宁夏引黄灌区水稻生理生化参数高光谱估算研究
发布时间：2020-07-31 11:50
【摘要】：水稻是我国第一大粮食作物,其稳定生产对保障国家粮食安全起基础作用。利用高光谱遥感技术对水稻生理生化参数进行准确估测是实时监测水稻生长发育状况的有效手段,对于实现水稻可持续发展意义重大。本研究以宁夏引黄灌区水稻为对象,通过田间试验,观测了抽穗期、乳熟期、蜡熟期水稻生理生化参数与高光谱数据,探索不同生育期、不同氮素水平下水稻叶片与冠层光谱的变化规律,分析水稻各生理生化参数与光谱数据的响应特征及相关性,利用普通回归分析方法和随机森林算法,构建了基于特征波段、高光谱特征参数、最佳植被指数的水稻生理生化参数估算模型,分生育期对水稻叶片和冠层SPAD值、LAI、LNC进行了估测。研究结果可为宁夏引黄灌区水稻的遥感监测提供理论依据与技术支持。主要结论如下:(1)不同生育期、不同氮素水平的水稻叶片与冠层光谱在可见光 近红外波段表现出相同的变化规律。从抽穗期到蜡熟期,可见光波段光谱反射率逐渐升高,近红外波段光谱反射率逐渐降低,红边位置表现出一定程度的“蓝移”。随施氮量的增加,可见光波段光谱反射率略有降低,近红外波段光谱反射率逐渐升高,红边位置表现出明显的“红移”。(2)不同SPAD水平的叶片和冠层光谱反射率存在明显差异,SPAD值越大,可见光波段光谱反射率越低,近红外波段光谱反射率越高。不同LAI水平的冠层光谱在可见光波段差异不明显,在近红外波段表现为光谱反射率随LAI的增大而显著升高。冠层光谱随LNC的变化规律表现为:LNC越大,可见光波段光谱反射率越低,近红外波段光谱反射率越高。(3)在水稻生长的各生育期,与叶片和冠层SPAD值、LAI、LNC相关性最强的参数均是最佳植被指数,最优单变量估算模型均是以最佳植被指数为自变量构建的非线性模型。利用随机森林算法建立多变量估算模型,预测精度得到明显提高。(4)一阶导数光谱比原始光谱在某些波段对生理生化参数具有更好的反映。分生育期建模可以提高生理生化参数估算的准确度,对实现不同生育期水稻冠层SPAD值、LAI、LNC的准确估测十分必要。
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S511
【图文】：
图 2-1 可见光-近红外波段水稻冠层原始光谱 图 2-2 可见光-近红外波段水稻冠层一阶导数光谱Fig.2-1 The original spectra of rice canopy of Fig.2-2 The first derivative spectra of rice canopy ofvisible light and near infrared band visible light and near infrared band对作物的原始光谱数据和一阶导数光谱数据进行加工处理，可以得到各种类型的高光谱特征参数(表 2-1)。高光谱特征参数能够在一定程度上消弱背景信息对光谱数据的影响，提高光谱数据与作物生理生化参数的相关性。表 2-1 高光谱特征参数及其计算公式Tab.2-1 Formula of hyperspectral characteristic parameter参数类型Parameter type高光谱特征参数Hyperspectralcharacteristic parameter计算公式或定义Formula or definition红谷参数Red valleyparameters红谷反射率 Ro 650~690 nm 波段范围内光谱反射率的最小值红谷位置 λo Ro 对应的波长红谷面积 SRo 650~690 nm 波段范围内光谱反射率的总和绿峰参数Green peakparameters绿峰反射率 Rg 510~560 nm 波段范围内光谱反射率的最大值绿峰位置 λg Rg 对应的波长绿峰面积 SRg 510~560 nm 波段范围内光谱反射率的总和蓝边参数蓝边幅值 Db 蓝边(490~530 nm)内一阶导数光谱反射率的最大值
图 2-1 可见光-近红外波段水稻冠层原始光谱 图 2-2 可见光-近红外波段水稻冠层一阶导数光谱Fig.2-1 The original spectra of rice canopy of Fig.2-2 The first derivative spectra of rice canopy ofvisible light and near infrared band visible light and near infrared band对作物的原始光谱数据和一阶导数光谱数据进行加工处理，可以得到各种类型的高光谱特征参数(表 2-1)。高光谱特征参数能够在一定程度上消弱背景信息对光谱数据的影响，提高光谱数据与作物生理生化参数的相关性。表 2-1 高光谱特征参数及其计算公式Tab.2-1 Formula of hyperspectral characteristic parameter参数类型Parameter type高光谱特征参数Hyperspectralcharacteristic parameter计算公式或定义Formula or definition红谷参数Red valleyparameters红谷反射率 Ro 650~690 nm 波段范围内光谱反射率的最小值红谷位置 λo Ro 对应的波长红谷面积 SRo 650~690 nm 波段范围内光谱反射率的总和绿峰参数Green peakparameters绿峰反射率 Rg 510~560 nm 波段范围内光谱反射率的最大值绿峰位置 λg Rg 对应的波长绿峰面积 SRg 510~560 nm 波段范围内光谱反射率的总和蓝边参数蓝边幅值 Db 蓝边(490~530 nm)内一阶导数光谱反射率的最大值
技术路线图
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S511
【图文】：
图 2-1 可见光-近红外波段水稻冠层原始光谱 图 2-2 可见光-近红外波段水稻冠层一阶导数光谱Fig.2-1 The original spectra of rice canopy of Fig.2-2 The first derivative spectra of rice canopy ofvisible light and near infrared band visible light and near infrared band对作物的原始光谱数据和一阶导数光谱数据进行加工处理，可以得到各种类型的高光谱特征参数(表 2-1)。高光谱特征参数能够在一定程度上消弱背景信息对光谱数据的影响，提高光谱数据与作物生理生化参数的相关性。表 2-1 高光谱特征参数及其计算公式Tab.2-1 Formula of hyperspectral characteristic parameter参数类型Parameter type高光谱特征参数Hyperspectralcharacteristic parameter计算公式或定义Formula or definition红谷参数Red valleyparameters红谷反射率 Ro 650~690 nm 波段范围内光谱反射率的最小值红谷位置 λo Ro 对应的波长红谷面积 SRo 650~690 nm 波段范围内光谱反射率的总和绿峰参数Green peakparameters绿峰反射率 Rg 510~560 nm 波段范围内光谱反射率的最大值绿峰位置 λg Rg 对应的波长绿峰面积 SRg 510~560 nm 波段范围内光谱反射率的总和蓝边参数蓝边幅值 Db 蓝边(490~530 nm)内一阶导数光谱反射率的最大值
图 2-1 可见光-近红外波段水稻冠层原始光谱 图 2-2 可见光-近红外波段水稻冠层一阶导数光谱Fig.2-1 The original spectra of rice canopy of Fig.2-2 The first derivative spectra of rice canopy ofvisible light and near infrared band visible light and near infrared band对作物的原始光谱数据和一阶导数光谱数据进行加工处理，可以得到各种类型的高光谱特征参数(表 2-1)。高光谱特征参数能够在一定程度上消弱背景信息对光谱数据的影响，提高光谱数据与作物生理生化参数的相关性。表 2-1 高光谱特征参数及其计算公式Tab.2-1 Formula of hyperspectral characteristic parameter参数类型Parameter type高光谱特征参数Hyperspectralcharacteristic parameter计算公式或定义Formula or definition红谷参数Red valleyparameters红谷反射率 Ro 650~690 nm 波段范围内光谱反射率的最小值红谷位置 λo Ro 对应的波长红谷面积 SRo 650~690 nm 波段范围内光谱反射率的总和绿峰参数Green peakparameters绿峰反射率 Rg 510~560 nm 波段范围内光谱反射率的最大值绿峰位置 λg Rg 对应的波长绿峰面积 SRg 510~560 nm 波段范围内光谱反射率的总和蓝边参数蓝边幅值 Db 蓝边(490~530 nm)内一阶导数光谱反射率的最大值
技术路线图
【参考文献】
相关期刊论文 前10条
1 辛明月;殷红;陈龙;张美玲;任智勇;苗静;;不同生育期水稻叶面积指数的高光谱遥感估算模型[J];中国农业气象;2015年06期
2 章曼;常庆瑞;张晓华;刘佳岐;;不同施肥条件下水稻冠层光谱特征与叶绿素含量的相关性[J];西北农业学报;2015年11期
3 邵华;石庆华;郭熙;赵小敏;;基于冠层高光谱的南方丘陵地区晚稻氮素营养诊断[J];江西农业大学学报;2015年06期
4 刘桃菊;胡雯君;张笑东;江绍琳;唐建军;徐涛;陈美球;;水稻冠层高光谱特征变量与叶片叶绿素含量的相关性研究[J];激光生物学报;2015年05期
5 李粉玲;王力;刘京;常庆瑞;;基于高分一号卫星数据的冬小麦叶片SPAD值遥感估算[J];农业机械学报;2015年09期
6 贺佳;刘冰锋;李军;;不同生育时期冬小麦叶面积指数高光谱遥感监测模型[J];农业工程学报;2014年24期
7 谢静;陈适;王s
本文编号：2776434
本文链接：https://www.wllwen.com/nykjlw/nzwlw/2776434.html
最近更新
教材专著
