1. 研究目的与意义、国内外研究现状（文献综述）
1.课题的意义我国的农业资源总量处于世界前列，然而基于庞大的人口数量，农业资源人均拥有量并不乐观，甚至低于世界平均标准[28]，如何维持一个人口大国的粮食需求成了迫切需要解决的问题。得益于改革开放以来中央对于农业重视程度的加强，农业基础设施得到了完善和提高，伴随着人力和财力的投入，栽培技术和育种技术有了大幅度的改进和提升，我国的粮食年产量也在逐步提高[29]，从1979年实行改革开放后的14年，粮食的年增长幅度达到2.7%。但是粮食产量的高增幅也暴露出一定的问题。我国目前的农业生产，主要还是以人力畜力、手工劳动为主，现代化农业机具的使用较少，劳动生产力低下。随着现代化进程加快，工业用地增加，农业用地减少，为了满足粮食供给需求，一味的追求高产量，化肥、农药等化学药品施用量增加，然而化学药品的施用没有经过精确的计算、科学的指导，更没有严格的标准，导致施用过量且利用率低下，农药残留量不断加重，土地肥力下降，我国目前生产和使用的农药多达几千种，每年使用量高达50~60万吨，其中约80%直接进入环境，导致了多种农产品的农药残留量超标，严重影响了农产品的出口贸易[30, 31]。总的来说，农业的快速增长过度消耗了有限的农业资源，破坏了生态平衡，污染了农业生产环境。2. 国内外研究进展2.1光谱监测技术近年来,随着地面遥感技术的迅速发展，基于光谱技术的无损监测方法已经被广泛应用于矿山资源、土壤资源、植被环境、大气环境、水环境、农作物等监测，并产生了良好的经济、社会效益[1-5]。相关的研究表明，作物在太阳光或特定波段光照射下，作物体内大多数生理、生化特性变化会引起作物对某些特定波段光谱信息的吸收差异，表现出作物对某些特征光谱波段的敏感特性。利用作物的这一特性，即可通过对作物的光谱信息进行采集和分析，间接实现作物的实时生长状况的无损获取[6-8]。作物冠层光谱蕴含着丰富的作物长势信息[13-18]，研究表明：作物叶片部位的氮含量、叶绿素以及干物质等农学参量与作物冠层的光谱特征具有鲜明的对应关系[19-23]。而且，这些对应关系是在某些特定波段才表现的较为明显，通常我们称这些特定的波段为敏感波段[14-16]。在600-700nm的红光波段区域，以650-680nm附近的反射率较低，这是由于叶绿素和氮素的强烈吸收而导致的[17-18]。很多研究发现，红光区域的反射率与LAI相关性较为密切，提出了671 nm和682nm的反射率与LAI的相关性最好[19-22]。薛利红[23]等在水稻上的研究表明，相近波段组合的比值植被指数RVI(810，560)与水稻LAI相关性呈幂函数关系。唐延林等[24]在对水稻、玉米和棉花三种作物LAI与冠层反射光谱的关系研究中发现800nm与680nm的反射率构成的比值植被指数可以用来反演这三种作物的LAI。李映雪等[25]研究发现，810nm反射率和460nm-680nm可见光波段反射率构成的比值和差值植被指数都与LAI呈极显著相关。陈鹏飞等[36]研究了玉米及小麦不同生育期的地面高光谱数据及对应生物量信息，提出红边三角植被指数（RTVI）是最好的估测冠层生物量的指数，在较高生物量条件下仍保持其对生物量变化的高敏感性，其与生物量间的决定系数为0.96。王渊等[37]研究表明：油菜叶、茎和荚果干重与光谱植被指数 (RVI，NDVI) 之间相关显著，且 RVI比 NDVI 更好。Takahashi等[38]通过测定水稻冠层可见光和近红外高光谱反射率来建立预测水稻干重的统计回归模型。Rao[39]在落花生上的试验结果表明生物量和叶面积与归一化植被指数 (NDVI) 及土壤调节植被指数（SAVI）存在显著的非线性关系。朱艳[26]等研究了不同土壤水分、施氮条件下水稻冠层反射光谱与冠层生长特征的量化关系，发现比值指数RVI (1650，1100)与水稻地上部的鲜重和干重均呈极显著幂函数相关关系[27]。2.2作物生长监测设备研究进展基于反射光谱分析的作物生长信息无损监测技术的研究及相关仪器设备的研发，国内外均取得了相应的进展。2012年Osama Mohammed Ben Saeed等[9]设计了一种便携式的四波段传感器，该传感器采用自主光源结构，具有全天候测量的优点，但该仪器已有应用仅限于油棕鲜果成熟度的测量，未见其在大田作物上应用的相关报道，应用范围窄，经济效益低；2013年Peter A. Larbi 等[10]开发一款用于检测柑橘树叶是否患木虱病的四波段光谱检测仪，该仪器虽然采用自主光源设计，但其仅能在室内暗室中进行测试，不能在外界阳光下进行测试；Thomas Fricke等[11]设计了一种结合超声波测距和反射光谱探测的传感器系统，并应用该系统来评估豆科植物的生物量信息，未见其关于其他大田作物的相关应用报道；2014年Youngryel Ryu 等[12]设计了一种基于LED的光谱传感器，用来测试植被的归一化植被指数(NDVI)值，进而预测植被的叶面积指数，但该仪器测试功能单一，成本较高。2009年南京农业大学国家信息农业工程技术中心倪军等研发了一种便携式作物生长监测诊断仪CGMD302，通过上下光通道分别接受太阳光光照以及作物冠层反射光光照，并采用滤光片分光，所选取的特征波长分别为730nm和815nm，用于测量作物冠层特征光谱反射率，但受太阳光的影响，只能在晴朗无云的中午11：00-14：00进行测试。因此国家信息农业工程技术中心课题组研发了一款主动式作物生长监测诊断仪CGMD402，此仪器有自身的发光系统和感光系统，理论上可以不依靠太阳光即可完成对作物的生长监测诊断。2.3作物生长监测诊断设备试验研究进展近20年来，随着光谱仪器的不断开发及其在作物生长监测中的广泛应用，使得应用遥感技术进行作物生长信息诊断的研究成为热点。Raun于2005年提出利用GreenSeeker的氮肥推荐算法，并被大量应用于小麦、玉米的推荐施肥中[40]。Raun分别在1999年和2002年利用主动作物传感器GreenSeeker扫描小麦关键生育时期冠层并获得NDVI值，发现NDVI值能够估测产量，同时基于产量推荐法进行氮肥推荐，结果发现与传统施肥相比，在生育关键时期推荐施肥后氮肥利用率提高了15%[41-42]。2004年同样利用Raun提出的基于产量的推荐算法对冬小麦实施追氮肥,与当地标准的氮肥推荐方法相比每公顷减少11 kg氮且没有减产，验证了 Raun (2005) 的试验结果发现利用GreenSeeker对作物进行实时的氮营养诊断和氮肥推荐能够减少氮肥用量同时提高氮素利用效率[43]。曹强等[44]首次应用 Crop Circle ACS-470 主动作物冠层传感器估测冬小麦及寒地水稻氮素营养状况，除准确估测地上部生物量与植株氮浓度以外，还发展了基于该传感器的冬小麦及寒地水稻氮肥推荐施肥算法，为下一步进行氮素营养诊断以及营养诊断指标的确定提供了依据和手段。3.参考文献[1] 于涛,李希灿,王晓,等.高光谱技术应用情况研讨[J].测绘科学, 2012,37(02):115-118.[2] Thorp K. R., Dierig D. A., French A. N., et al. Analysis of hyperspectral reflectance data for monitoring growth and development of lesquerella[J]. Industrial Crops and Products, 2011,33(2):524-531.[3] Pimstein Agustin, Karnieli Arnon, Bansal Surinder K., et al. Exploring remotely sensed technologies for monitoring wheat potassium and phosphorus using field spectroscopy[J]. Field Crops Research, 2011,121(1):125-135.[4] Li Y., Chen D., Walker C. N., et al. Estimating the nitrogen status of crops using a digital camera[J]. Field Crops Research, 2010,118(3):221-227.[5] 姚云军, 秦其明, 张自力, 等. 高光谱技术在农业遥感中的应用研究进展[J]. 农业工程学报, 2008,24(07):301-306.[6] 梁亮, 杨敏华, 张连蓬, 等. 小麦叶面积指数的高光谱反演[J]. 光谱学与光谱分析, 2011,31(06):1658-1662.[7] Broge N. H., Mortensen J. V. Deriving green crop area index and canopy chlorophyll density of winter wheat from spectral reflectance data[J]. Remote Sensing of Environment, 2002,81(1):45-57.[8] Ahamed Tofael, Tian Lei, Jiang Yanshui, et al. Tower remote-sensing system for monitoring energy crops; image acquisition and geometric corrections[J]. Biosystems Engineering, 2012,112(2):93-107.[9] Saeed Osama Mohammed Ben, Sankaran Sindhuja, Shariff Abdul Rashid Mohamed, et al. Classification of oil palm fresh fruit bunches based on their maturity using portable four-band sensor system[J]. Computers and Electronics in Agriculture, 2012,82:55-60.[10] Larbi Peter A., Ehsani Reza, Salyani Masoud, et al. Multispectral-based leaf detection system for spot sprayer application to control citrus psyllids [J]. Biosystems Engineering, 2013,116(4):509-517.[11] Fricke Thomas, Wachendorf Michael. Combining ultrasonic sward height and spectral signatures to assess the biomass of legume–grass swards [J]. Computers and Electronics in Agriculture, 2013:236-247.[12] Ryu Youngryel, Lee Galam, Jeon Soohyun, et al. Monitoring multi-layer canopy spring phenology of temperate deciduous and evergreen forests using low-cost spectral sensors [J]. Remote Sensing of Environment, 2014:227-238.[13] 蒋焕煌，应义斌，谢丽娟.光谱分析技术在作物生长信息检测中的应用研究进展[J].光谱学与光谱分析，2008,28(6):1300-1304.[14] 曹卫星.农业信息学[M].北京:中国农业出版社，2004.[15] NK, KS, SD. Ground-Based Canopy Refl ectance Sensing for Variable-Rate Nitrogen Corn Fertilization[J].Agronomy Journal, 2010,102(1):71[16] 牛铮，陈永华，隋洪智等.叶片化学组分成像光谱遥感探测机理分析[J]，遥感学报，2000(2):125-130.[17] 田永超，朱艳，姚霞等.基于光谱信息的作物氮素营养无损监测技术[J].生态学杂志，2007(9):1454-1463.[18] PC.Remote sensing of foliar chemistry[J]. Remote Sensing of Environment, 1989,30(3):271-278.[19] 童庆禧.中国典型地物波谱及其特征分析[M].北京:科学出版社，1990.[20] HINZMANLD, BAIJERME, DAUGHTRYCST. Effects of nitrogen fertilization on growth and reflectance characteristics of winter wheat[J]. Environmental Sciences,1986,19(1):47-61.[21] 金仲辉,张宏名,王家圣.关于光谱反射率和小麦叶面指数之间关系的研究[J].北京农业大学学报,1992(2):189-196.[22] 王秀珍,黄敬峰,李云梅等.高光谱数据与水稻农学参数之间的相关分析[J].浙江大学学报(农业与生命科学版)，2002(3): 50-55.[23] 刘伟东,项月琴,郑兰芬等.高光谱数据与水稻叶面积指数及叶绿素密度的相关分析[J].遥感学报，2000,4(4):279-283.[24] 王登伟,黄春燕,马勤建等.棉花高光谱植被指数与LAI和地上鲜生物量的相关分析[J].中国农学通报，2008(3):426-429.[25] 唐延林,王秀珍,王福民等.农作物LAI和生物量的高光谱法测定[J].西北农林科技大学学报(自然科学版),2004(11): 100-104.[26] 李映雪.基于冠层反射光谱的小麦氮素营养与籽粒品质监测[D].南京:南京农业大学，2005.[27] 王渊,王福民,黄敬峰.油菜不同组分生物量光谱遥感估算模型.浙江农业学报,2004(2):29-33.[28] 孙进群,雷娜.我国农业资源评价与利用研究.安徽农业科学,2010.38(36): p.403-405.[29] 刘书楷, 陈利根, 曲福田.我国农业资源持续利用问题与对策.中国农业源与区划, 2004. 25(2): p. 1-4.[30] 王塞妮,李蕴成,我国农药使用现状、影响及对策. 现代预防医学, 2007.34(20): p. 3853-3855.[31] 陈晓明,王程龙,薄瑞,中国农药使用现状及对策建议.农药科学与管理, 2016.37(2):p.4-8.[32] 王亚莉, 贺立源, 作物生长模拟模型研究和应用综述. 华中农业大学学报, 2005. 24(5): p. 529-535.[33] 薛利红, 曹卫星, 罗卫红, 基于冠层反射光谱的水稻产量预测模型. 遥感学报, 2005. 9(1): p. 100-105.[34] 冯伟, 基于高光谱遥感的小麦籽粒产量预测模型研究. 麦类作物学报, 2007. 27(6): p. 1076-1084.[35] 刘达, 遥感与作物生长模型同化评估水稻长势. 2013, 中国地质大学(北京).[36] 陈鹏飞, Tremblay Nicolas, 王纪华, 等. 估测作物冠层生物量的新植被指数的研究[J]. 光谱学与光谱分析, 2010, 30(2): 512-517.[37] 王渊, 王福民, 黄敬峰. 油菜不同组分生物量光谱遥感估算模型[J]. 浙江农业学报, 2004, 16(2): 79-83.[38] Takahashi W, Nguyen C V, Kawaguchi S, et a1. Statistical models for prediction of dry weight and nitrogen accumulation based 0n visible and near-infrared hyper-spectral reflectance of rice canopies[J]. Plant Production Science, 2000, 3(4): 377-386.[39] Rao G H, Gupta R K, Nadham T S V, et al. NOAA/AVHRR vegetation indices as district level wheat growth indicators[J]. Advances in Space Research, 1993, 13(5): 49-52.[40] Raun W R, Solie J B, Stone M L, et al. Optical sensor-based algorithm for crop nitrogen fertilization[J]. Communications in Soil Science and Plant Analysis, 2005, 36(19): 2759-2781.[41] Raun W R, Johnson G V. Improving nitrogen use efficiency for cereal production[J], Agronomy Journal, 1999, (91): 357-363.[42] Raun W R, Solie J B, Johnson G V, et al. Improving nitrogen use efficiency in cereal grain production with optical sensing and variable rate application[J]. Agronomy Journal, 2002, (94): 815-820.[43] Phillips SB, Keathey D A, Warren J G. Estimating winter wheat tillering desity using s pectral reflectance sensors for early—spring, variable-rate nitrogen application[J]. Agronomy Journal, 2004, (96): 591-600.[44] Cao Q, Miao Y X, Wang H Y, et al. Non-destructive estimation of rice plant nitrogen status with Crop Circle multispectral active canopy sensor[J]. Field Crops Research, 2013, 154: 133-144.
2. 研究的基本内容和问题
1.研究的目标本研究依托南京农业大学国家信息农业工程技术中心研制的CGMD402作物生长监测诊断仪，通过开展不同生态点、不同氮素水平、不同品种的稻麦田间测试，综合运用现代光谱分析、生长分析、生理生化测试以及数理统计分析等手段，对CGMD402作物生长监测诊断仪进行性能评价，构建与CGMD402相配套的光谱监测模型。研究结果的应用和推广可以提高监测仪的稳定性和精确度，可以有效促进我国农业信息快递获取技术的提高，促进现代农业的发展和提高农业综合生产能力。2.研究的内容通过开展不同生态点、不同氮素水平、不同品种的稻麦田间试验，研究CGMD 402作物生长监测诊断仪在不同测量高度、测量方位、光照下的响应特征，提出CGMD402最佳使用条件；通过与商用光谱仪RapidSCAN、ASD HandHeld 2 测量结果分析，验证CGMD402的测量性能，构建不同仪器间的转换模型；最后与农学参数（叶面积指数、叶片氮含量、生物量、叶片氮积累量、叶绿素相对含量）相拟合，构建适用于CGMD 402的作物生长光谱监测方程，可以在不同生态点，不同生育期对进行作物生长监测。最后将商用光谱仪RapidSCAN与CGMD 402相拟合，分析两种仪器的异同。3.拟解决的关键问题（1）天气情况在不同季节和不同时间有所差异，可能会对实验结果产生一定影响。（2）人为操作很难保证每次测试的完全一致性，导致实验结果存在一定偏差。（3）作物封行前后由于土壤的影响，可能会对试验结果造成一定影响。
3. 研究的方法与方案
1.研究方法1.1 探究高度、方位、光照对CGMD 402的信噪比、稳定性、精确性影响在高度试验中，分别在20cm、30cm、40cm、50cm、60cm、70cm、80cm、90cm上进行作物冠层反射光谱测试，确定高度数据的相对变化量，分析不同高度对于测试结果准确性的影响。在方位试验中，分别在10点和13点进行迎光和背光的作物冠层反射光谱测试，确定在不同的方位是否会对测试结果产生影响。在光照试验中，分别在7点、10点、13点、16点进行作物冠层反射光谱测试，确定在同一天的不同时刻测试是否会对CGMD402精确性产生影响。1.2 利用RapidSCAN、ASD HandHeld 2 与CGMD 402所得到的植被指数进行数据分析ASD FieldSpec HandHeld 2手持式地物光谱仪是美国ASD (Analytical Spectral Devices) 公司的最新产品，适用于从遥感测量，农作物监测海洋学研究和矿物勘察的各方面应用。该仪器具有便携、操作灵活等优点，可快速、准确地获取反射率、辐射亮度和辐射照度信息。该仪器在光谱监测中已经得到较为广泛的应用，测试效果好、 精度高，测试性能稳定。RapidSCAN仪器为美国生产，采用主动光源，可以全天候测量，波段为680、730、780nm，与主动式作物生长监测诊断仪CGMD402所使用的波段相似。三种仪器主要参数对比如下图1。
2.技术路线3.实验方案试验1：仪器的田间小麦试验于2018年3月-5月在江苏省南通市如皋市国家信息农业工程技术中心示范基地进行。试验选用的小麦品种为生选6号(V1)和苏麦8号(V2)。试验分3个氮素处理，分别为N0（0 kg N/ha）、N1（180 kg N/ha）、N2（360 kg N /ha），2个密度分别为行距25cm和行距35cm，试验3个处理，共36个小区。采用人工播种，基本苗为225万/亩，氮肥基追比=5:5，基肥于播种前整地时施入，另配施120kg/haP2O5 和135kg/haK2O 作基肥一次性施入，追肥于拔节前期施入。其它栽培管理措施同一般高产田。实验2：仪器的田间水稻试验于2018年7月-9月在江苏省南通市如皋市国家农业示范基地共进行了四次水稻田间实验。试验选用的水稻品种为V1：内2优728（籼稻）和V2：淮稻5号（粳稻)。试验分3个氮肥处理（分别是0 kg N/ha,150 Kg N/ha,300Kg N/ha），3次重复。随机区组设计，共36个小区。采用人工移栽，两个密度分别为株行距30*15cm和50*15cm，双本移栽，南北行向，拟定排水沟0.6m宽，埂0.3m宽。保护行1.5m左右，小区之间以埂相隔，埂上覆膜，独立排灌。水稻氮肥基追比为4:6，另外钾肥和磷肥（P2O5 135kg.hm-2，K2O 225kg.hm-2）作基肥一次性施入（磷肥为过磷酸钙，钾肥为氯化钾）。其它栽培管理措施同一般高产田。4. 可行性分析近年来,随着地面遥感技术的迅速发展，基于光谱技术的无损监测方法已经被广泛应用于矿山资源、土壤资源、植被环境、大气环境、水环境、农作物等监测，并产生了良好的经济、社会效益。相关的研究表明，作物在太阳光或特定波段光照射下，作物体内大多数生理、生化特性变化会引起作物对某些特定波段光谱信息的吸收差异，表现出作物对某些特征光谱波段的敏感特性。利用作物的这一特性，即可通过对作物的光谱信息进行采集和分析，间接实现作物的实时生长状况的无损获取。作物冠层光谱蕴含着丰富的作物长势信息，研究表明：作物叶片部位的氮含量、叶绿素以及干物质等农学参量与作物冠层的光谱特征具有鲜明的对应关系。而且，这些对应关系是在某些特定波段才表现的较为明显，通常我们称这些特定的波段为敏感波段。在600-700nm的红光波段区域，以650-680nm附近的反射率较低，这是由于叶绿素和氮素的强烈吸收而导致的。很多研究发现，红光区域的反射率与LAI相关性较为密切，提出了671 nm和682nm的反射率与LAI的相关性最好。薛利红等在水稻上的研究表明，相近波段组合的比值植被指数RVI(810，560)与水稻LAI相关性呈幂函数关系。李映雪等研究发现，810nm反射率和460nm-680nm可见光波段反射率构成的比值和差值植被指数都与LAI呈极显著相关。
4. 研究创新点
本研究依托南京农业大学国家信息农业工程技术中心研制的CGMD402作物生长监测诊断仪，通过开展不同生态点、不同氮素水平、不同品种的稻麦田间测试，综合运用现代光谱分析、生长分析、生理生化测试以及数理统计分析等手段，对CGMD402作物生长监测诊断仪进行性能评价，构建与CGMD402相配套的光谱监测模型。
研究结果的应用和推广可以提高监测仪的稳定性和精确度，可以有效促进我国农业信息快递获取技术的提高，促进现代农业的发展和提高农业综合生产能力。
5. 研究计划与进展
1.研究计划（1） 2018年1月—2018年3月：查阅文献资料，规划实验思路，学习CGMD402、ASD HandHeld 2地物光谱仪等仪器的使用方法，同时对实验细节进行规范化调整。
（2） 2018年3月-2018年5月：进行如皋小麦季试验。
（3） 2018年7月-2018年9月：进行如皋水稻季试验。
以上是毕业论文开题报告，课题毕业论文、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。
