油松毛蟲對人工油松林造成了嚴(yán)重的危害。據(jù)統(tǒng)計,遼寧省建平縣油松毛蟲的發(fā)生面積為年均120,000hm2,年均直接經(jīng)濟損失340萬元。如何有效地監(jiān)測預(yù)防松毛蟲蟲害,提高油松林分的質(zhì)量,減少經(jīng)濟損失,是亟待解決的問題。近年來隨著遙感技術(shù)特別是高光譜遙感技術(shù)的快速發(fā)展,可以實現(xiàn)植物葉綠素含量、含水率等生物化學(xué)參數(shù)的遙感定量化診斷,以便對受害植物的受害程度做出綜合的分析,從而提高災(zāi)害程度監(jiān)測的精度。本研究將高光譜技術(shù)應(yīng)用于油松毛蟲危害程度的監(jiān)測,提取受害油松的生理信息和光譜信息,研究其與受害程度（即失葉率）的耦合關(guān)系。論文以遼寧省建平縣不同受害程度的油松為研究對象,根據(jù)野外調(diào)查數(shù)據(jù)和無人機高光譜數(shù)據(jù),采用相關(guān)性分析的方法提取油松針葉葉綠素含量、含水率的敏感光譜指數(shù)NDSI、DSI、RSI,用一元線性回歸的方法反演葉綠素含量和含水率,用多元線性回歸和人工神經(jīng)網(wǎng)絡(luò)兩種方法建立模型反演不同受害程度油松的失葉率。其中較高失葉率的多元回歸反演模型為y=0.799-31.85× dDSI（427,811）-142.01 × dDSI（797,482）+0.067× dRSI（774,677）,較低失葉率的... 

【文章來源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１綠色植物葉片吸收光譜??Ｆｉ．?１－１?Ｔｈｅ?ａｂｓｏｒｔｉｏｎ?ｓｅｃｔｒｕｍ?ｏｆｒｅｅｎｌａｎｓ??

圖１－２技術(shù)路線圖??Ｆｉｇ．?１－２?Ｔｅｃｈｎｏｌｏｇｙ?ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?Ｒｅｓｅａｒｃｈ??８??

２．１研究區(qū)概況??研究區(qū)位于中國遼寧省西部的建平縣（１１８°?５０＇?－１２°?０３＇?Ｅ，４０°?３６＇?－４２°?２３＇??Ｎ），如圖２－１所示。海拔３００ｍ－ｌ?０００?ｍ，坡度集中在０°?－２０°?，地勢平坦，土壤質(zhì)??地為沙壤，地表腐殖質(zhì)較厚。屬中溫帶亞干旱季風(fēng)型大陸性氣候。日照充足，四季分??明，年平均氣溫８．０°Ｃ，?７月平均氣溫２３．３°Ｃ，最高氣溫３５°Ｃ，?１月平均氣溫－１１．２°Ｃ，??最低氣溫－３７．６°Ｃ。雨熱同季，年平均降水量５５０ｍｍ，無霜期１５０天左右。??建平縣是全省乃至全國林業(yè)有害生物發(fā)生的重點縣，主要森林病蟲害為松毛蟲、??楊干象、沙棘木蠹蛾等，年平均發(fā)生面積２０，０００ｈｍ２，年平均防治面積１７，０００?ｈｍ２。??研究區(qū)森林類型為油松人工純林，因樹種單一，受到油松毛蟲的危害更加嚴(yán)重，年均??直接經(jīng)濟損失３４０萬元（董厚德，２０１１）。據(jù)調(diào)查統(tǒng)計，２０１３年全縣林業(yè)有害生物發(fā)??生總面積高達１５

【參考文獻】：
期刊論文
[1]玻璃溫室環(huán)境下番茄葉綠素含量敏感光譜波段提取及估測模型[J]. 丁永軍,張晶晶,孫紅,李修華.  光譜學(xué)與光譜分析. 2017(01)
[2]適用于洪河濕地5種植物分類的高光譜植被指數(shù)篩選[J]. 黃錦,孫永華.  濕地科學(xué). 2016(06)
[3]基于高光譜和BP神經(jīng)網(wǎng)絡(luò)的玉米葉片SPAD值遙感估算[J]. 李媛媛,常慶瑞,劉秀英,嚴(yán)林,羅丹,王爍.  農(nóng)業(yè)工程學(xué)報. 2016(16)
[4]棉花冠層葉片葉綠素含量與高光譜參數(shù)的相關(guān)性[J]. 楚萬林,齊雁冰,常慶瑞,蒲潔.  西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版). 2016(09)
[5]基于光譜反射特征的草莓葉片含水率模型[J]. 李珺,宋文龍.  東北林業(yè)大學(xué)學(xué)報. 2016(01)
[6]基于多波段光譜探測儀的玉米冠層葉綠素含量診斷[J]. 劉豪杰,趙毅,文瑤,孫紅,李民贊,Zhang Qin.  農(nóng)業(yè)機械學(xué)報. 2015(S1)
[7]107楊葉片葉綠素含量高光譜反演的研究[J]. 王鑫梅,牟洪香,李春友,楊可偉,趙雪,程志慶,王鶴松.  西北林學(xué)院學(xué)報. 2015(03)
[8]基于主成分分析的植被含水率模型[J]. 潘佩芬,楊武年,戴曉愛.  國土資源遙感. 2013(03)
[9]騰格里沙漠典型植物含水率與地物光譜的關(guān)系分析[J]. 王鵬龍,張建明,張春梅,許洺山,王磊.  中國沙漠. 2013(03)
[10]基于人工神經(jīng)網(wǎng)絡(luò)的稻田雜草稻光譜識別[J]. 鄒華東,陳樹人,陳剛,閆潤.  農(nóng)機化研究. 2013(01)

博士論文
[1]圖像紋理分析及分類方法研究[D]. 李伯宇.復(fù)旦大學(xué) 2007
[2]彩色圖像特征提取與植物分類研究[D]. 黃志開.中國科學(xué)技術(shù)大學(xué) 2006

碩士論文
[1]基于人工神經(jīng)網(wǎng)絡(luò)和高光譜數(shù)據(jù)的松材線蟲病預(yù)測[D]. 陸坎凱.浙江農(nóng)林大學(xué) 2016
[2]水稻葉綠素含量高光譜反演模型及尺度轉(zhuǎn)換方法研究[D]. 杜志紅.中國地質(zhì)大學(xué)(北京) 2015
[3]不同覆蓋度條件下水稻生長參數(shù)的高光譜監(jiān)測研究[D]. 顧凱健.南京農(nóng)業(yè)大學(xué) 2011
[4]基于紋理及光譜信息融合的遙感圖像分類方法研究[D]. 王知鷙.西安電子科技大學(xué) 2010
[5]形狀特征提取及檢索技術(shù)研究[D]. 張兆生.河南理工大學(xué) 2009



本文編號：3330901