本文選題：葉片氮含量　切入點：高光譜　出處：《西北農(nóng)林科技大學》2016年博士論文

【摘要】：氮素是作物需求量最大的營養(yǎng)元素,氮素缺乏會導致作物光合作用能力和產(chǎn)量降低,過量又會造成農(nóng)田生態(tài)環(huán)境的污染,因此利用遙感技術進行作物氮素養(yǎng)分的實時監(jiān)測和快速診斷一直是農(nóng)業(yè)應用研究的熱點。本研究以國家楊凌農(nóng)業(yè)高新示范區(qū)及周邊地區(qū)冬小麥為研究對象,在2013-2015年進行冬小麥小區(qū)和大田試驗。通過采集冬小麥主要生育期冠層光譜信息和分析測試相應葉片全氮含量,研究小麥冠層光譜數(shù)據(jù)處理、特征波段選擇和模型構建等關鍵技術方法,獲取研究區(qū)冬小麥冠層葉片氮含量的特征光譜,構建葉片氮含量的高光譜估算模型。結合多光譜衛(wèi)星數(shù)據(jù),研究國產(chǎn)衛(wèi)星數(shù)據(jù)提取冬小麥種植面積的方法,以及多光譜衛(wèi)星數(shù)據(jù)估算葉片氮含量的理論和方法,為區(qū)域性小麥氮素營養(yǎng)監(jiān)測提供理論依據(jù)和技術支持。本研究取得的主要結論和成果如下:(1)通過對冬小麥冠層光譜反射率進行導數(shù)變換、對數(shù)變換和連續(xù)統(tǒng)去除處理,提取不同變換光譜下的葉片氮含量敏感波段。結果表明,原始光譜和對數(shù)光譜的葉片氮含量敏感波段為400~720nm,導數(shù)光譜葉片氮含量敏感波段為435~465nm,734~757nm,789~792nm和1176~1185nm,連續(xù)統(tǒng)去除光譜反射率的敏感區(qū)間為400~760nm,1181~1268nm。以相關性最高為原則,分別選取630nm、447nm、645nm和725nm作為4類變換光譜對葉片氮含量的最佳敏感波段,敏感單波段反射率與葉片氮含量的相關性的定量關系都更適合用指數(shù)模型來表現(xiàn),但模型的整體擬合精度欠佳。(2)系統(tǒng)分析了冬小麥冠層光譜特征參數(shù)對葉片氮含量的敏感性,確立了葉片氮素含量與冠層高光譜“三邊”參數(shù),吸收特征參數(shù),光譜指數(shù)的定量關系。結果表明,線性外推法的紅邊位置、紅邊面積和藍邊面積的比值、紅邊面積和藍邊面積的歸一化值是“三邊”參數(shù)中與葉片氮含量關系最為緊密和穩(wěn)定的特征參數(shù)。550~750nm波段吸收特征參數(shù)對葉片氮含量的估算結果優(yōu)于400~500nm波段,最佳估算參數(shù)為550~750nm波段的吸收峰總面積,精度優(yōu)于“三邊”參數(shù)建立的葉片氮含量估算模型,但對于高值葉片氮含量的估算精度有待提高。光譜指數(shù)明顯改善了葉片氮含量的估算精度,其中表現(xiàn)較為突出的光譜指數(shù)有修正紅邊單比指數(shù)(mSR705)、紅邊單比指數(shù)(SR705)、GM、紅邊指數(shù)(VOG3)、紅邊葉綠素指數(shù)(CI_(red edge))和紅邊歸一化指數(shù)(ND705)等。利用400~1350nm范圍內(nèi)所有光譜波段可能的兩兩組合構建的比值指數(shù)、差值指數(shù)、歸一化指數(shù)和土壤調(diào)節(jié)植被指數(shù)與葉片氮含量的定量關系表明,原始光譜、導數(shù)光譜、對數(shù)光譜和連續(xù)統(tǒng)去除光譜的最佳光譜指數(shù)分別為R~（770）/R~(702),FD~(744)/FD~(504),LOG~(750)-LOG~(717)和CR~(1056)/CR~(702),基于744nm與504nm波段導數(shù)光譜反射率的比值指數(shù)模型在精度檢驗中具有較高的決定系數(shù)和較低的均方根誤差,決定系數(shù)達到0.89,RMSE為0.06,顯著改善了葉片氮含量高值區(qū)的模擬效果,是光譜指數(shù)估算葉片氮含量的最佳模型。(3)將小波變換分析技術應用到葉片氮含量的遙感估算研究中,探討連續(xù)和離散小波變換對葉片氮含量的估算潛力。結果表明,連續(xù)小波變換對冠層光譜的噪聲不敏感,4類變換光譜反射率與葉片氮含量在較低尺度下的相關性弱于較高尺度,冠層光譜曲線上的細節(jié)性高頻信息所反映的吸收特征與葉片氮含量關系不大。在此基礎上,提取了6個基于連續(xù)小波變換的特征參數(shù),其隨機森林回歸模型的精度優(yōu)于單參數(shù)模型和偏最小二乘模型。離散小波變換第4層小波分解近似系數(shù)的偏最小二乘回歸模型是葉片氮含量的最佳估算模型,變量個數(shù)為73個,模擬方程的決定系數(shù)為0.94,驗證集的實測值與預測值回歸方程的決定系數(shù)為0.93,RMSE為0.04,REP為2.72,是葉片氮含量高光譜估算的最佳模型。(4)冬小麥種植信息是區(qū)域尺度葉片氮素含量遙感監(jiān)測的基礎,本文基于國產(chǎn)資源一號02C星HR高分辨率影像,提取了基于變差函數(shù)、灰度共生矩陣和梯度的多紋理特征,結合光譜信息構建了基于支持向量機(SVM)和多源復合信息的冬小麥種植提取模型。結果表明:變差函數(shù)紋理和梯度紋理參與的多源復合數(shù)據(jù)有效提高了圖像的分類精度,分類精度由85.14%提高到87.43%,Kappa系數(shù)由0.82提高到0.85;絕對值變差函數(shù)為紋理最佳窗口分析提供了理論依據(jù),基于平均步長提取的紋理特征能顯著提升圖像分類的精度,精度由75.2%提高到87.14%,Kappa系數(shù)由0.7提高到0.87;基于多源復合數(shù)據(jù)的SVM高空間分辨率遙感圖像分類方法能有效解決傳統(tǒng)圖像分類結果破碎的問題,比最大似然方法和決策樹法的分類精度顯著提高,總精度達到89.14%,Kappa系數(shù)為0.87;3種多源復合數(shù)據(jù)的SVM分類保持了冬小麥信息提取的準確率,用戶精度和生產(chǎn)者精度均為97.14%,Kappa系數(shù)為0.96,為中高空邊間分辨率衛(wèi)星數(shù)據(jù)的冬小麥種植信息提取提供了方法與技術支持。(5)探討了基于國產(chǎn)高分辨率衛(wèi)星GF-1號多光譜數(shù)據(jù)的冬小麥葉片氮含量估算方法,構建了基于光譜指數(shù)的全生育期葉片氮含量通用估算模型。結果表明,模擬不同傳感器的寬波段光譜反射率、光譜指數(shù)之間存在差異,但差異不顯著;所有篩選的光譜指數(shù)和葉片氮含量都在P0.01水平顯著相關,基于各光譜指數(shù)所構建的全生育期葉片氮含量估算通用模型均通過顯著性檢驗,但模型的精度低于高光譜特征參數(shù)的葉片氮含量估算精度;改進型的敏感性指數(shù)S綜合考慮了模型的穩(wěn)定性、敏感性和變量的動態(tài)范圍。綜合模擬方程決定系數(shù)、模型敏感性分析、精度檢驗和遙感制圖的結果,認為基于比值植被指數(shù)建立的葉片氮含量估算模型適用性最強,模擬結果與實際空間分布格局最為接近,為基于GF-1衛(wèi)星數(shù)據(jù)的區(qū)域性小麥氮素營養(yǎng)監(jiān)測提供了理論依據(jù)和技術支持。
[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】：S512.11;S127
，

本文編號：1669668