关键词: 作物生长模型，NIR,贝叶斯网络，倒伏和种植密度，哨兵2和物候。极端气象事件
这周看的论文比较多，三天的篇幅比较多

Testing a crop model with extreme low yields from historical district records - ScienceDirect

Highlight

• 评估作物生长模型是否可以模拟极端天气事件造成的产量损失。
• 测试了DSSAT-NWheat作物模拟模型是否能够在美国，法国和澳大利亚的三个全球位置重现历史极端低产年份。
• 因为作物模型通常不会考虑农民田间条件下的许多因素，这些因素导致地区记录的产量极低，包括霜冻，冰雹和倒伏，病虫害等。
• 未知的时空变化品种和作物管理，特别是在初始土壤水分条件下，历史区域产量记录也受到模型测试的限制。
• 不建议将历史区域产量记录用于极低产量的模型测试。

Automated grapevine cultivar classification based on machine learning using leaf morpho-colorimetry, fractal dimension and near-infrared spectroscopy parameters - ScienceDirect

Highlight

• 植物叶片的近红外光谱（NIR）结合ML.
• 分别基于形态比色参数和NIR分析的机器学习算法能够自动对16个葡萄品种的叶片进行分类。
• 近红外做品种分类。扩展到RGB的可能？

Using Bayesian networks to predict future yield functions with data from commercial oil palm plantations: A proof of concept analysis - ScienceDirect

Highlight

• 贝叶斯网络用于预测三个商业油棕榈园的产量。
• 贝叶斯网络代表未来产量预期的能力将极大地帮助管理者在压力下改善种植园的经济和环境可持续性。

An integrated agrometeorological model to simulate Marandu palisade grass productivity - ScienceDirect

• agrometeorological model 这是第一次看到的名词。

Strategies of supplemental irrigation and modified planting densities to improve the root growth and lodging resistance of maize under the ridge-furrow rainfall harvesting system - ScienceDirect

• 实地试验结果类文章

• 西北部 半干旱区（采用了降雨收集和灌溉补充）。选了三种种植密度：低：52,500株/ha;中等：75,000株/ha-1;高：97,500株/ha-1）和四种灌溉模式（NI：没有灌溉; IV：11叶期灌溉; IS：在吐丝阶段灌溉;以及IVS：在11叶和吐丝阶段灌溉）

• 种植密度的增加显着增加了穗高和穗高系数，导致玉米倒伏的可能性增加。

• 中等播种密度,吐丝阶段灌溉是牛逼的。可以促进根系生长，降低玉米的穗高。减少了玉米的倒伏并增加了谷物产量。

Impacts of recent climate extremes on spring phenology in arid-mountain ecosystems in China - ScienceDirect

• 极端气候事件的频率和强大变大，对植被的季节性影响不是渐进式的（affect vegetation seasonality more than gradual changes.）。

• 这篇选了干旱山区（arid mountain regions）。基于卫星数据评估。分析了三种极端事件（intense warming, severe drought, and excessive wetness）对1983-2103 西北部祁连山春季植被生长的影响。

• 最后的引申其实挺有意思但是最难：在多个极端事件（例如强烈变暖和强降雨）同时发生的那一年，它们的综合影响似乎来自迫切需要进一步研究的协同机制。

Vegetation phenology from Sentinel-2 and field cameras for a Dutch barrier island - ScienceDirect

• RSE

• Sentinel-2 结合采样点（8个RGB摄像机多时序）数据构建植被指数。

• 但是还是要结合纹理，文章说如果直接结合做物候会相差2个月之多。但是通过纹理调参之后就可以解释了。Sentinel-2 做物候有很大的潜力

• RGB数据示例

-

• 繁花般的双切拟合

• 

• 分覆盖的效果。看起来好多了

•