玉米氮素营养监测的高光谱遥感估算模型研究

发布时间：2017-09-14 08:45

  本文关键词：玉米氮素营养监测的高光谱遥感估算模型研究

  更多相关文章： 玉米 氮素含量 高光谱 叶鞘茎 估算模型

【摘要】：研究以玉米为试验材料,通过2年大田试验,运用高光谱遥感技术获取不同氮素水平下玉米冠层高光谱数据,主要研究了玉米不同生育时期及全生育期的光谱参数与玉米地上营养器官氮素含量的相关关系,通过筛选不同的光谱特征参量,建立了玉米叶片叶鞘茎茎秆氮素含量的定量估算模型,并对模型的精度进行了检验。研究结果如下(1)玉米冠层反射光谱在400～680nm可见光范围具有绿色植物典型的“峰谷”的特征。绿峰反射率随着生育期的推移逐渐降低,并出现红移现象。在760～1000nm的近红外区域反射率随生育期的推移逐渐降低,在孕穗期与施氮量成正相关关系。(2)通过玉米冠层原始光谱反射率的倒数、对数、导数的光谱转换参数及基于光谱位置、光谱面积、植被指数的光谱特征参量对玉米叶片氮素含量的建模分析：以RDVI(943,749)为自变量建立的拔节期玉米叶片氮素含量的估算模型y=204.05x2+7.5201x+2.4484 (RMSE=0.2531, R2=0.8329)观测值和预测值的相关系数r0.9126**；玉米冠层光谱578nm的一阶导数对开花吐丝期玉米叶片全氮含量进行估测y=376236x2+1871.1x+3.3134 (RMSE=0.2235, R2=0.7514)观测值和预测值的相关系数r=0.8668**；成熟期玉米叶片氮素含量是由871nm处光谱的一阶导数为自变量的指数函数y=1.9852e-308.3x(RMSE=0.2328, R2=0.7086)进行估算,其观测值和预测值的相关系数为0.8418**;孕穗期、抽雄期、灌浆期估算模型的建模均方根误差大,不能对玉米氮素含量进行有效估测。(3)建立了玉米叶鞘氮素含量估算模型。灌浆期玉米叶鞘氮素含量由于建模均方根误差较大而没能建立模型,其余各个生育时期及全生育期都建立了氮素含量的估算模型。与玉米叶片氮素含量的相比,玉米叶鞘的氮素含量易建立模型。拔节期建立了以ρ′(597nm)为自变量的二次模型y=376236x2+1871.1x+3.3134 (RMSE=0.2694, R2=0.7023)观测值和预测值的相关系数r=0.838**：孕穗期建立了以(1/p)″(842nm)为自变量的二次模型y=181925x2-638.11x+1.3104 (RMSE=0.2149, R2=0.7726)观测值和预测值的相关系数r=0.879**;抽雄期建立了以RVI(760,755)为自变量的二次模型y=109.73x2-213.84x+104.89 (RMSE=0.1551, R2=0.7735)观测值和预测值的相关系数r=0.8795**;开花吐丝期建立了以ρ'(340nm)为白变量的二次模型y=4.0567x2-187.39x+1.0843 (RMSE=0.2388, R2=0.8082)观测值和预测值的相关系数r=0.8989**;成熟期建立了以ρ"(959nm)为自变量的指数模型y=0.9343e-0.944x (RMSE=0.1621, R2=0.7684)观测值和预测值的相关系数r=0.8766**；全生育期建立了以RVI(774,697)为自变量的二次模型y=-0.0025x2+0.1111x+0.3127 (RMSE=0.2491, R2=0.7484)观测值和预测值的相关系数r=0.8651**。(4)建立了玉米茎秆氮素含量的估算模型。拔节期、开花吐丝期的玉米茎秆氮素含量的估算模型精度差不能进行准确估测,建立了孕穗期、抽雄期、灌浆期、成熟期玉米茎秆氮素含量的估算模型。孕穗期建立了以(1/ρ)'(381nm)为自变量的指数模型y=1.1097e-0.053x(RMSE=0.2475, R2=0.7762)观测值和预测值的相关系数r=0.881**；抽雄期建立了以RVI(760,755)为自变量的二次模型y=1089.6x2-2236.8x+1148.5 (RMSE=0.2401, R2=0.8026)观测值和预测值的相关系数r=0.8959**;灌浆期建立了以(1/ρ)"(550nm)为自变量的二次模型y=-63.851x2-11.133x+0.6153 (RMSE=0.1923, R2=0.7768)观测值和预测值的相关系数r=0.8814**;成熟期建立了以ρ"(880nm)为自变量的二次模型y=-2E+06x2-845.2x+0.61 (RMSE=0.1738, R2=0.7409)观测值和预测值的相关系数r=0.8608**。
【关键词】：玉米 氮素含量 高光谱 叶鞘茎 估算模型
【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8-10
• Abstract10-13
• 1 绪论13-23
• 1.1 高光谱的概念及光谱学原理13-14
• 1.2 氮素对作物生长的重要性14-15
• 1.3 高光谱遥感技术在作物监测上的研究进展15-20
• 1.3.1 在作物生长监测方面的应用15-18
• 1.3.2 在作物营养诊断方面的应用18-20
• 1.4 研究目的及意义20-21
• 1.5 研究内容21
• 1.6 研究方法21-23
• 2 材料与方法23-27
• 2.1 供试材料与试验设计23
• 2.2 数据采集23-24
• 2.2.1 冠层光谱数据采集23-24
• 2.2.2 米氮素含量测定24
• 2.3 光谱参量的选择24-25
• 2.3.1 基于原始光谱反射率转换参数24
• 2.3.2 基于光谱位置的特征参量24-25
• 2.3.3 基于植被(Ⅵ)指数的特征参量25
• 2.3.4 基于光谱面积的特征参量25
• 2.4 模型建立与检验25-27
• 3 结果与分析27-106
• 3.1 玉米冠层高光谱特征分析27-30
• 3.1.1 不同生育时期玉米冠层反射光谱特征27-29
• 3.1.2 不同氮素水平下玉米冠层反射光谱特征29-30
• 3.2 玉米叶片氮素含量估算模型的建立30-55
• 3.2.1 叶片氮素含量变化分析30-31
• 3.2.2 光谱转换数据与叶片氮素含量相关性分析31-48
• 3.2.3 叶片氮素含量与光谱特征参量相关性分析48-49
• 3.2.4 叶片氮素含量估算模型的建立与验证49-55
• 3.3 玉米叶鞘氮素含量估算模型的建立55-82
• 3.3.1 叶鞘氮素含量变化分析55-56
• 3.3.2 光谱转换数据与叶鞘氮素含量相关性分析56-70
• 3.3.3 叶鞘氮素含量与光谱特征参量相关性分析70-72
• 3.3.4 叶鞘氮素含量估算模型的建立与检验72-82
• 3.4 玉米茎秆氮素含量估算模型的建立82-106
• 3.4.1 茎秆氮素含量变化分析82-83
• 3.4.2 光谱转换数据与茎秆氮素含量相关性分析83-97
• 3.4.3 茎秆氮素含量与光谱特征参量相关性分析97-98
• 3.4.4 茎秆氮素含量估算模型的建立与检验98-106
• 4 结论与讨论106-109
• 4.1 结论106-107
• 4.2 讨论107-109
• 参考文献109-116
• 致谢116-117
• 攻读学位论文期间发表文章117

【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：849049