草地資源是全球陸地生態(tài)循環(huán)系統(tǒng)中重要的組成部分,是生長最普遍、分布最廣袤的陸地植被類型之一,共占全球陸地總面積的41.7%。草原也是除森林外陸地上最大的碳元素匯集源,它們在調(diào)節(jié)全球碳循環(huán)以及支持動植物的生物多樣性等方面發(fā)揮著至關(guān)重要的作用。天然草地牧草在農(nóng)業(yè)生產(chǎn)中不僅為以最原始的方式為畜牧業(yè)提供了飼料來源,同時也為反芻動物提供了主要能量和纖維來源。牧草本身的營養(yǎng)成分也決定著畜牧業(yè)的生產(chǎn)成本和畜產(chǎn)品品質(zhì),是評價草地資源價值的重要指標。因此,對草地牧草的營養(yǎng)成分進行快速分析及評價,可有效地為牧場放牧管理和飼料預(yù)算提供關(guān)鍵數(shù)據(jù),對生態(tài)資源保護及畜牧業(yè)的發(fā)展也有著重要的指導(dǎo)意義。本研究從精準農(nóng)業(yè)角度出發(fā),以東北地區(qū)草地資源中最為普遍的羊草為研究對象,以牧草全生長期各月份數(shù)據(jù)采集為基礎(chǔ),通過建立牧草營養(yǎng)成分含量與多遙感平臺下光譜信息的聯(lián)合數(shù)據(jù)庫,利用多種光譜特征提取方法和定量分析模型作比較,從室內(nèi)葉片、無人機冠層和衛(wèi)星區(qū)域三個尺度對牧草的干物質(zhì)含量(DM),粗蛋白含量(CP),中性洗滌纖維含量(NDF)及酸性洗滌纖維含量(ADF)四種營養(yǎng)成分進行了預(yù)測和反演研究,主要研究內(nèi)容和研究結(jié)果如下:本研...

【文章頁數(shù)】：108 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 研究背景與意義
    1.2 國內(nèi)外研究進展
        1.2.1 光譜技術(shù)在植物營養(yǎng)成分檢測中的應(yīng)用
        1.2.2 遙感技術(shù)在草原監(jiān)測中的應(yīng)用
    1.3 主要研究內(nèi)容和技術(shù)路線
        1.3.1 主要研究內(nèi)容
        1.3.2 研究方案和技術(shù)路線
2 數(shù)據(jù)獲取及分析方法
    2.1 研究區(qū)域概況
    2.2 數(shù)據(jù)獲取
        2.2.1 地面試驗數(shù)據(jù)采集方法
        2.2.2 無人機冠層尺度多光譜數(shù)據(jù)采集方法
        2.2.3 葉片尺度高光譜數(shù)據(jù)采集方法
        2.2.4 衛(wèi)星區(qū)域尺度遙感數(shù)據(jù)獲取
    2.3 牧草營養(yǎng)成分的化學(xué)值測定
    2.4 數(shù)據(jù)挖掘及分析方法
        2.4.1 高光譜數(shù)據(jù)預(yù)處理方法
        2.4.2 特征變量提取方法
    2.5 定量模型構(gòu)建及評價方法
        2.5.1 定量校正模型
        2.5.2 模型性能評價
    2.6 軟件環(huán)境
3 室內(nèi)葉片尺度牧草營養(yǎng)成分檢測
    3.1 牧草葉片高光譜數(shù)據(jù)提取
    3.2 全生長期內(nèi)不同月份牧草葉片光譜曲線變化
    3.3 牧草營養(yǎng)成分化學(xué)值統(tǒng)計分析
    3.4 高光譜最優(yōu)預(yù)處理方法選擇
        3.4.1 不同光譜預(yù)處理方法的處理結(jié)果
        3.4.2 牧草干物質(zhì)含量最優(yōu)光譜預(yù)處理方法選擇
        3.4.3 牧草粗蛋白含量最優(yōu)光譜預(yù)處理方法選擇
        3.4.4 牧草中性洗滌纖維含量最優(yōu)光譜預(yù)處理方法選擇
        3.4.5 牧草酸性洗滌纖維含量最優(yōu)光譜預(yù)處理方法選擇
    3.5 牧草營養(yǎng)成分的光譜特征變量選擇
        3.5.1 基于SPA算法的特征變量選擇
        3.5.2 基于GA算法的特征變量選擇
        3.5.3 基于CARS算法的特征變量選擇
        3.5.4 基于RF算法的特征變量選擇
    3.6 基于特征變量選擇的牧草葉片尺度營養(yǎng)成分檢測模型構(gòu)建
        3.6.1 牧草干物質(zhì)含量檢測模型構(gòu)建與選擇
        3.6.2 牧草粗蛋白含量檢測模型構(gòu)建與選擇
        3.6.3 牧草中性洗滌纖維含量檢測模型構(gòu)建與選擇
        3.6.4 牧草酸性洗滌纖維含量檢測模型構(gòu)建與選擇
    3.7 本章小結(jié)
4 無人機冠層尺度牧草營養(yǎng)成分檢測
    4.1 多光譜圖像分析
    4.2 多光譜植被指數(shù)的構(gòu)建
    4.3 牧草營養(yǎng)成分的光譜特征選擇
        4.3.1 基于相關(guān)性分析的牧草營養(yǎng)成分光譜特征選擇
        4.3.2 基于逐步回歸的牧草營養(yǎng)成分含量光譜特征選擇
    4.4 基于不同建模方法的牧草營養(yǎng)成分預(yù)測模型
        4.4.1 基于不同建模方法的牧草干物質(zhì)含量建模分析
        4.4.2 基于不同建模方法的牧草粗蛋白含量建模分析
        4.4.3 基于不同建模方法的牧草中性洗滌纖維含量建模分析
        4.4.4 基于不同建模方法的牧草酸性洗滌纖維含量建模分析
    4.5 本章小結(jié)
5 衛(wèi)星區(qū)域尺度牧草營養(yǎng)成分評估
    5.1 基于非監(jiān)督分類的草原分布提取
    5.2 衛(wèi)星遙感影像光譜分析
    5.3 植被指數(shù)與牧草營養(yǎng)成分的相關(guān)性分析
        5.3.1 Sentinel-2多光譜植被指數(shù)的構(gòu)建
        5.3.2 植被指數(shù)與牧草干物質(zhì)含量的相關(guān)性分析
        5.3.3 植被指數(shù)與牧草粗蛋白含量的相關(guān)性分析
        5.3.4 植被指數(shù)與牧草中性洗滌纖維含量的相關(guān)性分析
        5.3.5 植被指數(shù)與牧草酸性洗滌纖維含量的相關(guān)性分析
    5.4 牧草干物質(zhì)含量的模型構(gòu)建與區(qū)域反演
        5.4.1 基于植被指數(shù)的牧草干物質(zhì)含量建模分析
        5.4.2 牧草干物質(zhì)含量的區(qū)域反演
    5.5 牧草粗蛋白含量的模型構(gòu)建與區(qū)域反演
        5.5.1 基于植被指數(shù)的牧草粗蛋白含量建模分析
        5.5.2 牧草粗蛋白含量的區(qū)域反演
    5.6 牧草中性洗滌纖維含量的模型構(gòu)建與區(qū)域反演
        5.6.1 基于植被指數(shù)的牧草中性洗滌纖維含量建模分析
        5.6.2 牧草中性洗滌纖維含量的區(qū)域反演
    5.7 牧草酸性洗滌纖維含量的模型構(gòu)建與區(qū)域反演
        5.7.1 基于植被指數(shù)的牧草酸性洗滌纖維含量建模分析
        5.7.2 牧草酸性洗滌纖維含量的區(qū)域反演
    5.8 本章小結(jié)
6 結(jié)論
致謝
參考文獻
攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文



本文編號：3768581