CGMD302作物生长监测诊断仪的测试与评价

发布时间：2018-03-13 14:30

  本文选题：监测诊断仪　切入点：农学参数　出处：《南京农业大学》2015年硕士论文　论文类型：学位论文

【摘要】：作物生产过程的精确管理是精确农业的重要内容之一,其核心思想是针对作物群体的差异实施动态调控、精确投入,以最少量的生产投入,产生最大化生产效益。其中作物生长信息实时获取与在线诊断是作物精确管理的依据,对作物的生长发育、品质、产量起着决定性的作用。基于冠层反射光谱的作物生长信息无损监测技术是目前作物生长精确管理的关键技术,传感器作为感知信息的重要装备,成为获取作物冠层光谱信息的主要途径和手段。但是,目前我国作物生长信息的监测主要依赖于国外进口光谱仪集中在某一地区某一生育期建立作物光谱特征和生物理化参数的模型,尚未有利用监测仪进行系统性的推广田间试验测试与评价,难以有效满足作物生产精确管理需要。本研究运用CGMD302作物生长监测诊断仪进行了稻麦田间测试,并评价了仪器的性能。主要完成以下工作:(1)利用CGMD302作物生长监测诊断仪在苏州吴江、江西及如皋、徐州对不同施氮水平的稻麦冠层光谱进行了测试,研究发现两个波段的反射率的大小为R815R730,且红边波段730nm的光谱反射率随施氮水平的增加而降低,而近红外波段815nm的光谱反射率则随着施氮水平的增加呈上升趋势。在同一波段的相同氮素处理下,稻麦品种间冠层光谱反射率在5%水平下无显著差异。通过不同稻麦品种冠层反射光谱随生育时期和施氮量的差异分析的结果表明,在近红外波段815nm,稻麦品种间的冠层光谱反射率差异很大,而在红边波段730nm的反射率差异较小;稻麦冠层光谱植被指数随着生育进程逐渐增大,到抽穗期达到最大值,之后逐渐减小。通过不同氮素处理稻麦冠层反射光谱随生育时期变化的差异分析的结果表明,稻麦冠层光谱反射率在近红外波段815nm随着施氮量的增加表现出较大差异,在抽穗期达到最大值,而在红边波段730nm的反射率差异较小,在抽穗期达到最小值;稻麦冠层光谱植被指数在不同氮素处理下随着生育进程逐渐增大,在抽穗期达到最大值,之后逐渐减小。表明监测仪有助于实现稻麦不同株型和叶色品种的识别与分类。(2)通过两年苏州吴江水稻田间小区试验,得到基于CGMD302作物生长监测诊断仪的水稻冠层光谱归一化植被指数与3个农学参数LNC、LAI、LDW之间的拟合方程的决定系数(R2)分别为0.7665、0.7918、0.8181;比值植被指数与3个农学参数LNC、LAI、LDW之间的拟合方程的决定系数(R2)分别为0.7218、0.7799、0.8222;差值植被指数与3个农学参数LNC、LAI、LDW之间的拟合方程的决定系数(R2)分别为0.6548、0.7849、0.8466。并用第二年的独立试验数据检验了试验1所提出的由归一化植被指数和农学参数拟合的方程,发现叶片氮含量、叶片干重、叶面积指数的预测值与实测值之间的决定系数(R2)分别达到了 0.7361、0.67、0.7656,均方根误差(RMSE)分别为0.2635、0.0464、0.5554,平均相对误差(RE)分别为0.0943、0.1625、0.1012,经独立试验数据的检验表明其具有较好的检验结果。表明CGMD302作物生长监测诊断仪对水稻农学参数具有良好的监测性能,可行性较好。(3)通过江西和苏州吴江两个示范点的水稻田间试验,综合起来分析得到冠层光谱归一化植被指数与4个农学参数LNC、LNA、LAI、LDW之间的拟合方程的决定系数(R2)分别为0.6497、0.8394、0.6964、0.7014;比值植被指数与4个农学参数LNC、LNA、LAI、LDW之间的拟合方程的决定系数(R2)分别为0.6299、0.7477、0.6451、0.6858。同时将这两个示范点的水稻品种按照株型类别不同进行分类,分析了不同株型水稻品种叶片农学参数与植被指数之间的关系,结果表明归一化植被指数与农学参数建立的拟合方程的决定系数比不同示范点建立的决定系数要高,比值植被指数与农学参数建立的拟合方程的决定系数反而比不同示范点建立的决定系数要低。因此,对于建立不同示范点的光谱监测模型采用分不同株型的方法具有一定的应用价值和可行性。显示了监测仪良好的田间测试能力和多指标预测能力,研究结果说明监测仪具有较高的稳定性和精确性。(4)通过如皋和徐州两地小麦田间试验,不仅建立了基于CGMD302作物生长监测诊断仪的两波段光谱植被指数与小麦农学参数之间的光谱估算模型,还用试验5的试验资料对试验4所提出的由归一化植被指数和农学参数拟合的方程进行测试及检验,验证结果显示,LNC、LDW、LAI的预测值与实测值之间的决定系数(R2)分别达到了 0.6382、0.763、0.7205,均方根误差(RMSE)分别为 0.7754、0.1309、0.7383,平均相对误差(RE)分别为0.3518、0.1413、0.1845。说明该监测仪能够很好地对小麦的农学参数进行定量估测,为实现小麦生长信息的快速获取和定量诊断提供理论基础和技术途径。
[Abstract]:......
【学位授予单位】：南京农业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S311;S126

【相似文献】

相关期刊论文 前10条

1 王福民;黄敬峰;王秀珍;;基于水稻背景特性的植被指数参数修正研究[J];农业工程学报;2008年05期

2 何彬方;冯妍;吴文玉;范伟;;安徽省近十年植被指数时空变化特征[J];生态学杂志;2010年10期

3 解文欢;张有智;吴黎;;基于植被指数对望奎县粮食作物产量预测方法的研究[J];黑龙江农业科学;2011年04期

4 康耀江;;植被指数在草地遥感中的应用初探[J];湖南农业科学;2011年Z1期

5 张仁华,饶农新,廖国男;植被指数的抗大气影响探讨[J];植物学报;1996年01期

6 国红;彭世揆;赵博光;;内蒙古鄂托克前旗地区苦豆子植被指数信息提取的研究[J];林业资源管理;2008年04期

7 范文义;白新源;冯欣;李明泽;杜华强;;哈尔滨热岛效应与植被指数关系的动态分析[J];东北林业大学学报;2009年06期

8 杜春雨;范文义;;叶面积指数与植被指数关系研究[J];林业勘查设计;2013年02期

9 杨洁;隋学艳;杨丽萍;郭洪海;朱振林;;山东省植被指数影像数据库的设计与实现[J];安徽农业科学;2011年29期

10 胡晓雯;曹爽;赵显富;;基于植被指数的绿地信息提取的比较[J];南京信息工程大学学报(自然科学版);2012年05期

相关会议论文 前10条

1 付卓;王锦地;施建成;宋金玲;靳华安;张立新;张钟军;赵少杰;陈柏松;;微波植被指数与光学植被指数在地面尺度上的关系研究[A];遥感定量反演算法研讨会摘要集[C];2010年

2 辛红梅;张杰;马毅;初佳兰;;基于植被指数的赤潮高光谱敏感波段确定方法初探[A];第十四届全国遥感技术学术交流会论文选集[C];2003年

3 范锦龙;;我国晴空分布及对旬合成植被指数的影响[A];推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集（下册）[C];2004年

4 张树誉;李登科;李星敏;周辉;;遥感植被指数及其在县域生态环境监测评估中的应用[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

5 安培浚;颉耀文;;绿洲植被指数的遥感定量研究-以民勤绿洲为例[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

6 江东;王乃斌;杨小唤;刘红辉;;植被指数—地面温度特征空间及其应用[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年

7 傅军;张杰;辛红梅;马毅;;基于植被指数的高光谱遥感水陆识别方法初探[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

8 肖乾广;肖岚;李亚君;;EOS/MODIS,FY-1D/MVISR,NOAA/AVHRR的归一化植被指数的同化研究[A];全国国土资源与环境遥感应用技术研讨会论文集[C];2009年

9 杨道勇;肖云岫;;利用WT-10接收的1B高分辨云图数据生成植被指数图像[A];中国气象学会2005年年会论文集[C];2005年

10 何全军;曹静;张月维;;基于MODIS的广东省植被指数序列构建与应用[A];中国气象学会2007年年会生态气象业务建设与农业气象灾害预警分会场论文集[C];2007年

相关重要报纸文章 前1条

1 魏景云;气象卫星监测干旱 全国旱情一目了然[N];中国气象报;2003年

相关博士学位论文 前4条

1 卫炜;MODIS双星数据协同的耕地物候参数提取方法研究[D];中国农业科学院;2015年

2 张立福;通用光谱模式分解算法及植被指数的建立[D];武汉大学;2005年

3 岳文泽;基于遥感影像的城市景观格局及其热环境效应研究[D];华东师范大学;2005年

4 刘占宇;水稻主要病虫害胁迫遥感监测研究[D];浙江大学;2008年

相关硕士学位论文 前10条

1 刘吉凯;基于HJ卫星数据的甘蔗长势监测与估产研究[D];南京信息工程大学;2015年

2 郑亚云;榆林NDVI时空变化及驱动因子研究[D];长安大学;2015年

3 何春萌;经济利益驱动下的工矿开发对人类生存环境的影响[D];内蒙古大学;2015年

4 刘晓静;基于不同遥感数据源的秦岭地区植被指数对比分析[D];长安大学;2015年

5 王鑫梅;氮素水平对不同土壤质地杨树叶片光谱特性和光合能力的影响[D];河北农业大学;2015年

6 官雨薇;基于遥感影像的全球荒漠化指数构建及趋势分析[D];电子科技大学;2015年

7 胡文;黑龙江省雹灾遥感监测及时空特征分析[D];东北农业大学;2015年

8 吴明业;基于TVDI的土壤干旱遥感监测研究及验证[D];安徽农业大学;2014年

9 马瑞;增强植被指数算法的研究及其在生态环境遥感产品生产分系统的应用[D];河南大学;2015年

10 刘欣伟;基于遥感数据的吉林省旱情监测的研究与应用[D];吉林农业大学;2015年

，

本文编号：1606789