基于高光谱遥感的关中地区玉米农学参数估测的研究
发布时间：2021-05-18 01:27
高光谱遥感技术可以实时快速准确地获取农田作物生长状态信息,为实施精准农业提供重要的技术支撑。本研究以陕西省关中地区玉米为研究对象,通过采集玉米关键生育期冠层光谱信息、冠层叶片叶绿素相对含量（Soil and plant analyzer development,SPAD）值和相应叶片全氮含量,分析不同生育期冠层光谱变化特征,以及与SPAD值和叶片氮含量的相关性,提取冠层光谱特征波段和优化光谱指数的最佳波段组合,建立基于特征波段、传统植被指数、优化光谱指数及BP神经网络的玉米SPAD值和叶片氮含量估算模型。并结合低空无人机获取的高光谱影像对玉米冠层叶片SPAD值和叶片氮含量进行空间反演,研究结果旨在为动态监测玉米生长状况和田间施肥管理提供理论基础和技术支持。主要结论如下:（1）分析不同生育期玉米的冠层光谱反射率变化特征。结果表明:随着生育期的推进,在550nm波段的反射率逐渐增大,在近红外区域表现为前期的拔节期和后期的完熟期光谱反射率较大,植株长势较好的抽雄期和吐丝期光谱反射率较小。从拔节期到抽雄期,SPAD值逐渐增大,从抽雄期到完熟期,SPAD值减小;叶片氮含量则随着生育期的推进不断呈...
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：101 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究目的与意义
1.2 高光谱遥感的发展
1.2.1 高光谱遥感基本理论与发展
1.2.2 高光谱遥感监测植被原理
1.3 高光谱遥感在作物生长监测中的研究进展
1.3.1 非成像光谱仪监测作物生长的研究进展
1.3.2 成像光谱仪监测作物生长的研究进展
1.4 研究内容
第二章 材料与方法
2.1 研究区概况
2.2 实验设计
2.3 数据获取
2.3.1 高光谱数据
2.3.2 玉米农学参数
2.4 数据处理
2.4.1 光谱数据预处理
2.4.2 一阶微分光谱
2.4.3 植被指数
2.4.4 光谱优化指数
2.5 研究方法与技术路线
2.5.1 建模方法
2.5.2 模型检验方法
2.5.3 技术路线
第三章 基于高光谱遥感的玉米SPAD值监测模型
前言
3.1 不同生育期玉米冠层光谱特征
3.2 不同生育期玉米叶片SPAD值特征分析
3.3 不同SPAD值玉米冠层光谱特征
3.4 基于特征波段的玉米SPAD值估算
3.4.1 玉米SPAD值与冠层原始光谱及一阶微分光谱的相关性
3.4.2 基于特征波段的不同生育期玉米SPAD值估算模型构建及检验
3.5 基于植被指数的玉米SPAD值估算
3.5.1 植被指数与玉米SPAD值相关性
3.5.2 基于植被指数的不同生育期玉米SPAD值估算模型构建及检验
3.6 基于优化光谱指数的玉米SPAD值估算
3.6.1 优化光谱指数与玉米SPAD值相关性
3.6.2 基于优化光谱指数的不同生育期玉米SPAD值估算模型构建及检验
3.7 基于BP神经网络的玉米SPAD值遥感估算
3.8 小结与讨论
第四章 玉米叶片氮含量高光谱估算模型
前言
4.1 不同生育期玉米叶片氮含量特征分析
4.2 不同玉米叶片氮含量的冠层光谱特征
4.3 基于特征波段的玉米叶片含氮量估算
4.3.1 不同生育期玉米叶片氮含量与原始光谱及一阶微分光谱相关性
4.3.2 基于特征波段的玉米叶片氮含量估算模型及检验
4.4 基于植被指数的玉米叶片氮含量的估算模型
4.4.1 植被指数与玉米叶片氮含量的相关性
4.4.2 基于植被指数的玉米叶片氮含量模型估算分析
4.5 基于优化光谱指数的玉米叶片氮含量估算
4.5.1 优化光谱指数与玉米叶片氮含量的相关性
4.5.2 基于优化光谱指数的玉米叶片氮含量估算模型构建及检验
4.6 基于BP神经网络的玉米叶片氮含量估算
4.7 小结与讨论
第五章 基于无人机高光谱影像的玉米长势监测
前言
5.1 影像获取与处理
5.2 基于高光谱影像的玉米冠层叶片SPAD值反演
5.3 基于高光谱影像的玉米叶片氮含量反演
5.4 小结与讨论
第六章 结论与展望
6.1 结论
6.2 不足与展望
参考文献
致谢
作者简介
本文编号：3192842
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：101 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究目的与意义
1.2 高光谱遥感的发展
1.2.1 高光谱遥感基本理论与发展
1.2.2 高光谱遥感监测植被原理
1.3 高光谱遥感在作物生长监测中的研究进展
1.3.1 非成像光谱仪监测作物生长的研究进展
1.3.2 成像光谱仪监测作物生长的研究进展
1.4 研究内容
第二章 材料与方法
2.1 研究区概况
2.2 实验设计
2.3 数据获取
2.3.1 高光谱数据
2.3.2 玉米农学参数
2.4 数据处理
2.4.1 光谱数据预处理
2.4.2 一阶微分光谱
2.4.3 植被指数
2.4.4 光谱优化指数
2.5 研究方法与技术路线
2.5.1 建模方法
2.5.2 模型检验方法
2.5.3 技术路线
第三章 基于高光谱遥感的玉米SPAD值监测模型
前言
3.1 不同生育期玉米冠层光谱特征
3.2 不同生育期玉米叶片SPAD值特征分析
3.3 不同SPAD值玉米冠层光谱特征
3.4 基于特征波段的玉米SPAD值估算
3.4.1 玉米SPAD值与冠层原始光谱及一阶微分光谱的相关性
3.4.2 基于特征波段的不同生育期玉米SPAD值估算模型构建及检验
3.5 基于植被指数的玉米SPAD值估算
3.5.1 植被指数与玉米SPAD值相关性
3.5.2 基于植被指数的不同生育期玉米SPAD值估算模型构建及检验
3.6 基于优化光谱指数的玉米SPAD值估算
3.6.1 优化光谱指数与玉米SPAD值相关性
3.6.2 基于优化光谱指数的不同生育期玉米SPAD值估算模型构建及检验
3.7 基于BP神经网络的玉米SPAD值遥感估算
3.8 小结与讨论
第四章 玉米叶片氮含量高光谱估算模型
前言
4.1 不同生育期玉米叶片氮含量特征分析
4.2 不同玉米叶片氮含量的冠层光谱特征
4.3 基于特征波段的玉米叶片含氮量估算
4.3.1 不同生育期玉米叶片氮含量与原始光谱及一阶微分光谱相关性
4.3.2 基于特征波段的玉米叶片氮含量估算模型及检验
4.4 基于植被指数的玉米叶片氮含量的估算模型
4.4.1 植被指数与玉米叶片氮含量的相关性
4.4.2 基于植被指数的玉米叶片氮含量模型估算分析
4.5 基于优化光谱指数的玉米叶片氮含量估算
4.5.1 优化光谱指数与玉米叶片氮含量的相关性
4.5.2 基于优化光谱指数的玉米叶片氮含量估算模型构建及检验
4.6 基于BP神经网络的玉米叶片氮含量估算
4.7 小结与讨论
第五章 基于无人机高光谱影像的玉米长势监测
前言
5.1 影像获取与处理
5.2 基于高光谱影像的玉米冠层叶片SPAD值反演
5.3 基于高光谱影像的玉米叶片氮含量反演
5.4 小结与讨论
第六章 结论与展望
6.1 结论
6.2 不足与展望
参考文献
致谢
作者简介
本文编号：3192842
本文链接：https://www.wllwen.com/kejilunwen/nykj/3192842.html
