葉綠素含量與葉片含水量是玉米生長狀況的重要指標(biāo)。本研究以西北地區(qū)廣泛種植的夏玉米為研究對象,應(yīng)用地物光譜輻射儀測定不同生育期夏玉米的非成像高光譜數(shù)據(jù),同步獲取葉綠素含量與葉片含水量數(shù)據(jù),分析不同生育期的高光譜遙感數(shù)據(jù)與其的相關(guān)性,構(gòu)建基于特征波長、植被指數(shù)和高光譜特征參數(shù)的反演模型。得到主要結(jié)論如下:1.葉綠素含量與葉片含水量特征分析:從拔節(jié)期到乳熟期葉綠素含量不斷增加,隨著植株的衰老,到完熟期開始減少,各時(shí)期光譜反射率在“綠峰”區(qū)域差異顯著;葉片含水量均值呈不斷增加,但增長速度從乳熟期開始減緩。2.相關(guān)性分析:夏玉米葉綠素含量值與光譜的相關(guān)性從拔節(jié)期、抽雄期、乳熟期到完熟期,原始光譜反射率與葉綠素含量在547nm、342nm、719nm、343nm波長處相關(guān)性最大,最大相關(guān)系數(shù)分別為-0.170、-0.293、-0.476、-0.196;一階微分光譜與葉綠素含量在964nm、835nm、707nm、910nm波長處相關(guān)性最大,各時(shí)期最大相關(guān)系數(shù)分別為0.482、0.358、-0.499、0.269;NDWI、VOG1、MTCI、TVI分別為各生育期的最佳植被指數(shù),與葉綠素含量的相關(guān)系數(shù)為0.284、-0.279、0.507、-0.127;(SDr-SDb)/(SDr+SDb)、SDr/SDb、(SDr-SDb)/(SDr+SDb)、SDy分別為各生育期的最佳高光譜遙感參數(shù),與葉綠素含量的相關(guān)系數(shù)為0.284、0.285、0.479、0.133。夏玉米葉片含水量值與原始光譜各個(gè)生育期分別在450nm、367nm、353nm、353nm波長處相關(guān)性最大,最大相關(guān)系數(shù)分別為-0.580、-0.266、0.337、-0.165;葉片含水量值與一階微分光譜在1654nm、960nm、1072nm、1070nm波長相關(guān)性最大,最大相關(guān)系數(shù)為-0.588、-0.478、-0.450、-0.388;NDVI、NDVI、WI、VOG1分別為各時(shí)期的最佳植被指數(shù),相關(guān)系數(shù)分別為0.431、0.135、-0.261、0.158;高光譜遙感參數(shù)SDy、Ry、Ry、Db分別與各時(shí)期的葉片含水量相關(guān)性最大,相關(guān)系數(shù)分別為0.334、0.253、-0.342、0.308。3.最優(yōu)估算模型:葉綠素含量反演,單變量最優(yōu)估算模型為乳熟期以一階微分特征波長構(gòu)建的KNN模型,模型建模與驗(yàn)證R~2分別為0.366與0.330,;最優(yōu)多元回歸模型為乳熟期植被指數(shù)構(gòu)建的XGBoost模型,該模型建模與驗(yàn)證的R~2分別為0.525、0.821。葉片含水量反演,單變量最優(yōu)估算模型為完熟期以SDr/SDb參數(shù)建立的XGBoost算法模型,建模與驗(yàn)證R~2分別為0.741與0.285;多元變量最優(yōu)估算模型為拔節(jié)期植被指數(shù)構(gòu)建的XGBoost多元回歸模型,建模與驗(yàn)證R~2分別為0.264,0.298。
【學(xué)位單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：S513;S127
【部分圖文】：

第二章 材料與方法2.5 數(shù)據(jù)分析建模方法2.5.2 K 鄰近算法K 鄰近算法即 KNN (K-Nearest Neighbors )， KNN 算法（Zhang et al. 2007）是較為簡單的一類機(jī)器學(xué)習(xí)算法，模型的建立僅僅是基于存儲訓(xùn)練集數(shù)據(jù)，通過測試樣本中某個(gè)點(diǎn)附近 K 個(gè)最鄰近的訓(xùn)練樣本點(diǎn)的屬性或標(biāo)簽（潘麗芳等 2009），對 K 個(gè)點(diǎn)標(biāo)簽值投票，從而確定測試樣本中該點(diǎn)的屬性值。

地物的電磁光譜特性隨著地物的差異呈現(xiàn)出不同的輻射規(guī)律，這種地物間光譜的差異稱為光譜特性。地物光譜特性的測定及分析是遙感研究領(lǐng)域的核心任務(wù)之一。葉綠素是植物生長狀況的重要生理生化參數(shù)指標(biāo)，葉綠素含量的多少決定了植物光合作用能力的強(qiáng)弱，直接影響了作物的生長狀態(tài)，因此，對于葉綠素含量的監(jiān)測具有重要意義。高光譜遙感技術(shù)可以獲取植物連續(xù)的光譜，光譜分辨率高，能對微弱的光譜差異進(jìn)行定量分析，從而識別植物信息的變化。因此，本章在系統(tǒng)的分析不同生育期夏玉米高光譜特征及葉綠素含量含量變化的基礎(chǔ)上，對原始光譜采用一階導(dǎo)變換，求取植被指數(shù)、高光譜特征參數(shù)，從而構(gòu)建不同生育期夏玉米的基于特征波長、植被指數(shù)以及高光譜特征參數(shù)的 葉綠素含量值估算模型（易秋香等 2007），并對所構(gòu)建的模型精度進(jìn)行驗(yàn)證，以期實(shí)現(xiàn)西北地區(qū)夏玉米葉綠素含量的高光譜遙感估測，為精準(zhǔn)農(nóng)業(yè)研究及作物長勢判斷提供科學(xué)依據(jù)。3.1 夏玉米光譜特征分析3.1.1 不同生育期玉米光譜特征分析

西北農(nóng)林科技大學(xué)碩士學(xué)位論文如圖 3-1 所示，為不同生育期同一小區(qū)的光譜曲線圖。由圖可知，不同生育期光譜曲線大致相同，為典型的植被光譜反射曲線。在可見光波長，抽雄期的反射率最高，其次為拔節(jié)期與完熟期，拔節(jié)期與完熟期的反射率相似，乳熟期反射率最低。其中，在“綠峰”區(qū)域差異顯著，主要是由于在拔節(jié)期和抽雄期，葉綠素的含量隨著植株的生長不斷增加，此時(shí)植株對藍(lán)紫光和紅光吸收增強(qiáng)，因此反射率是較小的，在植株生長后期，養(yǎng)分逐漸減少，葉片變黃衰老，葉綠素含量減少，對光的吸收減少，因而反射率變大；在近紅外區(qū)域表現(xiàn)相似。3.1.2 夏玉米葉片葉綠素含量值特征分析
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉劍鋒;張喜旺;;基于光譜和時(shí)相特征的夏玉米遙感識別[J];遙感技術(shù)與應(yīng)用;2016年06期

2 黃西社;李高遠(yuǎn);;武功縣夏玉米生產(chǎn)存在的問題及對策[J];陜西農(nóng)業(yè)科學(xué);2016年11期

3 李杰;;南和縣夏玉米水肥一體化技術(shù)研究與示范[J];農(nóng)民致富之友;2016年24期

4 范秀勤;;硫酸脲緩釋肥對夏玉米生產(chǎn)示范技術(shù)初探[J];現(xiàn)代農(nóng)業(yè);2017年02期

5 楊寧;王洛彩;慈航;孔令剛;鄭國喜;;棗莊市夏玉米異常災(zāi)害發(fā)生規(guī)律及應(yīng)對措施調(diào)查研究[J];科學(xué)種養(yǎng);2017年04期

6 楊進(jìn)玲;;夏玉米倒伏影響因子及減輕補(bǔ)救方法[J];農(nóng)技服務(wù);2017年06期

7 王虹;;遵化市夏玉米追肥技術(shù)的變化[J];現(xiàn)代農(nóng)村科技;2017年07期

8 李穎;陳懷亮;李耀輝;;利用夏玉米端元豐度估算夏玉米種植面積的研究[J];遙感技術(shù)與應(yīng)用;2017年05期

9 陳春風(fēng);劉銀拴;龐建斌;;夏玉米鐵茬播種技術(shù)[J];農(nóng)業(yè)機(jī)械;1992年03期

10 申曉晴;孔慶偉;;周口市2016年高溫?zé)岷ο挠衩资诜奂敖Y(jié)實(shí)率的影響[J];農(nóng)技服務(wù);2016年12期

相關(guān)博士學(xué)位論文 前10條

1 吳光磊;麥季氮肥運(yùn)籌調(diào)控冬小麥—夏玉米兩作體系氮素利用及氮肥殘效研究[D];山東農(nóng)業(yè)大學(xué);2012年

2 王娟;冬小麥/夏玉米農(nóng)田碳、水通量測定及蒸散量的模擬研究[D];西北農(nóng)林科技大學(xué);2016年

3 王啟現(xiàn);夏玉米氮肥高效利用機(jī)制研究及周年氮素分析[D];中國農(nóng)業(yè)大學(xué);2004年

4 李克南;華北地區(qū)冬小麥—夏玉米作物生產(chǎn)體系產(chǎn)量差特征解析[D];中國農(nóng)業(yè)大學(xué);2014年

5 何守法;小麥和夏玉米一體化種植布局與技術(shù)經(jīng)濟(jì)效果研究[D];河南農(nóng)業(yè)大學(xué);2009年

6 周寶元;黃淮海冬小麥—夏玉米資源優(yōu)化配置及其節(jié)水高產(chǎn)技術(shù)模式研究[D];中國農(nóng)業(yè)科學(xué)院;2017年

7 司賢宗;冬小麥—夏玉米兩熟施氮效應(yīng)及簡化施氮技術(shù)研究[D];河南農(nóng)業(yè)大學(xué);2013年

8 李艷;不同施氮水平對噴灌冬小麥—夏玉米農(nóng)田土壤水氮遷移轉(zhuǎn)化及其利用率影響的研究[D];中國農(nóng)業(yè)大學(xué);2015年

9 韓惠芳;黃淮海平原保護(hù)性耕作夏玉米田的碳水高效利用研究[D];山東農(nóng)業(yè)大學(xué);2015年

10 杜紅霞;作物水肥利用過程及調(diào)控試驗(yàn)研究[D];西北農(nóng)林科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 劉二華;夏玉米干旱高光譜遙感監(jiān)測研究[D];中國氣象科學(xué)研究院;2019年

2 楊景;基于機(jī)器學(xué)習(xí)算法的不同生育期夏玉米生理參數(shù)遙感模型研究[D];西北農(nóng)林科技大學(xué);2019年

3 MUGENZI Innocent;鋅鐵噴施對夏玉米生物學(xué)特性及營養(yǎng)品質(zhì)的影響[D];西北農(nóng)林科技大學(xué);2018年

4 毛俊;河南省夏玉米水足跡區(qū)域差異分析[D];河南農(nóng)業(yè)大學(xué);2018年

5 馬長健;秸稈覆蓋和播前底墑對夏玉米農(nóng)田水—碳利用的影響[D];山東農(nóng)業(yè)大學(xué);2016年

6 劉凱;高產(chǎn)夏玉米的磷素吸收特性及其施磷量調(diào)控效應(yīng)[D];山東農(nóng)業(yè)大學(xué);2016年

7 譚鑒利;北京地區(qū)夏玉米耗水與生長規(guī)律田間試驗(yàn)研究[D];揚(yáng)州大學(xué);2013年

8 邢開瑜;基于作物生長模型的華北夏玉米水分利用效率研究[D];南京信息工程大學(xué);2011年

9 甘萬祥;不同鋅肥用量及方式對夏玉米光合特性、籽粒養(yǎng)分積累及產(chǎn)量的影響[D];河南農(nóng)業(yè)大學(xué);2015年

10 黃振喜;超高產(chǎn)夏玉米光合與養(yǎng)分生理特性研究[D];山東農(nóng)業(yè)大學(xué);2007年

本文編號：2841761