基于叶绿素和干物质敏感植被指数的水稻产量预测开题报告

 2022-02-08 20:16:35

1. 研究目的与意义、国内外研究现状(文献综述)

一、课题意义

水稻是世界上主要的粮食作物之一,我国既是世界上最大的稻米生产国,也是稻米消费大国,约2/3的人口以稻米为主食,因此,水稻在我国粮食生产中占有重要的战略地位,其产量关系着国家的粮食安全。因此,预测水稻最终产量,并建立产量预测模型,具有重要意义。

传统水稻产量的估算是采用人工区域调查的方法,该方法调查速度比较慢、工作量大、成本较高,很难及时以及大范围的获取到水稻的长势与产量信息。而高光谱监测以其快速及时、信息量大、省工省时等明显优势,非常有效的解决了传统方法遇到的问题。而其中植被指数法一般利用几个特征波段通过计算其比值、差值或归一化值来定量评估作物产量时空变化,其特点是计算方便、形式简洁。因此,通过基于高光谱植被指数法来对产量进行预测是很有意义的。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容和问题

研究目标

1、本研究将水稻全生育期内各个重要生育时期的多个植被指数与最终产量相结合,试图从水稻生长的动态变化来探究产量的形成,并建立预测模型用以指导生产。

2、建立各个时期植被指数与生物量的关系,探究植被指数对生物量的预测性。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究的方法与方案

研究方法

1、在水稻关键生育期获取ASD植被光谱曲线数据,从中提取反射率数据。

2、提取相关植被指数并进行分析

3、建立水稻地上部分生物量、产量与不同生育时期植被指数的相关模型。

4、探究与叶绿素相关性较高的植被指数是否能够对产量进行预测。

技术路线

实验方案

1.1试验地概况

试验地位于中国江苏省如皋市白蒲镇朱家桥村(北纬3200′,东经12020′),全年平均气温为14.6℃。年平均降水数为121.3天,年平均降水量1055.5毫米。年平均无霜期为215.6天。土壤类型为壤土,有机质含量19.95 g/kg。

1. 2 材料与试验设计

2016年6月-2016年10月进行。供试水稻品种为粳稻(武运粳24)和籼稻(Y两优一号)表1,6月17日移栽,两个种植密度分别为:30 cm 15 cm(行株距)和 50 cm 15 cm(行株距)。 小区面积为30 m2,小区长6 m,宽5 m。3个氮肥水平:纯氮0 kg/ha-2 (N0)、150 kg/ha-2 (N1)、300 kg/ha-2 (N2)。氮肥品种为尿素(氮含量为46%)。氮肥按基肥:分蘖肥:促花肥:保花肥=4 : 2 : 2 : 2施用,另外配施磷肥 (P2O5) 135 kg/ha-2,钾肥 (K2O) 190 kg/ha-2,钾肥和磷肥做基肥施入。共12个处理,3次重复,合计36个试验小区,随机区组排列如表2。

表1 田间试验水稻栽培方案

Table 1 The cultural setting of rice field experiment

时间

2016年7月至10月

品种

武运粳24、Y两优一号

行距乘株距

30cm*15cm、50cm*15cm

氮素水平

0、150和300kg/ha-2

表2 田间小区分布图

Table 2 The distribution map of field

9

8

7

6

5

4

3

2

1

N0

N2

N1

N2

N1

N0

N2

N0

N1

V1D1

10

11

12

13

14

15

16

17

18

N0

N2

N1

N2

N1

N0

N0

N2

N1

V1D2

27

26

25

24

23

22

21

20

19

N1

N2

N0

N0

N1

N2

N0

N2

N1

V2D1

28

29

30

31

32

33

34

35

36

N1

N2

N0

N0

N1

N2

N2

N0

N1

V2D2

1. 3数据采集

在每个水稻重要生育阶段测试,在风速较低、天气晴朗的中午(10:00-14:00)。采用便携式地物光谱仪ASD获取水稻冠层上方1m高的反射率信息。植株生物量测定与光谱测量同步,每小区取水稻三穴,按器官(叶茎穗)分离,在105℃下杀青并在80℃下烘干后称重,得到各器官干重以及地上部总生物量。成熟期后选择一平米内的水稻测试产量。

1. 4数据处理流程

在拔节期、孕穗期、抽穗期和灌浆期将获得36组农学数据和光谱数据,根据光谱数据计算出植被指数(见表3),再计算出各个时期植被指数与生物量和产量的关系,进行分析。

表3 植被指数

Table 2 Vegetation Index

可行性分析

1、水稻产量的光谱预测前人已经有很丰富的研究,现在利用ASD采集植被光谱曲线,也具备一定的研究基础,为试验成功提供了技术支持。

2、本实验依托南京农业大学信息农业工程技术中心,有实力雄厚的科研团队,指导导师程涛教授更是对遥感有多年的研究经验,为江苏省特聘教授,双创博士,经验丰富,能及时帮我解决实验中遇到的问题。

3、本人热爱科学研究,SRT中对水稻进行过较深入的研究,具有一定的基础。

4. 研究创新点

特色和创新之处

1、目前的作物产量预测型多为静态的统计模型,但是水稻产量的形成是一个动态的变化过程。本研究试图通过不同生育期水稻光谱特征与产量之间的关系,建立动态估产模型,用整个生育期光谱变化规律来解释并预测水稻最终产量并建立具有普适性的动态估产模型来指导生产。

2、产量的形成与生物量的形成相辅相成。本研究通过分别建立植被指数和生物量、产量的相关模型,来判断干物质的生产与分配规律并在作物生长的关键时期对其进行监测诊断,以期科学评价作物生长状况,为最终产量的获得提供预测依据,并针对性地采取栽培措施进行管理。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

5. 研究计划与进展

研究计划及预期进展

1.2016年6月2016年10月 :在导师指导下选定课题,按照实验设计完成水稻栽种,在每个水稻重要生育阶段完成前期实验数据的获取。

2.2016年10月2016年12月:查阅资料,阅读相关文献,完成文献综述的攥写;撰写开题报告,修改审核。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。