本文關(guān)鍵詞：基于衛(wèi)星遙感的水稻生長(zhǎng)監(jiān)測(cè)與氮素營(yíng)養(yǎng)診斷系統(tǒng)，，由筆耕文化傳播整理發(fā)布。

【摘要】：遙感作為現(xiàn)代信息技術(shù)的前沿技術(shù),可以快速準(zhǔn)確獲取大面積作物營(yíng)養(yǎng)與生長(zhǎng)狀態(tài)等實(shí)時(shí)信息,為實(shí)施精確農(nóng)業(yè)提供重要的技術(shù)支撐,從而有助于實(shí)現(xiàn)作物生產(chǎn)的高產(chǎn)、高效、優(yōu)質(zhì)等目標(biāo)。本研究主要探索高分一號(hào)衛(wèi)星對(duì)拔節(jié)期水稻的生長(zhǎng)參數(shù)進(jìn)行監(jiān)測(cè)并對(duì)氮素進(jìn)行診斷的可行性,并建立相應(yīng)的監(jiān)測(cè)和診斷模型,利用ArcGIS和ENVI平臺(tái)實(shí)現(xiàn)對(duì)應(yīng)的專家系統(tǒng)。通過地面光譜儀測(cè)定不同梯度氮肥處理小區(qū)的水稻拔節(jié)期冠層高光譜參數(shù),并利用光譜響應(yīng)函數(shù)模擬高分一號(hào)衛(wèi)星WFV傳感器四個(gè)波段的光譜參數(shù)構(gòu)建對(duì)應(yīng)的植被指數(shù)與地上部生物量、植株氮含量、植株氮積累量以及產(chǎn)量的相關(guān)關(guān)系,同時(shí)進(jìn)行誤差判斷,驗(yàn)證WFV傳感器進(jìn)行生長(zhǎng)監(jiān)測(cè)和氮素營(yíng)養(yǎng)診斷的可行性；然后在大田拔節(jié)期時(shí)進(jìn)行大面積采樣,同時(shí)獲取高分一號(hào)WFV的真實(shí)影像,通過植被指數(shù)與生長(zhǎng)參數(shù)的相關(guān)性驗(yàn)證第一步的結(jié)論,再通過比對(duì)不同的建模方式,進(jìn)行相關(guān)性分析和誤差分析篩選最優(yōu)的建模方法,最后反演的相關(guān)參數(shù)計(jì)算氮營(yíng)養(yǎng)指數(shù),使用本年度的產(chǎn)量進(jìn)行驗(yàn)證,驗(yàn)證診斷結(jié)果與推薦施肥。結(jié)果發(fā)現(xiàn)利用地面高光譜數(shù)據(jù)模擬的高分一號(hào)WFV數(shù)據(jù)的植被參數(shù)與水稻拔節(jié)期的生長(zhǎng)參數(shù)具有較好的相關(guān)性,其中與地上部生物量、植株氮含量、植株吸氮量以及產(chǎn)量的最優(yōu)決定系數(shù)R2分別為0.74,0.61,0.66和0.62,這表明高分一號(hào)WFV數(shù)據(jù)可以作為反演大田水稻生長(zhǎng)參數(shù)的數(shù)據(jù)來源；通過不同的建模方式比較發(fā)逐步多重線性回歸、BP神經(jīng)網(wǎng)絡(luò)回歸、隨機(jī)森林回歸在水稻生長(zhǎng)參數(shù)的預(yù)測(cè)中的效果,發(fā)現(xiàn)隨機(jī)森林回歸算法獲得的地上部生物量、植株氮濃度以及植株吸氮量的R2分別為0.82,0.57和0.79,顯著高于其他方法,結(jié)果表明隨機(jī)森林回歸算法能夠有效的提高模型對(duì)水稻拔節(jié)期生長(zhǎng)參數(shù)的預(yù)測(cè)能力,可以使用該方法反演生長(zhǎng)參數(shù)；最后通過引入氮營(yíng)養(yǎng)指數(shù)對(duì)水稻的氮素營(yíng)養(yǎng)狀況進(jìn)行診斷,通過大田最終產(chǎn)量的驗(yàn)證,發(fā)現(xiàn)氮營(yíng)養(yǎng)指數(shù)NNI與高分一號(hào)WFV數(shù)據(jù)的植被指數(shù)呈現(xiàn)顯著相關(guān)關(guān)系,最優(yōu)的R2=0.512產(chǎn)量與氮營(yíng)養(yǎng)指數(shù)呈現(xiàn)明顯的二次相關(guān)關(guān)系(R2=0.48),表明氮營(yíng)養(yǎng)指數(shù)可以在拔節(jié)期預(yù)測(cè)水稻的產(chǎn)量并且能診斷出水稻氮肥的缺失、適宜和過量三種狀態(tài)�？傊�,高分一號(hào)衛(wèi)星WFV數(shù)據(jù)能夠很好的反演水稻拔節(jié)期的生長(zhǎng)參數(shù)并且能夠?qū)λ镜牡貭I(yíng)養(yǎng)狀況進(jìn)行準(zhǔn)確的診斷,可以為水稻的生產(chǎn)管理提供依據(jù)。最后,以ArcGIS Engine、Server以及IDL開發(fā)平臺(tái),以航天、地面遙感數(shù)據(jù)為信息源,開發(fā)了具有實(shí)用化和業(yè)務(wù)化的基于遙感信息的作物生長(zhǎng)監(jiān)測(cè)與診斷系統(tǒng)。該系統(tǒng)具有文件管理、圖像處理、地物分類與識(shí)別、植被指數(shù)、生長(zhǎng)指標(biāo)計(jì)算、生理參數(shù)估算、產(chǎn)量與品質(zhì)指標(biāo)預(yù)測(cè)、地面遙感監(jiān)測(cè)、生長(zhǎng)診斷與動(dòng)態(tài)調(diào)控、工具管理及系統(tǒng)幫助等綜合功能,最后對(duì)系統(tǒng)進(jìn)行了測(cè)試檢驗(yàn)和實(shí)例分析。結(jié)果表明,系統(tǒng)的設(shè)計(jì)思想和結(jié)構(gòu)框架符合作物長(zhǎng)勢(shì)監(jiān)測(cè)與診斷系統(tǒng)的運(yùn)行化要求,系統(tǒng)操作簡(jiǎn)便,結(jié)果顯示直觀,測(cè)試結(jié)果與田間實(shí)際具有較高的符合度,實(shí)現(xiàn)了作物長(zhǎng)勢(shì)監(jiān)測(cè)與診斷技術(shù)的精確化和數(shù)字化。
【關(guān)鍵詞】：水稻 遙感 監(jiān)測(cè)模型 監(jiān)測(cè)系統(tǒng) 氮素營(yíng)養(yǎng)診斷
【學(xué)位授予單位】：安徽科技學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：S511;S127
【目錄】：

• 摘要6-8
• Abstract8-12
• 縮略詞表12-13
• 第一章 緒論13-19
• 1.1 研究背景13-14
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀14-17
• 1.2.1 遙感的氮素營(yíng)養(yǎng)指標(biāo)監(jiān)測(cè)研究進(jìn)展14-16
• 1.2.2 作物施肥決策支持系統(tǒng)的研究進(jìn)展16-17
• 1.3 研究目的17-18
• 1.4 技術(shù)路線18-19
• 第二章 高分一號(hào)衛(wèi)星WFV傳感器估算水稻生長(zhǎng)參數(shù)和產(chǎn)量的潛力評(píng)價(jià)19-29
• 2.1 引言19
• 2.2 材料與方法19-25
• 2.2.1 研究區(qū)域概括19-20
• 2.2.2 田間試驗(yàn)設(shè)計(jì)與管理20
• 2.2.3 小區(qū)栽培管理20-22
• 2.2.4 冠層光譜參數(shù)測(cè)定22-24
• 2.2.5 農(nóng)學(xué)參數(shù)測(cè)定24
• 2.2.6 數(shù)據(jù)分析24-25
• 2.3 結(jié)果與分析25-27
• 2.3.1 植被指數(shù)與水稻生長(zhǎng)參數(shù)的關(guān)系25-26
• 2.3.2 驗(yàn)證植被指數(shù)與水稻生長(zhǎng)參數(shù)的回歸模型26-27
• 2.4 討論27-28
• 2.5 本章小結(jié)28-29
• 第三章 幾種不同的回歸算法估算水稻生長(zhǎng)參數(shù)效果比較29-36
• 3.1 引言29
• 3.2 材料與方法29-31
• 3.2.1 數(shù)據(jù)獲取29
• 3.2.2 數(shù)據(jù)處理29-30
• 3.2.3 隨機(jī)森林回歸算法30-31
• 3.2.4 數(shù)據(jù)分析31
• 3.3 結(jié)果與分析31-34
• 3.3.1 相關(guān)性分析31
• 3.3.2 反演模型的構(gòu)建31-32
• 3.3.3 模型比較32-34
• 3.4 討論34-35
• 3.5 小結(jié)35-36
• 第四章 基于高分一號(hào)影像WFV數(shù)據(jù)的水稻氮營(yíng)養(yǎng)指數(shù)的分析與驗(yàn)證36-45
• 4.1 引言36-37
• 4.2 材料與方法37
• 4.3 結(jié)果與分析37-43
• 4.3.1 NNI與植被指數(shù)相關(guān)性分析37-38
• 4.3.2 基于高分一號(hào)的遙感的水稻生長(zhǎng)參數(shù)反演38-41
• 4.3.3 氮素營(yíng)養(yǎng)診斷結(jié)果評(píng)價(jià)41-43
• 4.4 討論43
• 4.5 小結(jié)43-45
• 第五章 基于GIS的水稻生長(zhǎng)監(jiān)測(cè)與氮素營(yíng)養(yǎng)診斷系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)45-53
• 5.1 引言45
• 5.2 系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)45-51
• 5.2.1 數(shù)據(jù)層45
• 5.2.2 業(yè)務(wù)邏輯層45-46
• 5.2.3 表現(xiàn)層46-50
• 5.2.4 系統(tǒng)實(shí)現(xiàn)50-51
• 5.3 系統(tǒng)的主要功能及原理51-52
• 5.3.1 遙感信息的提取51
• 5.3.2 作物長(zhǎng)勢(shì)參數(shù)的反演51
• 5.3.3 水稻生長(zhǎng)狀況診斷與推薦施肥51-52
• 5.3.4 Web發(fā)布施肥配方和調(diào)控依據(jù)52
• 5.4 討論52
• 5.5 小結(jié)52-53
• 第六章 結(jié)論與展望53-56
• 6.1 主要研究結(jié)論53-54
• 6.1.1 高分一號(hào)影像的植被參數(shù)與水稻生長(zhǎng)參數(shù)的相關(guān)關(guān)系53
• 6.1.2 不同的回歸算法估算水稻生長(zhǎng)參數(shù)的效果比較53
• 6.1.3 高分一號(hào)影像進(jìn)行水稻氮素營(yíng)養(yǎng)診斷的效果53
• 6.1.4 基于GIS的水稻生長(zhǎng)監(jiān)測(cè)與氮素營(yíng)養(yǎng)診斷系統(tǒng)53-54
• 6.2 創(chuàng)新點(diǎn)54
• 6.3 研究展望54-56
• 參考文獻(xiàn)56-63
• 攻讀碩士學(xué)位期間的科研成果63-64
• 致謝64

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張學(xué)兵,楊俊開;氮素營(yíng)養(yǎng)調(diào)控對(duì)不同類型小麥產(chǎn)量影響[J];上海農(nóng)業(yè)科技;2002年04期

2 楊鴻杰,裘宗海,王黎;氮素營(yíng)養(yǎng)診斷的相關(guān)研究[J];山東農(nóng)學(xué)院學(xué)報(bào);1982年Z1期

3 李紅軍;張立周;陳曦鳴;張玉銘;程一松;胡春勝;;應(yīng)用數(shù)字圖像進(jìn)行小麥氮素營(yíng)養(yǎng)診斷中圖像分析方法的研究[J];中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào);2011年01期

4 顧曼如,張若杼,束懷瑞,黎文文,黃化成;蘋果氮素營(yíng)養(yǎng)研究初報(bào)——植株中氮素營(yíng)養(yǎng)的年周期變化特性[J];園藝學(xué)報(bào);1981年04期

5 陳振林;;氮素營(yíng)養(yǎng)脅迫與作物生長(zhǎng)模擬[J];氣象科技;1993年04期

6 巨艷春;;淺談?dòng)衩椎牡貭I(yíng)養(yǎng)診斷[J];科技促進(jìn)發(fā)展;2010年S1期

7 孫玉煥;楊志海;;水稻氮素營(yíng)養(yǎng)診斷方法研究進(jìn)展[J];安徽農(nóng)業(yè)科學(xué);2008年19期

8 溫PI松;水稻氮素營(yíng)養(yǎng)階段性的初步研究[J];土壤通報(bào);1963年06期

9 ;水稻的氮素營(yíng)養(yǎng)診斷——Ⅰ.淀粉的快速測(cè)定——碘試法[J];植物雜志;1977年03期

10 曾驤;;果樹的氮素營(yíng)養(yǎng)[J];植物雜志;1987年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前6條

1 李紅軍;張立周;張玉銘;程一松;胡春勝;;應(yīng)用數(shù)字圖像進(jìn)行小麥氮素營(yíng)養(yǎng)診斷中圖像分析方法的研究[A];中國(guó)植物營(yíng)養(yǎng)與肥料學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集[C];2010年

2 劉桃菊;潘星哲;陳雙艷;朱冰;江紹琳;唐建軍;;基于高光譜遙感的水稻氮素營(yíng)養(yǎng)診斷方法研究[A];2012年中國(guó)作物學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2012年

3 王國(guó)英;王立國(guó);黃瑞虹;吳立芝;;梨園氮素營(yíng)養(yǎng)狀況的測(cè)定[A];全國(guó)第四屆梨科研、生產(chǎn)與產(chǎn)業(yè)化學(xué)術(shù)研討會(huì)論文集[C];2005年

4 王遠(yuǎn);王德建;王燦;張剛;;基于冠層圖像的水稻氮素營(yíng)養(yǎng)診斷[A];面向未來的土壤科學(xué)（中冊(cè)）——中國(guó)土壤學(xué)會(huì)第十二次全國(guó)會(huì)員代表大會(huì)暨第九屆海峽兩岸土壤肥料學(xué)術(shù)交流研討會(huì)論文集[C];2012年

5 程建平;曹湊貴;蔡明歷;原保忠;翟晶;;水分脅迫與氮素營(yíng)養(yǎng)對(duì)水稻生理特性的影響[A];中國(guó)作物學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文集[C];2007年

6 陳愛國(guó);王樹聲;;煙草對(duì)氮素營(yíng)養(yǎng)的吸收、利用研究[A];中國(guó)煙草學(xué)會(huì)2004年學(xué)術(shù)年會(huì)論文集[C];2004年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 ;氮素營(yíng)養(yǎng)與氮肥（上）[N];中華合作時(shí)報(bào);2005年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 張金恒;光譜遙感診斷水稻氮素營(yíng)養(yǎng)機(jī)理與方法研究[D];浙江大學(xué);2004年

2 程建峰;水稻高效氮素營(yíng)養(yǎng)的種質(zhì)鑒定及生理基礎(chǔ)[D];南京農(nóng)業(yè)大學(xué);2005年

3 馮偉;基于高光譜遙感的小麥氮素營(yíng)養(yǎng)及生長(zhǎng)指標(biāo)監(jiān)測(cè)研究[D];南京農(nóng)業(yè)大學(xué);2007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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前9條

1 司瓊;氮素營(yíng)養(yǎng)對(duì)設(shè)施甜瓜生長(zhǎng)發(fā)育及產(chǎn)量品質(zhì)的影響[D];新疆農(nóng)業(yè)大學(xué);2015年

2 劉梅;不同形態(tài)氮素營(yíng)養(yǎng)下油菜和水稻對(duì)鹽脅迫的生理響應(yīng)[D];南京農(nóng)業(yè)大學(xué);2014年

3 查海涅;基于衛(wèi)星遙感的水稻生長(zhǎng)監(jiān)測(cè)與氮素營(yíng)養(yǎng)診斷系統(tǒng)[D];安徽科技學(xué)院;2016年

4 唐強(qiáng);基于時(shí)空序列的小麥冠層氮素營(yíng)養(yǎng)診斷及長(zhǎng)勢(shì)參數(shù)監(jiān)測(cè)研究[D];石河子大學(xué);2010年

5 焦學(xué)磊;基于冠層反射光譜的作物氮素營(yíng)養(yǎng)無損監(jiān)測(cè)儀的研制[D];南京農(nóng)業(yè)大學(xué);2008年

6 張玉玲;氮素營(yíng)養(yǎng)對(duì)不同年代小麥主栽品種產(chǎn)量和品質(zhì)及其生理機(jī)理的影響[D];山東農(nóng)業(yè)大學(xué);2006年

7 莊森;基于光譜的小麥氮素營(yíng)養(yǎng)監(jiān)測(cè)與追肥調(diào)控研究[D];南京農(nóng)業(yè)大學(xué);2009年

8 吳華兵;基于反射光譜的棉花氮素營(yíng)養(yǎng)與生長(zhǎng)監(jiān)測(cè)研究[D];南京農(nóng)業(yè)大學(xué);2006年

9 李陶;密度和氮素營(yíng)養(yǎng)對(duì)小黑麥產(chǎn)量及品質(zhì)的影響[D];東北農(nóng)業(yè)大學(xué);2008年

  本文關(guān)鍵詞：基于衛(wèi)星遙感的水稻生長(zhǎng)監(jiān)測(cè)與氮素營(yíng)養(yǎng)診斷系統(tǒng)，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：283655