【摘要】：水稻是我國第一大糧食作物,其穩(wěn)定生產(chǎn)對保障國家糧食安全起基礎(chǔ)作用。利用高光譜遙感技術(shù)對水稻生理生化參數(shù)進行準確估測是實時監(jiān)測水稻生長發(fā)育狀況的有效手段,對于實現(xiàn)水稻可持續(xù)發(fā)展意義重大。本研究以寧夏引黃灌區(qū)水稻為對象,通過田間試驗,觀測了抽穗期、乳熟期、蠟熟期水稻生理生化參數(shù)與高光譜數(shù)據(jù),探索不同生育期、不同氮素水平下水稻葉片與冠層光譜的變化規(guī)律,分析水稻各生理生化參數(shù)與光譜數(shù)據(jù)的響應(yīng)特征及相關(guān)性,利用普通回歸分析方法和隨機森林算法,構(gòu)建了基于特征波段、高光譜特征參數(shù)、最佳植被指數(shù)的水稻生理生化參數(shù)估算模型,分生育期對水稻葉片和冠層SPAD值、LAI、LNC進行了估測。研究結(jié)果可為寧夏引黃灌區(qū)水稻的遙感監(jiān)測提供理論依據(jù)與技術(shù)支持。主要結(jié)論如下:(1)不同生育期、不同氮素水平的水稻葉片與冠層光譜在可見光 近紅外波段表現(xiàn)出相同的變化規(guī)律。從抽穗期到蠟熟期,可見光波段光譜反射率逐漸升高,近紅外波段光譜反射率逐漸降低,紅邊位置表現(xiàn)出一定程度的“藍移”。隨施氮量的增加,可見光波段光譜反射率略有降低,近紅外波段光譜反射率逐漸升高,紅邊位置表現(xiàn)出明顯的“紅移”。(2)不同SPAD水平的葉片和冠層光譜反射率存在明顯差異,SPAD值越大,可見光波段光譜反射率越低,近紅外波段光譜反射率越高。不同LAI水平的冠層光譜在可見光波段差異不明顯,在近紅外波段表現(xiàn)為光譜反射率隨LAI的增大而顯著升高。冠層光譜隨LNC的變化規(guī)律表現(xiàn)為:LNC越大,可見光波段光譜反射率越低,近紅外波段光譜反射率越高。(3)在水稻生長的各生育期,與葉片和冠層SPAD值、LAI、LNC相關(guān)性最強的參數(shù)均是最佳植被指數(shù),最優(yōu)單變量估算模型均是以最佳植被指數(shù)為自變量構(gòu)建的非線性模型。利用隨機森林算法建立多變量估算模型,預(yù)測精度得到明顯提高。(4)一階導數(shù)光譜比原始光譜在某些波段對生理生化參數(shù)具有更好的反映。分生育期建�？梢蕴岣呱砩瘏�(shù)估算的準確度,對實現(xiàn)不同生育期水稻冠層SPAD值、LAI、LNC的準確估測十分必要。
【學位授予單位】：西北農(nóng)林科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：S511
【圖文】：

圖 2-1 可見光-近紅外波段水稻冠層原始光譜 圖 2-2 可見光-近紅外波段水稻冠層一階導數(shù)光譜Fig.2-1 The original spectra of rice canopy of Fig.2-2 The first derivative spectra of rice canopy ofvisible light and near infrared band visible light and near infrared band對作物的原始光譜數(shù)據(jù)和一階導數(shù)光譜數(shù)據(jù)進行加工處理，可以得到各種類型的高光譜特征參數(shù)(表 2-1)。高光譜特征參數(shù)能夠在一定程度上消弱背景信息對光譜數(shù)據(jù)的影響，提高光譜數(shù)據(jù)與作物生理生化參數(shù)的相關(guān)性。表 2-1 高光譜特征參數(shù)及其計算公式Tab.2-1 Formula of hyperspectral characteristic parameter參數(shù)類型Parameter type高光譜特征參數(shù)Hyperspectralcharacteristic parameter計算公式或定義Formula or definition紅谷參數(shù)Red valleyparameters紅谷反射率 Ro 650~690 nm 波段范圍內(nèi)光譜反射率的最小值紅谷位置 λo Ro 對應(yīng)的波長紅谷面積 SRo 650~690 nm 波段范圍內(nèi)光譜反射率的總和綠峰參數(shù)Green peakparameters綠峰反射率 Rg 510~560 nm 波段范圍內(nèi)光譜反射率的最大值綠峰位置 λg Rg 對應(yīng)的波長綠峰面積 SRg 510~560 nm 波段范圍內(nèi)光譜反射率的總和藍邊參數(shù)藍邊幅值 Db 藍邊(490~530 nm)內(nèi)一階導數(shù)光譜反射率的最大值

圖 2-1 可見光-近紅外波段水稻冠層原始光譜 圖 2-2 可見光-近紅外波段水稻冠層一階導數(shù)光譜Fig.2-1 The original spectra of rice canopy of Fig.2-2 The first derivative spectra of rice canopy ofvisible light and near infrared band visible light and near infrared band對作物的原始光譜數(shù)據(jù)和一階導數(shù)光譜數(shù)據(jù)進行加工處理，可以得到各種類型的高光譜特征參數(shù)(表 2-1)。高光譜特征參數(shù)能夠在一定程度上消弱背景信息對光譜數(shù)據(jù)的影響，提高光譜數(shù)據(jù)與作物生理生化參數(shù)的相關(guān)性。表 2-1 高光譜特征參數(shù)及其計算公式Tab.2-1 Formula of hyperspectral characteristic parameter參數(shù)類型Parameter type高光譜特征參數(shù)Hyperspectralcharacteristic parameter計算公式或定義Formula or definition紅谷參數(shù)Red valleyparameters紅谷反射率 Ro 650~690 nm 波段范圍內(nèi)光譜反射率的最小值紅谷位置 λo Ro 對應(yīng)的波長紅谷面積 SRo 650~690 nm 波段范圍內(nèi)光譜反射率的總和綠峰參數(shù)Green peakparameters綠峰反射率 Rg 510~560 nm 波段范圍內(nèi)光譜反射率的最大值綠峰位置 λg Rg 對應(yīng)的波長綠峰面積 SRg 510~560 nm 波段范圍內(nèi)光譜反射率的總和藍邊參數(shù)藍邊幅值 Db 藍邊(490~530 nm)內(nèi)一階導數(shù)光譜反射率的最大值

技術(shù)路線圖

【參考文獻】

相關(guān)期刊論文 前10條

1 辛明月;殷紅;陳龍;張美玲;任智勇;苗靜;;不同生育期水稻葉面積指數(shù)的高光譜遙感估算模型[J];中國農(nóng)業(yè)氣象;2015年06期

2 章曼;常慶瑞;張曉華;劉佳岐;;不同施肥條件下水稻冠層光譜特征與葉綠素含量的相關(guān)性[J];西北農(nóng)業(yè)學報;2015年11期

3 邵華;石慶華;郭熙;趙小敏;;基于冠層高光譜的南方丘陵地區(qū)晚稻氮素營養(yǎng)診斷[J];江西農(nóng)業(yè)大學學報;2015年06期

4 劉桃菊;胡雯君;張笑東;江紹琳;唐建軍;徐濤;陳美球;;水稻冠層高光譜特征變量與葉片葉綠素含量的相關(guān)性研究[J];激光生物學報;2015年05期

5 李粉玲;王力;劉京;常慶瑞;;基于高分一號衛(wèi)星數(shù)據(jù)的冬小麥葉片SPAD值遙感估算[J];農(nóng)業(yè)機械學報;2015年09期

6 賀佳;劉冰鋒;李軍;;不同生育時期冬小麥葉面積指數(shù)高光譜遙感監(jiān)測模型[J];農(nóng)業(yè)工程學報;2014年24期

7 謝靜;陳適;王s

本文編號：2776434