本文關(guān)鍵詞：柑橘植株冠層營養(yǎng)及花量、產(chǎn)量的近地遙感估測研究

  更多相關(guān)文章： 血橙 營養(yǎng) 花量 產(chǎn)量 近地遙感

【摘要】：本試驗以塔羅科血橙為研究對象,利用八旋翼無人機搭載的多光譜成像儀,分別在花芽生理分化期、休眠期和盛花期采集植株冠層光譜遙感信息,同時采集冠層葉片進行營養(yǎng)元素含量的測定,并調(diào)查統(tǒng)計試驗區(qū)域單株的花量和產(chǎn)量。運用光譜遙感圖像處理和數(shù)理統(tǒng)計分析等技術(shù),研究建立柑橘植株冠層營養(yǎng)、花量和產(chǎn)量的近地遙感估測技術(shù),以期為基于無人機低空遙感信息的柑橘營養(yǎng)和成花坐果量檢測技術(shù)的研發(fā)提供理論依據(jù)和技術(shù)支持。主要研究內(nèi)容和結(jié)果如下:1.塔羅科血橙植株冠層營養(yǎng)元素含量的近地遙感估測(1)通過對花芽生理分化期、休眠期、盛花期塔羅科血橙植株冠層近地遙感光譜信息分析,發(fā)現(xiàn),塔羅科血橙冠層近地遙感光譜反射率與典型植物十分相似,即在可見光區(qū)域反射率較低,近紅外區(qū)域反射率較高。三個時期冠層光譜反射率波形曲線走勢相似,但反射率大小差異顯著,基本呈花芽生理分化期休眠期盛花期的趨勢。(2)基于獲取的三個物候期的塔羅科血橙冠層近地遙感光譜信息,采用歸一化(Normalization)、多元散射校正(MSC)、去噪(De-Noise)、標準正態(tài)變量變換(SNV)等四種方法對原始光譜進行預(yù)處理,并基于預(yù)處理后光譜和原始光譜建立植株冠層營養(yǎng)元素含量的偏最小二乘(PLS)、多元線性回歸(MLR)、主成分回歸(PCR)和最小二乘支持向量機(LS-SVM)模型。通過比對不同模型對植株冠層N、P、K、Ca、Mg、S含量的預(yù)測精度,結(jié)果顯示,植株冠層N含量近地遙感估測的最佳模型為基于休眠期冠層原始光譜所建PCR模型;基于休眠期冠層原始光譜所建MLR模型對植株冠層P含量的預(yù)測效果最優(yōu);基于盛花期冠層原始光譜所建LS-SVM模型可以實現(xiàn)冠層K含量的最優(yōu)估測;對休眠期冠層原始光譜進行SNV預(yù)處理后,采用LS-SVM建立模型對冠層Ca含量的近地遙感估測效果最佳;對冠層Mg含量的估測,則以基于SNV預(yù)處理花芽生理分化期冠層光譜所建PLS模型效果最好;基于休眠期冠層原始光譜所建LS-SVM模型可以較好地估測冠層S含量。2.塔羅科血橙植株冠層花量的近地遙感估測(1)利用三個物候期的塔羅科血橙冠層近地遙感信息,采用Normalization、MSC、De-Noise、SNV等四種光譜預(yù)處理方法和PLS、MLR、PCR、LS-SVM等四種數(shù)據(jù)建模方法建立冠層花量的估測模型,結(jié)果顯示,進行塔羅科血橙冠層花量近地遙感光譜估測的最佳時期為休眠期,最佳模型為基于De-Noise預(yù)處理光譜建立的LS-SVM預(yù)測模型,其Rc和Rp分別為0.6571和0.6519,NRMSEC和NRMSEP分別為0.3150和0.2852。(2)為進一步優(yōu)選冠層花量估測模型,篩選NDVI、DVI、RVI等三種植被指數(shù)進行光譜數(shù)據(jù)變換,再分別以植被指數(shù)(NDVI+DVI+RVI)、原始光譜+植被指數(shù)為自變量,建立冠層花量的PLS、PCR、LS-SVM估測模型,通過比對所建模型的預(yù)測效果發(fā)現(xiàn),塔羅科血橙冠層花量估測的最佳物候期為休眠期,最佳估測模型為基于冠層原始光譜+植被指數(shù)為自變量所建PCR模型,Rc為0.6766,NRMSEC為0.2912,Rp為0.6963,NRMSEP為0.3928。(3)對所有冠層花量估測模型進行綜合分析,發(fā)現(xiàn),以休眠期冠層原始光譜+植被指數(shù)為自變量,采用PCR方法所建模型的估測效果最優(yōu)。3.塔羅科血橙植株產(chǎn)量的近地遙感估測(1)采集花芽生理分化期、休眠期和盛花期塔羅科血橙冠層近地遙感信息,采用Normalization、MSC、De-Noise、SNV等光譜預(yù)處理方法和PLS、MLR、PCR、LS-SVM等數(shù)據(jù)建模方法建立植株產(chǎn)量的估測模型,結(jié)果發(fā)現(xiàn),塔羅科血橙單株產(chǎn)量近地遙感光譜估測的最佳時期為休眠期,基于MSC預(yù)處理光譜所建LS-SVM模型預(yù)測效果最好,Rc和Rp分別為0.7290和0.7237,NRMSEC和NRMSEP分別為0.2347和0.2549。(2)分別以植被指數(shù)、植被指數(shù)+原始光譜為自變量,建立單株產(chǎn)量的PLS、PCR、LS-SVM估測模型,通過比對所建模型的預(yù)測效果發(fā)現(xiàn),單株產(chǎn)量估測的最佳時期仍是休眠期,以冠層植被指數(shù)為自變量所建LS-SVM模型的預(yù)測效果最優(yōu),Rc和Rp分別達0.8727和0.8081,NRMSEC和NRMSEP分別為0.1729和0.2585。(3)對比所有單株產(chǎn)量的近地遙感估測模型可以發(fā)現(xiàn),以休眠期冠層植被指數(shù)為自變量,采用LS-SVM方法所建模型的估測效果最優(yōu)。
【關(guān)鍵詞】：血橙 營養(yǎng) 花量 產(chǎn)量 近地遙感
【學(xué)位授予單位】：西南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：S666;S127
【目錄】：

• 摘要6-8
• Abstract8-11
• 第一章 文獻綜述11-21
• 1.1 果樹營養(yǎng)診斷研究11-13
• 1.1.1 重要意義11
• 1.1.2 常用方法11-13
• 1.2 果樹花量、產(chǎn)量估測研究13-14
• 1.2.1 重要意義13-14
• 1.2.2 常用方法14
• 1.3 光譜遙感在果樹生產(chǎn)上的研究應(yīng)用14-19
• 1.3.1 光譜遙感技術(shù)簡介15
• 1.3.2 光譜遙感檢測的理論依據(jù)15-16
• 1.3.3 果樹營養(yǎng)的光譜遙感檢測16-18
• 1.3.4 果樹花量和產(chǎn)量的高光譜遙感估測18-19
• 1.4 小結(jié)19-21
• 第二章 引言21-25
• 2.1 研究背景及目的意義21-22
• 2.2 研究內(nèi)容22
• 2.3 研究技術(shù)路線22-25
• 第三章 材料與方法25-33
• 3.1 試驗區(qū)域概況25
• 3.2 儀器設(shè)備25
• 3.3 機載多光譜遙感信息獲取25-26
• 3.4 葉片樣品采集26
• 3.5 冠層營養(yǎng)元素含量測定26
• 3.6 花量、產(chǎn)量統(tǒng)計26
• 3.7 多光譜圖像處理與冠層光譜信息提取26-27
• 3.8 數(shù)據(jù)處理27-33
• 3.8.1 光譜數(shù)據(jù)預(yù)處理方法27-29
• 3.8.2 光譜植被指數(shù)變換29-30
• 3.8.3 建模方法30-31
• 3.8.4 模型評價參數(shù)31
• 3.8.5 樣本分集和相關(guān)系數(shù)顯著水平臨界值31-33
• 第四章 柑橘植株冠層營養(yǎng)的近地遙感監(jiān)測33-57
• 4.1 不同物候期柑橘植株冠層光譜特征33
• 4.2 植株冠層葉片大量營養(yǎng)元素含量33-34
• 4.3 柑橘冠層光譜與營養(yǎng)元素含量相關(guān)性34-36
• 4.4 最優(yōu)預(yù)測模型的篩選36-54
• 4.4.1 冠層N含量估測36-39
• 4.4.2 冠層P含量估測39-42
• 4.4.3 冠層K含量估測42-45
• 4.4.4 冠層Ca含量估測45-48
• 4.4.5 冠層Mg含量估測48-51
• 4.4.6 冠層S含量估測51-54
• 4.5 討論54-56
• 4.6 小結(jié)56-57
• 第五章 柑橘植株花量的近地遙感估測57-65
• 5.1 冠層原始光譜與花量的相關(guān)性57
• 5.2 冠層植被指數(shù)與花量相關(guān)性57-59
• 5.3 塔羅科血橙植株花量預(yù)測模型的建立與優(yōu)選59-63
• 5.3.1 基于冠層光譜的花量估測59-62
• 5.3.2 基于不同自變量的冠層花量估測62-63
• 5.3.3 柑橘冠層花量最優(yōu)預(yù)測模型的篩選63
• 5.4 討論63-64
• 5.5 小結(jié)64-65
• 第六章 柑橘產(chǎn)量的近地遙感估測65-75
• 6.1 冠層原始光譜與產(chǎn)量相關(guān)性65
• 6.2 冠層植被指數(shù)與產(chǎn)量相關(guān)性65-67
• 6.3 柑橘植株產(chǎn)量預(yù)測模型的建立與優(yōu)選67-71
• 6.3.1 基于冠層光譜的產(chǎn)量估測67-70
• 6.3.2 基于不同自變量的產(chǎn)量估測70-71
• 6.3.3 柑橘樹體產(chǎn)量最優(yōu)預(yù)測模型的篩選71
• 6.4 討論71-73
• 6.5 小結(jié)73-75
• 第七章 總結(jié)與展望75-77
• 7.1 結(jié)論75-76
• 7.2 展望76-77
• 參考文獻77-83
• 在校期間發(fā)表論文及參研課題83-85
• 致謝85

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 趙瑞嬌;李民贊;;雙通道近地遙感圖像采集處理系統(tǒng)[J];農(nóng)業(yè)機械學(xué)報;2009年S1期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉雪峰;柑橘植株冠層營養(yǎng)及花量、產(chǎn)量的近地遙感估測研究[D];西南大學(xué);2016年

，

本文編號：661288