本文選題：高光譜　切入點：冬小麥　出處：《山東農(nóng)業(yè)大學(xué)》2017年碩士論文

【摘要】：精準(zhǔn)農(nóng)業(yè)是綜合運用現(xiàn)代農(nóng)業(yè)信息技術(shù)的思想和實踐,是實現(xiàn)優(yōu)質(zhì)、高效、低耗、和環(huán)保的農(nóng)業(yè)生產(chǎn)根本途徑。高光譜遙感技術(shù)憑借其光譜信息量大、光譜分辨率高、波段連續(xù)性強的優(yōu)點,能對作物的理化參量進行無損、快速的檢測,以彌補傳統(tǒng)化學(xué)分析方法獲取作物理化參量的缺陷,使其成為精準(zhǔn)農(nóng)業(yè)技術(shù)體系的重要組成部分,應(yīng)用面及重要性越來越來大。小麥作為我國重要的糧食作物,利用高光譜技術(shù)獲取其生長狀態(tài)的實時信息,對實現(xiàn)小麥的精準(zhǔn)農(nóng)業(yè)管理尤為重要。本研究以抽穗期冬小麥為研究對象,以大田試驗以及采樣試驗為依托,通過實測獲取冬小麥的冠層反射光譜、葉面積指數(shù),實驗室測定葉片葉綠素與氮元素含量。充分分析小麥的冠層反射光譜特征以及光譜信息與所測的理化參量的相關(guān)性,篩選出敏感波段和特征光譜參數(shù),構(gòu)建了高光譜植被指數(shù),利用不同的建模方法來確立冬小麥理化參量的估測模型,并對模型進行了驗證和優(yōu)化。研究的主要結(jié)果有:(1)在可見光區(qū)域(360~700nm)冬小麥(抽穗期)冠層的光譜反射率均較低,其光譜曲線存在2個吸收谷和1個反射峰,即490nm的藍光、680nm的紅光和550nm的綠光。在短波近紅外呈強烈反射,特別是在690~750nm區(qū)域反射率急劇上升形成植被光譜最重要的特征。(2)當(dāng)冬小麥冠層葉綠素相對含量不同時,其特征波段的反射率會發(fā)生上下偏移,在可見光區(qū)域,葉綠素含量越高,光譜曲線越向下偏移;在紅外高臺位置的反射率隨著葉綠素含量的增大而向上偏移。冬小麥抽穗期冠層光譜反射率與葉綠素含量值的相關(guān)性在可見光區(qū)域400~720nm達到顯著相關(guān),在594nm處達到最大。經(jīng)過一階微分變換后獲取的導(dǎo)數(shù)光譜能提高與葉綠素含量的相關(guān)性,但是波動性較大�；诳梢姽�-紅外的諸如綠峰、紅谷、“三邊”等光譜特征變量大多數(shù)與冬小麥葉綠素含量有較好的相關(guān)性。從其中優(yōu)選出的以植被指數(shù)REP為自變量來構(gòu)建出的估測模型y=1.196x-844.54可較好估測冬小麥葉綠素含量,是進行葉綠素含量估測的優(yōu)選指數(shù)。(3)不同葉面積指數(shù)水平下的冬小麥冠層光譜反射率在各個波段有明顯差別,520~580n m附近的可見光反射峰處的反射率隨著葉面積指數(shù)的增大而降低,而近紅外平臺波段因為冠層結(jié)構(gòu)的作用使反射率隨著葉面積指數(shù)的增大而升高。葉面積指數(shù)與可見光波段(460~710nm)的反射率呈負(fù)相關(guān)關(guān)系,在760~1000nm處的近紅外波段呈顯著正相關(guān)關(guān)系。通過挑選敏感波段來構(gòu)建植被指數(shù),以比值植被指數(shù)RVI(698,892)植被指數(shù)構(gòu)建的模型為y=0.415x+0.510為最佳估測模型,其擬合決定系數(shù)R2為0.6604,均方根誤差RM SE為0.861,相對誤差RE%為13.68,能夠較好的估測冬小麥抽穗期的葉面積指數(shù)。(4)在可見光波段(400~720nm)內(nèi),葉片氮含量與其冠層光譜反射率呈負(fù)相關(guān),在(543nm~640nm)間達到極顯著相關(guān)水平。原始反射光譜經(jīng)一階微分后,葉片氮含量與光譜反射率的相關(guān)性有了較為明顯的提高,將選取的原始反射和一階微分的特征波段和選取與氮含量相關(guān)的植被指數(shù)被指數(shù)作為自變量,進行多元逐步回歸。以RI_(1dB)、mSR_(705)、mNDVI_(705)為自變量構(gòu)建的模型y=0.84x_1-0.42x_2+0.571x_3-0.392和以FD_(509)、FD_(685)、FD_(536)為自變量構(gòu)建的模型y=-135.97x_1+101.43x_2-100.8x_3+0.263的估測精度最好,是估測冬小麥抽穗期葉片氮含量的最佳模型。(5)通過使用SVM建模方法對這三個理化參量的估測模型進行優(yōu)化,發(fā)現(xiàn)SVM模型較之單變量或多變量模型都有更高的精度和穩(wěn)定性,校正集和驗證集的R2都有不同程度的提高,均方根誤差RMSE和相對誤差RE均有降低,表明支持向量機模型是冬小麥理化參量估測建模的優(yōu)選方法,具有應(yīng)用潛力。
[Abstract]:......
【學(xué)位授予單位】：山東農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：S512.11;O657.3

【參考文獻】

相關(guān)期刊論文 前10條

1 宮兆寧;趙雅莉;趙文吉;林川;崔天翔;;基于光譜指數(shù)的植物葉片葉綠素含量的估算模型[J];生態(tài)學(xué)報;2014年20期

2 趙娟;黃文江;張耀鴻;景元書;;冬小麥不同生育時期葉面積指數(shù)反演方法[J];光譜學(xué)與光譜分析;2013年09期

3 翟清云;張娟娟;熊淑萍;劉娟;楊陽;馬新明;;基于不同土壤質(zhì)地的小麥葉片氮含量高光譜差異及監(jiān)測模型構(gòu)建[J];中國農(nóng)業(yè)科學(xué);2013年13期

4 夏天;吳文斌;周清波;周勇;;冬小麥葉面積指數(shù)高光譜遙感反演方法對比[J];農(nóng)業(yè)工程學(xué)報;2013年03期

5 王強;易秋香;包安明;羅毅;趙金;;基于高光譜反射率的棉花冠層葉綠素密度估算[J];農(nóng)業(yè)工程學(xué)報;2012年15期

6 夏天;吳文斌;周清波;周勇;于雷;;基于高光譜的冬小麥葉面積指數(shù)估算方法[J];中國農(nóng)業(yè)科學(xué);2012年10期

7 梁亮;楊敏華;張連蓬;林卉;;小麥葉面積指數(shù)的高光譜反演[J];光譜學(xué)與光譜分析;2011年06期

8 唐強;李少昆;王克如;謝瑞芝;陳兵;王方永;刁萬英;肖春華;;基于高光譜反射率的冬小麥生長后期氮素豐度監(jiān)測研究[J];光譜學(xué)與光譜分析;2010年11期

9 王凌;趙庚星;朱西存;雷彤;董芳;;蘋果盛果期冠層高光譜與其組分特征的定量模型研究[J];光譜學(xué)與光譜分析;2010年10期

10 孫紅;李民贊;趙勇;張彥娥;王曉敏;李修華;;冬小麥生長期光譜變化特征與葉綠素含量監(jiān)測研究[J];光譜學(xué)與光譜分析;2010年01期

相關(guān)博士學(xué)位論文 前2條

1 梁亮;小麥冠層理化參量的高光譜反演[D];中南大學(xué);2010年

2 馮偉;基于高光譜遙感的小麥氮素營養(yǎng)及生長指標(biāo)監(jiān)測研究[D];南京農(nóng)業(yè)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前1條

1 劉冰峰;夏玉米氮磷營養(yǎng)監(jiān)測高光譜遙感估算模型研究[D];西北農(nóng)林科技大學(xué);2012年

，

本文編號：1699082