摘要：本课题旨在研究水稻生长指标与CGMD302便携式稻麦监测仪所测光谱植被指数间的定量关系，使用CGMD302测试淮安、如皋、吴江和江西地区水稻全生育时期冠层光谱植被指数：归一化植被指数（Normalized difference vegetation index, NDVI）和比值植被指数（Ratio vegetation index, RVI），同时测量叶干重（Leaf draw weight, LDW）、叶面积指数（Leaf area index, LAI）、叶片氮含量（Leaf nitrogen content, LNC）、叶片氮积累量（Leaf nitrogen accumulation, LNA）等四个农学参数，按品种（籼稻、粳稻）、株型（适中型、紧凑型）等因素分类，分别构建光谱监测模型。   不同生态点建立的光谱监测模型中决定系数（R2）均高于0.59，按品种分类建立的光谱监测模型中R2均显著降低，按株型分类建立的光谱监测模型中R2均明显提高，最高达0.891。说明将水稻按品种区分并建模误差较大，而按株型区分建模可行性更高。本研究验证了CGMD302在水稻生长监测上具有很高的精确度和稳定性，能较好监测水稻长势，具有一定的应用价值。 27438
毕业论文键词：水稻；农学参数；光谱植被指数；CGMD302；监测模型 
SPECTRUM MONITORING MODEL RESEARCH ON RICE GROWTH INDEX BASING ON CGMD302
Abstract: The aim of this study was to study the quantitative relationship between rice growth index and CGMD302 portable crop monitor. CGMD302 was used to test normalized difference vegetation index(NDVI) and Ratio vegetation index(RVI) of canopy spectral vegetation index in Huai'an, Rugao, Wujiang and Jiangxi. The parameters of leaf dry weight, leaf area index, nitrogen content and nitrogen accumulation were measured. The spectral monitoring model was constructed according to the factors such as varieties (indica rice, japonica rice)and plant types (moderate type, compact type). The values of R2 were all higher than 0.59 in the spectral monitoring model established by different ecological points, and all R2 in the model classified by varieties were higher than 0.5 and the highest was 0.7996. In the spectral monitoring model established by plant type, R2 all reduced. The results showed that there would be huge error when modeling if rice were differentiated by plant type instead of by varieties. This study showed that CGMD302 had high precision and stability in rice growth monitoring, and could monitor the growth of rice well. It had great application value.  KEY WORDS：CGMD302；Monitoring；Agronomic parameter；Spectural parameter；Model
目  录 
摘要1
关键词1
Abstract.1
Key words.1
1 绪论2
1.1 国内外研究进展.2
1.1.1 国外研究进展..2
1.1.2 国内研究进展..3
1.2 结论4
2 材料与方法.5
2.1 田间试验设计.5
2.2 试验设备.6
2.3 项目测定方法6
2.3.1 光谱数据测定.6
2.3.2 农学指标测定..7
2.3.3 数据分析..7
3 田间试验评价8
3.1 CGMD302 精度验证..8
3.2 田间应用性能检验8
3.2.1 CGMD302 在所有示范点的应用表现8
3.2.2 CGMD302 在单一亚种上的应用表现10
3.2.3 CGMD302在单一株型上的应用表现.13
3.3 CGMD302 监测模型的验证16
4 讨论与结论.18
4.1 讨论..18
4.2 结论..18
致谢.19
参考文献.19
1、绪论 我国小麦和水稻种植面积广、消费量高，产量约占了世界的 35%[1-4]。同时，由于氮肥施用过量而造成土壤肥力下降、农田土壤及水体污染的现象屡见不鲜。氮肥的过量施用导致的环境污染问题在国内外普遍存在,严重制约了农业和社会的可持续发展。发展优质、高产、高效、生态、安全的稻麦生产对于保障我国粮食安全，提高人民生活质量，促进社会经济发展具有举足轻重的作用[5-8]。作物生产精确管理是精确农业的重要内容之一，对提高稻麦产量与品质尤为重要。精确农业是一种根据农田小区环境的差异性，定量、定时、定位的实施资源投入的精确农业管理技术，能够实现用最少的生产消耗，获得最优化的生产效益这一美好目标。作物生产精确管理的核心是依据作物长势差异实现氮肥精确调控，也就是所谓的“处方农作”[9-11]，因此作物长势信息的获取是实施作物生产精确管理的首要条件。“看苗施肥”和“对比叶色卡”[12]作为传统的作物长势信息获取方式，直观快捷，但无法定量化决策，不能作为精确施肥的依据[13]。室内化学分析法，虽然测量结果精确，但信息获取存在滞后性，无法实时指导农事操作[14，15]。 已有的研究表明[16， 17]，作物冠层反射光谱中蕴含了与作物生长信息紧密相关的敏感波段，利用这些敏感波段的光谱特征可以动态监测作物生长状况。相比于传统的物理和生化方法，作物冠层反射光谱监测技术具有快速、无损、不受时空限制等优点，成为目前作物生长信息获取的主要手段[18]。目前，国内外研究人员广泛使用商业化地物光谱仪开展作物长势信息敏感波段、光谱指数以及光谱监测模型等方面的研究工作，取得了显著的成效，但由于地物光谱仪价格昂贵、体积较大、测试繁琐，限制了其在农业生产中的推广应用；随着作物生长光谱监测技术的深入与推广，一些专门用于作物生长监测的便携式光谱仪应运而生，其中被动光源式光谱仪，由于其结构简单、集成度高、依靠外部光源（太阳）、性价比好操作方便等优势，在农业生产精确管理中应用广泛。本文针对近年来国内外关于被动光源式作物生长监测仪设备的研究概况进行综述，分析其在农业生产应用过程中的优缺点，为更好地推广、科学地使用便携式作物生长监测设备奠定基础。  1.1 国内外研究进展 1.1.1 国外研究进展 国外被动光源式作物生长监测设备：美国 Cropscan 公司生产的多光谱辐射仪、美国LI-COR 公司生产的 LAI-2200C 植物冠层分析仪、美国 OPTI-sciences 公司生产的CCM-300叶绿素含量测量仪、美国ASD公司生产的Field Spec系列便携式地物光谱仪[19]以及德国Agri Con GmbH-Precision Farming Company研制的Yara N-Sensor等。 美国Cropscan 公司生产的多光谱辐射仪（Multispectral Radiometer, MSR），是利用窄波段干扰过滤器来选择可见光和近红外区电磁波谱的某些波段。此波段区域可以用于量化各种胁迫导致的作物冠层反射率差异。 750nm-900nm 的近红外波段对探测和评估作物叶片病害的程度十分有用。近红外区的长波波段可以用于估计植物的生物化学成分。该仪器可用来监测作物长势及冠层颜色，评估作物生物量、产量构成、质量因子、叶面积指数和由于病虫害、空气污染、养分不足等造成的作物产量损失与品质降低等[20]。 美国 LI-COR 公司生产的 LAI-2200C 植物冠层分析仪[21-23]同时测量树冠上、下 5个角度的透射光线，并利用植被树冠的辐射转移模型计算 LAI和叶片倾角。LAI-2200C 基于成熟的 LAI-2000技术平台，并内置 GPS 模块，能够整合 GPS 信息，进行散射光校正，从而使 LAI-2200C 适用于任何天空条件下的任何冠层测量，该仪器轻便易携，能耗低，可在野外长时间使用[24，25]。 美国OPTI-sciences公司生产的CCM-300叶绿素含量测量仪是基于叶绿素荧光比率预测叶绿素含量的一种新型仪器。该仪器使用 460nm 波段，半波宽 15nm 的发光二极管激发荧光。仪器使用在 735nm 和 700nm 的叶绿素发射荧光的比率（F735/F700）进行叶绿素含量的预测，读数为 F735/F700的比值以及根据 Gitelson 方程计算的叶绿素含量。与传统的化学测量方法和吸收性测量方法相比，它可以对非常小的叶片以及难以测量样品的叶绿素含量进行非破坏性测量，测量迅速可靠。 美国 ASD 公司的生产的 Field Spec 系列便携式地物光谱仪[26-29]，其波长范围350-2500nm，其中 350-1000nm 光谱采样间隔 1.4nm，光谱分辨率 3nm；1000-2500nm采样间隔2nm，分辨率 10nm，光谱仪探头视场角 25° 。其在矿物、作物冠层光谱分析中得到广泛使用，但价格相对较高而不能得到推广使用。 德国 Agri Con GmbH-Precision Farming Company研制的基于被动光源的车载式作物生长传感器Yara N-Sensor在1998 年完成首测，2002年搭载农用车上进行测试，也是第一个商用机载式氮素传感装置，现在已经发展出含有氙光闪光灯的主动式N-SensorALS 传感器，该装置仅用于反应作物冠层长势信息，研发初期便是与农机结合的ON-THE-GO边走边测系统[30，31]。  1.1.2国内研究进展 国内在作物生长信息无损监测技术研究及装置研制起步较晚，但近年来已经取得不少成果[32，33]。 中国农业大学李民赞等研制了一种基于光导纤文的便携式作物长势诊断仪[34]，此仪器利用敏感波长处的反射率，生成归一化颜色指数（Normalized difference color index, NDCI），并建立了基于 NDCI的黄瓜叶片氮素含量预测模型。但适用单叶或单株园艺植物的间接测量，对田间作物冠层的研究没有涉及。 赵春江等[35]设计了一款用于测量作物 NDVI的仪器，该仪器利用日光作光源，通过四个具有特殊光谱响应特性的光电探测器，在植被近红外反射率平台和红光叶绿素吸收谷两个特征波段，分别对入射光和植被的反射光进行探测，经模拟-数字转换后，求出NDVI值。利用 NDVI 仪的数据，成功反演了小麦植株的叶面积、叶绿素密度，展示了NDVI仪在作物长势、营养诊断方面的应用前景。 中北大学和北京农业信息技术研究中心郝晓健[36]等人研制了一款智能便携式NDVI测量仪。中北大学和北京农业信息技术研究中心郝晓健等人研制了一款智能便携式NDVI 测量仪。该测量仪已被用作测量几种小麦的 NDVI。实验结果表明，该 NDVI 测量仪测得的数据与 ASD公司FR2500 地物光谱仪测定的数据是一致的。 倪军等[37]在分析作物冠层反射光谱光学特征基础上，研制了基于被动光源氮素无损监测仪的光学传感器，包括上行光传感器和下行光传感器。上行光传感器用于接收太阳光在 720nm 和 810nm 波段出的光谱信息，下行光传感器用于接收对应波段作物冠层反射光谱信息，通过处理得到作物冠层特征光谱的反射率。结合相关农学数学模型实时地计算出了稻麦 LNC、LNA、LDW 及 LAI等农学参数。该监测仪采用便携式设计，体积小、重量轻、实时性较强,适用于农田信息的快速获取。通过田间试验验证,精度高、实用性好。 中国农业大学现代精细农业实验室研发出禾信通作物长势监测仪，通过采集的数据得出作物叶绿素含量，达到进一步改进研发仪器、提升采集和计算精度的目的。在此基础上，东北农业大学设计了基于ZigBee无线网络的车载式禾信通作物长势监测仪动态检测设备，并且搭载 Topcon CropSpec LNC 传感器，进行数据对比得出监测结论。该仪器采用PDA控制器构建无线通信网络，搭载 2个禾信通作物长势监测仪采集节点作为数据采集设备，可以有效地调节速度大小，变换采集频率，选取绿色植被进行设备可行性试验。测量时，禾信通作物长势监测仪采集节点搭载在移动机械设备上，进行连续不断的作物反射信息采集。通过以往实验的验证，其拥有动态测量的能力，并且在移动中采集的数据又具有一定准确性。其不足之处在于，转向系统运行不顺畅，针对不同宽度的垄间距考虑不周，总体设计较紧凑，集成度较高。  1.2 结论 从上述国内外被动光源式作物生长监测设备的研究和应用情况来看，目前已取得了比较好的成果，但仍处于起步阶段，还存在如下问题： 目前大部分被动光源式光谱监测仪价格高昂，结构复杂，操作繁琐，功能单一，没有相应的农学指标模型支撑，只能输出光谱指标，在实际的田间应用中不便，不能直接指导生产，而且受知识产权限制，难以二次开发。而在国内，作物生长信息无损监测技术及装置研制尚处于起步阶段，目前大部分研究只停留在应用现有的地物光谱仪进行作物生长指标与光谱反射率关系的理论研究阶段，对相关产品的研发较少。一些高校与科研院所开发了测量植被指数、作物氮素的设备样机，但受限于仪器性价比问题，基本上都处于实验室试制阶段，未能形成商品化、规模化，而且功能单一。 为此，开发实用可行的作物生长信息监测装置，实现作物生长信息实时、连续、快速测量，不仅需要稳定可靠的传感设备，而且更需要作物生长模型支撑，两者如何有机结合，还需要进行持续性深入探索与研发。 基于CGMD302的水稻生长指标光谱监测模型研究:http://www.youerw.com/shengwu/lunwen_21917.html