本文關鍵詞：基于長期定位試驗的土壤及冬小麥的高光譜響應特征

  更多相關文章： 光譜反射率 氮肥 葉綠素 葉面積指數(shù) 植被指數(shù)

【摘要】：小麥作為世界上廣泛種植的糧食作物,其產量的高低影響世界的糧食安全。遙感技術是現(xiàn)代農業(yè)中監(jiān)測土壤、植被等信息的重要手段,它不僅能快速、無損地獲取田間農作物實時的生長狀況,也可合理地指導水肥等田間管理措施,從而促使小麥高產優(yōu)質。本文以冬小麥為研究對象,設置了不同的輪作施肥系統(tǒng),如小麥-豌豆輪作系統(tǒng)和小麥連作施肥系統(tǒng),并采用不同氮、磷化肥施用水平,運用高光譜遙感、生理生化參數(shù)的測試以及小波去噪分析等技術,分析了不同輪作種植系統(tǒng)以及不同輪作施肥系統(tǒng)冬小麥的冠層高光譜以及一階導數(shù)光譜特征,同時結合植被指數(shù)和光譜特征參數(shù),建立了冬小麥不同處理的氮素、葉綠素以及葉面積指數(shù)的相關性模型。主要研究結論如下:(1)不同輪作種植系統(tǒng)和不同肥料施用量使土壤肥力發(fā)生變化,也使小麥植株吸收的養(yǎng)分量有所不同。與小麥-豌豆輪作相比,小麥連作系統(tǒng)中的土壤堿解氮和有效磷含量較高,而有機質、全氮和全磷的含量較低,其堿解氮的含量為97.33mg/kg,增加了163.05%;而小麥-豌豆系統(tǒng)的堿解氮含量為75.56mg/kg,增加了104.21%。小麥連作和小麥-豌豆輪作系統(tǒng)使土壤有效磷分別增加了23.05 mg/kg和25.03mg/kg,有機質含量分別增加了40.38%和52.28%。肥料配合施用能夠均衡的增加土壤養(yǎng)分并有利于小麥吸收養(yǎng)分,單施氮肥和單施磷肥能明顯增加土壤中氮、磷的含量,同時也提高了冬小麥對氮、磷養(yǎng)分的吸收。(2)不同處理在不同生育期的土壤光譜曲線基本相同,均隨波長的增加而增加,但不同處理的光譜反射率存在差異,尤其是輪作種植系統(tǒng)中的NPM和NP處理的光譜反射率較高,均達到0.45左右;在不同氮、磷施用水平下,隨施肥量的增加,其光譜反射率有所增加,其中N180、N135和P180、P135處理的反射率最高達到0.45,其余均在0.4左右。(3)不同生育期冬小麥光譜反射率差異明顯。500-600nm的光譜反射率隨冬小麥的生長逐漸降低,光譜曲線也趨于平緩,而在680-760nm之間,所有處理的光譜曲線都出現(xiàn)急劇的上升,這一波段被稱為“紅邊”。從一階導數(shù)可以看出,小麥-豌豆輪作和小麥連作施肥種植系統(tǒng)的肥料配合施用及長期施氮處理隨施氮量的增加,使紅邊向長波方向移動,也就是“紅移”現(xiàn)象。在近紅外波段,從返青、拔節(jié)、抽穗到灌漿期,反射率逐漸增大。(4)不同的輪作種植系統(tǒng)下冬小麥的氮素、葉綠素和葉面積指數(shù)各不相同。輪作種植和連作種植系統(tǒng)的肥料配合施用處理的小麥葉綠素、葉面積指數(shù)和各個養(yǎng)分含量均高于其他單施肥處理;而長期施氮處理隨施氮量的增加,其冬葉面積、葉綠素以及氮含量均顯著增加,但長期施用磷肥效果不明顯。從整體上看,抽穗期的模型的檢驗精度最高,模型也最優(yōu),尤其是抽穗期的PC-BP模型表現(xiàn)最佳。進一步分析發(fā)現(xiàn)冬小麥氮素含量與不同氮水平處理的光譜反射率有較高的相關性,葉綠素與小麥連作系統(tǒng)的光譜反射率有較好的相關性,而葉面積指數(shù)則同小麥-豌豆輪作系統(tǒng)的光譜反射率有較高的相關性。(5)研究了比值植被指數(shù)(RVI)、差值植被指數(shù)(DVI)和歸一化植被指數(shù)(NDVI)在不同的生育期反演冬小麥氮素、葉綠素和葉面積指數(shù),發(fā)現(xiàn)其之間的決定系數(shù)非常高,尤其是NDVI植被指數(shù),均達到0.9以上,在建模過程中優(yōu)勢更大。
【關鍵詞】：光譜反射率 氮肥 葉綠素 葉面積指數(shù) 植被指數(shù)
【學位授予單位】：西北農林科技大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：S512.11
【目錄】：

• 摘要6-8
• abstract8-13
• 第一章 前言13-21
• 1.1 研究背景13-14
• 1.2 國內外研究現(xiàn)狀14-19
• 1.2.1 高光譜遙感的基本概念14
• 1.2.2 高光譜技術的發(fā)展過程14-15
• 1.2.3 高光譜技術在現(xiàn)代農業(yè)中的應用15-18
• 1.2.4 小結18-19
• 1.3 本文的研究目標與研究內容19-20
• 1.4 技術路線20-21
• 第二章 材料與研究方法21-27
• 2.1 研究區(qū)域概況21
• 2.2 實驗設計21-22
• 2.3 樣品采集22-23
• 2.3.1 土壤樣品采集22
• 2.3.2 作物樣品采集22-23
• 2.4 土壤與作物化學成分測定23-24
• 2.4.1 土壤樣品化學分析23
• 2.4.2 植物樣品營養(yǎng)元素的測定23-24
• 2.5 光譜與生理生化參數(shù)24-27
• 2.5.1 光譜測量24-25
• 2.5.2 生理生態(tài)參數(shù)測定25-27
• 第三章 長期輪作與施肥對土壤肥力的影響27-31
• 3.1 輪作和施肥對土壤肥力的影響27-29
• 3.1.1 輪作種植系統(tǒng)對土壤肥力的影響27
• 3.1.2 不同施肥處理對土壤肥力的影響27-29
• 3.2 長期施用化肥對土壤肥力的影響29-31
• 3.2.1 施用氮肥對土肥力的影響29-30
• 3.2.2 施用磷肥對土肥力的影響30-31
• 第四章 土壤光譜性質分析與參數(shù)提取31-39
• 4.1 土壤光譜基本特征31-33
• 4.2 土壤光譜的處理33-35
• 4.2.1 傅里葉變換去噪33
• 4.2.2 小波變化去噪33-35
• 4.3 參數(shù)提取及分析35-39
• 4.3.1 參數(shù)數(shù)值分析35-37
• 4.3.2 特征參數(shù)及其相關性分析37-39
• 第五章 輪作與施肥對小麥養(yǎng)分的含量影響39-46
• 5.1 輪作與施肥對小麥生育期養(yǎng)分的影響39-42
• 5.1.1 輪作與施肥對不同生育期小麥含氮量影響39-40
• 5.1.2 輪作與施肥對不同生育期小麥磷含量的影響40-41
• 5.1.3 輪作與施肥對不同生育期小麥鉀含量的影響41-42
• 5.2 長期定位施肥對小麥生育期養(yǎng)分的影響42-46
• 5.2.1 施用氮肥對小麥生育期養(yǎng)分含量的影響42-43
• 5.2.2 施用磷肥對小麥生育期養(yǎng)分含量的影響43-46
• 第六章 冬小麥冠層高光譜特征分析46-59
• 6.1 冬小麥冠層光譜特征46-56
• 6.1.1 植物的原始反射光譜46-47
• 6.1.2 小麥輪作處理的冬小麥冠層高光譜特征47-51
• 6.1.3 小麥輪作系統(tǒng)不同生育期冬小麥的高光譜特征51-56
• 6.2 光譜數(shù)據(jù)處理與分析56-59
• 6.2.1 冬小麥原始光譜和導數(shù)光譜56-57
• 6.2.2 冬小麥光譜和導數(shù)光譜的特征參數(shù)57
• 6.2.3 植被指數(shù)57-59
• 第七章 冬小麥氮素高光譜遙感監(jiān)測研究59-72
• 7.1 不同輪作與施肥水平下冬小麥高光譜及一階導數(shù)光譜的響應特征59-61
• 7.2 基于冠層光譜的冬小麥氮素含量的估算模型61-66
• 7.2.1 冬小麥冠層光譜反射率的主成分分析62-63
• 7.2.2 基于冬小麥冠層光譜的氮素含量的逐步回歸模型（ρ-LR）63-64
• 7.2.3 基于冠層光譜主成分得分值的冬小麥氮素含量多元線性模型64
• 7.2.4 基于冠層光譜的冬小麥氮素含量的神經網(wǎng)絡模型64-65
• 7.2.5 基于冠層光譜的冬小麥氮含量的模型檢驗65-66
• 7.3 冬小麥冠層光譜和一階導數(shù)光譜與含氮量的相關性分析66-68
• 7.4 冬小麥冠層光譜的特征參量與葉片氮含量的相關性分析68-72
• 7.4.1 冬小麥一階導數(shù)光譜的特征參量68-69
• 7.4.2 冬小麥氮含量與特征波段和特征參量的相關性分析69-70
• 7.4.3 植被指數(shù)與冬小麥氮含量的回歸分析70-72
• 第八章 冬小麥葉綠素高光譜特征研究72-80
• 8.1 輪作與施肥處理的冬小麥葉綠素含量72-73
• 8.2 基于冠層光譜的冬小麥葉綠素含量的估算模型73-75
• 8.2.1 冬小麥冠層光譜的葉綠素含量的回歸分析73
• 8.2.2 基于冠層光譜主成分得分值的冬小麥葉綠素含量的多元線性模型73-74
• 8.2.3 冬小麥葉綠素含量的神經網(wǎng)絡模型74
• 8.2.4 基于冠層光譜的冬小麥葉綠素含量的模型檢驗74-75
• 8.3 冬小麥冠層光譜和導數(shù)光譜與SPAD的相關性分析75-77
• 8.4 冬小麥冠層光譜特征參量與葉片SPAD含量的相關性分析77-80
• 8.4.1 冬小麥一階導數(shù)光譜特征參量77-78
• 8.4.2 冬小麥葉綠素含量與特征波段和特征參量的相關性分析78
• 8.4.3 植被指數(shù)與冬小麥葉綠素含量的回歸分析78-80
• 第九章 冬小麥葉面積高光譜研究80-86
• 9.1 不同生育期冬小麥葉面積指數(shù)及其變化80-81
• 9.2 冬小麥冠層光譜和導數(shù)光譜與葉面積的相關性分析81-82
• 9.3 冬小麥冠層光譜的特征參量與葉片葉面積的相關性分析82-86
• 9.3.1 冬小麥一階導數(shù)光譜的特征參量83
• 9.3.2 冬小麥葉面積與特征波段和特征參量的相關性分析83-84
• 9.3.3 植被指數(shù)與冬小麥葉面積的回歸分析84-86
• 第十章 結論與展望86-88
• 10.1 主要結論86-87
• 10.2 主要創(chuàng)新點87
• 10.3 存在的問題與展望87-88
• 參考文獻88-95
• 致謝95-96
• 作者簡介96

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 J.G.布哈特;棉花不同形態(tài)品種葉片生長與葉面積指數(shù)的研究[J];湖北農業(yè)科學;1975年08期

2 莫家讓;;水稻葉面積指數(shù)簡易測定法[J];農業(yè)科技通訊;1975年09期

3 趙福;;葉面積和葉面積指數(shù)的計算[J];內蒙古農業(yè)科技;1975年07期

4 C.R.Chinnamuthu;夏明忠;;用第六葉面積估計高粱總葉面積[J];國外農學-雜糧作物;1990年04期

5 于強，傅抱璞，，姚克敏;水稻葉面積指數(shù)的普適增長模型[J];中國農業(yè)氣象;1995年02期

6 向佐湘,閆景彩,楊知建,張志飛;依據(jù)葉面積指數(shù)確定牧草適刈期[J];湖南農業(yè)大學學報(自然科學版);2003年02期

7 申曉瑜;李湛東;;園林植物葉面積指數(shù)研究進展[J];吉林林業(yè)科技;2007年01期

8 林超文;陳一兵;黃晶晶;涂仕華;;四川間作地區(qū)作物高度、覆蓋度和葉面積指數(shù)的動態(tài)變化(英文)[J];生態(tài)學雜志;2007年07期

9 王磊;馬英杰;趙經華;洪明;;基于圖像上冠層體積的葉面積指數(shù)測算方法[J];農機化研究;2013年12期

10 ;從一張葉片估計高粱葉面積[J];農業(yè)科技;1975年08期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 姚冬萍;;融合多源遙感數(shù)據(jù)估算地表葉面積指數(shù)[A];中國地理學會百年慶典學術論文摘要集[C];2009年

2 高帥;;利用ENVISAT-ASAR數(shù)據(jù)的植被葉面積指數(shù)反演研究[A];遙感定量反演算法研討會摘要集[C];2010年

3 陳雪洋;蒙繼華;吳炳方;朱建軍;紐立明;杜鑫;;基于環(huán)境星高光譜數(shù)據(jù)紅邊參數(shù)的冬小麥葉面積指數(shù)反演[A];遙感定量反演算法研討會摘要集[C];2010年

4 張娜;;半干旱天然草地葉面積指數(shù)反演模型[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

5 孫永華;宮輝力;李小娟;浦瑞良;周德民;;基于高光譜的三江平原濕地葉面積指數(shù)反演研究[A];遙感定量反演算法研討會摘要集[C];2010年

6 曹中盛;朱艷;田永超;曹衛(wèi)星;姚霞;;小麥葉面積指數(shù)估測的最佳高光譜參數(shù)研究[A];中國作物學會2013年學術年會論文摘要集[C];2013年

7 呂蕓帙;楊旭;駱祖瑩;;基于無線傳感器網(wǎng)絡的植被葉面積指數(shù)測量方法[A];第六屆中國測試學術會議論文集[C];2010年

8 夏帆;;基于MODIS數(shù)據(jù)的長江流域生態(tài)環(huán)境質量評價[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

9 劉倩;;2000-2010年三江源地區(qū)MODIS葉面積指數(shù)及FPAR產品驗證分析[A];遙感定量反演算法研討會摘要集[C];2010年

10 楊鵬;李春強;;基于MODIS數(shù)據(jù)的河北省冬小麥葉面積指數(shù)模型研究[A];第31屆中國氣象學會年會S5 干旱災害風險評估與防控[C];2014年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 李濟 供稿;理科綜合測試模擬（四）[N];山西科技報;2003年

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 駱社周;激光雷達遙感森林葉面積指數(shù)提取方法研究與應用[D];中國地質大學(北京);2012年

2 郝雅s

本文編號：732327