冬小麦籽粒干物质和氮积累动态高光谱监测研究

发布时间：2020-05-26 15:09

【摘要】：冬小麦是我国重要的粮食作物。利用高光谱遥感技术实现冬小麦开花后籽粒灌浆过程碳氮积累状况实时、准确监测,可以为小麦开花后田间管理以及产量和品质预测提供有效技术途径。本研究在两年施氮试验的基础上,通过研究不同施氮处理下冬小麦开花后冠层光谱特征,以及植株和叶片氮积累量、可溶性糖含量和干物质积累量以及籽粒氮积累量、干物质积累量和积累速率随灌浆进程后移的动态变化。然后结合PLS和SMLR分别获取对冬小麦各农学参数的变化反应敏感的波段,建立对应的的模型,并借鉴“冠层光谱-农学参数-籽粒碳氮积累”这个技术思路,实现冬小麦籽粒碳氮积累状况动态变化的监测。并用不同年份的数据对其进行检验。主要研究结果如下:(1)冬小麦开花之后,冠层光谱反射率的变化为:随着灌浆阶段的后移,400～700 nm(可见光)为逐渐增加,在740～1100nm(近红外平台区域)则是出现减小的趋势;不同施氮处理间,冠层的反射率变化也,随着施氮量增加,400～700 nm处为逐渐增加,而在700～2500 nm(近红外)则是出现下降。此外,不同施氮处理,红边位置(REP)变化较小,而红边面积(SDR)和红边幅值(DR)随着施氮量的增加,先上升后下降;随着灌浆进程推进,REP、DR、SDR均逐渐减小。(2)冬小麦开花后,叶片干物质积累量(Dry matter accumulation,DMA)随着生育期变化,不断降低,而植株DMA则是先增加后降低,而籽粒DMA则与叶片的相反,呈上升趋势;不同氮处理间也有较大区别,植株和叶片DMA趋势相似,均是增加;而籽粒DMA则是先增加后下降减小。建立的植株和叶片DMA的PLS-SMLR光谱监测模精度均较高,此外,二者与籽粒DMA均达到极显著相关,定量关系也比较好。以二者为中间参量建立的籽粒DMA动态监测模型精度(R2)均较高,RMSE也均较小,其中尤以叶片DMA为中间参量建立的模型效果最佳。(3)植株和叶片的可溶性糖含量(Soluble sugar content,SSC),以及籽粒干物质累积速率(Dry matter accumulation rate,DMAR)随着生育期变化一致,均是先增后降。而随施氮的增加,植株和叶片的SSC呈递增趋势,而籽粒DMAR则呈先升后降。结合PLS-SMLR建立的叶片和植株SSC模型精度均较高,且二者与籽粒DMAR均有较好的相关性,定量关系也较好。建立的籽粒DMAR光谱监模型中,以植株SSC为中间参量建立的模型估测效果最好,明显高于直接建立的PLS-SMLR模型,而以叶片SSC为中间变量建立的模型表现最差。(4)开花后,冬小麦植株氮积累量(Plant nitrogen accumulation,PNA)和叶片氮积累量(Leafnitrogenaccumulation,LNA)变化相似,均是不断减小;而籽粒氮积累量(Grain nitrogen accumulation,GNA)则是不断增加。而不同施氮处理间,随着施氮的增加,PNA和LNA随氮增加呈增加的趋势,而GNA为先增加后减小。基于PLS-SMLR建立的PNA和LNA高光谱模型监测效果均较好,且二者与GNA均有较好的相关性与定量关系。分别以二者为中间变量建立光谱监测模型,其中以LNA为中间变量的建立模型效果最佳。
【图文】：

分析不同施氮水平下冬小麦开花后植株、叶片和籽粒ＤＭＡ变化规律，结果如。由图可知，同一用施氮水平下，不同阶段，植株、叶片和籽粒ＤＭＡ变化规较明显，其中植株ＤＭＡ呈“低－高－低’’的趋势，灌浆开始时略有增加，到１０ｄ最高，随后开始减小，一直到收获到最低。与植株不同，叶片ＤＭＡ—直呈下而籽粒ＤＭＡ变化趋势与叶片相反，由于灌浆过程中光合同化物不断从茎叶等向籽粒中转移，使得籽粒干重一直不断增加，其增加规律近似于“Ｓ”形。此外物质积累量也存在一定差异，其中试验一以上三个指标均略高于试验二，这可年冬小麦出苗情况以及整个生育期降雨条件较好有关。同一时期，，不同施氮量，叶片ＤＭＡ变化均为随着施氮增多而增加，其中Ｎ３＞Ｎ２＞Ｎ１，差异较明显，Ｎ４比略有增加，但差异不明显。在一定施氮范围内籽粒ＤＭＡ变化趋势与植株似，随着施氮量增加而增加，如Ｎ３＞Ｎ２＞Ｎ１＞Ｎ０。但当超过一定值时，籽粒Ｄ下降的趋势（Ｎ３＞Ｎ４），这主要是与施氮过量阻碍了合成的碳水化合物向籽粒关。逡逑基于ＰＬＳ的光谱特征波段提取逡逑０邋０１０－２邋０＂－

ｎｉｔｒｏｇｅｎ邋ｍａｎａｇｅｍｅｎｔ邋ｍｏｄｅｓ逡逑３．４．２基于ＰＬＳ的光谱特征波段提取逡逑由图９可得，冬小麦ＰＮＡ在４０１？４９１邋ｎｍ，５１５？５８５邋ｎｍ，邋７３２？１３００邋ｎｍ和１９６１？逡逑２０４１邋ｎｍ波段处Ｂ－ｃｏｅｆｆｉｃｉｅｎｔｓ和ＶＩＰ系数均比较大；冬小麦ＬＮＡ则以５１８？６３６邋ｎｍ，逡逑６９４？９５２邋ｒｎｎ
【学位授予单位】：山西农业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S512.11

【相似文献】

相关期刊论文 前10条

1 高钛;;基于非负矩阵分解的高光谱解混算法研究现状和未来的发展方向[J];科技视界;2015年13期

2 周珈慧;;谱科研旋律 抒遥感情怀——记中国科学院遥感应用研究所高光谱研究室主任张立福[J];科学中国人;2012年24期

3 ;高光谱地物识R%技术[J];中国科技信息;2017年10期

4 漆成莉;顾明剑;胡秀清;吴春强;;风云三号卫星红外高光谱探测技术及潜在应用[J];气象科技进展;2016年01期

5 ;美创企披露高光谱业务规划 已筹集8500万美元的资金[J];卫星与网络;2018年10期

6 马燕飞;坎杂;张若宇;丁竹青;李硕;李晓良;;加工番茄可溶性固形物近红外高光谱反射成像检测[J];江苏农业科学;2013年08期

7 W.KJ;;芬兰成功开发世界首款高光谱移动设备[J];军民两用技术与产品;2017年03期

8 王晶晶;孙玲;刘华周;胡宇容;肖敏;;基于高光谱的凤眼莲植株氮含量无损监测[J];江苏农业学报;2014年04期

9 赵鑫;黄敏;朱启兵;;基于小波变换的高光谱散射图像特征提取[J];计算机与应用化学;2011年10期

10 冯锐;张玉书;武晋雯;纪瑞鹏;于文颖;王培娟;;基于多光谱和高光谱的干旱遥感监测研究进展[J];灾害学;2019年01期

相关会议论文 前10条

1 李俊;;高光谱大气红外探测仪观测数据同化中的几个关键科学问题及研究进展[A];第35届中国气象学会年会 S9 卫星资料同化[C];2018年

2 贺霖;潘泉;赵永强;邸韦华;;一类高光谱图象小目标统计检测算法研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

3 胡盛雯;殷德奎;;高光谱大气探测仪干涉信号的获取电路设计[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

4 杨超宇;杨顶田;杨跃忠;卢桂新;赵俊;孙兆华;;光学浅水中海草底质的高光谱提取[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

5 舒嵘;王建宇;徐卫明;何志平;马艳华;吕刚;;机载高空间分辨力、高光谱分辨力多维集成遥感系统[A];第六届成像光谱技术与应用研讨会文集[C];2006年

6 张兵;郑兰芬;童庆禧;;光谱复原基础上的高光谱高空间遥感数据融合研究[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

7 汪大明;侯芳;李志忠;党福星;杨日红;肖政浩;;星载高光谱载荷参数分析研究[A];第十七届中国遥感大会摘要集[C];2010年

8 王建宇;舒嵘;徐卫明;马艳华;何志平;吕刚;陈育伟;张冰娜;;机载高空间分辨力、高光谱分辨力多维信息获取与处理技术的研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

9 陆其峰;吴春强;漆成莉;冯绚;陈博洋;刘辉;肖贤俊;周方;窦芳丽;胡菊e

本文编号：2682026