發(fā)布時間：2017-11-25 10:17

  本文關(guān)鍵詞：基于非成像高光譜煙葉主要生化參數(shù)遙感估測模型研究

  更多相關(guān)文章： 高光譜 生化參數(shù) 煙堿 全氮 遙感估測

【摘要】：煙草是我國重要的經(jīng)濟作物之一,隨著我國煙草行業(yè)十大科技工程的不斷推進,先進的科學(xué)技術(shù)在煙草生產(chǎn)、科研中發(fā)揮了巨大的作用,在此過程中,煙葉的品質(zhì)評價已經(jīng)引起了煙草企業(yè)及科研院所的高度重視。一直以來,煙草化學(xué)成份是煙草化學(xué)家研究的主題,目前在煙葉中鑒定出的化學(xué)成分已超過3800種。因此,適時、準確地掌握煙葉中生化成份的含量,對于指導(dǎo)煙葉生產(chǎn)具有重要現(xiàn)實意義。本研究以貴州喀斯特山區(qū)、云南省陸良縣大漠古鄉(xiāng)為試驗區(qū),以貴州、云南兩地主栽品種“南江3號”、“云煙97號”煙葉為研究對象,在田間試驗設(shè)計基礎(chǔ)上,采用Field Spec3便攜式地物光譜儀,進行煙草葉片非離體狀態(tài)下煙葉光譜反射率及對應(yīng)葉片室內(nèi)生化參數(shù)的測定,在對所測光譜數(shù)據(jù)進行預(yù)處理基礎(chǔ)上,采用光譜特征提取技術(shù)提取不同變換的煙葉光譜特征;研究首先對煙草葉片各生化參數(shù)間、不同光譜變換與主要生化參數(shù)間的相關(guān)關(guān)系進行分析,篩選出光譜數(shù)據(jù)各變換形式下的敏感波段及高光譜特征變量作為自變量,以煙葉主要生化參數(shù)為因變量建立煙葉主要生化指標多元逐步回歸估測模型;其次,利用主成分分析技術(shù)對各高光譜數(shù)據(jù)進行降維,提取包含原始信息較大的主分量作為自變量,建立基于偏最小二乘回歸的煙葉主要生化參數(shù)高光譜遙感估測模型;研究最后將預(yù)處理后的高光譜數(shù)據(jù),在Landsat 8衛(wèi)星OLI傳感器下進行重采樣,提取出每個波段通道中所有波長反射率的平均值作為自變量,采用多元逐步回歸、偏最小二乘法進行煙堿、氮含量估測模型的建立,對非成像高光譜與多光譜傳感器的結(jié)合進行嘗試性試驗。論文主要研究結(jié)論如下:(1)本研究所測定的煙草葉片高光譜反射曲線符合正常綠色植被葉片典型高光譜特征;對其進行去除異常值、求平均、平滑等預(yù)處理后的光譜數(shù)據(jù),更能代表煙葉光譜反射率的實際特征;(2)對煙葉光譜特征進行分析比較發(fā)現(xiàn),不同烤煙類型的煙葉光譜反射率在可見光波段都較接近,在近紅外波段表現(xiàn)為南江3號云煙97;同一煙株的上、中、下三個部位煙葉光譜反射率,隨煙株的長勢不同呈現(xiàn)不同的規(guī)律;同一煙葉不同葉位(基、中、尖)光譜反射率,因煙葉化學(xué)成分在空間分布的不均勻性表現(xiàn)出一定的差異,本研究中具體表現(xiàn)為基部中部尖部;同一煙草品種,不同生長時期的煙葉光譜特征表現(xiàn)為成熟期生長旺盛期;在外界條件(如光照、空氣濕度等)一定的條件下,同片煙葉在一天不同時段的煙葉光譜反射率變化極小。(3)煙葉各主要生化參數(shù)間相關(guān)性研究表明:總糖與還原糖之間、煙堿含量與氯含量間、鉀含量與氮含量間存在極顯著相關(guān)。(4)煙堿含量、氮含量與各光譜數(shù)據(jù)變換間相關(guān)分析結(jié)果,提取出與其正、負相關(guān)性最強的光譜位置,利用多元逐步回歸建立其高光譜估算模型,對各模型進行精度檢驗。結(jié)果表明:在所建立的煙堿含量、氮含量多元逐步回歸模型中,經(jīng)數(shù)一階導(dǎo)數(shù)變換后的回歸估測模型確定系數(shù)R2最大,分別為0.775、0.746,模型精度檢驗結(jié)果最好�；诟吖庾V特征變量的估測模型精度較為不理想,煙堿估測精度極差,氮含量估測模型確定系數(shù)為0.545。(5)將高光譜數(shù)據(jù)進行主成分提取,選取方差累積貢獻率達到85%的主成分,進行各光譜變換的偏最小二乘回歸模型的建立。結(jié)果表明,在所建立的估測模型中,基于對數(shù)一階導(dǎo)數(shù)變換建立的煙堿含量、氮含量估測模型精度最高。(6)將預(yù)處理后的光譜反射率與Landsat8衛(wèi)星OLI傳感器濾波函數(shù)進行波譜匹配,提取出8個波段中所有波長反射率的平均值,將其與煙堿含量、氮含量進行相關(guān)分析,結(jié)果表明煙堿含量與Landsat8提取的各波段相關(guān)性差,未能建立其多元逐步回歸模型,利用PLS建立的煙堿含量估測模型精度較差�；诙嘣鸩交貧w、PLS模型的氮含量估測模型精度較好,決定系數(shù)較為接近,為0.779、0.785。
【學(xué)位授予單位】：西南林業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：S572;S127

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 付虎艷;靳涵丞;張洪亮;張軍;潘高潮;舒清態(tài);;貴州喀斯特山區(qū)煙葉高光譜參數(shù)與葉綠素含量的關(guān)系[J];煙草科技;2015年02期

2 付虎艷;張軍;舒清態(tài);;基于紋理特征的香格里拉縣冷杉林郁閉度遙感估測研究[J];云南地理環(huán)境研究;2014年03期

3 房賢一;朱西存;王凌;趙庚星;;基于高光譜的蘋果盛果期冠層葉綠素含量監(jiān)測研究[J];中國農(nóng)業(yè)科學(xué);2013年16期

4 蘇永士;蘇富強;王海波;陳彥春;馬京民;胡軍;吉貴峰;喬紅波;;不同施肥條件下煙草冠層光譜特征與葉綠素、葉面積指數(shù)的關(guān)系[J];中國煙草科學(xué);2013年02期

5 余志虹;陳建軍;呂永華;蔡一霞;謝晉;賀廣生;鄧世媛;李茂軍;郭鴻雁;王維;;利用煙葉光譜植被指數(shù)快速監(jiān)測烤煙成熟度[J];煙草科技;2013年02期

6 張正楊;馬新明;賈方方;喬紅波;張營武;;煙草葉面積指數(shù)的高光譜估算模型[J];生態(tài)學(xué)報;2012年01期

7 蔡天凈;唐瀚;;Savitzky-Golay平滑濾波器的最小二乘擬合原理綜述[J];數(shù)字通信;2011年01期

8 蔣金豹;陳云浩;黃文江;;利用高光譜紅邊與黃邊位置距離識別小麥條銹病[J];光譜學(xué)與光譜分析;2010年06期

9 劉璇;林輝;臧卓;吳學(xué)明;;杉木葉綠素a含量與高光譜數(shù)據(jù)相關(guān)性分析[J];中南林業(yè)科技大學(xué)學(xué)報;2010年05期

10 賈方方;喬紅波;熊淑萍;張正楊;馬新明;;不同水分處理對煙草冠層高光譜參數(shù)和生理指標的影響[J];河南農(nóng)業(yè)大學(xué)學(xué)報;2010年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 臧卓;南方主要喬木樹種高光譜數(shù)據(jù)降維組合分類算法研究[D];中南大學(xué);2013年

2 姚付啟;冬小麥高光譜特征及其生理生態(tài)參數(shù)估算模型研究[D];西北農(nóng)林科技大學(xué);2012年

3 張婷婷;基于PLS模型的農(nóng)業(yè)土壤成分高光譜遙感反演研究[D];吉林大學(xué);2010年

4 王淵;不同水平油菜氮素含量遙感信息提取方法研究[D];浙江大學(xué);2008年

5 周萍;高光譜土壤成分信息的量化反演[D];中國地質(zhì)大學(xué)（北京）;2006年

6 李佛琳;基于光譜的煙草生長與品質(zhì)監(jiān)測研究[D];南京農(nóng)業(yè)大學(xué);2006年

7 勞彩蓮;基于蒙特卡羅光線跟蹤方法的植物三維冠層輻射傳輸模型[D];中國農(nóng)業(yè)大學(xué);2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 李俊麗;不同氮素水平對烤煙高光譜特性及其生理生化指標的影響[D];河南農(nóng)業(yè)大學(xué);2013年

2 褚西鵬;基于葉片非成像高光譜數(shù)據(jù)樹種分類[D];浙江農(nóng)林大學(xué);2012年

3 李永亮;杉木紅邊參數(shù)估算葉綠素含量模型研究[D];中南林業(yè)科技大學(xué);2011年

4 程麗娟;礦區(qū)植被生化組分高光譜遙感定量反演[D];山東科技大學(xué);2011年

5 孫麗娟;基于支持向量機的高光譜圖像分類技術(shù)研究[D];哈爾濱工程大學(xué);2011年

6 馬勤建;基于高光譜植被指數(shù)的棉花冠層結(jié)構(gòu)參數(shù)的估算研究[D];石河子大學(xué);2008年

7 沈劍波;清香型與濃香型烤煙部分質(zhì)量因素的比較[D];河南農(nóng)業(yè)大學(xué);2008年

，

本文編號：1225671