基于地面观测光谱数据的冬小麦冠层叶片氮含量反演模型
发布时间：2021-09-03 08:09
冬小麦冠层叶片氮含量是反映其产量与品质的重要指标,构建高普适性、高精准性冬小麦冠层叶片氮含量高光谱反演模型对提高其监测效率具有重要意义。以不同地点、品种、年份、施氮水平、生育期的大田试验数据为基础,基于两波段光谱植被指数NDRE和550 nm光谱反射率组合构建一个三波段植被指数NEW-NDRE,并与11个传统冬小麦冠层叶片氮素光谱指数进行比较。结果表明:NEW-NDRE及传统植被指数中NDRE、NDDA、RI-1dB与冬小麦冠层叶片氮含量的相关性较好;其中,灌浆初期NEW-NDRE与冬小麦冠层叶片氮含量相关性最好,决定系数R2为0.9,均方根误差（RMSE）为0.4;经独立数据检验,以NEW-NDRE为变量建立的冬小麦冠层叶片氮含量反演模型的平均相对误差（RE）为9.3%,明显低于以NDRE、NDDA、RI-1dB为变量的模型RE。总体上,新构建的NEW-NDRE对冬小麦冠层叶片氮含量的模拟能力显著优于传统指数,减弱了试验条件的限制性,可为精准施肥提供新的技术支撑。
【文章来源】：应用生态学报. 2020,31(05)北大核心CSCD
【文章页数】：9 页
【部分图文】：
不同肥力水平小麦冠层光谱变化特征
由图1可知,冬小麦的光谱反射率在整个生育期差别较大。在可见光区域,随生育进程推进,光谱反射率呈先增加后降低的趋势,在灌浆初期达到最大值;其中,拔节期和灌浆中期光谱特征表现基本一致,开花期和灌浆初期光谱反射率表现一致,且在350～550 nm内反射率明显大于拔节期和灌浆中期,550～760 nm差异不显著。在近红外区域(760～1000 nm),开花期反射率迅速增加,为整个生育期最高,且该时期可见光范围的反射率与近红外范围的反射率差异最大;随着生育进程推进,反射率降低;其中灌浆中期反射率低于拔节期。由图2可知,在可见光范围内,开花期-灌浆初期反射率维持较高值,灌浆中期最低。开花期,550 nm处高氮和中氮处理反射率比低氮处理分别高24.5%和17.2%;灌浆初期,高氮、中氮处理分别比低氮处理高11.5%和14.9%;拔节期和灌浆中期,低氮处理反射率稍高于其他处理,但差异不显著,表明开花期和灌浆初期这3个处理冬小麦长势有明显差异,其他两个时期各处理之间差异较小。近红外波段,拔节期-灌浆初期高氮处理冠层反射率最高,拔节期、开花期和灌浆初期分别较低氮处理高12.7%、92.7%和40.1%,中氮处理较低氮处理高14.0%、56.4%和32.0%,表明这3个时期高氮处理长势最好;其中拔节期内高氮和中氮处理冠层反射率数值相当,变化趋势一致,且与低氮处理差异显著,这可能是因为中氮水平已经能够满足作物营养生长的需要,植株的含氮量较高,多余的施氮量并不能被作物吸收,植株的空间含氮量差异缩小,因此,冠层反射率差异较小[30]。灌浆中期可见光范围内,处理之间差异不显著;近红外区域,中氮处理反射率最高,低氮处理最低,其中高氮与中氮处理之间差异不显著,说明灌浆中期中氮和高氮处理小麦冠层植株氮含量相当,过多的氮肥残留在土壤中没有被作物吸收[31]。
光谱分析作物长势及营养诊断是一种快速、无损的遥感技术。早在20世纪70年代研究就发现,利用550、657、671、710、780 nm波段能够比较准确地监测氮素含量[37],但单一波段的光谱反射率不稳定,容易受土壤、大气和环境的影响[12]。归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)等包含更多光谱信息的两波段结合的植被指数在一定程度上提高了光谱监测精度[26,38],但当作物生物量达到一定数值时,两波段植被指数容易出现饱和,降低了对生理生化指标的预测精度[28]。为避免植被指数饱和,许多研究者把两个光谱指数结合重新构建新的光谱指数,例如,叶绿素转移吸收指数(TCARI)结合优化土壤调节植被指数(OSAVI)形成新植被指数TCARI/OSAVI,提高了预测精度[39]。一些研究者则直接在两波段的比值指数中插入窄波段构建新的光谱指数以提高反演精度,例如,Sims等[20]和Feng等[24]基于两波段指数SR705和ND705插入R445构建了三波段植被指数mSR705和mND705,提高了诊断叶片氮含量的敏感度。鉴于前人构建的归一化红边植被指数(NDRE)和作物冠层结构与颜色变化密切相关[38],氮含量变化最敏感的波段是530～560 nm[13],其中550 nm是叶绿素的强反射峰,植物叶片在550 nm附近的发射率与叶片氮含量密切相关[37]。本研究在NDRE中引入敏感波段550 nm,并采用引用系数法对0～1区间每0.005个间隔的数据进行大量的筛选和监测精度比较,最终选择将0.045×R550引入NDRE(790,720)构成新光谱指数NEW-NDRE。结果表明,NEW-NDRE与叶片氮含量的线性关系增强(R2为0.76～0.93),在灌浆初期相关性最好。这证实了包含更多光谱信息的植被指数有助于提高预测生理指标的精度。3.3 新光谱指数的评估
【参考文献】：
期刊论文
[1]基于冠层光谱和BP神经网络的水稻叶片氮素浓度估算模型[J]. 孙小香,王芳东,赵小敏,谢文,郭熙. 中国农业资源与区划. 2019(03)
[2]结合SPA和PLS法提高冬小麦冠层全氮高光谱估算的精确度[J]. 白丽敏,李粉玲,常庆瑞,曾凤,曹吉,芦光旭. 植物营养与肥料学报. 2018(05)
[3]冬小麦籽粒氮积累量高光谱监测研究[J]. 贾学勤,冯美臣,王超,杨武德,李广信,孙慧,武改红,张松. 山西农业科学. 2018(03)
[4]基于无人机高清数码影像和高光谱遥感数据反演大豆典型生育期氮平衡指数[J]. 李长春,陈鹏,陆国政,马春艳,马潇潇,王双亭. 应用生态学报. 2018(04)
[5]淹水胁迫下棉花叶片高光谱特征及叶绿素含量估算模型[J]. 徐道青,刘小玲,王维,陈敏,阚画春,李常凤,郑曙峰. 应用生态学报. 2017(10)
[6]单作套作大豆叶片氮素积累与光谱特征[J]. 谌俊旭,黄山,范元芳,王锐,刘沁林,杨文钰,杨峰. 作物学报. 2017(12)
[7]不同生育期水稻光谱反射率的变化规律[J]. 赵新飞,冯嘉敏,张大伟,蓝盾,张永顺,付丽娇,李艳大,陈青春. 仲恺农业工程学院学报. 2015(04)
[8]水稻氮素营养高光谱遥感诊断模型[J]. 谭昌伟,周清波,齐腊,庄恒扬. 应用生态学报. 2008(06)
[9]不同生育期冬小麦光谱特征对叶绿素和氮素的响应研究[J]. 张俊华,张佳宝. 土壤通报. 2008(03)
[10]氮素胁迫下的冬小麦高光谱特征提取与分析[J]. 程一松,胡春胜,郝二波,于贵瑞. 资源科学. 2003(01)
博士论文
[1]小麦冠层反射光谱的角度效应及植株氮素监测研究[D]. 宋晓.河南农业大学 2016
[2]基于高光谱遥感的小麦氮素营养及生长指标监测研究[D]. 冯伟.南京农业大学 2007
硕士论文
[1]冬小麦不同叶位叶片高光谱特征及其对氮素的响应[D]. 武改红.山西农业大学 2018
本文编号：3380752
【文章来源】：应用生态学报. 2020,31(05)北大核心CSCD
【文章页数】：9 页
【部分图文】：
不同肥力水平小麦冠层光谱变化特征
由图1可知,冬小麦的光谱反射率在整个生育期差别较大。在可见光区域,随生育进程推进,光谱反射率呈先增加后降低的趋势,在灌浆初期达到最大值;其中,拔节期和灌浆中期光谱特征表现基本一致,开花期和灌浆初期光谱反射率表现一致,且在350～550 nm内反射率明显大于拔节期和灌浆中期,550～760 nm差异不显著。在近红外区域(760～1000 nm),开花期反射率迅速增加,为整个生育期最高,且该时期可见光范围的反射率与近红外范围的反射率差异最大;随着生育进程推进,反射率降低;其中灌浆中期反射率低于拔节期。由图2可知,在可见光范围内,开花期-灌浆初期反射率维持较高值,灌浆中期最低。开花期,550 nm处高氮和中氮处理反射率比低氮处理分别高24.5%和17.2%;灌浆初期,高氮、中氮处理分别比低氮处理高11.5%和14.9%;拔节期和灌浆中期,低氮处理反射率稍高于其他处理,但差异不显著,表明开花期和灌浆初期这3个处理冬小麦长势有明显差异,其他两个时期各处理之间差异较小。近红外波段,拔节期-灌浆初期高氮处理冠层反射率最高,拔节期、开花期和灌浆初期分别较低氮处理高12.7%、92.7%和40.1%,中氮处理较低氮处理高14.0%、56.4%和32.0%,表明这3个时期高氮处理长势最好;其中拔节期内高氮和中氮处理冠层反射率数值相当,变化趋势一致,且与低氮处理差异显著,这可能是因为中氮水平已经能够满足作物营养生长的需要,植株的含氮量较高,多余的施氮量并不能被作物吸收,植株的空间含氮量差异缩小,因此,冠层反射率差异较小[30]。灌浆中期可见光范围内,处理之间差异不显著;近红外区域,中氮处理反射率最高,低氮处理最低,其中高氮与中氮处理之间差异不显著,说明灌浆中期中氮和高氮处理小麦冠层植株氮含量相当,过多的氮肥残留在土壤中没有被作物吸收[31]。
光谱分析作物长势及营养诊断是一种快速、无损的遥感技术。早在20世纪70年代研究就发现,利用550、657、671、710、780 nm波段能够比较准确地监测氮素含量[37],但单一波段的光谱反射率不稳定,容易受土壤、大气和环境的影响[12]。归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)等包含更多光谱信息的两波段结合的植被指数在一定程度上提高了光谱监测精度[26,38],但当作物生物量达到一定数值时,两波段植被指数容易出现饱和,降低了对生理生化指标的预测精度[28]。为避免植被指数饱和,许多研究者把两个光谱指数结合重新构建新的光谱指数,例如,叶绿素转移吸收指数(TCARI)结合优化土壤调节植被指数(OSAVI)形成新植被指数TCARI/OSAVI,提高了预测精度[39]。一些研究者则直接在两波段的比值指数中插入窄波段构建新的光谱指数以提高反演精度,例如,Sims等[20]和Feng等[24]基于两波段指数SR705和ND705插入R445构建了三波段植被指数mSR705和mND705,提高了诊断叶片氮含量的敏感度。鉴于前人构建的归一化红边植被指数(NDRE)和作物冠层结构与颜色变化密切相关[38],氮含量变化最敏感的波段是530～560 nm[13],其中550 nm是叶绿素的强反射峰,植物叶片在550 nm附近的发射率与叶片氮含量密切相关[37]。本研究在NDRE中引入敏感波段550 nm,并采用引用系数法对0～1区间每0.005个间隔的数据进行大量的筛选和监测精度比较,最终选择将0.045×R550引入NDRE(790,720)构成新光谱指数NEW-NDRE。结果表明,NEW-NDRE与叶片氮含量的线性关系增强(R2为0.76～0.93),在灌浆初期相关性最好。这证实了包含更多光谱信息的植被指数有助于提高预测生理指标的精度。3.3 新光谱指数的评估
【参考文献】：
期刊论文
[1]基于冠层光谱和BP神经网络的水稻叶片氮素浓度估算模型[J]. 孙小香,王芳东,赵小敏,谢文,郭熙. 中国农业资源与区划. 2019(03)
[2]结合SPA和PLS法提高冬小麦冠层全氮高光谱估算的精确度[J]. 白丽敏,李粉玲,常庆瑞,曾凤,曹吉,芦光旭. 植物营养与肥料学报. 2018(05)
[3]冬小麦籽粒氮积累量高光谱监测研究[J]. 贾学勤,冯美臣,王超,杨武德,李广信,孙慧,武改红,张松. 山西农业科学. 2018(03)
[4]基于无人机高清数码影像和高光谱遥感数据反演大豆典型生育期氮平衡指数[J]. 李长春,陈鹏,陆国政,马春艳,马潇潇,王双亭. 应用生态学报. 2018(04)
[5]淹水胁迫下棉花叶片高光谱特征及叶绿素含量估算模型[J]. 徐道青,刘小玲,王维,陈敏,阚画春,李常凤,郑曙峰. 应用生态学报. 2017(10)
[6]单作套作大豆叶片氮素积累与光谱特征[J]. 谌俊旭,黄山,范元芳,王锐,刘沁林,杨文钰,杨峰. 作物学报. 2017(12)
[7]不同生育期水稻光谱反射率的变化规律[J]. 赵新飞,冯嘉敏,张大伟,蓝盾,张永顺,付丽娇,李艳大,陈青春. 仲恺农业工程学院学报. 2015(04)
[8]水稻氮素营养高光谱遥感诊断模型[J]. 谭昌伟,周清波,齐腊,庄恒扬. 应用生态学报. 2008(06)
[9]不同生育期冬小麦光谱特征对叶绿素和氮素的响应研究[J]. 张俊华,张佳宝. 土壤通报. 2008(03)
[10]氮素胁迫下的冬小麦高光谱特征提取与分析[J]. 程一松,胡春胜,郝二波,于贵瑞. 资源科学. 2003(01)
博士论文
[1]小麦冠层反射光谱的角度效应及植株氮素监测研究[D]. 宋晓.河南农业大学 2016
[2]基于高光谱遥感的小麦氮素营养及生长指标监测研究[D]. 冯伟.南京农业大学 2007
硕士论文
[1]冬小麦不同叶位叶片高光谱特征及其对氮素的响应[D]. 武改红.山西农业大学 2018
本文编号：3380752
本文链接：https://www.wllwen.com/nykjlw/nzwlw/3380752.html
最近更新
教材专著
