基于高光谱遥感的玉米冠层参数及叶绿素估算模型研究
本文关键词:基于高光谱遥感的玉米冠层参数及叶绿素估算模型研究
【摘要】:高光谱遥感具有光谱分辨率高、波段连续性强、光谱信息量大等特点。利用高光谱技术实时、快速监测农作物的一些生长指标,能够合理指导作物的田间管理,提高作物的的产量和品质,体现现代农业的发展要求。综合运用高光谱探测及玉米生理生化测试技术,获取不同密度下两个不同品种的春玉米冠层不同时期(拔节期、小喇叭口期、大喇叭口期、抽雄期、开花期、灌浆期、乳熟期)的光谱特征反射参数以及玉米生长指标(叶面积指数、光合有效辐射分量、叶绿素含量、叶绿素a含量、叶绿素b含量、叶绿素密度),分析玉米冠层反射光谱特征,对高光谱原始反射率及变换形式、植被指数分别与玉米的各个生长指标进行相关分析,并建立两者之间的预测方程,对玉米模型进行检验选出最佳预测模型。研究结果如下:1.玉米叶面积指数(LAI)的估算模型。851nm处的高光谱反射率一阶导数(R′)建立的指数模型LAI=3.6944e769.27x(r=0.9385**)对LAI的模拟效果最好,模拟值与实测值的相关系数达到了0.01水平上的极显著相关(r=0.8987**,RMSE=0.4400)。2.玉米光合有效辐射分量(FPAR)的估算模型。 (855,758)波段组合的归-化植被指数(NDVI)建立的一元二次函数模型FPAR=-76.966x2+9.297x+0.6405(r=0.6686**)对FPAR的模拟效果最好,模拟值与实测值的相关系数达到了0.01水平上的极显著相关(r=0.9045**,RMSE=0.0136).3.玉米叶绿素含量(Chl)的估算模型。 (997,759)波段组合的差值植被指数(SAVI)建立的一元二次函数模型Chl=91.93x2-17.363x+2.7406(r=0.7983**)对叶绿素含量的模拟效果最好,模拟值与实测值的相关系数达到了0.01水平上的极显著相关(r=0.7543**,RMSE=0.3042).4.玉米叶绿素a含量(Chl.a)的估算模型。359nm处光谱原始反射率(R)建立的指数模型Chl.a=1.9665e-4.407x(r=0,6115**)对叶绿素a含量的模拟效果最好,模拟值与实测值的相关系数达到了0.01水平上的极显著相关(r=0.6032**,RMSE=0.1527).5.玉米叶绿素b含量(Chl.b)的估算模型。(982,760)波段组合的归一化植被指数(NDVI)建立的一元二次函数模型Chl.b=67.23x2-11.198x+0.778(r=0.8944**)对叶绿素b含量的模拟效果最好,模拟值与实测值的相关系数达到了0.01水平上的极显著相关(r=0.7740**,RMSE=0.2382)。6.玉米叶绿素密度(Chl.d)的估算模型。(974,760)波段组合的土壤调节植被指数(SAVI)建立的一元二次函数模型Chl.d=11.055x2-5.2275x+0.7691(r=0.7127**)对叶绿素密度的模拟效果最好,模拟值与实测值的相关系数达到了0.01水平上的极显著相关(r=0.6614**,RMSE=0.1570)。
【关键词】:高光谱遥感 春玉米 冠层结构参数 叶绿素
【学位授予单位】:沈阳农业大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:S513;S127
【目录】:
- 摘要10-12
- Abstract12-14
- 第一章 引言14-22
- 1.1 高光谱遥感在农业中的应用研究进展14-19
- 1.1.1 高光谱遥感对作物生物物理指标的监测15-16
- 1.1.2 高光谱遥感对作物营养指标的监测16-17
- 1.1.3 高光谱遥感对作物叶绿素的监测17-18
- 1.1.4 高光谱遥感对作物品质和灾害的监测18-19
- 1.2 高光谱遥感技术的应用展望19-20
- 1.3 研究的主要内容及意义20-22
- 1.3.1 研究的目的意义20
- 1.3.2 研究的主要内容20-21
- 1.3.3 研究的技术路线21-22
- 第二章 材料与方法22-25
- 2.1 试验设计22
- 2.2 数据采集22-23
- 2.2.1 高光谱数据的采集22
- 2.2.2 LAI和FPAR数据的采集22-23
- 2.2.3 叶绿素提取方法23
- 2.3 数据处理23-25
- 第三章 结果与分析25-62
- 3.1 玉米冠层反射光谱随生育时期的变化规律25-26
- 3.2 LAI的高光谱遥感模型26-32
- 3.2.1 LAI随生育时期的变化特征26-27
- 3.2.2 LAI与原始光谱反射率及其变换形式的估算模型研究27-30
- 3.2.3 LAI与植被指数的估算模型研究30-32
- 3.2.4 小结32
- 3.3 FPAR的高光谱遥感模型32-38
- 3.3.1 FPAR随生育时期的变化特征32-33
- 3.3.2 FPAR与原始光谱反射率及其变换形式的估算模型研究33-36
- 3.3.3 FPAR与植被指数的高光谱估算模型研究36-37
- 3.3.4 小结37-38
- 3.4 叶绿素含量高光谱遥感估算模型38-44
- 3.4.1 叶绿素含量随生育时期的变化特征38-39
- 3.4.2 叶绿素含量与原始光谱反射率及其变换形式的估算模型研究39-42
- 3.4.3 叶绿素含量与植被指数的高光谱估算模型研究42-44
- 3.4.4 小结44
- 3.5 叶绿素a含量高光谱遥感估算模型44-49
- 3.5.1 叶绿素a含量随生育时期的变化特征44-45
- 3.5.2 叶绿素a含量与原始光谱反射率及其变换形式的估算模型研究45-48
- 3.5.3 叶绿素a含量与植被指数的估算模型研究48-49
- 3.5.4 小结49
- 3.6 叶绿素b含量高光谱遥感估算模型49-55
- 3.6.1 叶绿素b含量随生育时期的变化特征49-50
- 3.6.2 叶绿素b含量与原始光谱反射率及其变换形式的估算模型研究50-53
- 3.6.3 叶绿素b含量与植被指数的高光谱估算模型研究53-54
- 3.6.4 小结54-55
- 3.7 叶绿素密度高光谱遥感估算模型55-62
- 3.7.1 叶绿素密度随生育时期的变化特征55-56
- 3.7.2 叶绿素密度与原始光谱反射率及其变换形式的估算模型研究56-59
- 3.7.3 叶绿素密度与植被指数的高光谱估算模型研究59-60
- 3.7.4 小结60-62
- 第四章 结论与讨论62-65
- 4.1 结论62-63
- 4.2 讨论63-65
- 参考文献65-70
- 致谢70-72
- 攻读学位论文期间发表文章72
【相似文献】
中国期刊全文数据库 前10条
1 徐新刚;吴炳方;蒙继华;李强子;黄文江;刘良云;王纪华;;农作物单产遥感估算模型研究进展[J];农业工程学报;2008年02期
2 张正斌;作物水分利用效率和蒸发蒸腾估算模型的研究进展[J];干旱地区农业研究;1997年01期
3 杨曦光;范文义;于颖;;森林叶绿素含量的高光谱遥感估算模型的建立[J];森林工程;2010年02期
4 姚付启;张振华;杨润亚;孙金伟;崔素芳;;基于红边参数的植被叶绿素含量高光谱估算模型[J];农业工程学报;2009年S2期
5 吴国金;许钟;杨宪时;郭全友;李学英;;冰鲜鱼贮运过程中耗冰量估算模型的建立与验证[J];中国水产科学;2010年06期
6 徐永明;蔺启忠;王璐;黄秀华;;基于高分辨率反射光谱的土壤营养元素估算模型[J];土壤学报;2006年05期
7 程乾;;基于MOD09产品的水稻叶面积指数和叶绿素含量的遥感估算模型[J];应用生态学报;2006年08期
8 张永贺;陈文惠;郭乔影;张清林;;桉树叶片光合色素含量高光谱估算模型[J];生态学报;2013年03期
9 李凤涛;鲁欣欣;王珍珍;杨锦忠;;基于多光谱特征的玉米生物参量估算模型[J];青岛农业大学学报(自然科学版);2014年03期
10 ;[J];;年期
中国重要会议论文全文数据库 前1条
1 陈朝斌;;铁矿石经济评价模型建立的探讨[A];2012年全国炼铁生产技术会议暨炼铁学术年会文集(下)[C];2012年
中国博士学位论文全文数据库 前1条
1 程志庆;基于高光谱信息的杨树人工林生产力遥感估算模型的研究[D];中国林业科学研究院;2015年
中国硕士学位论文全文数据库 前10条
1 张小萍;黄土高原沟壑区太阳辐射时空分布特征及估算模型研究[D];西北农林科技大学;2015年
2 柳烨;参考作物蒸发蒸腾量的少因子估算模型研究[D];西北农林科技大学;2016年
3 王静;基于卫星遥感的长三角主要城市PM2.5估算[D];华东师范大学;2016年
4 刘桂鹏;基于高光谱遥感的玉米冠层参数及叶绿素估算模型研究[D];沈阳农业大学;2016年
5 贺婷;玉米氮素营养监测的高光谱遥感估算模型研究[D];沈阳农业大学;2016年
6 程博;面向敏捷开发项目的工作量估算模型的研究与应用[D];北京工业大学;2012年
7 马剑;软件开发工作量估算模型研究及其在项目管理中的应用[D];华北电力大学;2012年
8 贺军亮;基于有机质光谱诊断指数的土壤重金属含量估算模型研究[D];南京师范大学;2007年
9 刘飞鸿;卫星对地侦察威胁估算模型研究[D];西安工业大学;2014年
10 周毅军;湿地植物叶片重金属含量高光谱遥感估算模型研究[D];福建师范大学;2014年
,本文编号:645468
本文链接:https://www.wllwen.com/kejilunwen/nykj/645468.html