葉綠素含量和葉面積指數(shù)是表征作物氮營(yíng)養(yǎng)狀況和長(zhǎng)勢(shì)的重要生理化參量。傳統(tǒng)的方法測(cè)定作物生理化信息存在耗時(shí)長(zhǎng)、難以在大田尺度上進(jìn)行的缺陷。面對(duì)與日俱增的人口壓力、糧食壓力、環(huán)境壓力,實(shí)現(xiàn)田間精準(zhǔn)化管理,對(duì)于解決環(huán)境問(wèn)題和糧食優(yōu)產(chǎn)問(wèn)題極具現(xiàn)實(shí)意義。隨著低空遙感技術(shù)研究的不斷深入,使實(shí)時(shí)快速、精確無(wú)損監(jiān)測(cè)作物營(yíng)養(yǎng)狀況和長(zhǎng)勢(shì)情況成為可能。本文旨在研究利用微小型無(wú)人機(jī)遙感平臺(tái)獲取大田水稻作物氮素營(yíng)養(yǎng)和長(zhǎng)勢(shì)信息以替代傳統(tǒng)人工采集信息方法的可行性,進(jìn)而為農(nóng)作物生產(chǎn)、管理、監(jiān)測(cè)提供技術(shù)支持。于2016年8月8號(hào)-20號(hào)之間,在方正縣水稻種植基地進(jìn)行了固定翼無(wú)人機(jī)飛行試驗(yàn),獲取了四個(gè)粳稻種植園區(qū)的高清數(shù)碼影像和多光譜影像,并在德善水稻種植園區(qū)內(nèi)進(jìn)行地面實(shí)測(cè)相對(duì)葉綠素值(SPAD)和葉面積指數(shù)(LAI)數(shù)據(jù)采集工作。通過(guò)分析影像特征值與地面樣本區(qū)域?qū)崪y(cè)值的關(guān)系,構(gòu)建了東北優(yōu)質(zhì)粳稻冠層葉綠素SPAD和LAI值的反演模型。主要的研究?jī)?nèi)容如下:(1)東北粳稻冠層氮素分級(jí)。為初步了解研究區(qū)內(nèi)粳稻長(zhǎng)勢(shì)情況,基于植被覆蓋指數(shù)(NDVI)對(duì)方正水稻研究院周邊地塊進(jìn)行估測(cè)氮素分級(jí)(N0-N5),利用聚類(lèi)分類(lèi)(ISODATA)和支持向量機(jī)分類(lèi)(SVM)對(duì)獲取到的真彩色影像、多光譜影像和HSV影像進(jìn)行氮素分級(jí),分類(lèi)效果最好的是基于RGB影像的SVM分類(lèi),分類(lèi)精度為92.60%,Kappa系數(shù)為0.8811。結(jié)果表明,基于無(wú)人機(jī)低空遙感影像進(jìn)行冠層氮素情況分類(lèi),可精確獲取粳稻的氮營(yíng)養(yǎng)情況。(2)大田粳稻葉綠素含量反演模型的構(gòu)建。首先構(gòu)建了6種光譜光譜指數(shù),通過(guò)構(gòu)建經(jīng)驗(yàn)?zāi)Ｐ蛯?duì)光譜指數(shù)和實(shí)測(cè)粳稻SPAD值進(jìn)行相關(guān)性分析,篩選出可敏感表示葉綠素含量變化的類(lèi)紅邊位置指數(shù)(s-REP)�；谧钚《酥С窒蛄繖C(jī)算法(LS-SVR)構(gòu)建了大田粳稻的葉綠素SPAD值反演模型,模型決定系數(shù)R2和預(yù)測(cè)決定系數(shù)P-R2分別為0.8976和0.8327,利用此模型對(duì)德善水稻種植園區(qū)進(jìn)行葉綠素遙感填圖,其擬合模型的R2和模型均方根誤差(RMSE)分別為0.802和3.907。結(jié)果表明,基于光譜指數(shù)s-REP的LS-SVR模型可用于快速獲取大田粳稻葉綠素含量信息。(3)大田粳稻LAI值反演模型的構(gòu)建。通過(guò)構(gòu)建經(jīng)驗(yàn)?zāi)Ｐ?分析所構(gòu)建的6種光譜指數(shù)與大田粳稻冠層LAI的相關(guān)性,篩選出NDVI指數(shù)適用于大田粳稻抽穗~灌漿期的LAI反演,并由此構(gòu)建大田粳稻冠層LAI的LS_SVR估測(cè)模型,其模型決定系數(shù)R2和預(yù)測(cè)決定系數(shù)P-R2分別為0.6327和0.6014,RMSE分別為0.5855和0.7719。利用NDVI反演模型實(shí)現(xiàn)了德善水稻種植園區(qū)的粳稻抽穗~灌漿期的LAI反演填圖,其擬合模型的R2和RMSE分別為0.5868和0.7803,較為精確的實(shí)現(xiàn)了水稻LAI的估測(cè)。
【學(xué)位單位】：東北農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：S511
【部分圖文】：

東北農(nóng)業(yè)大學(xué)工學(xué)碩士學(xué)位論文1.5 本章小結(jié)首先，本章闡述了利用無(wú)人機(jī)遙感技術(shù)進(jìn)行東北地區(qū)粳稻大田葉綠素含量和 LAI 值信息反演研究的目的與意義。然后，分析了無(wú)人機(jī)遙感、葉綠素含量測(cè)定、葉綠素含量反演及 LAI 值反演的研究現(xiàn)狀。最后，給出了本文的具體研究?jī)?nèi)容、全文的技術(shù)路線以及全文的章節(jié)安排。

試驗(yàn)數(shù)據(jù)采集與預(yù)處理2 試驗(yàn)數(shù)據(jù)采集與預(yù)處理2.1 研究區(qū)概況試驗(yàn)區(qū)位于黑龍江省中南部的方正縣，是東北優(yōu)質(zhì)大米的主要生產(chǎn)區(qū)之一。其地理坐為東經(jīng) 128°13′41″-129°33′20″、北緯 45°32′46″-46°09′00″，屬寒溫帶大陸性季風(fēng)氣候，平年降水量為 579.7 毫米，太陽(yáng)可照時(shí)數(shù)平均年為 4446 小時(shí)。其糧食作物種植面積達(dá) 73619頃，大田作物整個(gè)生育周期為 5—9 月，日照總時(shí)數(shù)達(dá) 1178 小時(shí)，日照百分率為 54%，均每天 8 小時(shí)。試驗(yàn)區(qū)內(nèi)水稻品種多樣，水稻育秧期為每年 4 月上旬，插秧期為每年 5上旬，收割期為每年 9 月下旬至 10 月上旬。試驗(yàn)區(qū)內(nèi)田地分塊整齊，地塊管理明確，大方便了遙感影像拼接和地面數(shù)據(jù)采集，同時(shí)各個(gè)園區(qū)內(nèi)物料資源豐富，為后期的農(nóng)情監(jiān)應(yīng)用研究提供了可靠的保障。

東北農(nóng)業(yè)大學(xué)工學(xué)碩士學(xué)位論文消除采樣代表性限制，本文以農(nóng)戶(hù)種植田塊作為采樣單元，采取單元(盡量避免同一農(nóng)戶(hù)選擇多塊樣區(qū))的方式進(jìn)行采樣。設(shè)置 64 元采集 30 株水稻的葉綠素?cái)?shù)據(jù)，取其平均值作為采樣單元葉綠素單元內(nèi)設(shè)置 100cm×100cm 的樣方，以樣方的葉面積指數(shù)作為采樣采樣時(shí)間為飛行試驗(yàn)后的兩天內(nèi)。試驗(yàn)所選飛行日期當(dāng)天天氣晴，陽(yáng)光直射地面，550 米高空處伴隨的飛行區(qū)域分別為：安樂(lè)水稻種植區(qū)、德善水稻種植區(qū)、利民水區(qū)。

【參考文獻(xiàn)】

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(guó)農(nóng)業(yè)氣象;2015年06期

2 楊敏;林杰;顧哲衍;佟光臣;翁永兵;張金池;魯小珍;;基于Landsat 8 OLI多光譜影像數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的葉面積指數(shù)反演[J];中國(guó)水土保持科學(xué);2015年04期

3 姜海玲;楊杭;陳小平;王樹(shù)東;李雪軻;劉凱;岑奕;;利用光譜指數(shù)反演植被葉綠素含量的精度及穩(wěn)定性研究[J];光譜學(xué)與光譜分析;2015年04期

4 顧燕萍;趙文杰;吳占松;;最小二乘支持向量機(jī)魯棒回歸算法研究[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

5 賀佳;劉冰鋒;李軍;;不同生育時(shí)期冬小麥葉面積指數(shù)高光譜遙感監(jiān)測(cè)模型[J];農(nóng)業(yè)工程學(xué)報(bào);2014年24期

6 史舟;梁宗正;楊媛媛;郭燕;;農(nóng)業(yè)遙感研究現(xiàn)狀與展望[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年02期

7 李宗南;陳仲新;王利民;劉佳;周清波;;基于小型無(wú)人機(jī)遙感的玉米倒伏面積提取[J];農(nóng)業(yè)工程學(xué)報(bào);2014年19期

8 劉劍君;賈世通;杜新武;鄧明俐;;無(wú)人機(jī)低空施藥技術(shù)發(fā)展現(xiàn)狀與趨勢(shì)[J];農(nóng)業(yè)工程;2014年05期

9 吳見(jiàn);侯蘭功;王棟;;基于Hyperion影像的玉米冠層葉綠素含量估算[J];農(nóng)業(yè)工程學(xué)報(bào);2014年06期

10 董梅;蘇建東;劉廣玉;楊舉田;陳秀齋;田雷;王梅勛;;面向?qū)ο蟮臒o(wú)人機(jī)遙感影像煙草種植面提取和監(jiān)測(cè)[J];測(cè)繪科學(xué);2014年09期

相關(guān)博士學(xué)位論文 前3條

1 賈銀江;無(wú)人機(jī)遙感圖像拼接關(guān)鍵技術(shù)研究[D];東北農(nóng)業(yè)大學(xué);2016年

2 王斌;基于無(wú)人機(jī)采集圖像的土壤濕度預(yù)測(cè)模型研究[D];中國(guó)石油大學(xué);2009年

3 程遠(yuǎn)航;無(wú)人機(jī)航空遙感圖像動(dòng)態(tài)拼接技術(shù)的研究[D];東北大學(xué);2009年

相關(guān)碩士學(xué)位論文 前1條

1 張學(xué)敏;基于支持向量數(shù)據(jù)描述的遙感圖像病害松樹(shù)識(shí)別研究[D];安徽大學(xué);2014年

本文編號(hào)：2825832