色素含量比值进行作物氮素营养状况诊断方法研究

发布时间：2018-03-25 06:49

  本文选题：遥感　切入点：辐射传输模型　出处：《中国科学院大学(中国科学院遥感与数字地球研究所)》2017年博士论文

【摘要】：叶绿素和类胡萝卜素是植物光合作用和指示养分含量的主要色素,其含量变化,特别是类胡萝卜素含量变化及其与叶绿素含量比值常被用于植被生理状态研究。正常情况下,作物体内类胡萝卜素与叶绿素比值变化较小,当植株处于养分胁迫或者衰老状态时,类胡萝卜素含量及其与叶绿素含量比值会发生明显变化。因此,开展作物类胡萝卜素含量及其与叶绿素含量比值的机理性估算方法研究,对于作物氮素营养状况诊断研究具有重要科学意义和应用价值。然而,目前关于类胡萝卜素含量反演及其与叶绿素比值估算的机理性方法与模型还不成熟,存在诸多问题和难点,而基于类胡萝卜素与叶绿素比值开展作物氮素营养状况诊断方法还鲜有研究。本文针对类胡萝卜素与叶绿素比值指示作物氮素营养状况诊断方法研究中存在的问题,开展了类胡萝卜素含量反演及其与叶绿素比值估算机理性方法与模型研究,提出了基于类胡萝卜素与叶绿素比值的作物氮素营养状况诊断方法,发展和完善了叶绿素反演以及氮素含量估算方法等三个方面的研究工作,主要研究结论如下:(1)针对目前已有植被指数方法估算类胡萝卜素含量精度不高,鲁棒性差等问题,利用叶片和冠层辐射传输模型(PROSPECT-5和4SAIL)模拟数据,基于类胡萝卜素可见光波段吸收特征,提出了叶片类胡萝卜素含量反演植被指数carotenoid index(CARI)。与已有类胡萝卜素含量估算植被指数相比,CARI估算不同实测叶片数据类胡萝卜素含量精度高且鲁棒性强。利用冠层模拟和实测数据基于CARI指数反演叶片类胡萝卜素含量,叶面积指数较小时,CARI指数对类胡萝卜素含量变化不太敏感,土壤湿度条件会影响CARI估算叶片类胡萝卜素含量精度。(2)针对可见光波段类胡萝卜素与叶绿素吸收特征重叠,类胡萝卜素与叶绿素含量比值估算较为困难这一问题,利用叶片辐射传输模型PROSPECT-5模拟数据,提出了类胡萝卜素与叶绿素比值估算植被指数Carotenoid/chlorophyll ratio index(CCRI)。与目前已有类胡萝卜素与叶绿素比值估算植被指数相比,利用不同实测叶片和冠层光谱数据,ccri估算类胡萝卜素与叶绿素比值精度高且鲁棒性强。然而,相比叶片光谱数据,ccri利用冠层光谱数据估算类胡萝卜素与叶绿素比值精度稍有降低。(3)利用phi航空高光谱数据,基于类胡萝卜素与叶绿素比值估算方法研究基础,分析了水肥胁迫条件下冬小麦类胡萝卜素与叶绿素比值及植株氮浓度关系,构建了基于类胡萝卜素与叶绿素比值指数ccri的冬小麦植株氮浓度估算模型,模型精度优于叶绿素植被指数red-edgechlorophyllindex(cired-edge)估算模型。而且,ccri估算冬小麦植株氮浓度模型适用于模拟enmap卫星高光谱数据,并具有较高估算精度。(4)利用phi航空高光谱数据,采用植被指数方法估算了冬小麦冠层氮素含量。结果表明,冬小麦冠层氮素与叶绿素含量存在显著线性关系,该线性关系一定程度上受生育期影响。红边波段构建的植被指数表现出较高估算精度,窄波段与宽波段植被指数在反演冬小麦冠层氮素含量方面没有明显差异。以抽穗期为界,分别估算其之前和之后生育期冬小麦冠层氮素含量有助于提高抽穗期之前生育期冬小麦的冠层氮素含量估算精度。(5)利用新发欧盟哨兵2号(sentinel-2)卫星遥感数据,分析了冬小麦生育期内多时相叶片叶绿素含量估算方法。结果表明,不同植被指数方法估算结果差异较大,红边波段构建的植被指数估算叶片叶绿素含量精度较高。高斯过程回归估算冬小麦叶片叶绿素含量模型精度最高。高斯过程回归估算多时相冬小麦叶片叶绿素含量精度较高,能间接反映冬小麦氮素营养状况,可为作物氮素营养状况监测提供基础资料。论文主要创新性贡献包括:(1)针对高精度估算叶片类胡萝卜素含量的难题,基于类胡萝卜素可见光波段吸收特征,结合大量模拟数据,提出了用于反演叶片类胡萝卜素含量植被指数cari,其估算不同实测数据叶片类萝卜素含量精度高,鲁棒性强,适用于叶片类胡萝卜素含量估算研究。(2)针对高精度估算类胡萝卜素与叶绿素比值的难题,基于类胡萝卜素与叶绿素比值特性,提出了用于反演类胡萝卜素与叶绿素比值植被指数ccri,其估算不同实测叶片与冠层数据类胡萝卜素与叶绿素比值精度高,鲁棒性强,适用于叶片和冠层尺度高光谱数据估算类胡萝卜素与叶绿素含量比值。(3)基于类胡萝卜素与叶绿素比值估算方法研究,构建了基于PHI航空高光谱数据的类胡萝卜素与叶绿素比值植被指数CCRI估算冬小麦植株氮浓度模型,且该方法适用于模拟EnMAP卫星高光谱数据开展作物氮素营养状况诊断研究。
[Abstract]:......
【学位授予单位】：中国科学院大学(中国科学院遥感与数字地球研究所)
【学位级别】：博士
【学位授予年份】：2017
【分类号】：S311;S127

【相似文献】

相关期刊论文 前10条

1 李开丽,倪绍祥,扶卿华;垂直植被指数及其解算方法[J];农机化研究;2005年02期

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 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

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5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 周贤锋;色素含量比值进行作物氮素营养状况诊断方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年

3 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

4 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

5 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：1662015