目的、材料與方法
葡萄的生長勢通常被看作是顯著影響果實產(chǎn)量和質(zhì)量的重要因素。由于微生態(tài)環(huán)境條件如土 壤狀況、氣候條件等的差異 , 即使栽培于同一地塊上的同一品種的葡萄 , 其生長勢也可能存在較大的差異 , 導(dǎo)致顯著影響?yīng)毩l(fā)酵單元內(nèi)原料質(zhì)量均一性和葡萄酒品質(zhì)。了解栽培地塊內(nèi)的葡萄生長勢差 異和確定與之相適應(yīng)的栽培管理技術(shù)措施 , 是提高葡萄原料品質(zhì)的重要基礎(chǔ)工作。然而,人工調(diào)查地塊內(nèi)所有單株的生長勢差異 , 勞動力需求量大、成本高?;诘匚锕庾V特性的遙感技術(shù)的歸 一化植被指數(shù) (NDVI) 成功應(yīng)用于大范圍葡萄生長勢觀測, 但是采用該技術(shù)對同一地塊內(nèi)葡萄樹體生長勢進(jìn)行評價的研究報道在世界范圍仍然很少。本文報道了利用 NDVI評價同一地塊內(nèi)生長的葡萄生長勢差異的研究結(jié)果 , 以期為采用基于地物光譜特性的遙感技術(shù)快速、準(zhǔn)確、低成本地評價葡萄生長狀況提供依據(jù)。本試驗于 2002年4~8月在法國波爾多的瑪歌 (Margaux) 產(chǎn)區(qū) Palmer酒莊的葡萄園進(jìn)行。品種為赤霞珠和梅鹿輒 (Vitis vinifera)。株行距 1 m ×1 m, 采用居約特式 ( Guyot) 整枝方式 , 籬架高 112 m, 試驗地塊內(nèi)采用相似的栽培管理技術(shù)。選擇3個地塊 , 并根據(jù)多年葡萄生長狀況將每一地塊內(nèi)葡萄生長勢劃分為強(qiáng)、中、弱等不同區(qū)域 , 每個區(qū)域內(nèi)選定4個小區(qū)進(jìn)行研究 (即 4次重復(fù) ) , 試驗區(qū)及小區(qū)分布具體情況見表 1。
每個小區(qū)內(nèi)隨機(jī)選擇6株進(jìn)行研究。5月22日~8月13日(新梢停止生長期) 對每株選定1個新梢 (不摘心和不去副梢) 分8次測量新梢長度動態(tài) ; 分別在花期 (6月6日)、封穗期 (7月25日) 和果實轉(zhuǎn)色期 (8月13日) 測定了葡萄葉片葉綠素指數(shù) (N-Tester指數(shù)) ; 8月13日測定所有試驗樹上的所有新梢和副梢的長度,并根據(jù) y=20.074x + 326.42 (梅鹿輒) 和y=20.73x-695.31 (赤霞珠) 計算單株葉面積〔y為單株葉面積 (cm2) , x為所有一次新梢和副梢的長度總和 (cm);7月23日清晨葉面露水消退后,每株樹選擇2片成熟葉片 , 套在外層為錫箔紙內(nèi)層為黑色塑料的袋內(nèi), 利用壓力室法測定葉柄午間水勢 ; 7月22日正午, 選用直升飛機(jī)作為遙感平臺,使用24×36mm, f=35~105mm相機(jī)加裝黃色濾光片 (12號) 和柯達(dá)EIR膠片作為傳感器 , 拍攝每一試驗地塊的彩紅外圖像 ; 同時 , 使用 24 ×36 mm, f = 35~80 mm的相機(jī)和普通200ASA膠片作為傳感器 , 拍攝每一試驗地塊彩色圖像。所獲得的圖像正片,利用掃描儀在1950dpi分辨率下掃描 , 在256灰度下分解彩紅外圖像(紅色對應(yīng)紅外 , 綠色對應(yīng)紅色 ) , 采用圖像處理軟件獲取觀測對象的 NDVI。進(jìn)行方差分析以及相關(guān)性分析 , 在 Excel中對 NDVI與葡萄長勢田間觀測結(jié)果進(jìn)行回歸分析。
結(jié)果分析與討論
2.1 樹體的營養(yǎng)生長狀況
赤霞珠和梅鹿輒同一地塊內(nèi)不同生長勢的植株整個生長季節(jié)里新梢日平均生長速度在強(qiáng)樹和 中庸樹與弱樹間存在顯著差別,但強(qiáng)樹與中庸樹之間差異不顯著 (表2)。研究不同樹勢的植株在整個季節(jié)里的新梢生長動態(tài), 圖1表明,兩個品種生長勢強(qiáng)的樹,除在同一日期其日平均生長速度 顯著高于弱樹外,其新梢生長期也顯著長于弱樹。所有地塊內(nèi)的赤霞珠和梅鹿輒不同樹勢植株的新梢長度單株葉面積與新梢日平均生長速度表現(xiàn)一致 (表 2)。生長勢強(qiáng)和中庸的植株新梢長度和單株葉面積顯著高于弱樹,但在生長勢強(qiáng)和中庸的植株之間差異不顯著。生長勢強(qiáng)植株的 N-Tester指數(shù)顯著高于弱樹,但在8號地的中庸樹N-Tester指數(shù)顯著低于生長勢強(qiáng)的植株,但與弱樹之間差異不顯著(表2)。對樹體水勢的研究結(jié)果表明, 3個地塊中只有8號地內(nèi)不同生長勢植株間有顯著的差異:生長勢強(qiáng)的樹中庸樹其樹體水勢顯著高于弱樹;其他兩塊地樹勢間無顯著差異。
圖 1 不同生長勢植株新梢生長動態(tài) 圖中數(shù)字表示地塊 ; V、M和 W分別代表強(qiáng)、中和弱樹
2.2 歸一化植被指數(shù)NDVI
生長勢強(qiáng)的樹NDVI顯著大于弱生長勢樹,而對于8號地塊,強(qiáng)生長勢樹與中庸樹之間的NDVI差異不顯著(表2)。觀測對象的NDVI在地理信息系統(tǒng)進(jìn)行可視化處理的結(jié)果見圖2。可以看出,該圖像能明顯地把生長勢強(qiáng)的小區(qū)與生長勢弱的小區(qū)區(qū)分開來:生長勢強(qiáng)的小區(qū)紅色更深(圖中的紅線框內(nèi)的區(qū)域) ,而生長勢弱的小區(qū)藍(lán)色更深(圖中的藍(lán)線框內(nèi)的區(qū)域)。
圖 2 試驗地塊1(左)、57(中)、8(右)歸一化紙杯指數(shù)圖
2.3 歸一化植被指數(shù)NDVI與樹體營養(yǎng)生長狀況之間的關(guān)系
進(jìn)一步對 NDVI與葡萄各營養(yǎng)生長指標(biāo)之間的相關(guān)性分析結(jié)果表明 , NDVI與葡萄植株新梢的日平均生長速度(y=54.97x+16.42,r2= 0.43)、新梢最終長度 (y=473.5x + 190.3,r2= 0.343)、單株葉面積 (y=2.93x+0.92, r2=0.46)及指數(shù) N-Tester ( y=295.8x+ 392.6, r2= 0.52 ) 之間均存在顯著的直線正相關(guān)關(guān)系。但是,在NDVI與樹體水勢之間不存在顯著的相關(guān)關(guān)系。
總結(jié)
應(yīng)用遙感技術(shù)測定 NDVI能快速評價葡萄生長勢的差異 , 為確定與之相適應(yīng)的栽培管理技術(shù)決策提供依據(jù) , 其結(jié)果數(shù)據(jù)可以更好地與越來越廣泛的機(jī)械化操作相適應(yīng) , 從而提高釀酒葡萄原料質(zhì)量均一性 , 保證獲得高品質(zhì)的葡萄酒。這一技術(shù)在未來葡萄生產(chǎn)中使用具有廣闊的前景。
-
光譜
+關(guān)注
關(guān)注
4文章
881瀏覽量
35838
發(fā)布評論請先 登錄
歸一化在電機(jī)控制中究竟有什么用?(可下載)
基于高光譜的辣椒葉片SPAD反演研究

基于 NDVI 和地物波譜的稀土礦尾砂地植被恢復(fù)成效分析

基于 Landsat 與地物波譜的稀土礦尾砂地植被

基于機(jī)載 LiDAR 技術(shù)植被茂密區(qū)小型滑坡識別與評價

英偉達(dá)推出歸一化Transformer,革命性提升LLM訓(xùn)練速度
釀酒廢水處理物聯(lián)網(wǎng)數(shù)據(jù)采集解決方案
基于無人機(jī)多光譜遙感的棉花生長參數(shù)和產(chǎn)量估算

基于高光譜遙感數(shù)據(jù)的辣椒葉片葉綠素含量反演

基于無人機(jī)高光譜遙感的典型草原打草對植被表型差異分析

MIT/三星研究人員利用活體拉曼光譜直接觀察葡萄糖指紋圖譜

【大規(guī)模語言模型:從理論到實踐】- 每日進(jìn)步一點點
請問對雷達(dá)獲取的原始數(shù)據(jù)進(jìn)行歸一化處理的具體方法是什么?
微波檢測主要檢測方法有哪些
騰格里沙漠典型植物含水率與地物光譜的關(guān)系分析

評論