【摘要】：無人機(jī)為平臺(tái)的高光譜遙感技術(shù)具有機(jī)動(dòng)靈活、成本低、周期短等眾多優(yōu)勢(shì),能夠獲取高光譜分辨率及高時(shí)空分辨率的遙感影像,已成為精準(zhǔn)農(nóng)業(yè)中的研究熱點(diǎn)及重要數(shù)據(jù)來源。在農(nóng)作物生長(zhǎng)過程中,氮素是植株生長(zhǎng)、器官發(fā)育必需的營養(yǎng)元素之一,對(duì)于植株長(zhǎng)勢(shì)監(jiān)測(cè)及產(chǎn)量預(yù)測(cè)有重要意義。為提高氮肥利用效率并保證作物產(chǎn)量和品質(zhì),需及時(shí)了解并獲取植株的氮素營養(yǎng)狀況。然而,研究發(fā)現(xiàn)基于光譜特征的農(nóng)學(xué)參量反演存在飽和問題,除光譜信息外,高光譜遙感技術(shù)還提供了豐富的紋理信息,紋理特征能夠提供作物的空間結(jié)構(gòu)信息,有效減弱飽和問題,可為理化參數(shù)的反演提供支持。因此,本文以北京市昌平區(qū)小湯山國家精準(zhǔn)農(nóng)業(yè)研究示范基地為研究區(qū),基于無人機(jī)平臺(tái)獲取冬小麥挑旗期和開花期的高光譜影像,同時(shí)獲取冬小麥的農(nóng)學(xué)參數(shù)。利用高光譜影像的光譜和紋理信息,同時(shí)結(jié)合農(nóng)學(xué)知識(shí)模型,構(gòu)建一種融合'圖-譜'信息的氮虧缺診斷模型,對(duì)冬小麥進(jìn)行更加科學(xué)有效的氮素診斷。主要得到以下研究結(jié)果:(1)分析冬小麥生物量和植株氮累積的空間變異。結(jié)果發(fā)現(xiàn):施氮量的增加能夠促進(jìn)小麥植株氮累積量和生物量的增加,減弱小麥植株氮累積和生物量的變異性;但是過量的氮素對(duì)于小麥生物量和植株氮累積增加,以及變異性的減弱無明顯作用。(2)探究?jī)?yōu)化光譜指標(biāo)的抗飽和能力及估測(cè)生物量的能力。結(jié)果表明,對(duì)比植被指數(shù),優(yōu)化光譜指標(biāo)(光譜信息和紋理特征結(jié)合)的抗飽和能力明顯提高,其構(gòu)建的生物量模型擬合效果較好,模型精度(R2=0.798)明顯高于單一植被指數(shù)(R2=0.619)和單一紋理特征(R2=0.727)的生物量模型。融合紋理信息和光譜信息后進(jìn)行冬小麥生物量反演的效果更佳,遙感信息對(duì)于作物估產(chǎn)、長(zhǎng)勢(shì)分析方面的應(yīng)用有良好的應(yīng)用前景。(3)基于'圖-譜'信息構(gòu)建氮營養(yǎng)指數(shù)(NNI)和氮虧缺模型,對(duì)冬小麥的氮素情況進(jìn)行研究。結(jié)果發(fā)現(xiàn),增施氮肥有利于提高小麥氮素含量,但是過量的氮肥不能有效促進(jìn)小麥植株氮素的累積。冬小麥品種中麥175(ZM175)的適宜施氮量在0.5倍常規(guī)施氮量(N2)與常規(guī)施氮量(N3)之間,京9843(J9843)的適宜施氮量應(yīng)在常規(guī)施氮量(N3)與1.5倍常規(guī)施氮量(N4)之間。從挑旗期到開花期,植株需要累積更多氮素才能滿足生長(zhǎng)所需。因此,融合光譜與紋理信息能夠?qū)ψ魑镞M(jìn)行科學(xué)有效的氮素診斷,對(duì)于作物的精細(xì)化研究有重要意義。
【圖文】：

研究區(qū)概況及冬小麥2014-2015年生長(zhǎng)季實(shí)驗(yàn)設(shè)計(jì)圖

西安科技大學(xué)全日制工程碩士學(xué)位論文光譜影像翼電動(dòng)無人機(jī)（單臂長(zhǎng) 386mm，機(jī)身凈重 4.2kg，載D185 成像光譜儀（圖 2.2），所搭載的 UHD185 成像光，，同時(shí)捕獲低空間分辨率的高光譜立方體和高空間分得到高光譜立方體。傳感器僅重 470g，波段范圍 45無人機(jī)采集數(shù)據(jù)時(shí)，選擇晴朗無云的天氣，在中午 12拍，飛行高度 50m，同時(shí)配備位置與姿態(tài)系統(tǒng)（Positio的實(shí)時(shí)位置和姿態(tài)信息。在獲取數(shù)據(jù)前，在飛行區(qū)域布標(biāo)。最后獲取空間分辨率為 0.012m 的小湯山冬小麥挑期（2015 年 5 月 13 日）兩景高光譜影像。
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：S127

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高林;楊貴軍;王寶山;于海洋;徐波;馮海寬;;基于無人機(jī)遙感影像的大豆葉面積指數(shù)反演研究[J];中國生態(tài)農(nóng)業(yè)學(xué)報(bào);2015年07期

2 李正鵬;馮浩;宋明丹;;關(guān)中平原冬小麥臨界氮稀釋曲線和氮營養(yǎng)指數(shù)研究[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年10期

3 王仁紅;宋曉宇;李振海;楊貴軍;郭文善;譚昌偉;陳立平;;基于高光譜的冬小麥氮素營養(yǎng)指數(shù)估測(cè)[J];農(nóng)業(yè)工程學(xué)報(bào);2014年19期

4 李德仁;李明;;無人機(jī)遙感系統(tǒng)的研究進(jìn)展與應(yīng)用前景[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年05期

5 劉俊;畢華興;朱沛林;孫菁;朱金兆;陳濤;;基于ALOS遙感數(shù)據(jù)紋理及紋理指數(shù)的柞樹蓄積量估測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2014年07期

6 王昆;張曉麗;王珊;焦志敏;寧亮亮;吳石磊;;鷲峰地區(qū)QuickBird影像紋理特征與生物量估測(cè)關(guān)系初探[J];地理與地理信息科學(xué);2013年03期

7 高添;徐斌;楊秀春;金云翔;馬海龍;李金亞;于海達(dá);;內(nèi)蒙古西部草原地上生物量的遙感估算[J];中國沙漠;2013年02期

8 趙r

本文編號(hào)：2622923