發(fā)布時間：2020-09-01 15:06

　　 精準農(nóng)業(yè)是一種基于信息的農(nóng)業(yè)管理系統(tǒng),利用傳感器和現(xiàn)代先進的監(jiān)測技術(shù),對詳細的土地數(shù)據(jù)和作物數(shù)據(jù)提供完全,準確以及及時的了解,并結(jié)合準確的時空統(tǒng)計分析,及時迅速的做出正確決策。通過利用高光譜數(shù)據(jù)與不同養(yǎng)分(氮、磷、鉀等)所建立的數(shù)學(xué)模型,可以用來估測作物養(yǎng)分得供應(yīng)狀況。通過大量的研究表明,通過遙感監(jiān)測作物的氮素含量水平的精確性優(yōu)于監(jiān)測作物其他營養(yǎng)元素的精確性。高光譜數(shù)據(jù)的預(yù)處理方法在高光譜數(shù)據(jù)處理中具有非常重要的地位。有效的預(yù)處理方法能夠減少甚至于消除高光譜的無關(guān)信息(例如樣本背景和電噪聲以及雜散光),對數(shù)據(jù)的影響為后續(xù)基于高光譜數(shù)據(jù)的分析提供更為可靠且有效的數(shù)據(jù)來源。小麥作為我國非常重要的糧食作物,利用高光譜技術(shù)及時和準確的監(jiān)測其生長狀況以及產(chǎn)量等狀況尤為重要,對實現(xiàn)小麥生長的精準農(nóng)業(yè)的管理也是非常重要的一部分。氮素是對小麥生長發(fā)育、產(chǎn)出量以及小麥品質(zhì)的非常重要的營養(yǎng)元素。提高氮元素的可利用性,可以在相對短期的時間之內(nèi)提高小麥作物的產(chǎn)量。目前世界上氮肥消耗量最大的國家便是中國,過量施用氮肥不僅影響小麥品質(zhì)和產(chǎn)量,還會引發(fā)一系列環(huán)境污染問題。因此,制定科學(xué)的施氮方案,提高肥料利用效率,不僅有利于小麥生長和增產(chǎn)增收,還可以保護生態(tài)環(huán)境,減少環(huán)境污染,進而實現(xiàn)經(jīng)濟效益、社會效益和生態(tài)效益的共同發(fā)展。本研究將灌漿期的冬小麥作為研究對象,以大田實驗和采樣實驗作為手段,通過實地測量獲得灌漿期冬小麥的冠層光譜反射率,在實驗室通過化學(xué)手段獲取小麥葉片氮素含量,充分分析小麥冠層光譜數(shù)據(jù)與小麥葉片氮素含量的相關(guān)性,篩選出敏感波段,利用偏最小二乘法來確立灌漿期冬小麥的氮素含量估測模型,之后對模型進行了驗證以及優(yōu)化。研究的主要成果是:(1)原始光譜反射率經(jīng)過預(yù)處理后,與小麥葉氮含量的相關(guān)性均會得到相應(yīng)提高,說明預(yù)處理對光譜數(shù)據(jù)的處理與應(yīng)用有著非常重要的作用,能夠減少甚至于消除高光譜的無關(guān)信息,能夠為后續(xù)基于高光譜數(shù)據(jù)的分析提供更為可靠且有效的數(shù)據(jù)來源;(2)在經(jīng)過多種預(yù)處理的比對過后,發(fā)現(xiàn)經(jīng)過二階微分處理后的光譜數(shù)據(jù)建立的模型精度最高,說明二階導(dǎo)數(shù)變換為最優(yōu)光譜預(yù)處理方式;同時,多元輻射校正以及小波變換(bior1.3)之后的光譜數(shù)據(jù)所建立的反演模型,擬合系數(shù)也均達到了0.8以上,對樣品適應(yīng)性相對良好,預(yù)測結(jié)果相對準確,模型精度相對較高;(3)小波變換作為光譜數(shù)據(jù)預(yù)處理方法的一種,具有多個母函數(shù),但并不是每種類型均適用,要基于實際情況選擇合適的母函數(shù)進行分析,在本研究中,通過對多種母函數(shù)的比較,最后選定的小波函數(shù)為bior1.3;(4)光譜平滑和一階導(dǎo)數(shù)變換作為高光譜預(yù)處理的一般方法,在本研究中建立的模型精度并不高,可能是因為背景噪聲影響過大,影響了數(shù)據(jù)的精確利用,降低了反演模型的精度。(5)經(jīng)過對原始光譜數(shù)據(jù)均值中心化與數(shù)據(jù)標準化的預(yù)處理后,均會將反演模型精度大幅提高,且提高的幅度幾近相同,但并不適用于本次研究,原因可能是數(shù)據(jù)獲取過程中受其他影響過大,原始數(shù)據(jù)精準度降低,產(chǎn)生了誤差,干擾了本次實驗。
【學(xué)位單位】：山東農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：S512.1
【部分圖文】：

圖 1.2.2 綠色植被典型光譜（趙英時，2003）Figure 1.2.2 Typical spectrum of green vegetation(Zhao Yingshi, 2003)色素的吸收程度決定可見光波段內(nèi)的光譜反射率，細胞的內(nèi)部結(jié)構(gòu)決定了近紅外波段內(nèi)的光譜反射率，水汽的吸收程度決定短波紅外光譜的反射率特性，這便是植被光譜反射率的曲線特征（張超等，2010）。根據(jù)總結(jié)整理，發(fā)現(xiàn)植被在 350nm-2500nm 波譜范圍內(nèi)具有以下典型的反射光譜特征：（1）350nm-490nm 譜段范圍：因為 400nm-450nm 譜段內(nèi)是葉綠素強吸收帶，425nm-490nm 譜段范圍是類胡蘿卜素強吸收帶，380nm 波長附近有大氣弱吸收帶，所以350nm-490nm 譜段范圍內(nèi)的平均反射率較低，一般情況下不會超過 10%，反射光譜曲線形狀表現(xiàn)為較平緩；（2）490nm-600nm 譜段范圍內(nèi)：由于 550nm 的波長附近為葉綠素反射峰，所以植被在此波段反射光譜曲線呈現(xiàn)波峰的形態(tài)以及中等反射率數(shù)值（數(shù)值在 8%-28%之間）；（3）600nm-700nm 譜段范圍內(nèi)：650nm-700nm 譜段范圍是葉綠素強吸收帶,610nm

相關(guān)系數(shù) r 公式表現(xiàn)為:（2）相關(guān)系數(shù) r 表示的是兩個變量之間線性關(guān)系的相關(guān)程度，當 r>0 時表示正相關(guān) r<0 表示負相關(guān)，r 的絕對值越大，兩個變量之間的相關(guān)性程度就越高。.1 原始光譜與氮素含量相關(guān)性在原始光譜數(shù)據(jù)中，由于近紅外區(qū)域的吸收強度較弱，光譜信噪比相對較低，倍光譜帶重疊時有發(fā)生，從而使原始光譜的解析和信息提取以及依照原始光譜進行的分析變得不精確。由于數(shù)據(jù)獲取中產(chǎn)生的誤差，原始光譜反射率與小麥葉片氮素含相關(guān)性相對較低，本文中將原始光譜反射率與小麥葉片氮含量相關(guān)性作為多種光譜預(yù)處理后與小麥氮素含量相關(guān)性的對照實驗，以此來驗證光譜數(shù)據(jù)預(yù)處理后是否會光譜數(shù)據(jù)與葉氮含量相關(guān)性。

3.2 平滑后光譜與氮素含量相關(guān)性分析信號平滑處理在光譜數(shù)據(jù)預(yù)處理中是常用的消除噪聲的方法，通常還會被稱作數(shù)字波器。從地面光譜儀光電檢測系統(tǒng)采集到的光譜數(shù)字信號分為兩部分：一部分是探測對地面物體的響應(yīng)信號，另一部分是系統(tǒng)噪聲。噪聲主要來源于探測器系統(tǒng)，在部件作期間產(chǎn)生的地面物體的光譜曲線還包括背景的噪聲和部分光譜的噪聲。由于這些噪的存在，使得物體光譜的利用和分析帶來了很大的干擾（陳拉 2009），所以為了消除擾因素，就需要對光譜數(shù)據(jù)中存在的噪聲使用平滑的預(yù)處理方法。不同平滑方法產(chǎn)生平滑效果是不同的，所以設(shè)定了平滑標準的判斷原則：根據(jù)最大程度保持光譜特征值原則，使光譜曲線盡可能平滑，且平滑光譜曲線對是冬小麥理化參量的預(yù)測精度較高田明璐，2017）。平滑的基本思想是通過平均或擬合寬度為（2r + 1）個點的窗口的點來獲得平滑點最佳估計值。在本研究中，使用的平滑方法為指數(shù)平滑，平滑系數(shù)為 0.3。

【參考文獻】

相關(guān)期刊論文 前10條

1 曹引;冶運濤;趙紅莉;蔣云鐘;王浩;嚴登明;;基于離散粒子群和偏最小二乘的水源地濁度高光譜反演[J];農(nóng)業(yè)機械學(xué)報;2018年01期

2 尼加提·卡斯木;師慶東;王敬哲;茹克亞·薩吾提;依力亞斯江·努爾麥麥提;古麗努爾·依沙克;;基于高光譜特征和偏最小二乘法的春小麥葉綠素含量估算[J];農(nóng)業(yè)工程學(xué)報;2017年22期

3 喻俊;李曉敏;張權(quán);侍昊;褚軍;;基于高光譜遙感的植被冠層氮素反演方法研究進展[J];陜西林業(yè)科技;2016年06期

4 高放;孫長建;邵慶龍;郭樹旭;;基于K-均值聚類和傳統(tǒng)遞歸最小二乘法的高光譜圖像無損壓縮[J];電子與信息學(xué)報;2016年11期

5 李粉玲;常慶瑞;申健;王力;;基于GF-1衛(wèi)星數(shù)據(jù)的冬小麥葉片氮含量遙感估算[J];農(nóng)業(yè)工程學(xué)報;2016年09期

6 李丹;李斐;胡云才;Mistele Bodo;Urs Schmidhalter;;基于光譜指數(shù)波段優(yōu)化算法的小麥玉米冠層含氮量估測[J];光譜學(xué)與光譜分析;2016年04期

7 馬麗;呂成文;唐炎;;基于偏最小二乘法的土壤有機碳高光譜預(yù)測研究[J];安徽師范大學(xué)學(xué)報(自然科學(xué)版);2016年02期

8 董高;郭建;王成;陳子龍;鄭玲;朱大洲;;基于近紅外高光譜成像及信息融合的小麥品種分類研究[J];光譜學(xué)與光譜分析;2015年12期

9 于雷;洪永勝;耿雷;周勇;朱強;曹雋雋;聶艷;;基于偏最小二乘回歸的土壤有機質(zhì)含量高光譜估算[J];農(nóng)業(yè)工程學(xué)報;2015年14期

10 劉秀英;王力;常慶瑞;王曉星;尚艷;;基于相關(guān)分析和偏最小二乘回歸的黃綿土土壤全氮和堿解氮含量的高光譜預(yù)測[J];應(yīng)用生態(tài)學(xué)報;2015年07期

相關(guān)博士學(xué)位論文 前5條

1 田明璐;西北地區(qū)冬小麥生長狀況高光譜遙感監(jiān)測研究[D];西北農(nóng)林科技大學(xué);2017年

2 李粉玲;關(guān)中地區(qū)冬小麥葉片氮素高光譜數(shù)據(jù)與衛(wèi)星影像定量估算研究[D];西北農(nóng)林科技大學(xué);2016年

3 鞠昌華;利用地—空高光譜遙感監(jiān)測小麥氮素狀況與生長特征[D];南京農(nóng)業(yè)大學(xué);2008年

4 馮偉;基于高光譜遙感的小麥氮素營養(yǎng)及生長指標監(jiān)測研究[D];南京農(nóng)業(yè)大學(xué);2007年

5 潘家志;基于光譜和多光譜數(shù)字圖像的作物與雜草識別方法研究[D];浙江大學(xué);2007年

相關(guān)碩士學(xué)位論文 前8條

1 羅丹;基于高光譜遙感的冬小麥氮素營養(yǎng)指標監(jiān)測研究[D];西北農(nóng)林科技大學(xué);2017年

2 房賢一;不同物候期的蘋果樹冠層氮素含量高光譜估測研究[D];山東農(nóng)業(yè)大學(xué);2015年

3 何理;水稻葉片氮素含量及產(chǎn)量、相關(guān)品質(zhì)高光譜預(yù)測模型的初步研究[D];揚州大學(xué);2014年

4 白雪嬌;冬小麥氮素營養(yǎng)及其冠層生物理化參量高光譜遙感監(jiān)測[D];西北農(nóng)林科技大學(xué);2013年

5 魏光輝;干旱區(qū)成齡棗樹不同灌溉方式下耗水特性研究[D];新疆農(nóng)業(yè)大學(xué);2011年

6 唐強;基于時空序列的小麥冠層氮素營養(yǎng)診斷及長勢參數(shù)監(jiān)測研究[D];石河子大學(xué);2010年

7 馬漢云;水稻氮素利用基因型鑒定篩選及其響應(yīng)研究[D];河南農(nóng)業(yè)大學(xué);2009年

8 游光霞;五十年來黃淮冬麥區(qū)小麥選育品種的遺傳多樣性變化分析及其核心種質(zhì)構(gòu)建[D];中國農(nóng)業(yè)科學(xué)院;2003年

本文編號：2809896