本文選題：水稻　切入點：高光譜　出處：《西北農(nóng)林科技大學》2016年博士論文　論文類型：學位論文

【摘要】：水稻是世界上主要糧食作物之一,其產(chǎn)量及品質(zhì)在世界糧食安全中起著至關重要的作用。而葉綠素含量、葉面積指數(shù)和氮素等生理參數(shù)是進行水稻長勢評估的重要指標�？焖俣鴾蚀_地獲取水稻不同生育期的生理參數(shù)對于科學施肥及高效田間管理意義重大。本研究的目的是以西北地區(qū)水稻為研究對象,依托不同氮素水平的兩年水稻田間試驗,基于地面非成像高光譜數(shù)據(jù)、低空無人機高光譜影像和星載多光譜影像數(shù)據(jù),綜合運用高光譜遙感技術、信息提取技術、統(tǒng)計分析技術以及參數(shù)成圖技術,系統(tǒng)分析不同生長環(huán)境、不同生育期、不同年份水稻光譜反射特征及其與葉綠素、葉面積指數(shù)和葉片全氮含量的相關性,并構建水稻生理參數(shù)的預測模型,綜合“地-空-星”不同遙感平臺實現(xiàn)區(qū)域范圍水稻長勢監(jiān)測。研究結(jié)果可為精準農(nóng)業(yè)的高效實施提供可靠的數(shù)據(jù)和技術支撐。主要結(jié)論如下:(1)系統(tǒng)分析了不同生育期不同氮素水平水稻高光譜特征,包括光譜反射特征和“紅邊”特征。結(jié)果表明,水稻冠層光譜特征受生育期的影響表現(xiàn)出一定的季相規(guī)律。從幼苗期到抽穗期,水稻冠層光譜反射率在可見光范圍逐漸降低,在近紅外波段逐漸增加。而抽穗期后光譜反射率隨生育期的推進在可見光范圍逐漸增加,在近紅外波段逐漸減少。各生育期內(nèi)水稻冠層光譜反射率在可見光范圍均隨氮素水平的增加而增加,在近紅外波段則呈相反的趨勢。在整個生育期內(nèi),水稻冠層光譜的紅邊位于690~740 nm之間,“紅邊”參數(shù)在抽穗期前表現(xiàn)出“紅移”現(xiàn)象,抽穗期后表現(xiàn)出“藍移”,且隨氮素水平的增加而增加。(2)通過相關性分析,明確了反演水稻SPAD的敏感波段及最佳光譜指數(shù)。水稻SPAD與原始冠層光譜反射率在698 nm呈最大顯著負相關。而光譜反射率一階導數(shù)與SPAD相關性較高的波段范圍較多,且波段寬度相對較窄。模型預測結(jié)果表明,以光譜指數(shù)BND為變量建立的水稻SPAD回歸模型預測效果要優(yōu)于基于特征波段的回歸模型。針對葉片水平SPAD而言,葉片不同部位SPAD分布存在差異,表現(xiàn)為從葉基到葉尖逐漸減少。(3)在明確水稻LAI隨生育期和氮素水平變化規(guī)律的基礎上,系統(tǒng)分析了400~2400 nm波段范圍內(nèi)任意兩波段組合構成的歸一化植被指數(shù)NDVI、差值植被指數(shù)DVI、比值植被指數(shù)RVI以及二次修正土壤調(diào)節(jié)植被指數(shù)MSAVI2與水稻LAI的定量關系,結(jié)果顯示以RSI(R848,R752)建立的指數(shù)模型對水稻LAI的預測效果最佳。經(jīng)最小二乘支持向量機(LS-SVM)優(yōu)化后的模型盡管預測精度有所提高,但SVM模型參數(shù)設置繁瑣,模型結(jié)構復雜,不利于模型應用于遙感過程。(4)水稻葉片全氮含量隨生育期的推進逐漸減少,且隨施氮水平的增加而增加。水稻葉片全氮含量與原始光譜反射率的相關性表明,在400~746 nm范圍光譜反射率與葉片全氮含量呈負相關關系,在754~1000 nm之間冠層光譜反射率與葉片全氮含量存在一個正相關的平臺。通過分析400~1000 nm任意兩波段原始光譜反射率構成的NDSI和RSI光譜指數(shù)與葉片氮含量的相關性,并在此基礎構建基于光譜反射率一階導數(shù)任意兩波段組合的RSI光譜指數(shù)。結(jié)果表明,基于RSI(D738,D522)建立的線性模型效果最優(yōu),RMSE和RE均最小。而基于偏最小二乘法建立的LNC回歸模型,盡管用到了全譜波段,但其預測效果較RSI(D738,D522)模型差。(5)借助無人機高光譜影像“圖譜合一”的優(yōu)勢實現(xiàn)了區(qū)域范圍水稻SPAD、葉面積指數(shù)和葉片全氮含量的空間分布反演。反演結(jié)果與地面實際情況較為相符,表明低空無人機高光譜影像在小區(qū)域范圍作物長勢監(jiān)測中具有一定優(yōu)勢。為了在更大范圍實現(xiàn)水稻長勢監(jiān)測,通過模擬高分一號衛(wèi)星的光譜反射率,構建不同植被指數(shù)建立水稻生理參數(shù)的多光譜估測模型。結(jié)果表明以綠度歸一化植被指數(shù)GNDVI、歸一化色素葉綠素指數(shù)NPCI和歸一化植被指數(shù)NDVI構建的多元線性模型對水稻SPAD有較好的預測性,而葉面積指數(shù)和葉片全氮含量的最佳預測模型分別是由比值植被指數(shù)RVI構建的指數(shù)模型和線性模型。由于空間分辨率較低,高分一號更適合大區(qū)域范圍作物長勢監(jiān)測研究。
[Abstract]:......
【學位授予單位】：西北農(nóng)林科技大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：S511;S127
，

本文編號：1558907