實時、無損、準(zhǔn)確地評估作物氮素營養(yǎng)狀況,對氮肥施用的精確管理、保障作物產(chǎn)量和品質(zhì)、減少環(huán)境污染等方面均有重要意義。遙感技術(shù)已被廣泛用于作物氮素營養(yǎng)狀況的無損定量監(jiān)測,并為精確農(nóng)業(yè)提供重要的技術(shù)支撐。傳統(tǒng)的田間非成像光譜數(shù)據(jù)易受土壤背景的影響,而近地面高光譜成像技術(shù)“圖譜合一”的特性可有效提純作物光譜信息,進(jìn)而提高作物氮素營養(yǎng)監(jiān)測的準(zhǔn)確性與穩(wěn)定性。然而,已有研究多使用單一的極高分辨率（毫米級）影像數(shù)據(jù),且僅分析光照植被像元光譜特征,忽視了尺度效應(yīng)和陰影效應(yīng)對氮素營養(yǎng)參數(shù)估測的影響。本研究以水稻為研究對象,基于不同栽培處理條件下水稻近地面成像高光譜數(shù)據(jù),綜合運(yùn)用遙感影像解譯技術(shù)、高光譜特征波段提取技術(shù)、數(shù)理統(tǒng)計分析技術(shù)等手段,構(gòu)建水稻陰陽葉穗分類決策樹,分析水稻純凈植株光譜對氮素營養(yǎng)參數(shù)的響應(yīng)規(guī)律,評估陰影效應(yīng)和尺度效應(yīng)對水稻氮素營養(yǎng)參數(shù)估測模型的影響,確定水稻氮素營養(yǎng)相關(guān)指標(biāo)估測的最佳空間分辨率及其監(jiān)測模型。預(yù)期結(jié)果有助于確立水稻氮素營養(yǎng)監(jiān)測和田間作物表型研究的近地面成像高光譜關(guān)鍵技術(shù)�；谒締稳~成像光譜數(shù)據(jù),系統(tǒng)比較了植被指數(shù)（比值型與歸一化型）與多元回歸法（高斯過程回歸:GPR和偏... 

【文章來源】：南京農(nóng)業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：180 頁

【學(xué)位級別】：博士

【部分圖文】：

圖２－５?ＳｐｅｃＶｉｅｗ軟件界面??Ｆｉｇ．?２－５?Ｔｈｅ?ｉｎｔｅｒｆａｃｅｏｆ?ｔｈｅ?ＳｐｅｃＶｉｅｗ?ｓｏｆｔｗａｒｅ??

?第三章基于單葉成像的水稻葉片色素含量監(jiān)測研究???由表３－１可知，ＣＩＲｅｄ胃ｅｄｇｅ、ＮＤ７Ｇ５、ＭＴＣＩ分別為三組植被指數(shù)系列（ＳＲ－ｌｉｋｅ、ｍＮＤ－ｌｉｋｅ、??ＳＩＰＩ－ｌｉｋｅ）中表現(xiàn)最好的指數(shù)。這三種指數(shù)與葉綠素ａ、ｂ、ａ＋ｂ及類胡蘿卜素含量均??顯著相關(guān)（尸＜０．００１）。此外，ＳＲ７Ｇ５、ｍＳＲ７（）５和Ｄａｔｔ指數(shù)與各色素含量也均顯著相關(guān)。??總體比較而言，ＭＴＣＩ是表現(xiàn)最好的植被指數(shù)（圖３－２），其與各色素含量的ｐ２變化范??圍為?０．３６？０．７０?（Ｐ０．００１）。??６０「?４「??｜?Ａ?°?？?Ｂ??務(wù)４５?？?Ｉ３?■?。。??＾?＾?＞＝２６．４４５?＋?８．７０?１?ｙ＝?１．２６ｉ＋?０．８２??｜?１５?？?Ｒ＊?＝?０．６９?Ｉ?ｊ?．?Ｒ：?＝?０．５６??ｉ?Ｉ??Ｉ?２??０??＇?１???＇?０??？?????＊??０?０．５?１?１．５?２?〇?０．５?１?１．５?２??ＭＴＣ，??８?０．５??ｆ?Ｃ?〇?Ｄ??｜６?．?〇°?０?ｅ〇．４?．?〇??５?＾°?？?。務(wù)。??Ｉ?０?ｌ〇．３?■??ｒ?ｔ，．??５?°?ｖ?＝?２．９１ｘ?＋?１Ｊ０９１?７?°?〇?ｙ?＝?０．１４ｘ?＋?０Ｊｌ??１?２?°?Ｒ：?＝?０．４８?ｉ〇Ａ?．?〇?Ｒ￣（Ｕ４??ｕ?＾??０????????＇?０??？?？?＇????０?０．５?１?１．５?２?０?０．５?１?１．５?２??ｍｔｃｉ?＼ｒｒｃｉ??圖３－２

？?ｈ?Ｉ０＇４＇?〇〇〇．??Ｉ４＇?＾?Ｉ：?＾??５?，?°?ｙ＝?１４．２６Ｘ＋?１１．９８?２?〇?ｙ?＝?０．６３ｘ?－?０．０４??１?°?ＲＪ?＝?０．５９?－９?〇．ｉ?－?〇?Ｒ２?＝?０．５７??Ｉ?｜??０??１?＊?????０??＊????????－０．８?－０．６?－０．４?－０．２?０?０?０．２?０．４?０．６?０．８??ｍＮＤｂｔａｔ（４４５，７２０，７５８）?ＳＲ（４５１，５２１）??圖３－５優(yōu)選植被指數(shù)與單位面積葉綠素ａ＋ｂ含量（Ａ）、單位質(zhì)量葉綠素ａ＋ｂ含量（Ｂ）、單位面積??類胡蘿卜素含量（Ｃ）、單位質(zhì)量類胡蘿卜素含量（Ｄ）的最佳擬合模型??Ｆｉｇ．?３－５?Ｂｅｓｔ－ｆｉｔ?ｒｅｌａｔｉｏｎｓｈｉｐｓ?ｂｅｔｗｅｅｎ?ｏｐｔｉｍａｌ?Ｖｉｓ?ａｎｄ?ａｒｅａ－ｂａｓｅｄ?Ｃｈｉ?ａ＋ｂ?（Ａ），?ｍａｓｓ－ｂａｓｅｄ?Ｃｈｉ?ａ－ｆｂ??（Ｂ），?ａｒｅａ－ｂａｓｅｄ?Ｃａｒ?（Ｃ），?ｍａｓｓ－ｂａｓｅｄ?Ｃａｒ?（Ｄ）??表３－３基于已有和優(yōu)化植被指數(shù)的最佳水稻單葉色素含量監(jiān)測模型的檢驗效果??Ｔａｂｌｅ?３－３?Ｐｒｅｄｉｃｔｉｎｇ?ｐｅｒｆｏｒｍａｎｃｅ?ｆｏｒ?ｔｈｅ?ｒｅｌａｔｉｏｎｓｈｉｐｓ?ｂｅｔｗｅｅｎ?ｐｉｇｍｅｎｔ???ｃｏｎｔｅｎｔ?ａｎｄ?ｂｅｓｔ?ｖｅｇｅｔａｔｉｏｎ?ｉｎｄｉｃｅｓ?ｆｒｏｍ?ｐｕｂｌｉｓｈｅｄ?ａｎｄ?ｏｐｔｉｍａｌ?Ｖｉｓ???植被指數(shù)?色素參數(shù)?最佳指數(shù)?Ｒ２?ＲＥ?（％）??Ａｒｅａ－ｂａｓｅｄ?Ｃａｂ?ＭＴＣＩ（６８０，７１０，７５０）?０．６

【參考文獻(xiàn)】：
期刊論文
[1]基于無人機(jī)載高光譜空間尺度優(yōu)化的大豆育種產(chǎn)量估算[J]. 趙曉慶,楊貴軍,劉建剛,張小燕,徐波,王艷杰,趙春江,蓋鈞鎰.  農(nóng)業(yè)工程學(xué)報. 2017(01)
[2]無人機(jī)遙感解析田間作物表型信息研究進(jìn)展[J]. 劉建剛,趙春江,楊貴軍,于海洋,趙曉慶,徐波,牛慶林.  農(nóng)業(yè)工程學(xué)報. 2016(24)
[3]基于無人機(jī)高光譜影像的引黃灌區(qū)水稻葉片全氮含量估測[J]. 秦占飛,常慶瑞,謝寶妮,申健.  農(nóng)業(yè)工程學(xué)報. 2016(23)
[4]基于無人機(jī)成像光譜儀數(shù)據(jù)的棉花葉綠素含量反演[J]. 田明璐,班松濤,常慶瑞,馬文君,殷紫,王力.  農(nóng)業(yè)機(jī)械學(xué)報. 2016(11)
[5]不同施肥條件下水稻冠層光譜特征與葉綠素含量的相關(guān)性[J]. 章曼,常慶瑞,張曉華,劉佳岐.  西北農(nóng)業(yè)學(xué)報. 2015(11)
[6]水稻冠層高光譜特征變量與葉片葉綠素含量的相關(guān)性研究[J]. 劉桃菊,胡雯君,張笑東,江紹琳,唐建軍,徐濤,陳美球.  激光生物學(xué)報. 2015(05)
[7]基于高光譜成像技術(shù)的臍橙葉片的葉綠素含量及其分布測量[J]. 劉燕德,鄧清.  發(fā)光學(xué)報. 2015(08)
[8]基于高光譜成像技術(shù)的油菜葉片SPAD值檢測[J]. 丁希斌,劉飛,張初,何勇.  光譜學(xué)與光譜分析. 2015(02)
[9]基于高光譜圖像的黃瓜葉片葉綠素含量分布檢測[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. 2014(13)
[10]基于PLSR方法的馬鈴薯葉片氮素含量機(jī)載高光譜遙感反演[J]. 李峰,Alchanatis Victor,趙紅,趙玉金,崔曉飛.  中國農(nóng)業(yè)氣象. 2014(03)

博士論文
[1]基于機(jī)器學(xué)習(xí)和輻射傳輸模型的農(nóng)作物葉綠素含量高光譜反演模型[D]. 呂杰.中國地質(zhì)大學(xué)(北京) 2012
[2]基于高光譜成像技術(shù)的作物葉綠素信息診斷機(jī)理及方法研究[D]. 張東彥.浙江大學(xué) 2012
[3]中國水稻生產(chǎn)增長與政府管理研究[D]. 展進(jìn)濤.南京農(nóng)業(yè)大學(xué) 2009
[4]基于高光譜遙感的水稻氮素營養(yǎng)參數(shù)監(jiān)測研究[D]. 田永超.南京農(nóng)業(yè)大學(xué) 2008
[5]基于高光譜遙感的小麥氮素營養(yǎng)及生長指標(biāo)監(jiān)測研究[D]. 馮偉.南京農(nóng)業(yè)大學(xué) 2007



本文編號：3447041