冬小麥?zhǔn)俏覈?guó)重要的商品糧品種之一。傳統(tǒng)的小麥生理生化指標(biāo)的測(cè)量大都采用田間破壞性的采樣手法和實(shí)驗(yàn)室分析的手段,費(fèi)時(shí)、費(fèi)力,大都是事后性和破壞性的,只能做到“點(diǎn)尺度”上采樣,因而不適合大面積開(kāi)展。而利用高光譜遙感技術(shù)無(wú)損、快速地監(jiān)測(cè)冬小麥生長(zhǎng)狀態(tài),獲取小麥生理生化指標(biāo)來(lái)指導(dǎo)其農(nóng)業(yè)生產(chǎn),對(duì)促進(jìn)我國(guó)小麥生產(chǎn)具有重大的意義。本研究以山東省肥城市抽穗期的冬小麥為研究對(duì)象,以大田試驗(yàn)為依托,分別利用地物光譜儀和光合儀獲取其葉片光譜數(shù)據(jù)和光合數(shù)據(jù),同時(shí)在實(shí)驗(yàn)室內(nèi)測(cè)定小麥葉片的葉綠素含量,可溶性糖含量等生理生化指標(biāo)。基于高光譜遙感無(wú)損處理技術(shù),探討了抽穗期冬小麥葉片反射光譜及其一階導(dǎo)數(shù)、倒數(shù)、對(duì)數(shù)光譜的光譜特征和變化規(guī)律,以及采用BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建方法,分析了葉綠素含量、可溶性糖、蒸騰速率及凈光合速率與光譜數(shù)據(jù)的定量關(guān)系,建立了抽穗期冬小麥葉片葉綠素含量、可溶性糖含量、蒸騰速率及凈光合速率間的BP神經(jīng)網(wǎng)絡(luò)估測(cè)模型,并對(duì)所構(gòu)建的模型進(jìn)行檢驗(yàn),從而篩選出最優(yōu)估測(cè)模型。主要結(jié)論如下:(1)在325nm~400 nm,葉片光譜反射率對(duì)不同的生理生化指標(biāo)響應(yīng)不大。在可見(jiàn)光400nm~760 nm,葉片的蒸騰速... 

【文章來(lái)源】：山東農(nóng)業(yè)大學(xué)山東省

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

可溶性糖標(biāo)準(zhǔn)曲線

基于 BP 神經(jīng)網(wǎng)絡(luò)的冬小麥抽穗期葉片生理生化指標(biāo)的高光譜估測(cè)研究2.4 小麥葉片高光譜數(shù)據(jù)處理及分析為了探究冬小麥葉片吸收反射光譜的特征，解釋冬小麥葉片光譜特征的生理化學(xué)機(jī)理，進(jìn)而求得冬小麥葉片的生理化學(xué)參數(shù)。常常需要對(duì)原始高光譜數(shù)據(jù)進(jìn)行各種形的變換、提取高光譜特征參數(shù)、構(gòu)建高光譜植被指數(shù)等。2.4.1 原始光譜及導(dǎo)數(shù)光譜的特征和特征參數(shù)由于綠色植物葉片中細(xì)胞、葉綠素含量、氮素含量或是其他的生理生化成分的含的變化，植物的反射光譜會(huì)在某些特定的波段表現(xiàn)出各式各樣的特定的形態(tài)和特征規(guī)（王紀(jì)華 2008）。正常的綠色健康且長(zhǎng)勢(shì)良好的冬小麥冠層可見(jiàn)光范圍內(nèi)的高光譜射曲線如圖 2.2。綠色植物葉片中的色素會(huì)對(duì)可見(jiàn)光范圍中的藍(lán)光和紅光波段強(qiáng)烈收，并對(duì)綠光的吸收很少，所以會(huì)形成紅光吸收谷和綠光吸收峰，即“綠峰”、“紅等區(qū)別于其它顏色植物或者其他地物的獨(dú)特光譜特征。

山東農(nóng)業(yè)大學(xué)碩士學(xué)位論文數(shù)處理可以有效降低噪聲影響，在實(shí)際應(yīng)用中較為有效。由圖 2.3 可知，一階導(dǎo)數(shù)光譜具有明顯的藍(lán)邊、黃邊和紅邊等特征區(qū)域。這些特征區(qū)域是綠色植被光譜的特有性質(zhì)，可以將它區(qū)別于其他地物，這些特征光譜的特征參數(shù)可以用于構(gòu)造蒸騰速率含量、葉面積指數(shù)和生物量等生理生化指標(biāo)的估測(cè)模型，以及提供植被生長(zhǎng)態(tài)勢(shì)、產(chǎn)量和品質(zhì)以及病蟲(chóng)災(zāi)害等的信息。特別是紅邊位置，會(huì)隨蒸騰速率含量、生物量以及物候變化而變化(Gitelson1996)。當(dāng)植被長(zhǎng)勢(shì)較好時(shí)，紅邊會(huì)向長(zhǎng)波方向移動(dòng)，而當(dāng)植物受到環(huán)境脅迫而“失綠”時(shí)，紅邊位置會(huì)向藍(lán)光方向移動(dòng)。紅邊拐點(diǎn)及一階導(dǎo)數(shù)峰值

【參考文獻(xiàn)】：
期刊論文
[1]基于多植被指數(shù)組合的冬小麥地上干生物量高光譜估測(cè)[J]. 賈學(xué)勤,馮美臣,楊武德,王超,肖璐潔,孫慧,武改紅,張松.  生態(tài)學(xué)雜志. 2018(02)
[2]基于高光譜圖像的藍(lán)莓糖度和硬度無(wú)損測(cè)量[J]. 李瑞,傅隆生.  農(nóng)業(yè)工程學(xué)報(bào). 2017(S1)
[3]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(wàn)林,齊雁冰,常慶瑞,蒲潔.  西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(09)
[4]基于高光譜植被指數(shù)的葉片凈光合速率Pn反演[J]. 王娣,佃袁勇,樂(lè)源,黃春波.  地理與地理信息科學(xué). 2016(04)
[5]基于小波變換的毛竹葉片凈光合速率高光譜遙感反演[J]. 孫少波,杜華強(qiáng),李平衡,周國(guó)模,徐小軍,高國(guó)龍,李雪建.  應(yīng)用生態(tài)學(xué)報(bào). 2016(01)
[6]Effects of light intensity on photosynthesis and photoprotective mechanisms in apple under progressive drought[J]. MA Ping,BAI Tuan-hui,WANG Xiao-qian,MA Feng-wang.  Journal of Integrative Agriculture. 2015(09)
[7]蘋果糖度高光譜圖像可視化預(yù)測(cè)的光強(qiáng)度校正方法[J]. 郭志明,趙春江,黃文倩,彭彥昆,李江波,王慶艷.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(07)
[8]高光譜指數(shù)法用于確定多枝檉柳(Tamarix ramosissima)蒸騰速率[J]. 王珊珊,陳曦,周可法,王重.  中國(guó)沙漠. 2014(04)
[9]基于高光譜圖像的黃瓜葉片葉綠素含量分布檢測(cè)[J]. 鄒小波,張小磊,石吉勇,李志華,申婷婷.  農(nóng)業(yè)工程學(xué)報(bào). 2014(13)
[10]高光譜遙感技術(shù)在農(nóng)業(yè)中的應(yīng)用現(xiàn)狀及展望[J]. 王思恒.  中國(guó)農(nóng)業(yè)信息. 2013(13)

博士論文
[1]基于高光譜遙感的小麥氮素營(yíng)養(yǎng)及生長(zhǎng)指標(biāo)監(jiān)測(cè)研究[D]. 馮偉.南京農(nóng)業(yè)大學(xué) 2007



本文編號(hào)：2906223