地上生物量(AGB)是评估作物生长发育和指导田间农业生产管理的重要指标。 因此, 高效精准地获取作物AGB信息, 可以及时准确地估算产量, 对于保障粮食供应和贸易提供有力依据。 传统获取AGB的方法是采用破坏性取样法, 这使得大面积、 长期的测量变为困难。 然而, 随着精准农业的快速发展, 无人机遥感技术被认为是估算大面积作物AGB最有效的技术方式。 通过无人机平台搭载多光谱传感器获取马铃薯块茎形成期、 块茎增长期和淀粉积累期的多光谱影像, 地面实测株高和AGB以及地面控制点(GCP)的空间位置信息。 首先, 基于SFM(structure from motion, SFM)技术利用无人机影像数据结合GCP的三维坐标生成试验田的DSM(digital surface model, DSM), 通过DSM提取出马铃薯各生育期的株高(Hdsm); 然后, 选取原始4个单波段植被指数、 9个多波段组合的植被指数、 红边波段的高频信息(HFI)和提取的Hdsm分别与AGB作相关性分析; 最后基于单波段植被指数(x₁)、 多波段组合的植被指数(x₂)、 植被指数结合Hdsm(x₃)、 植被指数结合HFI(x₄)以及植被指数融合HFI和Hdsm(x₅)为模型输入参数, 采用偏最小二乘回归(PLSR)和岭回归(RR)估算各生育期的AGB。 结果表明: (1)提取的Hdsm和实测株高拟合的R²为0.87, NRMSE为14.34%; (2)各模型参数都与AGB达到极显著水平, 相关性均从块茎形成期到淀粉积累期先升高后降低; (3)各生育期以5种变量使用同种方法估算马铃薯AGB的效果, 均从块茎形成期到淀粉积累期先好后变差, 其估算精度由高到低依次为x₅>x₄>x₃>x₂>x₁; (4)各生育期使用PLSR以不同变量估算AGB的效果要优于RR方法, 其中在块茎增长期基于x₅变量估算马铃薯AGB效果最佳, R²为0.73, NRMSE为15.22%。 因此, 选取多光谱植被指数结合红边波段的高频信息和Hdsm并使用PLSR方法可以明显提高AGB的估算精度, 这为大面积马铃薯作物AGB的监测提供了新的技术支撑。

地上生物量（AGB）是表征作物生命活动的重要参数, 对作物长势监测和产量预测尤为关键。 因此, 快速准确地获取AGB信息, 对于监测作物生长状况、 指导农业管理和提高产量具有重要的意义。 以无人机为平台搭载数码相机传感器, 因机动性强、 价格低、 空间分辨率高的优势, 能够及时准确的估算作物AGB, 已成为遥感估算研究的热点之一。 由于无人机不同飞行高度及其对应不同分辨率数码影像的AGB估算模型精度不同, 因此, 尝试在马铃薯的块茎增长期, 通过设置10, 20, 30, 40和50 m共5种无人机飞行高度, 获取不同分辨率的数码影像, 探究其对以光谱信息、 纹理特征和光谱信息+纹理特征构建AGB模型精度的影响。 首先, 基于无人机数码影像, 分别提取光谱信息和纹理特征, 通过光谱信息构建的植被指数和纹理特征, 分别结合地面试验获取的实测地上部生物量数据进行相关性分析, 分别筛选了相关系数绝对值较大的前10个影像指数和前8个纹理特征。 然后, 分别以3种输入变量整合方差膨胀因子（VIF）进行主成分分析（PCA）降维处理, 获得最佳主成分后以多元线性回归（MLR）构建AGB估算模型。 最后, 对比不同分辨率的数码影像以3种变量和同种分辨率下以同种变量构建的AGB估测模型效果。 结果发现: （1）获得的影像分辨率在0.43~2.05 cm之间变化时, 纹理特征与马铃薯AGB相关性弱于植被指数, 但都达到极显著相关水平（p<0.01）, 随着数码影像分辨率降低, 二者相关性差异明显。 （2）同种分辨率影像下, 光谱信息+纹理特征估算AGB的效果最优, 其次为单一纹理特征模型, 而单一光谱模型表现效果最差。 （3）随着数码影像分辨率提高, 光谱信息、 纹理信息以及光谱+纹理信息估算AGB的精度逐渐变好。

地上生物量（AGB）是作物长势评价及产量预测的重要指标, 因此快速准确地估算AGB至关重要。 由于传统植被指数（VIs）估算多生育期的AGB存在饱和现象, 因此, 利用VIs结合基于离散小波转换（DWT）的影像小波分解（IWD）技术提取的高频信息和连续小波转换（CWT）技术提取的小波系数, 探究VIs, VIs+IWD和VIs+CWT对于AGB的估算能力。 首先, 基于无人机平台分别获取马铃薯现蕾期、 块茎形成期、 块茎增长期、 淀粉积累期的数码影像和成像高光谱影像以及地面实测的AGB数据。 其次, 利用数码影像通过IWD技术提取3种高频信息和利用高光谱反射率数据通过CWT技术提取小波系数以及构建6种高光谱植被指数。 然后, 将植被指数、 高频信息和小波系数分别与AGB进行相关性分析, 并挑选出不同尺度下相关系数绝对值较高的前10波段。 最后, 以VIs, VIs+IWD和VIs+CWT这3种变量分别使用偏最小二乘回归（PLSR）方法构建AGB估算模型, 并对比不同模型估算AGB的效果。 结果表明: （1）每个生育期选取的6种植被指数、 3种高频信息和10种小波系数与AGB的相关性均达到0.01显著水平, 整个生育期相关性均呈现先升高后降低的趋势, 其中以小波系数得到的相关性最高、 高频信息次之, 植被指数最低。 （2）对比分析每个生育期的3种估算模型, 以VIs+CWT为输入变量的估算效果最好, VIs+IWD的估算效果次之, 而VIs的估算效果最差, 说明基于小波分析构建的模型适用性较广、 稳定性较强。 （3）每个生育期分别以3种变量利用PLSR方法构建的AGB估算模型均在块茎增长期达到最高精度（VIs: 建模R2=0.70, RMSE=98.88 kg·hm-12, NRMSE=11.63%; VIs+IWD: 建模R2=0.78, RMSE=86.45 kg·hm-12, NRMSE=10.17%; VIs+CWT: 建模R2=0.85, RMSE=74.25 kg·hm-12, NRMSE=9.27%）。 通过VIs分别结合IWD和CWT技术利用PLSR建模方法, 可以提高AGB估算精度, 为农业指导管理提供可靠参考。

地上生物量(above-ground biomass, AGB)是评价作物长势及其产量估测的重要指标, 对指导农业管理具有重要的作用。 因此, 快速准确地获取生物量信息, 对于监测马铃薯生长状况, 提高产量具有重要的意义。 于马铃薯现蕾期、 块茎形成期、 块茎增长期、 淀粉积累期、 成熟期获取成像高光谱影像、 实测株高(heigh, H)、 地上生物量和地面控制点(ground control point, GCP)的三维空间坐标。 首先基于无人机高光谱灰度影像结合GCP生成试验田的DSM(digital surface model, DSM), 利用DSM提取马铃薯的株高(Hdsm); 然后利用无人机高光谱影像计算一阶微分光谱、 植被指数和绿边参数, 进而分析高光谱特征参数(hyperspectral characteristic parameters, HCPs)和绿边参数(green edge parameters, GEPs)与马铃薯AGB的相关性, 每个生育期筛选出相关性较高的前7个高光谱特征参数和最优绿边参数(optimal green edge parameters, OGEPs); 最后基于HCPs, HCPs加入OGEPs, HCPs加入OGEPs和Hdsm的组合利用偏最小二乘回归(partial least square regression, PLSR)和随机森林(random forest, RF)估算不同生育期的AGB。 结果表明: (1)提取的Hdsm与实测株高H高度拟合(R2=0.84, RMSE=6.85 cm, NRMSE=15.67%); (2)每个生育期得到的最优绿边参数不完全相同, 现蕾期、 块茎增长期和淀粉积累期OGEPs为Rsum, 块茎形成期和成熟期OGEPs分别为Drmin和SDr; (3)与仅使用HCPs估算AGB相比, 使用HCPs加入OGEPs, HCPs加入OGEPs和Hdsm在马铃薯不同生育期可以提高AGB估算精度, 且以后者为自变量提高精度的幅度更大; (4)每个生育期利用PLSR和RF估算AGB的建模和验证R2从现蕾期到块茎增长期呈上升趋势, 随后开始降低, 整体上R2呈先上升后下降的趋势, 通过PLSR方法构建的估算AGB模型效果优于RF方法, 其中块茎增长期表现效果最好。 因此, 高光谱特征参数中结合最优绿边参数和株高, 并使用PLSR方法可以改善马铃薯AGB的估算效果。

采用电子波包干涉方法研究了长程库仑势以及再散射电子对氢原子在少周期强激光场中阈上电离的影响。首先, 利用强场近似及Coulomb-Volkov近似结合时间窗函数, 模拟了氢原子在波长为800 nm且脉宽为5 fs的线性极化激光场中单电离的周期内干涉及周期间干涉图像, 发现在长程库仑势作用下周期内干涉及周期间干涉共同作用形成了二维动量谱中的部分扇形结构条纹, 其余部分扇形条纹的形成与再散射电子有关。然后, 通过数值求解含时薛定谔方程计算了深度隧穿电离机制下氢原子的二维动量谱, 在二维动量谱中出现了明显的径向条纹。研究结果表明, 该径向条纹的产生与长程库仑势无关, 是再散射电子波包干涉形成的。

倒伏胁迫是玉米生产中的主要灾害之一, 严重影响玉米的产量、 品质和机械收获能力。 解析不同倒伏胁迫强度下玉米冠层结构变化规律及其光谱响应机理, 是玉米倒伏灾情大范围遥感监测的基础。 分别在玉米抽雄期、 灌浆中期设置茎倒、 茎折、 根倒3种强度的倒伏处理, 基于田间多频次持续观测实验, 分析生育期、 倒伏类型对玉米冠层结构动态变化及其自我恢复能力的影响; 采用传统光谱变换与连续小波变换方法对倒伏玉米冠层高光谱进行处理, 选取叶面积密度(LAD)为玉米倒伏冠层结构特征指标, 筛选叶面积密度最佳敏感波段和小波系数, 基于随机森林法构建叶面积密度高光谱响应模型, 利用未参与建模的实测样本验证模型精度, 重点探讨小波分解尺度和光谱分辨率对LAD光谱响应能力的影响规律。 研究结果表明: 叶面积密度作为单位体积内叶面积总量的冠层结构表征指标, 与倒伏胁迫强度具有较好的响应关系, 灌浆期的倒伏玉米LAD普遍高于抽雄期, 抽雄期LAD整体表现为茎折＞根倒＞茎倒＞未倒伏, 灌浆期LAD整体表现为根倒＞茎折＞茎倒＞未倒伏; 经连续小波变换后, 玉米倒伏冠层光谱对玉米倒伏LAD的响应能力普遍优于传统光谱变换, 随着小波分解尺度的增加, LAD与敏感波段的相关性越强, 其中10尺度相关系数最高, 达0.74; 连续小波变换所构建的模型精度普遍优于传统光谱变换, 其中由原始光谱小波变换后构建的LAD响应模型精度最高, 检验样本的R2为0.811, RMSE为1.763, 表明连续小波变换技术可凸显和利用冠层光谱中的细微信息。 因此, 叶面积密度可有效定量表征不同倒伏胁迫程度的玉米冠层结构变化特征, 连续小波变换能有效提升冠层光谱对倒伏玉米结构变化的响应能力, 基于随机森林法构建的倒伏玉米叶面积密度诊断模型具有较高的精度和稳定性, 可为区域尺度的夏玉米倒伏灾情遥感监测提供先验知识。

利用改进的强场近似方法,结合时间窗函数,分析了氢原子在强场阈上电离过程中的电子波包(EWP)干涉对光电子能谱及二维(2D)动量谱的影响,发现光电子能谱及2D动量谱的一般特征是由周期内干涉和周期间干涉的共同作用引起的,2D动量谱中的扇形结构是由长程库仑势与周期内干涉作用引起的。利用含时薛定谔方程(TDSE)的数值解分析了多周期脉冲电离过程中周期内干涉被抑制的原因,发现当Keldysh参数接近1时,2D动量谱中出现了特殊的条纹结构,研究结果表明长程库仑势对该条纹的形成有重要的影响。

利用强场近似结合时间窗函数的方法,计算了氢原子在少周期强激光场中阈上电离的二维动量谱,并与利用Coulomb-Volkov近似结合时间窗函数计算的结果进行了比较。发现在长程库仑势作用下,周期内干涉及周期间干涉的共同作用形成了二维动量谱中的扇形结构条纹。通过求解含时薛定谔方程方法,计算了氢原子在不同脉宽下的二维动量谱,发现二维动量谱中除了周期内干涉和周期间干涉条纹,还出现了一些特殊的条纹结构。研究结果表明,该结构是由再散射电子波包形成的。