易于胀缩是砂姜黑土最典型的属性障碍因子之一。该文依托长期定位试验(2007―2017年)研究了秸秆还田对砂姜黑土收缩的影响机制。田间试验设置5个处理:不施肥(CK)、常规氮磷钾(F),及氮磷钾配施下的玉米秸秆还田(MSF)、小麦秸秆还田(WSF)...易于胀缩是砂姜黑土最典型的属性障碍因子之一。该文依托长期定位试验(2007―2017年)研究了秸秆还田对砂姜黑土收缩的影响机制。田间试验设置5个处理:不施肥(CK)、常规氮磷钾(F),及氮磷钾配施下的玉米秸秆还田(MSF)、小麦秸秆还田(WSF)和小麦-玉米双季秸秆还田(WMSF)。结果显示土壤容重(soil bulk density,SBD)呈现WMSF<WSF≈MSF≈F<CK,与土壤田间持水量(field moisture capacity,FC)的变化规律相反。WMSF处理土壤田间持水量为38%,高于CK处理7.38%。土壤比容积差值与土壤线性伸展系数(coefficient of linear extensibility,COLE)和有机质(soil organic matter,SOM)含量均呈显著正相关(P<0.05)。土壤收缩主要集中于正常段和滞留段,而质量含水量下降则表现在结构段和滞留段较为明显。尽管秸秆还田,尤其MSF处理结构段土壤含水量较大,但土体未发生明显收缩行为。综上所述,SOM累积因自身胀缩造成土体更强烈收缩,但通过水养增容实现了土体易于胀缩属性障碍因子的消减。小麦秸秆还田可显著提升土壤SOM含量,而玉米秸秆还田因难以腐化对土壤大孔隙度影响较大,小麦-玉米双季秸秆还田更符合该类型土壤农业生产中有机质提升、结构改善,水养增容的实际需求。展开更多
为了进一步挖掘无人机载激光雷达(Light Detection and Ranging,Li DAR)在农作物长势监测方面的潜力,探究机载Li DAR与多光谱遥感数据融合反演冬小麦叶面积指数(Leaf Area Index,LAI)的效果,以无人机载Li DAR和可见光-近红外多光谱为研...为了进一步挖掘无人机载激光雷达(Light Detection and Ranging,Li DAR)在农作物长势监测方面的潜力,探究机载Li DAR与多光谱遥感数据融合反演冬小麦叶面积指数(Leaf Area Index,LAI)的效果,以无人机载Li DAR和可见光-近红外多光谱为研究手段,获取试验区冬小麦孕穗期的无人机载Li DAR点云和多光谱数据,从中提取并筛选合适的Li DAR点云结构参数和植被指数,借助多元线性回归法(Multivariable Linear Regression,MLR)和偏最小二乘回归法(Partial Least Squares Regression,PLSR),通过融合Li DAR点云结构参数与植被指数以及单独使用植被指数作为模型输入参数,分别与实测LAI构建了LAI反演模型。用决定系数(Coefficient of Determination,R^(2))和均方根误差(Root Mean Square Error,RMSE)来评价模型时,结果显示融合Li DAR点云与多光谱数据能够较好地反演冬小麦LAI。而且,无论是利用MLR还是PLSR法,融合Li DAR点云结构参数与植被指数的模型(MLR︰R^(2)=0.901,RMSE=0.480;PLSR︰R^(2)=0.909,RMSE=0.445(n=16))均优于仅使用植被指数的模型(MLR︰R^(2)=0.897,RMSE=0.492;PLSR︰R^(2)=0.892,RMSE=0.486(n=16))。因此,加入无人机载Li DAR数据可以一定程度上弥补光谱数据在作物垂直方向上信息提取不足的缺陷,提高冬小麦LAI的反演精度,为冬小麦LAI反演提供了更优的手段。展开更多
文摘易于胀缩是砂姜黑土最典型的属性障碍因子之一。该文依托长期定位试验(2007―2017年)研究了秸秆还田对砂姜黑土收缩的影响机制。田间试验设置5个处理:不施肥(CK)、常规氮磷钾(F),及氮磷钾配施下的玉米秸秆还田(MSF)、小麦秸秆还田(WSF)和小麦-玉米双季秸秆还田(WMSF)。结果显示土壤容重(soil bulk density,SBD)呈现WMSF<WSF≈MSF≈F<CK,与土壤田间持水量(field moisture capacity,FC)的变化规律相反。WMSF处理土壤田间持水量为38%,高于CK处理7.38%。土壤比容积差值与土壤线性伸展系数(coefficient of linear extensibility,COLE)和有机质(soil organic matter,SOM)含量均呈显著正相关(P<0.05)。土壤收缩主要集中于正常段和滞留段,而质量含水量下降则表现在结构段和滞留段较为明显。尽管秸秆还田,尤其MSF处理结构段土壤含水量较大,但土体未发生明显收缩行为。综上所述,SOM累积因自身胀缩造成土体更强烈收缩,但通过水养增容实现了土体易于胀缩属性障碍因子的消减。小麦秸秆还田可显著提升土壤SOM含量,而玉米秸秆还田因难以腐化对土壤大孔隙度影响较大,小麦-玉米双季秸秆还田更符合该类型土壤农业生产中有机质提升、结构改善,水养增容的实际需求。
文摘为了进一步挖掘无人机载激光雷达(Light Detection and Ranging,Li DAR)在农作物长势监测方面的潜力,探究机载Li DAR与多光谱遥感数据融合反演冬小麦叶面积指数(Leaf Area Index,LAI)的效果,以无人机载Li DAR和可见光-近红外多光谱为研究手段,获取试验区冬小麦孕穗期的无人机载Li DAR点云和多光谱数据,从中提取并筛选合适的Li DAR点云结构参数和植被指数,借助多元线性回归法(Multivariable Linear Regression,MLR)和偏最小二乘回归法(Partial Least Squares Regression,PLSR),通过融合Li DAR点云结构参数与植被指数以及单独使用植被指数作为模型输入参数,分别与实测LAI构建了LAI反演模型。用决定系数(Coefficient of Determination,R^(2))和均方根误差(Root Mean Square Error,RMSE)来评价模型时,结果显示融合Li DAR点云与多光谱数据能够较好地反演冬小麦LAI。而且,无论是利用MLR还是PLSR法,融合Li DAR点云结构参数与植被指数的模型(MLR︰R^(2)=0.901,RMSE=0.480;PLSR︰R^(2)=0.909,RMSE=0.445(n=16))均优于仅使用植被指数的模型(MLR︰R^(2)=0.897,RMSE=0.492;PLSR︰R^(2)=0.892,RMSE=0.486(n=16))。因此,加入无人机载Li DAR数据可以一定程度上弥补光谱数据在作物垂直方向上信息提取不足的缺陷,提高冬小麦LAI的反演精度,为冬小麦LAI反演提供了更优的手段。
