基于机器学习算法的不同生育期夏玉米生理参数遥感模型研究

发布时间：2020-10-15 05:23

　　 叶绿素含量与叶片含水量是玉米生长状况的重要指标。本研究以西北地区广泛种植的夏玉米为研究对象,应用地物光谱辐射仪测定不同生育期夏玉米的非成像高光谱数据,同步获取叶绿素含量与叶片含水量数据,分析不同生育期的高光谱遥感数据与其的相关性,构建基于特征波长、植被指数和高光谱特征参数的反演模型。得到主要结论如下:1.叶绿素含量与叶片含水量特征分析:从拔节期到乳熟期叶绿素含量不断增加,随着植株的衰老,到完熟期开始减少,各时期光谱反射率在“绿峰”区域差异显著;叶片含水量均值呈不断增加,但增长速度从乳熟期开始减缓。2.相关性分析:夏玉米叶绿素含量值与光谱的相关性从拔节期、抽雄期、乳熟期到完熟期,原始光谱反射率与叶绿素含量在547nm、342nm、719nm、343nm波长处相关性最大,最大相关系数分别为-0.170、-0.293、-0.476、-0.196;一阶微分光谱与叶绿素含量在964nm、835nm、707nm、910nm波长处相关性最大,各时期最大相关系数分别为0.482、0.358、-0.499、0.269;NDWI、VOG1、MTCI、TVI分别为各生育期的最佳植被指数,与叶绿素含量的相关系数为0.284、-0.279、0.507、-0.127;(SDr-SDb)/(SDr+SDb)、SDr/SDb、(SDr-SDb)/(SDr+SDb)、SDy分别为各生育期的最佳高光谱遥感参数,与叶绿素含量的相关系数为0.284、0.285、0.479、0.133。夏玉米叶片含水量值与原始光谱各个生育期分别在450nm、367nm、353nm、353nm波长处相关性最大,最大相关系数分别为-0.580、-0.266、0.337、-0.165;叶片含水量值与一阶微分光谱在1654nm、960nm、1072nm、1070nm波长相关性最大,最大相关系数为-0.588、-0.478、-0.450、-0.388;NDVI、NDVI、WI、VOG1分别为各时期的最佳植被指数,相关系数分别为0.431、0.135、-0.261、0.158;高光谱遥感参数SDy、Ry、Ry、Db分别与各时期的叶片含水量相关性最大,相关系数分别为0.334、0.253、-0.342、0.308。3.最优估算模型:叶绿素含量反演,单变量最优估算模型为乳熟期以一阶微分特征波长构建的KNN模型,模型建模与验证R~2分别为0.366与0.330,;最优多元回归模型为乳熟期植被指数构建的XGBoost模型,该模型建模与验证的R~2分别为0.525、0.821。叶片含水量反演,单变量最优估算模型为完熟期以SDr/SDb参数建立的XGBoost算法模型,建模与验证R~2分别为0.741与0.285;多元变量最优估算模型为拔节期植被指数构建的XGBoost多元回归模型,建模与验证R~2分别为0.264,0.298。
【学位单位】：西北农林科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：S513;S127
【部分图文】：

第二章 材料与方法2.5 数据分析建模方法2.5.2 K 邻近算法K 邻近算法即 KNN (K-Nearest Neighbors )， KNN 算法（Zhang et al. 2007）是较为简单的一类机器学习算法，模型的建立仅仅是基于存储训练集数据，通过测试样本中某个点附近 K 个最邻近的训练样本点的属性或标签（潘丽芳等 2009），对 K 个点标签值投票，从而确定测试样本中该点的属性值。

地物的电磁光谱特性随着地物的差异呈现出不同的辐射规律，这种地物间光谱的差异称为光谱特性。地物光谱特性的测定及分析是遥感研究领域的核心任务之一。叶绿素是植物生长状况的重要生理生化参数指标，叶绿素含量的多少决定了植物光合作用能力的强弱，直接影响了作物的生长状态，因此，对于叶绿素含量的监测具有重要意义。高光谱遥感技术可以获取植物连续的光谱，光谱分辨率高，能对微弱的光谱差异进行定量分析，从而识别植物信息的变化。因此，本章在系统的分析不同生育期夏玉米高光谱特征及叶绿素含量含量变化的基础上，对原始光谱采用一阶导变换，求取植被指数、高光谱特征参数，从而构建不同生育期夏玉米的基于特征波长、植被指数以及高光谱特征参数的 叶绿素含量值估算模型（易秋香等 2007），并对所构建的模型精度进行验证，以期实现西北地区夏玉米叶绿素含量的高光谱遥感估测，为精准农业研究及作物长势判断提供科学依据。3.1 夏玉米光谱特征分析3.1.1 不同生育期玉米光谱特征分析

西北农林科技大学硕士学位论文如图 3-1 所示，为不同生育期同一小区的光谱曲线图。由图可知，不同生育期光谱曲线大致相同，为典型的植被光谱反射曲线。在可见光波长，抽雄期的反射率最高，其次为拔节期与完熟期，拔节期与完熟期的反射率相似，乳熟期反射率最低。其中，在“绿峰”区域差异显著，主要是由于在拔节期和抽雄期，叶绿素的含量随着植株的生长不断增加，此时植株对蓝紫光和红光吸收增强，因此反射率是较小的，在植株生长后期，养分逐渐减少，叶片变黄衰老，叶绿素含量减少，对光的吸收减少，因而反射率变大；在近红外区域表现相似。3.1.2 夏玉米叶片叶绿素含量值特征分析
【相似文献】

相关期刊论文 前10条

1 刘剑锋;张喜旺;;基于光谱和时相特征的夏玉米遥感识别[J];遥感技术与应用;2016年06期

2 黄西社;李高远;;武功县夏玉米生产存在的问题及对策[J];陕西农业科学;2016年11期

3 李杰;;南和县夏玉米水肥一体化技术研究与示范[J];农民致富之友;2016年24期

4 范秀勤;;硫酸脲缓释肥对夏玉米生产示范技术初探[J];现代农业;2017年02期

5 杨宁;王洛彩;慈航;孔令刚;郑国喜;;枣庄市夏玉米异常灾害发生规律及应对措施调查研究[J];科学种养;2017年04期

6 杨进玲;;夏玉米倒伏影响因子及减轻补救方法[J];农技服务;2017年06期

7 王虹;;遵化市夏玉米追肥技术的变化[J];现代农村科技;2017年07期

8 李颖;陈怀亮;李耀辉;;利用夏玉米端元丰度估算夏玉米种植面积的研究[J];遥感技术与应用;2017年05期

9 陈春风;刘银拴;庞建斌;;夏玉米铁茬播种技术[J];农业机械;1992年03期

10 申晓晴;孔庆伟;;周口市2016年高温热害对夏玉米授粉及结实率的影响[J];农技服务;2016年12期

相关博士学位论文 前10条

1 吴光磊;麦季氮肥运筹调控冬小麦—夏玉米两作体系氮素利用及氮肥残效研究[D];山东农业大学;2012年

2 王娟;冬小麦/夏玉米农田碳、水通量测定及蒸散量的模拟研究[D];西北农林科技大学;2016年

3 王启现;夏玉米氮肥高效利用机制研究及周年氮素分析[D];中国农业大学;2004年

4 李克南;华北地区冬小麦—夏玉米作物生产体系产量差特征解析[D];中国农业大学;2014年

5 何守法;小麦和夏玉米一体化种植布局与技术经济效果研究[D];河南农业大学;2009年

6 周宝元;黄淮海冬小麦—夏玉米资源优化配置及其节水高产技术模式研究[D];中国农业科学院;2017年

7 司贤宗;冬小麦—夏玉米两熟施氮效应及简化施氮技术研究[D];河南农业大学;2013年

8 李艳;不同施氮水平对喷灌冬小麦—夏玉米农田土壤水氮迁移转化及其利用率影响的研究[D];中国农业大学;2015年

9 韩惠芳;黄淮海平原保护性耕作夏玉米田的碳水高效利用研究[D];山东农业大学;2015年

10 杜红霞;作物水肥利用过程及调控试验研究[D];西北农林科技大学;2009年

相关硕士学位论文 前10条

1 刘二华;夏玉米干旱高光谱遥感监测研究[D];中国气象科学研究院;2019年

2 杨景;基于机器学习算法的不同生育期夏玉米生理参数遥感模型研究[D];西北农林科技大学;2019年

3 MUGENZI Innocent;锌铁喷施对夏玉米生物学特性及营养品质的影响[D];西北农林科技大学;2018年

4 毛俊;河南省夏玉米水足迹区域差异分析[D];河南农业大学;2018年

5 马长健;秸秆覆盖和播前底墒对夏玉米农田水—碳利用的影响[D];山东农业大学;2016年

6 刘凯;高产夏玉米的磷素吸收特性及其施磷量调控效应[D];山东农业大学;2016年

7 谭鉴利;北京地区夏玉米耗水与生长规律田间试验研究[D];扬州大学;2013年

8 邢开瑜;基于作物生长模型的华北夏玉米水分利用效率研究[D];南京信息工程大学;2011年

9 甘万祥;不同锌肥用量及方式对夏玉米光合特性、籽粒养分积累及产量的影响[D];河南农业大学;2015年

10 黄振喜;超高产夏玉米光合与养分生理特性研究[D];山东农业大学;2007年

本文编号：2841761