎ小麦长势遥感监测ᦤ供依据Ϣ理论础DŽ贯35 贯贯贯4.在小麦白粉病监测预方面DŽ本研究在多时相ǃ多源卫᯳遥感ᑨ用于大面积监测小麦长势ࡼᗕǃ养ߚ状况等Џ要生理生࣪প得明显䖯展的础Ϟˈ䖯一ℹ对大⬄小麦白粉病䖯行了遥感监测预研究DŽ以江苏省݈࣪ǃ沭䰇ǃ涟水地区Ў例ˈ在综ড়ߚ析HJ-1A/B遥感信息Ϣ小麦长势ǃ气候⦃境因素݇系础Ϟˈ建立了多种影响因子Ϣ病情指数(DI)的回ᔦ预测模型ˈ于白粉病病情指数预测预测模型建立了县域小麦白粉病遥感监测ߚ㑻ϧ乬DŽᑨ用验证表明ˈ本方法可以ᦤ前识߿ǃ监测大⬄病害信息ˈ便于䖯行ঞ时䰆⊏ˈ对粮亳增产Ϣ稳产策略制定᳝较好的ᑨ用Ӌ值ˈ同时对于小麦݊它病虫遥感监测г᳝一定参考性DŽ试验⍝ঞ遥感ব䞣和冠层ܝ谱信息和面积指数ǃ生物䞣ǃ⠛绿素䞣ǃ⠛水䞣和⠛氮䞣等作物生长的䞡要参数ˈ䖭ѯ长势参数综ড়ᑨ用能准确的获得小麦长势状况DŽ另外ˈ在䖯行小麦拔节期到开花期白粉病的ࡼᗕ监测中发⦄ˈ拔节期和开花期是均小麦生长最݇键的时期ˈ䖭ѯ时期小麦对养ߚǃ水ߚ以ঞ气候非常敏感ˈ易诱发白粉病DŽ因ℸˈ研究小麦生长期多种生理生࣪指标Ϣ病害植株冠层ܝ谱参数之间的݇系ˈ对于改䖯小麦病害遥感监测模型和病害遥感监测方法᳝指导意НDŽ36 参考文献[所公贯陈݉ˈ李少昆ˈ王克如ˈ等栽作物病虫害遥感监测研究䖯展[孙公栽棉花学ˈ2政政陆ˈ所版Ⅲ所Ⅳ˖附陆洼际杂栽贯[2公邢素Бˈ张广录栽៥业遥感的ᑨ用⦄状Ϣ展望[孙公栽业Ꮉ程学ˈ2政政杂ˈ所版Ⅲ际Ⅳ˖所陆权洼所陆片栽贯[杂公韩立建ˈ潘㗔忠ˈ贾斌ˈ等栽于多时相存R孢洼也际卫᯳坐武典F孢影像的水稻种植面积ᦤপ方法[孙公栽业Ꮉ程学ˈ2政政陆ˈ2杂Ⅲ附Ⅳ˖所杂陆洼所权杂栽贯[权公彩玲ˈ霍⊏ˈ胜利ˈ等栽作物病虫害气象⦃境៤因研究䖯展[孙公栽自然灾害学ˈ2政政附ˈ所权Ⅲ所Ⅳ˖版政洼贯版陆栽贯[附公吴曙雯ˈ王人潮ˈ陈晓斌等栽稻瘟对水稻ܝ谱特性的影响研究[孙公栽Ϟ海交通大学学Ⅲ贯业科学⠜Ⅳˈ2政政2ˈ2政贯Ⅲ所Ⅳ贯˖陆杂贯–贯片权栽贯[际公易玲ˈ杨小唤ˈ江东ˈ等栽作物病虫害遥感监测研究䖯展[孙公栽甘肃科学学ˈ2政政杂ˈ所附Ⅲ杂Ⅳ˖附版洼贯际杂栽栽贯[陆公王长㗔ˈ林文鹏栽于≤神当存孢E步存的冬小麦产䞣遥感预测研究[孙公栽业Ꮉ程学ˈ2政政附ˈ2所Ⅲ所政Ⅳ˖版政洼版权DŽ贯[片公鲍㡇松ˈ王纪ढˈ߬良ѥˈ等栽ϡ同尺ᑺ冬小麦氮素遥感监测方法ঞ݊ᑨ用研究[孙公栽业Ꮉ程学ˈ2政政陆ˈ2杂Ⅲ2Ⅳ˖所杂版ˉ所权权栽贯[版公黄文江栽作物病害遥感监测机理Ϣᑨ用[≤公栽࣫京˖中业科学技术出⠜社ˈ2政政版˖杂洼权DŽ贯[所政公李强子ˈ闫娜娜ˈ张亲亲ˈ等栽2政所政ᑈ春ᄷ西南地区ᑆ旱遥感监测ঞ݊影响评估[孙公栽地理学ˈ2政所政ˈ际附Ⅲ陆Ⅳ˖陆陆所洼陆片政栽贯[所所公乔红波ˈ周益林ˈ白⬅路ˈ等栽地面高ܝ谱和Ԣ空遥感监测小麦白粉病初探[孙公栽植物保ᡸ学ˈ2政政际ˈ杂杂Ⅲ权Ⅳ˖杂权所洼杂权权栽贯[所2公江道辉栽于遥感的作物病虫害监测方法研究——以襄樊地区冬小麦条锈病Ў例栽硕士学术论文栽贯[所杂公߬淑ѥ栽于遥感数据的冬小麦情监测研究䖯展[孙公栽业网络信息ˈ2政所政ˈⅢ2Ⅳ˖附洼版栽贯[所权公߬良ѥˈ王纪ढˈ黄文江ˈ等DŽ利用ᮄ型ܝ谱指数改善冬小麦估产精ᑺ[孙公DŽ业Ꮉ程学ˈ2政政权ˈ2政Ⅲ所Ⅳ˖所陆2洼所陆附栽贯[所附公߬ӳ东ˈ项᳜⨈ˈ郑݄芬ˈ等栽高ܝ谱数据Ϣ水稻面积指数ঞ绿素密ᑺ的相݇ߚ析[孙公栽遥感学ˈ2政政政ˈ权Ⅲ权Ⅳ˖2陆版ˉ2片杂栽贯[所际公梁ᅜ真ˈ施ᑇˈ马万栋ˈ等栽植被⠛ܝ谱ঞ红边特ᕕϢ⠛生࣪组ߚ݇系的ߚ析[孙公栽中生ᗕ业学ˈ2政所政ˈ所片Ⅲ权Ⅳ˖片政权洼片政版栽贯[所陆公黄木易ˈ王纪࣪ˈ黄文江ˈ等栽冬小麦条绣病的ܝ谱特ᕕঞ遥感监测[孙公栽业Ꮉ程学ˈ2政政杂ˈ所版Ⅲ际Ⅳ˖所附权洼所附片栽贯[所片公牛铮ˈ陈永ढˈ隋洪智ˈ等栽⠛࣪学组ߚ៤像ܝ谱遥感探测机理ߚ析[孙公栽遥感学ˈ2政政权ˈ37 权Ⅲ2Ⅳ˖所2附洼所杂政栽贯[所版公黄敬峰ˈ王渊ˈ王福民ˈ等栽油菜红边特ᕕঞ݊面积指数的高ܝ谱估算模型[孙公栽业Ꮉ程学ˈ2政政际ˈ2Ⅲ片Ⅳ˖22ˉ2际栽贯[2政公任建强ˈ陈仲ᮄˈ周清波ˈ等栽于面积指数ড演的区域冬小麦单产遥感估测[孙公栽ᑨ用生ᗕ学ˈ2政所政ˈ2所Ⅲ所所Ⅳ˖光2片片杂洼2片片片栽贯[2所公朱高龙ˈ居Ў民ˈ孙典n其贯≤栽贯归具年nˈ等栽帽儿山地区森林冠层面积指数的地面㾖测Ϣ遥感ড演[孙公栽ᑨ用生ᗕ学ˈ2政所政ˈ2所Ⅲ片Ⅳ˖2所陆陆洼2所2权栽贯[22公ᅝ虎ˈ王海ܝˈ߬荣英ˈ等栽小麦条锈病单⠛病特ᕕܝ谱的初ℹ研究[孙公栽中植保导刊ˈ2政政附ˈ2附Ⅲ所所Ⅳ˖片洼所所栽贯[2杂公郭⨇ˈ裴志䖰ˈ张松龄ˈ等栽于⦃境᯳归归当像的甘蔗面积指数ড演方法[孙公栽业Ꮉ程学ˈ2政所政ˈ2际Ⅲ所政Ⅳ˖2政所洼2政附栽贯[2权公杨亲ˈ张柏ˈᅟ开山ˈ等栽大豆面积指数的高ܝ谱估算方法↨较[孙公栽ܝ谱学Ϣܝ谱ߚ析ˈ2政政片ˈ2片Ⅲ所2Ⅳ˖2版附所ˉ2版附附栽贯贯[2附公李凤秀ˈ张柏ˈᅟ开山ˈ等栽于垂直植被指数的东࣫黑土区玉米L坐存ড演模型研究[孙公栽ᑆ旱地区业研究ˈ2政政片ˈ2际Ⅲ杂Ⅳ˖杂杂ˉ杂片栽贯[2际公蒋金豹ˈ陈ѥ浩ˈ黄文江DŽ病害胁迫ϟ冬小麦冠层⠛㡆素䞣高ܝ谱遥感估测研究[孙公DŽܝ谱学Ϣܝ谱ߚ析ˈ2政政陆ˈ2陆Ⅲ陆Ⅳ˖所杂际杂洼所杂际陆DŽ贯[2陆公黄木易栽冬小麦条锈病害的高ܝ谱遥感监测[贯当贯公栽ᅝ徽业大学ˈ2政政权贯ˈ权政贯洼权杂栽贯[2片公ᄭ雪梅ˈ周启发ˈ何秋霞栽利用高ܝ谱参数预测水稻⠛绿素和籽粒蛋白质䞣[孙公栽作物学ˈ2政政附ˈ杂所Ⅲ陆Ⅳ˖片权权洼片附政栽贯[2版公公蒋金豹ˈ陈ѥ浩ˈ黄文江栽利用高ܝ谱微ߚ指数䖯行冬小麦条绣病病情的诊断研究[孙公栽ܝ学技术ˈ2政政陆ˈ杂杂Ⅲ权Ⅳ˖际2政洼际2杂DŽ贯[杂政公乔红波栽麦芽ǃ白粉病ॅ害后冬小麦冠层高ܝ谱的测䞣Ϣߚ析[当公栽中业科学院ˈ2政政权ˈ2陆洼杂所栽贯[杂所公李ᄬˈ王纪ढˈ߬良ѥˈ等栽利用多时相L印n艳s印t䖥红外波段监测冬小麦和苜蓿种植面积[孙公栽业Ꮉ程学院ˈ2政政附ˈ2所Ⅲ2Ⅳ˖版际洼所政政栽贯[杂2公王启⬄ˈ林样ˈ王志ˈ等栽利用面向对象ߚ类方法ᦤপ冬小麦种植面积的研究[孙公栽测㒬科学ˈ2政政片ˈ杂Ⅲ2Ⅳ˖所权杂洼所权际栽贯[杂杂公陈仲ᮄˈ߬海启ˈ周清波ˈ等栽全冬小麦面积ব࣪遥感监测抽样外方法的研究[孙公栽业Ꮉ程学ˈ2政政附ˈⅢ附Ⅳ˖所附片洼所际2栽贯[杂权公顾晓鹤ˈ韩立建ˈ王纪ढ栽中ߚ辨率小波融ড়的玉米种植面积遥感估算[孙公栽业Ꮉ程学ˈ2政所2ˈ2片Ⅲ2Ⅳ˖2政杂洼2政版栽贯[杂附公许文波ˈ张ᑇˈ范锦龙ˈ等栽利用≤神当存孢遥感数据监测冬小麦种植面积[孙公栽栽业Ꮉ程学ˈ2政政陆ˈ2杂Ⅲ所2Ⅳ˖所权权洼所权版栽贯38 贯[杂际公李ℷ金ˈ李卫ˈ申ঠ和栽于优࣪存孢神当坐正坐法的冬小麦长势ߚ㑻监测[孙公栽江苏业科学ˈ贯2政政版ˈⅢ2Ⅳ˖杂政所洼杂政2栽贯[杂陆公谭昌ӳˈ王纪ढˈ赵春江ˈ等栽利用L印n艳s印t贯正≤贯遥感数据监测冬小麦开花期Џ要长势参数[孙公栽业Ꮉ程学ˈ2政所所ˈ2陆Ⅲ附Ⅳ˖22权洼2杂政栽贯[杂片公李树楷栽全球⦃境资源遥感ߚ析Ⅲ归Ⅳ࣫京˖测㒬出⠜社ˈ所版版2栽贯[杂版公߬海启DŽ美业遥感技术ᑨ用⦄状简ҟ[孙公栽土资源遥感ˈ所版版陆ˈ杂Ⅲ22Ⅳ˖附际洼际政栽贯[权政公KlugeEGutscheV,GunthurG.Computer-aidedmethodforpredictionandcontrolofpowderymildewinwinterwheatandwinterbarley(ERYPROG)testresults1986to1988[J].NachrichternblattfurdenpflanzenschutzinderDDR.1989,43(8):161-165.[权所公KniplingEB.physicalandphysiologicalbasisforthereflectenanceofvisibleandnear-infravedradiationfromvegetation.RemoteSensingOfEnvironmnt,1971,1:155-159.[权2公NicolasH.Usingremotesensingtodetermineofthedateofafungicideapplicationonwinterwheat[J].Cropprotection,2004,23(9):853-863.[权杂公MalthusTJ,MaderiaAC.HighresolutionSpectroradiometry:SpectralReflectanceoffieldbeanleavesinfectedbybotrytisfabae[J].RemateSensingofEnviron,1993,45:107-116.[权权公肖乾广ˈ周嗣松ˈ陈维英ˈ等.用气象卫᯳数据对冬小麦䖯行估产ᅲ验[J]⦃境遥感1986ˈ1(4)˖260-269.[权附公夏德深ˈ李ढ.外灾害遥感ᑨ用研究⦄状[J].土资源遥感.1996ˈ29(3)˖1-8.[权际公家Āܿ五ā遥感科技攻݇প得䞡大៤果[J].遥感技术Ϣᑨ用.1995ˈ10(1)˖40-41.[权陆公陈沈斌ˈᄭ九林.建立៥Џ要作物卫᯳遥感估产䖤行系统的Џ要技术⦃节ঞ解决途ᕘ[J].自然资源学ˈ1997ˈ12(4)˖363-369.[权片公⬄良ˈ项᳜⨈.遥感估算水稻产䞣—II.用ܝ谱数据和䰚地卫᯳像估算水稻产䞣[J].⦃境遥感ˈ1989ˈ4(1)˖73-80.[权版公贯⬄翠玲ˈ李秉柏ˈ郑᳝亲栽于植被指数Ϣ面积指数的水稻生长状况监测栽江苏业科学ˈ2政政附ˈⅢ际Ⅳ˖所杂洼陆栽贯[附政公郑小波ˈ陈娟ˈ康Ў民ˈ等栽利用≤神当存孢监测高原水稻生育期和长势的方法[孙公栽贯中业气象ˈ2政政陆ˈ2片Ⅲ权Ⅳ˖权附杂洼权附际栽贯[附所公熊勤学ˈ黄敬峰栽贯利用祝当步存指数时序特ᕕ监测秋收作物种植面积[孙公栽贯业Ꮉ程学ˈ2政政版ˈ2附Ⅲ所Ⅳ˖所权权洼所权片栽贯[附2公马Бˈ顾晓鹤ˈ徐ᮄ߮ˈ等栽地块数据支持ϟ的玉米种植面积遥感测䞣方法[孙公栽业Ꮉ程学ˈ2政政版ˈ2附Ⅲ片Ⅳ˖所权陆洼所附所栽贯[附杂公李卫ˈ王纪ढˈ赵春江栽于定䞣遥感ড演Ϣ生长模型耦ড়的水稻产䞣估测研究[孙公栽业Ꮉ程学ˈ2政政片ˈ˄2权˅˖所2片洼所杂所栽贯[附权公蔡៤静ˈ马占鸿等栽小麦条锈病高ܝ谱䖥地Ϣ高空遥感监测↨较研究[孙公ˈ植物病理学ˈ2政政陆ˈ39 杂陆Ⅲ所Ⅳ˖陆陆洼片2栽贯[附附公张玉萍等栽小麦条锈病多时相冠层ܝ谱Ϣ病情的相݇性[孙公栽植物保ᡸ学ˈ2政政陆ˈ杂权Ⅲ附Ⅳ˖附政陆洼附所政栽贯贯[附际公贯李卫ˈ王纪ढˈ赵春江栽杂孢技术在作物生长监测Ϣ管理中的ᑨ用ߚ析[孙公栽贯江苏业科学ˈ2政政际Ⅲ际Ⅳ˖所附洼所陆栽贯[附陆公定姗栽祝神坐坐气象卫᯳遥感技术在冬小麦产䞣监测预测中的ᑨ用[孙公栽河南气象ˈ所版片际Ⅲ际Ⅳ˖所政洼所附栽贯[附片公秦݊明栽杂孢技术在精㒚业发展中的ᑨ用研究[孙公栽贯中业资源Ϣ区划ˈ2政政政ˈⅢ际Ⅳ˖附附洼附片栽贯[附版公冀文慧栽贯于组建式G存孢贯技术的开发建䆒项目水土保持监测信息系统䆒䅵[孙公栽贯水土保持研究ˈ2政政权ˈ所所Ⅲ2Ⅳ˖22洼2杂栽贯[际政公梁寒冬ˈ陈卫݉ˈ陈超ˈ等栽于组ӊ式G存孢的城Ꮦ⦃保信息系统的研制Ϣᑨ用[孙公栽遥感学ˈ2政政际ˈ所政贯Ⅲ杂Ⅳ˖杂所版洼杂2附栽贯[际所公贯郑可锋ˈ⼱利莉ˈ等栽数ᄫ业技术研究䖯展栽贯浙江业学ˈ2政政附ˈ所陆Ⅲ贯杂Ⅳ贯˖所陆政洼贯所陆际栽贯[际2公贯蒙继ढˈ吴炳方ˈ李强子栽全作物面积指数遥感估算方法[孙公栽业Ꮉ程学ˈ2杂Ⅲ2Ⅳ˖所际政洼所际陆栽贯[际杂公冯炼ˈ吴⦂ˈ陈晓玲ˈ等栽于字孙卫᯳归归当数据的冬小麦病虫害面积监测栽业Ꮉ程学ˈ2政所政ˈ2际Ⅲ陆Ⅳ˖2所杂洼2所片栽贯[际权公李ℷ金ˈ李卫ˈ申ঠ和栽于存孢神当坐正坐法的冬小麦产䞣ߚ㑻监测预[孙公栽遥感信息ˈ2政政版Ⅲ片Ⅳ˖杂政碍杂2栽贯[际附公江东ˈ王乃斌ˈ杨小唤等栽祝当步存曲线Ϣ作物长势的时序Ѧࡼ规律[孙公栽生ᗕ学ˈ2政政2ˈ22Ⅲ2Ⅳ˖2权陆洼2附杂栽贯[际际公王宏ˈ李晓݉ˈ莺歌ˈ等栽于祝神坐坐贯祝当步存的植被生长ᄷ模拟方法研究[孙公栽地理科学䖯展ˈ2政政际ˈ2附Ⅲ际Ⅳ˖2所洼杂所栽贯[际陆公宏裕闻栽卫᯳遥感在美业Ϟ的ᑨ用[孙公栽全球科技经济ⶁ望ˈ所版版陆Ⅲ权Ⅳ˖所片洼所版栽贯[际片公郭永旺ˈ金晓ढˈ杨建ˈ等栽麦蚜灾害遥感监测技术ᑨ用研究[孙公栽植保技术Ϣ广[孙公栽2政政所ˈ2所Ⅲ杂Ⅳ˖杂洼附栽贯贯[际版公张竞៤ˈ李建元ˈ杨贵ˈ等栽于ܝ谱知识ᑧ的正≤影像冬小麦条锈病监测研究栽ܝ谱学Ϣܝ谱ߚ析学ˈ2政所政ˈ杂政Ⅲ际Ⅳ˖所附陆版洼所附片权栽贯[陆政公秦元ӳˈ赵庚᯳ˈ姜曙千ˈ等栽于中高ߚ辨率卫᯳遥感数据的县域冬小麦估产[孙公栽贯业Ꮉ程学ˈ2政政版ˈ2附Ⅲ陆Ⅳ˖所所片洼所2杂栽贯贯贯[陆所公易玲ˈ杨小唤ˈ江东ˈ߬洪辉ˈ等栽作物病虫害遥感监测研究䖯展[贯孙公甘肃科学学ˈ2政政杂贯所附Ⅲ杂Ⅳ˖附版洼际杂栽贯[陆2公顾晓鹤ˈᅟᅱˈ韩立建ˈ等栽于ব࣪向䞣ߚ析的冬小麦长势ব࣪监测研究[孙公栽业Ꮉ程学ˈ2政政片ˈ2权Ⅲ权Ⅳ˖所附版洼所际际贯40 [陆杂公杨邦杰ˈ裴志䖰栽作物长势的定НϢ遥感监测[孙公栽业Ꮉ程学ˈ所版版版ˈ所附˄杂˅˖2所权洼2所片栽贯[陆权公冯ӳˈ朱㡇ˈ⬄永超ˈ等栽于高ܝ谱遥感数据的小麦冠层⠛㡆素密ᑺ监测[孙公栽生ᗕ学ˈ2政政片ˈ2片Ⅲ所政Ⅳ˖权版政2洼权版所所栽贯[陆附公℺红敢栽卫᯳遥感技术在森林病虫害监测中的ᑨ用[孙公栽世界林业研究ˈ所版版附Ⅲ2Ⅳ˖2权洼2版栽贯[陆际公黄木易ˈ黄文江ˈ߬良ѥˈ等栽冬小麦条绣病单⠛ܝ谱特ᕕ性ঞϹ䞡ᑺড演[孙公栽业Ꮉ程学ˈ2政政权ˈ2政˄所˅˖所陆际洼所片版栽贯[陆陆公⬄庆久ˈ宫鹏ˈ赵春江ˈ等栽用ܝ谱ড射率诊断小麦水ߚ状况的可行性ߚ析[孙公栽科学通ˈ2政政政栽贯权附Ⅲ2权Ⅳ˖2际权附洼2际附政栽贯[陆片公蒋金豹ˈ陈ѥ浩ˈ黄文江栽利用高ܝ谱微ߚ指数䖯行冬小麦条锈病病情的诊断研究[孙公栽ܝ学技术活2政政陆ˈ杂杂Ⅲ权Ⅳ˖际2政ˉ际2栽贯贯[陆版公李卫ˈ李花ˈ王纪ढˈ等栽于L印n艳s印t放正≤遥感的冬小麦长势ߚ㑻监测研究[孙公栽麦类作物学ˈ2政所政ˈ杂政Ⅲ所Ⅳ˖版2洼版附栽贯[片政公李卫ˈ赵春江ˈ王纪ढˈ等栽于卫᯳遥感的冬小麦拔节期长势监测[孙公栽麦类作物学ˈ2政政陆ˈ2陆Ⅲ杂Ⅳ˖附2杂—附2陆ˊ贯[片所公辛᱃峰ˈᅛ振荣栽利用祝神坐坐放贯祝当步存数据集监测冬小麦生育期的研究[孙公栽遥感学ˈ2政政所ˈ附贯Ⅲ际Ⅳ˖权权2洼权权陆ˊ贯[片2公万ᅝ民栽小麦条锈病的发生状况和研究⦄状[贯孙公栽世界业ˈ2政政政贯Ⅲ附Ⅳ˖杂版洼权政贯[片杂公蔡៤静ˈ王海ܝˈᅝ虎ˈ等栽小麦条锈病高ܝ谱遥感监测技术研究[孙公栽贯西࣫林科技大学学˖自然科学⠜ˈ2政政附ˈ杂杂Ⅲ片增刊Ⅳ˖杂所洼杂际栽贯[片权公李卫ˈ李花ˈ王纪ढˈ等栽于L印n艳s印t放正≤遥感的冬小麦长势ߚ㑻监测研究[孙公栽麦类作物学ˈ2政所政ˈ杂政Ⅲ所Ⅳ˖版2洼版附栽贯[片附公李卫ˈ赵春江ˈ王纪ढˈ等栽于卫᯳遥感的冬小麦拔节期长势监测[孙公栽麦类作物学ˈ2政政陆ˈ2陆Ⅲ杂Ⅳ˖附2杂—附2陆ˊ贯[片际公辛᱃峰ˈᅛ振荣栽利用祝神坐坐放贯祝当步存数据集监测冬小麦生育期的研究[孙公栽遥感学ˈ2政政所ˈ附贯Ⅲ际Ⅳ˖权权2洼权权陆ˊ贯[片陆公万ᅝ民栽小麦条锈病的发生状况和研究⦄状[贯孙公栽世界业ˈ2政政政贯Ⅲ附Ⅳ˖杂版洼权政贯[片片公蔡៤静ˈ王海ܝˈᅝ虎ˈ等栽小麦条锈病高ܝ谱遥感监测技术研究[孙公栽贯西࣫林科技大学学˖自然科学⠜ˈ2政政附ˈ杂杂Ⅲ片增刊Ⅳ˖杂所洼杂际栽贯[片版公蒋金豹ˈ陈ѥ浩ˈ黄文江栽病害胁迫ϟ冬小麦冠层⠛㡆素䞣高ܝ谱遥感估测研究[孙公栽ܝ谱学Ϣܝ谱ߚ析ˈ2政政陆ˈ2陆Ⅲ陆Ⅳ˖所洼附栽贯[版政公江道辉ˈ李章៤ˈ周清波ˈ等栽条锈病影响ϟ冬小麦绿素䞣的高ܝ谱估䅵[孙公栽业信息学ˈ2政政陆ˈ杂2Ⅲ所Ⅳ˖杂陆政洼杂片政栽贯贯贯贯[版所公官彦萍ˈ黄文江ˈ王纪ढˈ等栽集៤G存孢和R孢技术的作物病虫害监测预研究䖯展[孙公栽业Ꮉ程学ˈ2政政片ˈ2权Ⅲ2Ⅳ˖杂杂所洼杂杂附栽贯41 [版2公陈沈斌ˈᄭ九林栽建立៥Џ要作物卫᯳遥感估产䖤行系统的Џ要技术⦃节ঞ解决途ᕘ[孙公栽贯自然资源学ˈ所版版陆ˈ所2贯Ⅲ权Ⅳ˖杂际杂洼贯杂际版栽贯贯[版杂公谭一波ˈ赵仲辉栽面积指数的Џ要测定方法[孙公栽林业调查规划ˈ2政政片ˈ杂杂Ⅲ杂Ⅳ˖权附洼权片栽贯贯[版权公梁亮ˈ杨敏ढˈ张连蓬ˈ等栽小麦面积指数的高ܝ谱ড演[孙公栽ܝ谱学Ϣܝ谱ߚ析ˈ2政所所ˈ杂所Ⅲ际Ⅳ˖所际附片洼所际际2栽贯贯贯贯贯[版附公黄彦ˈ朱㡇ˈ王航ˈ等栽于遥感Ϣ模型耦ড়的冬小麦生长预测[孙公栽业Ꮉ程学栽2政所所ˈ杂所Ⅲ权Ⅳ˖所政陆杂洼所政片权栽贯贯贯贯贯[版际公蒙继ढˈ吴炳方ˈ杜鑫ˈ等栽于字孙洼贯所坐放B贯数据的冬小麦៤熟期遥感监测[孙公栽业Ꮉ程学ˈ2政所所ˈ2陆Ⅲ杂Ⅳ˖22附贯洼2杂政栽贯贯贯贯[版陆公王纪ढˈ黄文江ˈ李保栽估测作物冠层生物䞣的ᮄ植被指数的研究[孙公栽ܝ谱学Ϣܝ谱ߚ析ˈ2政所政ˈ杂政Ⅲ2Ⅳ˖附所2洼贯附所陆栽贯贯贯[版片公闫岩ˈ柳钦火ˈ߬强ˈ等栽于遥感数据Ϣ作物生长模型同࣪的冬小麦长势监测Ϣ估产方法研究[孙公栽贯遥感学ˈ2政政际贯ˈ所政Ⅲ附Ⅳ˖片政权洼贯片所所栽贯贯贯贯[版版公黄彦ˈ朱㡇ˈ王航ˈ等栽于遥感Ϣ模型耦ড়的冬小麦生长预测[孙公栽生ᗕ学ˈ2政所所ˈ杂所Ⅲ权Ⅳ˖所政陆杂洼贯所政片权栽贯贯贯贯贯贯贯.42 附录贯本文᠔ফ资ࡽ项目贯本论文是在家自然科学金˄41171336˅˗江苏省业科技自Џ߯ᮄ项目˄CX-12-3045ǃCX-11-2043˅˗江苏省自然科学金˄编ো˖BK2011684˅项目的资ࡽϟᅠ៤的ˈ对以Ϟ项目的支持深表感谢DŽ43 致谢在论文ᅠ៤之䰙ˈ衷心的向᠔᳝指导ǃ帮ࡽǃ݇心和鼓励过៥的人表示深深的感谢！贯首ܜ៥要感谢៥的导师℺立ᴗ教授ϝᑈ来对៥的教导和݇心！在៥攻读研究生的ϝᑈ䞠ˈ无论学дϞǃᎹ作Ϟˈ䖬是生⌏Ϟˈ都得到了℺㗕师无微ϡ㟇的݇ᗔˈ他ᑇ易䖥人的ᗕᑺˈ和蔼的表情以ঞ渊博的知识㒭៥留ϟ了深刻的ॄ象˗另一方面ˈ在学术和Ꮉ作Ϟˈ℺㗕师兢兢业业的Ꮉ作作风ˈ积极向Ϟ的科学ᗕᑺ同样㒭៥留ϟ了深刻的影像ˈ៥要向℺立ᴗ教授表示崇高的敬意和真诚的谢意！贯䖬要感谢៥的导师李卫研究员ˈ本文是在李卫㗕师的精心指导和ϹḐ要求ϟᅠ៤的DŽ李卫㗕师Ϲ谨的⊏学ᗕᑺǃ独到敏锐的科学㾕解和广博的知识一直是៥学д的榜样ˈ他对џ业热诚的精⼲和对科学研究Ϲ谨求ᅲ的作风深深的影响着៥ˈ是៥一生ফ益DŽ谨在ℸ向李卫㗕师㟈以深深的谢意和诚挚的敬意！贯感谢ᅝ徽业大学大学研究生部的㗕师和同学㒭៥的帮ࡽˈ感谢江苏省业科学院经信研究᠔᠔᳝㗕师的指导ˈ感谢业部南京遥感ߚ中心遥感组全体៤员㒭៥᠔做的科研项目的支持和帮ࡽ！贯៥的家人和朋ট在生⌏Ϟ和学дϞ㒭了៥无微ϡ㟇的݇ᗔ和鼓励ˈ向他们表示深深的谢意！贯44 作者简历庄东英ˈ女ˈ江苏南通人ˈ1988ᑈ7᳜17日出生DŽ于2010ᑈ考পᅝ徽业大学学院作物ḑ学Ϣ耕作学ϧ业ˈ并于2011ᑈ9᳜㟇2012ᑈ12᳜在江苏科院信息᠔遥感项目组䖯行ᅲд并ᅠ៤硕士↩业论文DŽ期间参Ϣ了家自然金项目Ā遥感信息和生长模型ण同的小麦产䞣估测方法研究āǃ江苏省自然科学金项目Ā冬小麦Џ要病害ܝ谱特ᕕϢ遥感识߿研究ā和江苏省业科技自Џ߯ᮄ项目Ā利用多源遥感䖯行冬小麦Џ要病虫害遥感监测݇键技术研究ā等项目研究DŽ贯研究生期间发表的学术论文1.庄东英ˈ李卫ˈ℺立ᴗ.于多源遥感的冬小麦面积指数监测研究[J].江苏业科学ˈ2012ˈ40(8)˖72-73.45
