1、精細農業(yè)是一種既能提高農業(yè)產量與品質，又能優(yōu)化資源利用率、保護生態(tài)環(huán)境等多目標優(yōu)化的新型農業(yè)，是我國發(fā)展現(xiàn)代農業(yè)、緩解資源環(huán)境壓力、促進農民增收農業(yè)增效、推進智能農業(yè)裝備技術、實現(xiàn)可持續(xù)發(fā)展的必由之路。農田作物生理信息的獲取是精細農業(yè)信息獲取的關鍵和核心問題之一，傳統(tǒng)方法對作物生理信息的獲取敏銳性不足、耗時費力，不能實現(xiàn)實時動態(tài)監(jiān)測。作物生理信息快速無損檢測技術能夠對農情狀態(tài)進行快速、實時的監(jiān)測和診斷，且不破壞作物，為農業(yè)生產管理提供基

2、礎信息，提高了農業(yè)管理決策的科學性和預見性，促進傳統(tǒng)的經(jīng)驗型農業(yè)向數(shù)字化、精細化、智能化的現(xiàn)代農業(yè)轉變。本研究以在我國種植廣泛、具有較好的經(jīng)濟價值的甘藍型油菜為研究對象，應用光譜、成像和圖譜融合技術實現(xiàn)了3種油菜常用化學除草劑的脅迫診斷和油菜生理指標的快速測定，對油菜生產過程的數(shù)字化、精細化和科學化管理決策提供了技術支持，對發(fā)展綠色農業(yè)，實施農藥減施技術，提高油菜籽的產量和品質具有重要意義。主要研究結論如下:
　　(1)提出了3種

3、油菜除草劑（草除靈、丙酯草醚及胺苯磺?。┟{迫診斷的特征波長選取方法，建立了油菜不同生長期不同除草劑隨施藥時間的脅迫程度診斷模型，結合植被指數(shù)顯著性分析實現(xiàn)了大田和盆栽油菜除草劑藥害的快速診斷。針對油菜3種常用除草劑施藥后的脅迫效應（大田試驗為施藥后7、14和21天;盆栽試驗為施藥后12、24、36、48和72小時），提出了特征波長提取的二階導數(shù)法，分別提取除草劑脅迫程度和種類診斷的特征波長，建立了支持向量機判別模型，結果表明:①針對油菜

4、施藥后的脅迫程度的最佳診斷時間，苗期草除靈為施藥后21天（大田）和36小時（盆栽），與植被指數(shù)RVSI與PRI顯著相關;苗期丙酯草醚為施藥后7天（大田）和12小時（盆栽），與植被指數(shù)DVI、PRI和VSR顯著相關;苗期胺苯磺隆為施藥后48小時（盆栽），與植被指數(shù)DVI、GNDVI、RVSI和SIPI顯著相關;抽薹期草除靈脅迫程度與植被指數(shù)GNDVI、SIPI和VSR顯著相關，胺苯磺隆與植被指數(shù)PRI顯著相關。②針對除草劑種類的脅迫診斷，

5、苗期大田試驗中丙酯草醚與草除靈的支持向量機模型區(qū)分識別率為96.3％（施藥21天），盆栽試驗中胺苯磺隆與丙酯草醚和草除靈的區(qū)分識別率為80.00％左右;抽薹期大田試驗中草除靈與胺苯磺隆的區(qū)分識別率為100％（施藥14天）。
　　(2)研究了基于空間灰度共生矩陣不同方向角（0°、45°、90°、135°和平均角度）的紋理信息提取方法，建立了油菜不同生長期3種除草劑脅迫程度的紋理信息診斷模型和特征光譜-紋理信息融合診斷模型，實現(xiàn)了除草

6、劑脅迫程度的多源信息融合診斷。研究提取了特征波長圖像上基于空間灰度共生矩陣不同方向角(0°、45°、90°、135°和平均角度)的8個紋理信息（均值、方差、逆差矩、對比度、非相似度、熵、角二階矩和相關性），建立了除草劑脅迫程度診斷的支持向量機模型，結果表明:①紋理信息診斷模型的最佳輸入變量為135°方向上的紋理信息;②草除靈、丙酯草醚、胺苯磺隆的脅迫程度診斷最優(yōu)模型分別為融合診斷模型（施藥7天，識別率為86.67％）、紋理信息模型（施藥

7、14天，識別率為93.3％）、融合診斷模型(施藥7天，識別率為85.0％)。
　　(3)提出了光譜數(shù)據(jù)組合預處理方法和特征波長提取方法，建立了油菜苗期和抽薹期葉片生理信息的全譜和特征波長快速無損檢測模型。針對除草劑脅迫下油菜葉片生理信息（丙二醛含量MDA、過氧化物酶活性POD、超氧化物歧化酶活性SOD和可溶性蛋白含量），建立了不同組合預處理下的偏最小二乘法PLS、最小二乘-支持向量機LS-SVM和極限學習機ELM預測模型，結果表明

8、:①對MDA的預測，苗期和抽薹期的最優(yōu)模型分別為基于特征波長的ELM模型（RP=0.929）和全譜PLS模型（RP=0.923）;②對POD的預測，苗期和抽薹期的最優(yōu)模型分別為基于特征波長的PLS模型（RP=0.877）和基于特征波長的ELM模型（RP=0.920）;③對SOD的預測，苗期和抽薹期的最優(yōu)模型分別為基于特征波長的PLS模型（RP=0.936）和基于特征波長的ELM模型(RP=0.798);④對可溶性蛋白含量的預測，苗期和抽

9、薹期的最優(yōu)模型分別為全譜PLS模型（RP=0.931）和基于特征波長的ELM模型（RP=0.934）;⑤針對4個生理指標，分別選取不同年度（2011和2012年度）相同的特征波長所建最優(yōu)模型的預測相關系數(shù)均大于0.825。
　　(4)應用高光譜成像技術“圖譜合一”的特性，建立了油菜葉片MDA、POD、SOD和可溶性蛋白含量的PLS預測模型，構建了油菜葉片4種生理指標預測分布圖，首次實現(xiàn)了非生物脅迫下油菜葉片生理信息的分布可視化，為