【摘要】：玉米是世界上種植范圍最廣的農(nóng)作物之一,是重要的糧食、經(jīng)濟(jì)作物和工業(yè)原料,該作物具有產(chǎn)量增長(zhǎng)潛力高,地域性適應(yīng)能力強(qiáng)等特點(diǎn)。氮素是植物光合能力強(qiáng)弱,養(yǎng)分虧缺狀況的重要參數(shù)之一,綜合使用精準(zhǔn)農(nóng)業(yè)技術(shù)對(duì)植株養(yǎng)分虧缺進(jìn)行實(shí)時(shí)診斷,有助于精準(zhǔn)農(nóng)作管理和產(chǎn)量評(píng)估,減少環(huán)境污染,提高資源利用效率。現(xiàn)代遙感技術(shù)是精準(zhǔn)農(nóng)業(yè)的核心技術(shù),可以快速無(wú)損監(jiān)測(cè)作物目標(biāo)參數(shù),為實(shí)施精準(zhǔn)田間管理提供技術(shù)支撐。本研究以陜西關(guān)中夏玉米和渭北旱塬春玉米為研究對(duì)象,從時(shí)間變異性(生育階段)和空間變異性(不同垂直層次)角度,探討了不同控制條件下的玉米葉片和冠層光譜反射率特征,篩選出了不同生育時(shí)期光譜響應(yīng)敏感區(qū)域;綜合運(yùn)用不同的高光譜提取方法、光譜統(tǒng)計(jì)分析等方法,構(gòu)建基于不同尺度玉米氮素營(yíng)養(yǎng)狀況最佳預(yù)測(cè)模型,并采用獨(dú)立數(shù)據(jù)對(duì)預(yù)測(cè)模型進(jìn)行驗(yàn)證;最后,基于Sentinel-2衛(wèi)星多光譜影像數(shù)據(jù)進(jìn)行大區(qū)域玉米氮素營(yíng)養(yǎng)狀況反演,為大區(qū)域玉米氮素營(yíng)養(yǎng)指標(biāo)診斷和掌握農(nóng)作物生長(zhǎng)狀態(tài)提供重要理論依據(jù)。本研究主要基于以下四部分研究?jī)?nèi)容展開(kāi),第一部分基于高光譜技術(shù)估計(jì)夏玉米和春玉米不同步生長(zhǎng)階段的葉片氮濃度展開(kāi);第二部分圍繞冠層/葉層氮素垂直分布反演問(wèn)題展開(kāi);第三部分基于高光譜數(shù)據(jù)對(duì)氮營(yíng)養(yǎng)指數(shù)(NNI)遙感估測(cè)的可行性展開(kāi);第四部分主要從區(qū)域尺度反演玉米氮素營(yíng)養(yǎng)狀況展開(kāi)。主要結(jié)論如下:(1)以陜西關(guān)中夏玉米和渭北旱塬春玉米不同控制條件田間試驗(yàn)為基礎(chǔ),旨在確定估測(cè)玉米非同步生育時(shí)期葉片氮濃度最準(zhǔn)確的光譜分析方法。結(jié)果表明,在所有光譜指數(shù)中,出版的植被指數(shù)CI_(red edge)、新提出2-波段植被指數(shù)(歸一化植被指數(shù)(NDSI)和比值植被指數(shù)(RSI))及其波段組合的敏感波段不同生育階段是不一致的,但不受不同步生育時(shí)期的影響。研究發(fā)現(xiàn),喇叭口期(V9期)植被指數(shù)(r~2=0.76-0.78)與葉片氮濃度的相關(guān)關(guān)系略強(qiáng)于乳熟期(R3期)(r~2=0.67-0.73),夏玉米和春玉米呈現(xiàn)出類似的規(guī)律。在玉米四個(gè)生育時(shí)期,一階微分光譜數(shù)據(jù)構(gòu)建兩波段NDSI、RSI與葉片氮濃度相關(guān)性大于原始光譜構(gòu)建兩波段NDSI、RSI與葉片氮濃度的相關(guān)關(guān)系,其中,喇叭口期(V9期)的NDSI(D528,D756),吐絲期(VT期)的NDSI(D523,D758),灌漿前期(R1階段)的NDSI(D527,D754)和灌漿后期(R3階段)的RSI(D614,D1112)構(gòu)建的葉片氮素濃度預(yù)測(cè)模型具有較高的預(yù)測(cè)精度。與此同時(shí),以原始(Raw)和一階微分(FDR)全波段光譜參數(shù)為自變量,利用偏最小二乘回歸方法(PLS)構(gòu)建不同生育時(shí)期R-PLS和FDR-PLS預(yù)測(cè)模型。結(jié)果表明,較R-PLS回歸模型,FDR-PLS模型具有更高的預(yù)測(cè)精度(平均值r~2為0.87),更低的RMSE(平均值RMSE為0.18%)。隨即,基于一階微分光譜數(shù)據(jù)進(jìn)行敏感波段篩選,敏感波段主要位于可見(jiàn)光波段、紅邊波段和近紅外波段區(qū)域。較最佳兩波段植被指數(shù)相比,基于有效波段構(gòu)建的FDR-PLS回歸模型預(yù)測(cè)精度顯著提高,平均r~2_(val)值增加2.40%,平均RMSE_(val)值降低14.8%。本研究表明基于一階微分?jǐn)?shù)據(jù)構(gòu)成的雙波段組合植被指數(shù)(NDSI和RSI)和FDR-PLS回歸模型可以很好的預(yù)測(cè)不同步生育時(shí)期玉米葉片氮素動(dòng)態(tài)變化。(2)利用高光譜技術(shù)對(duì)不同葉位層的葉片氮濃度進(jìn)行估測(cè),特別是對(duì)中、下層葉片氮素營(yíng)養(yǎng)狀況的估測(cè),從而提高對(duì)玉米養(yǎng)分診斷的及時(shí)性、有效性和準(zhǔn)確性。本研究通過(guò)人工摘取葉片的形式,根據(jù)冠層相對(duì)高度將葉片平均分為三層,分析夏玉米和春玉米,不同生育時(shí)期,不同葉位層葉片氮濃度的垂直分布變化規(guī)律。研究表明,指示不同葉位層葉片氮素含量的敏感波段組合不同;此外,無(wú)論是原始波段還是一階微分光譜數(shù)據(jù)構(gòu)建的比值植被指數(shù)(RSI)和歸一化植被指數(shù)(NDSI),敏感波段組合主要為綠光波段和紅邊/近紅外波段組合,其中,NDSI(D528,D756)能夠很好地預(yù)測(cè)上層葉片氮濃度(r~2=0.80);RSI(D545,D759)預(yù)測(cè)中層氮素含量性能最優(yōu)(r~2=0.78);而RSI(550,720)和NDSI(D700,D1150)預(yù)測(cè)下層氮素含量能力較優(yōu),r~2分別為0.75和0.76。比較而言,上,中層的預(yù)測(cè)氮含量模型表現(xiàn)優(yōu)于下層氮含量監(jiān)測(cè)模型。此外,基于偏最小二乘(PLS)方法中變量投影重要性指標(biāo)(variable importance in projection,VIP)對(duì)敏感波段進(jìn)行篩選,不同葉位層氮素敏感光譜區(qū)域主要分布在綠光、紅光、紅邊區(qū)域以及近紅外區(qū)域,其中紅邊區(qū)域最為敏感�；谟行Рǘ螛�(gòu)建的FDR-PLS模型和FDR-SVM模型預(yù)測(cè)精度顯著高于全波段的PLS和SVM預(yù)測(cè)模型以及植被指數(shù)預(yù)測(cè)模型。本研究結(jié)果為遙感估計(jì)玉米不同葉位層葉片氮濃度提供理論依據(jù),為及時(shí)診斷玉米生長(zhǎng)狀況提供技術(shù)支撐。(3)本研究對(duì)玉米整個(gè)冠層、中+下層以及下層氮素營(yíng)養(yǎng)狀況進(jìn)行遙感反演。研究表明春、夏兩季玉米冠層內(nèi)的垂直氮素分布均符合鐘形分布曲線規(guī)律,中間層氮素含量最高,并且不受生育階段的影響。由于玉米冠層內(nèi)氮素分布的垂直非均勻性特性,突出了在高光譜遙感監(jiān)測(cè)中考慮冠層垂直氮素分布的重要性。結(jié)果表明,在所有出版的植被指數(shù)中,mND_(705)、G-M和MTCI分別與整個(gè)冠層、中+下層和下層的葉片氮密度具有很高的相關(guān)關(guān)系。根據(jù)紅邊吸收面積特征構(gòu)建了新的優(yōu)化紅邊吸收面積(OREA)指數(shù),公式為:OREA≈15(3R_(760)-R_(550))-20(R_(680)+2R_(720));OREA指數(shù)對(duì)中+下層、整個(gè)層葉片氮密度具有較高的預(yù)測(cè)性能;與此同時(shí),在不同品種、生育時(shí)期和種植制度下,OREA表現(xiàn)出較高的穩(wěn)健性(AD值最低),而無(wú)需對(duì)許多變量進(jìn)行廣泛校準(zhǔn)。綜上所述,我們基于紅邊吸收面積特征,開(kāi)發(fā)了新的優(yōu)化紅邊吸收面積(OREA)指數(shù),并靈活地利用該參數(shù)來(lái)估算不同垂直層(整個(gè)冠層,中+下層和下層)的葉片氮密度。(4)氮素營(yíng)養(yǎng)指數(shù)(NNI)是診斷作物氮素養(yǎng)分虧缺狀況和施肥推薦的重要參數(shù),高光譜技術(shù)為快速、無(wú)損地監(jiān)測(cè)作物NNI提供可能性。本研究以陜西關(guān)中夏玉米和渭北旱塬春玉米為研究對(duì)象,分別獲取玉米不同氮素水平下的冠層光譜數(shù)據(jù)和相應(yīng)氮營(yíng)養(yǎng)指數(shù)(NNI),比較了光譜指數(shù),偏最小二乘(PLS)和支持向量機(jī)(SVM)方法預(yù)測(cè)NNI的準(zhǔn)確性。結(jié)果顯示:本研究構(gòu)建了夏玉米和春玉米綜合臨界氮濃度稀釋曲線模型(Nc=3.63DM~(-0.403)),并根據(jù)預(yù)測(cè)植株氮素濃度和地上部干物質(zhì)的最佳植被指數(shù)間接構(gòu)建NNI監(jiān)測(cè)模型;采用直接方法,基于原始光譜和一階微分光譜數(shù)據(jù)構(gòu)建的比值植被指數(shù)(RSI)和歸一化植被指數(shù)(NDSI)與NNI具有顯著相關(guān)關(guān)系,其中以RSI(825,550)預(yù)測(cè)性能最優(yōu)(r~2=0.788),檢驗(yàn)精度r~2_(val)為0.774,RMSE_(val)為0.139;基于變量投影重要性指標(biāo)(variable importance in projection,VIP)方法可以篩選出有效波段,其有效波段主要集中在綠光、紅光和近紅外區(qū)域;基于有效波長(zhǎng)構(gòu)建的FDR-PLS和FDR-SVM回歸模型預(yù)測(cè)效果具有較高的一致性,其建模精度(r~2_(cal))分別為0.852和0.870,均方根誤差(RMSE_(cal))分別為0.124和0.126,以及驗(yàn)證精度(r~2_(val))分別為0.823和0.836,均方根誤差(RMSE_(val))分別為0.130和0.129,具有比最優(yōu)比值植被指數(shù)RSI(825,550)更高的預(yù)測(cè)精度和更低的均方根誤差。因此,基于有效波長(zhǎng)建立的FDR-PLS和FDR-SVM回歸模型可以快速估測(cè)玉米NNI,同時(shí)大大減少了光譜變量和提高了模型精度。(5)根據(jù)Sentinel-2衛(wèi)星波段參數(shù)特征,構(gòu)建8類代表性光譜指數(shù),并與玉米吐絲期和灌漿期氮素營(yíng)養(yǎng)指標(biāo)進(jìn)行相關(guān)分析,進(jìn)而確定了監(jiān)測(cè)玉米吐絲期和灌漿期氮素營(yíng)養(yǎng)指標(biāo)的最佳預(yù)測(cè)模型;并制作相應(yīng)的遙感分級(jí)專題圖,為利用遙感影像數(shù)據(jù)進(jìn)行大面積作物養(yǎng)分診斷提供依據(jù)。結(jié)果表明:選用CI_(red edge(705,842))為遙感敏感變量建立玉米吐絲期葉片氮素濃度(r~2=0.728)和氮素密度(r~2=0.708)預(yù)測(cè)精模型度最高,驗(yàn)證r~2值分別為0.70,0.71,RMSE值分別0.34,0.30。比較而言,CI_(red edge(740,842))和CI_(red edge(705,842))分別是預(yù)測(cè)玉米灌漿期葉片氮素濃度和葉片氮密度的最佳植被指數(shù),驗(yàn)證r~2_(val)值分別為0.72,0.67,RMSE值分別0.16,0.13。最后,基于CI_(red edge)預(yù)測(cè)模型分別制作玉米吐絲期和灌漿期葉片氮濃度遙感監(jiān)測(cè)專題圖,為大區(qū)域診斷作物養(yǎng)分狀況和實(shí)施精準(zhǔn)田間管理提供依據(jù)。
【圖文】：

第一章 緒論域，反射曲線陡而接近直線，，又稱作“紅邊”。紅邊是指示綠色植物健康狀況的敏光譜波段，當(dāng)植株受到各種生物或者非生物脅迫后，紅邊位置光譜曲線隨之發(fā)生，因此可以很好的基于該光譜區(qū)域診斷作物脅迫以及植株健康狀況(Brogeblanc 2001)；780-1350 nm（近紅外區(qū)域）光譜區(qū)域是與葉片內(nèi)部結(jié)構(gòu)等有關(guān)的波段在一個(gè)較高的反射平臺(tái)。在正常植被光譜反射曲線中，氮素吸收波段中心位置主布在 430 nm、460 nm、640 nm、660 nm、910 nm、1510 nm、1940 nm、2060 nm80 nm、2300 nm 和 2350 nm；水分在 1450 nm 及 1940 nm 具有強(qiáng)吸收特征，在 1 和 2200 nm 附近形成 2 個(gè)反射峰，該波段可用于反演植株含水量狀況(王紀(jì)華，江，黃文江等 2008)。例如，Clevers 等（2008）采用一階微分?jǐn)?shù)據(jù)中的水分吸收波段 970 nm 能夠準(zhǔn)確的反演植株冠層水分含量(Clevers et al. 2008)。

圖 2-1 本文技術(shù)路線圖Fig. 2-1 Flow diagram of this study2.3 試驗(yàn)設(shè)計(jì)與數(shù)據(jù)測(cè)定2.3.1 研究區(qū)域概況試驗(yàn)在陜西省西北農(nóng)林科技大學(xué)北校試驗(yàn)地（地點(diǎn) 1，34°17 27 1 108°03 46 (）和陜西合陽(yáng)縣甘井鎮(zhèn)試驗(yàn)站（地點(diǎn) 2，35°19′58″1 110°06′05″(）進(jìn)行玉米田間試驗(yàn)。地點(diǎn) 1 位于陜西關(guān)中平原旱作區(qū)，該地區(qū)是典型的冬小麥-夏玉米輪作區(qū)。屬于暖溫帶半濕潤(rùn)氣候區(qū)，平均海拔 519 m，生育期內(nèi)平均溫度 23.2 ℃，生育期內(nèi)平均降水量 340.3mm，生育期內(nèi)平均太陽(yáng)年輻射總量為 2210.9 MJ/m2。地點(diǎn) 2 位于陜西渭北旱塬區(qū)，種植制度為冬小麥或春玉米單作。該區(qū)屬于暖溫帶半干旱型大陸季風(fēng)氣候，平均海拔為877 m，生育期內(nèi)平均溫度 23.7 ℃，生育期內(nèi)平均降雨量為 359.3 mm，生育期內(nèi)平均太陽(yáng)年輻射總量為 3765.4 MJ/m2。2.3.2 試驗(yàn)設(shè)計(jì)試驗(yàn) 1：該區(qū)為關(guān)中夏玉米種植區(qū)。2016-2018 年在西北農(nóng)林科技大學(xué)北校區(qū)試驗(yàn)
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類號(hào)】：S127;S513

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李正鵬;宋明丹;馮浩;;關(guān)中地區(qū)玉米臨界氮濃度稀釋曲線的建立和驗(yàn)證[J];農(nóng)業(yè)工程學(xué)報(bào);2015年13期

2 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(yíng)養(yǎng)指數(shù)估測(cè)[J];農(nóng)業(yè)工程學(xué)報(bào);2014年19期

3 郭超凡;段福洲;郭逍宇;趙文吉;劉克;;基于最佳波段判別的濕地植物葉片全氮反演研究[J];生態(tài)學(xué)報(bào);2014年17期

4 李旭青;劉湘南;劉美玲;吳伶;;水稻冠層氮素含量光譜反演的隨機(jī)森林算法及區(qū)域應(yīng)用[J];遙感學(xué)報(bào);2014年04期

5 楊瑋;孫紅;鄭立華;張瑤;李民贊;;冬棗光譜數(shù)據(jù)的灰色關(guān)聯(lián)分析及葉片氮素含量預(yù)測(cè)[J];光譜學(xué)與光譜分析;2013年11期

6 葉曉青;鄒勇;余志虹;陳雨峰;王維;陳建軍;;烤煙冠層光譜參數(shù)與氮素垂直分布相關(guān)性研究[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年05期

7 梁效貴;張經(jīng)廷;周麗麗;李旭輝;周順利;;華北地區(qū)夏玉米臨界氮稀釋曲線和氮營(yíng)養(yǎng)指數(shù)研究[J];作物學(xué)報(bào);2013年02期

8 王備戰(zhàn);馮曉;溫暖;鄭濤;楊武德;;基于SPOT-5影像的冬小麥拔節(jié)期生物量及氮積累量監(jiān)測(cè)[J];中國(guó)農(nóng)業(yè)科學(xué);2012年15期

9 陳紅艷;趙庚星;李希燦;陸文利;隋龍;;小波分析用于土壤速效鉀含量高光譜估測(cè)研究[J];中國(guó)農(nóng)業(yè)科學(xué);2012年07期

10 梁亮;楊敏華;鄧凱東;張連蓬;林卉;劉志霄;;一種估測(cè)小麥冠層氮含量的新高光譜指數(shù)[J];生態(tài)學(xué)報(bào);2011年21期

相關(guān)博士學(xué)位論文 前6條

1 于豐華;基于無(wú)人機(jī)高光譜遙感的東北粳稻生長(zhǎng)信息反演建模研究[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2017年

2 付元元;基于遙感數(shù)據(jù)的作物長(zhǎng)勢(shì)參數(shù)反演及作物管理分區(qū)研究[D];浙江大學(xué);2015年

3 廖欽洪;作物長(zhǎng)勢(shì)參數(shù)的垂直分布反演及遙感監(jiān)測(cè)研究[D];浙江大學(xué);2014年

4 姚霞;小麥冠層和單葉氮素營(yíng)養(yǎng)指標(biāo)的高光譜監(jiān)測(cè)研究[D];南京農(nóng)業(yè)大學(xué);2009年

5 易秋香;不同遙感水平水稻氮素信息提取研究[D];浙江大學(xué);2008年

6 李映雪;基于冠層反射光譜的小麥氮素營(yíng)養(yǎng)與籽粒品質(zhì)監(jiān)測(cè)[D];南京農(nóng)業(yè)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前3條

1 胡雯君;基于冠層反射光譜的水稻氮素營(yíng)養(yǎng)與生長(zhǎng)監(jiān)測(cè)研究[D];江西農(nóng)業(yè)大學(xué);2014年

2 楊勤英;冬小麥葉面積指數(shù)與氮素垂直分布的高光譜反演研究[D];安徽大學(xué);2014年

3 張學(xué)治;基于冠層反射光譜的夏玉米氮素營(yíng)養(yǎng)與生長(zhǎng)監(jiān)測(cè)研究[D];南京農(nóng)業(yè)大學(xué);2011年

本文編號(hào)：2661093