玉米单叶和冠层氮素营养参数垂直分布反演及遥感监测研究

发布时间：2020-05-13 00:42

【摘要】：玉米是世界上种植范围最广的农作物之一,是重要的粮食、经济作物和工业原料,该作物具有产量增长潜力高,地域性适应能力强等特点。氮素是植物光合能力强弱,养分亏缺状况的重要参数之一,综合使用精准农业技术对植株养分亏缺进行实时诊断,有助于精准农作管理和产量评估,减少环境污染,提高资源利用效率。现代遥感技术是精准农业的核心技术,可以快速无损监测作物目标参数,为实施精准田间管理提供技术支撑。本研究以陕西关中夏玉米和渭北旱塬春玉米为研究对象,从时间变异性(生育阶段)和空间变异性(不同垂直层次)角度,探讨了不同控制条件下的玉米叶片和冠层光谱反射率特征,筛选出了不同生育时期光谱响应敏感区域;综合运用不同的高光谱提取方法、光谱统计分析等方法,构建基于不同尺度玉米氮素营养状况最佳预测模型,并采用独立数据对预测模型进行验证;最后,基于Sentinel-2卫星多光谱影像数据进行大区域玉米氮素营养状况反演,为大区域玉米氮素营养指标诊断和掌握农作物生长状态提供重要理论依据。本研究主要基于以下四部分研究内容展开,第一部分基于高光谱技术估计夏玉米和春玉米不同步生长阶段的叶片氮浓度展开;第二部分围绕冠层/叶层氮素垂直分布反演问题展开;第三部分基于高光谱数据对氮营养指数(NNI)遥感估测的可行性展开;第四部分主要从区域尺度反演玉米氮素营养状况展开。主要结论如下:(1)以陕西关中夏玉米和渭北旱塬春玉米不同控制条件田间试验为基础,旨在确定估测玉米非同步生育时期叶片氮浓度最准确的光谱分析方法。结果表明,在所有光谱指数中,出版的植被指数CI_(red edge)、新提出2-波段植被指数(归一化植被指数(NDSI)和比值植被指数(RSI))及其波段组合的敏感波段不同生育阶段是不一致的,但不受不同步生育时期的影响。研究发现,喇叭口期(V9期)植被指数(r~2=0.76-0.78)与叶片氮浓度的相关关系略强于乳熟期(R3期)(r~2=0.67-0.73),夏玉米和春玉米呈现出类似的规律。在玉米四个生育时期,一阶微分光谱数据构建两波段NDSI、RSI与叶片氮浓度相关性大于原始光谱构建两波段NDSI、RSI与叶片氮浓度的相关关系,其中,喇叭口期(V9期)的NDSI(D528,D756),吐丝期(VT期)的NDSI(D523,D758),灌浆前期(R1阶段)的NDSI(D527,D754)和灌浆后期(R3阶段)的RSI(D614,D1112)构建的叶片氮素浓度预测模型具有较高的预测精度。与此同时,以原始(Raw)和一阶微分(FDR)全波段光谱参数为自变量,利用偏最小二乘回归方法(PLS)构建不同生育时期R-PLS和FDR-PLS预测模型。结果表明,较R-PLS回归模型,FDR-PLS模型具有更高的预测精度(平均值r~2为0.87),更低的RMSE(平均值RMSE为0.18%)。随即,基于一阶微分光谱数据进行敏感波段筛选,敏感波段主要位于可见光波段、红边波段和近红外波段区域。较最佳两波段植被指数相比,基于有效波段构建的FDR-PLS回归模型预测精度显著提高,平均r~2_(val)值增加2.40%,平均RMSE_(val)值降低14.8%。本研究表明基于一阶微分数据构成的双波段组合植被指数(NDSI和RSI)和FDR-PLS回归模型可以很好的预测不同步生育时期玉米叶片氮素动态变化。(2)利用高光谱技术对不同叶位层的叶片氮浓度进行估测,特别是对中、下层叶片氮素营养状况的估测,从而提高对玉米养分诊断的及时性、有效性和准确性。本研究通过人工摘取叶片的形式,根据冠层相对高度将叶片平均分为三层,分析夏玉米和春玉米,不同生育时期,不同叶位层叶片氮浓度的垂直分布变化规律。研究表明,指示不同叶位层叶片氮素含量的敏感波段组合不同;此外,无论是原始波段还是一阶微分光谱数据构建的比值植被指数(RSI)和归一化植被指数(NDSI),敏感波段组合主要为绿光波段和红边/近红外波段组合,其中,NDSI(D528,D756)能够很好地预测上层叶片氮浓度(r~2=0.80);RSI(D545,D759)预测中层氮素含量性能最优(r~2=0.78);而RSI(550,720)和NDSI(D700,D1150)预测下层氮素含量能力较优,r~2分别为0.75和0.76。比较而言,上,中层的预测氮含量模型表现优于下层氮含量监测模型。此外,基于偏最小二乘(PLS)方法中变量投影重要性指标(variable importance in projection,VIP)对敏感波段进行筛选,不同叶位层氮素敏感光谱区域主要分布在绿光、红光、红边区域以及近红外区域,其中红边区域最为敏感。基于有效波段构建的FDR-PLS模型和FDR-SVM模型预测精度显著高于全波段的PLS和SVM预测模型以及植被指数预测模型。本研究结果为遥感估计玉米不同叶位层叶片氮浓度提供理论依据,为及时诊断玉米生长状况提供技术支撑。(3)本研究对玉米整个冠层、中+下层以及下层氮素营养状况进行遥感反演。研究表明春、夏两季玉米冠层内的垂直氮素分布均符合钟形分布曲线规律,中间层氮素含量最高,并且不受生育阶段的影响。由于玉米冠层内氮素分布的垂直非均匀性特性,突出了在高光谱遥感监测中考虑冠层垂直氮素分布的重要性。结果表明,在所有出版的植被指数中,mND_(705)、G-M和MTCI分别与整个冠层、中+下层和下层的叶片氮密度具有很高的相关关系。根据红边吸收面积特征构建了新的优化红边吸收面积(OREA)指数,公式为:OREA≈15(3R_(760)-R_(550))-20(R_(680)+2R_(720));OREA指数对中+下层、整个层叶片氮密度具有较高的预测性能;与此同时,在不同品种、生育时期和种植制度下,OREA表现出较高的稳健性(AD值最低),而无需对许多变量进行广泛校准。综上所述,我们基于红边吸收面积特征,开发了新的优化红边吸收面积(OREA)指数,并灵活地利用该参数来估算不同垂直层(整个冠层,中+下层和下层)的叶片氮密度。(4)氮素营养指数(NNI)是诊断作物氮素养分亏缺状况和施肥推荐的重要参数,高光谱技术为快速、无损地监测作物NNI提供可能性。本研究以陕西关中夏玉米和渭北旱塬春玉米为研究对象,分别获取玉米不同氮素水平下的冠层光谱数据和相应氮营养指数(NNI),比较了光谱指数,偏最小二乘(PLS)和支持向量机(SVM)方法预测NNI的准确性。结果显示:本研究构建了夏玉米和春玉米综合临界氮浓度稀释曲线模型(Nc=3.63DM~(-0.403)),并根据预测植株氮素浓度和地上部干物质的最佳植被指数间接构建NNI监测模型;采用直接方法,基于原始光谱和一阶微分光谱数据构建的比值植被指数(RSI)和归一化植被指数(NDSI)与NNI具有显著相关关系,其中以RSI(825,550)预测性能最优(r~2=0.788),检验精度r~2_(val)为0.774,RMSE_(val)为0.139;基于变量投影重要性指标(variable importance in projection,VIP)方法可以筛选出有效波段,其有效波段主要集中在绿光、红光和近红外区域;基于有效波长构建的FDR-PLS和FDR-SVM回归模型预测效果具有较高的一致性,其建模精度(r~2_(cal))分别为0.852和0.870,均方根误差(RMSE_(cal))分别为0.124和0.126,以及验证精度(r~2_(val))分别为0.823和0.836,均方根误差(RMSE_(val))分别为0.130和0.129,具有比最优比值植被指数RSI(825,550)更高的预测精度和更低的均方根误差。因此,基于有效波长建立的FDR-PLS和FDR-SVM回归模型可以快速估测玉米NNI,同时大大减少了光谱变量和提高了模型精度。(5)根据Sentinel-2卫星波段参数特征,构建8类代表性光谱指数,并与玉米吐丝期和灌浆期氮素营养指标进行相关分析,进而确定了监测玉米吐丝期和灌浆期氮素营养指标的最佳预测模型;并制作相应的遥感分级专题图,为利用遥感影像数据进行大面积作物养分诊断提供依据。结果表明:选用CI_(red edge(705,842))为遥感敏感变量建立玉米吐丝期叶片氮素浓度(r~2=0.728)和氮素密度(r~2=0.708)预测精模型度最高,验证r~2值分别为0.70,0.71,RMSE值分别0.34,0.30。比较而言,CI_(red edge(740,842))和CI_(red edge(705,842))分别是预测玉米灌浆期叶片氮素浓度和叶片氮密度的最佳植被指数,验证r~2_(val)值分别为0.72,0.67,RMSE值分别0.16,0.13。最后,基于CI_(red edge)预测模型分别制作玉米吐丝期和灌浆期叶片氮浓度遥感监测专题图,为大区域诊断作物养分状况和实施精准田间管理提供依据。
【图文】：

光谱曲线,绿色植被,响应特征,光谱反射率

第一章绪论域，反射曲线陡而接近直线，，又称作“红边”。红边是指示绿色植物健康状况的敏光谱波段，当植株受到各种生物或者非生物胁迫后，红边位置光谱曲线随之发生，因此可以很好的基于该光谱区域诊断作物胁迫以及植株健康状况(Brogeblanc 2001)；780-1350 nm（近红外区域）光谱区域是与叶片内部结构等有关的波段在一个较高的反射平台。在正常植被光谱反射曲线中，氮素吸收波段中心位置主布在 430 nm、460 nm、640 nm、660 nm、910 nm、1510 nm、1940 nm、2060 nm80 nm、2300 nm 和 2350 nm；水分在 1450 nm 及 1940 nm 具有强吸收特征，在 1 和 2200 nm 附近形成 2 个反射峰，该波段可用于反演植株含水量状况(王纪华，江，黄文江等 2008)。例如，Clevers 等（2008）采用一阶微分数据中的水分吸收波段 970 nm 能够准确的反演植株冠层水分含量(Clevers et al. 2008)。

技术路线图,生育期,地点,年辐射总量

图 2-1 本文技术路线图Fig. 2-1 Flow diagram of this study2.3 试验设计与数据测定2.3.1 研究区域概况试验在陕西省西北农林科技大学北校试验地（地点 1，34°17 27 1 108°03 46 (）和陕西合阳县甘井镇试验站（地点 2，35°19′58″1 110°06′05″(）进行玉米田间试验。地点 1 位于陕西关中平原旱作区，该地区是典型的冬小麦-夏玉米轮作区。属于暖温带半湿润气候区，平均海拔 519 m，生育期内平均温度 23.2 ℃，生育期内平均降水量 340.3mm，生育期内平均太阳年辐射总量为 2210.9 MJ/m2。地点 2 位于陕西渭北旱塬区，种植制度为冬小麦或春玉米单作。该区属于暖温带半干旱型大陆季风气候，平均海拔为877 m，生育期内平均温度 23.7 ℃，生育期内平均降雨量为 359.3 mm，生育期内平均太阳年辐射总量为 3765.4 MJ/m2。2.3.2 试验设计试验 1：该区为关中夏玉米种植区。2016-2018 年在西北农林科技大学北校区试验
【学位授予单位】：西北农林科技大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：S127;S513

【参考文献】