关中地区冬小麦叶片氮素高光谱数据与卫星影像定量估算研究

发布时间：2018-03-26 21:24

  本文选题：叶片氮含量　切入点：高光谱　出处：《西北农林科技大学》2016年博士论文

【摘要】：氮素是作物需求量最大的营养元素,氮素缺乏会导致作物光合作用能力和产量降低,过量又会造成农田生态环境的污染,因此利用遥感技术进行作物氮素养分的实时监测和快速诊断一直是农业应用研究的热点。本研究以国家杨凌农业高新示范区及周边地区冬小麦为研究对象,在2013-2015年进行冬小麦小区和大田试验。通过采集冬小麦主要生育期冠层光谱信息和分析测试相应叶片全氮含量,研究小麦冠层光谱数据处理、特征波段选择和模型构建等关键技术方法,获取研究区冬小麦冠层叶片氮含量的特征光谱,构建叶片氮含量的高光谱估算模型。结合多光谱卫星数据,研究国产卫星数据提取冬小麦种植面积的方法,以及多光谱卫星数据估算叶片氮含量的理论和方法,为区域性小麦氮素营养监测提供理论依据和技术支持。本研究取得的主要结论和成果如下:(1)通过对冬小麦冠层光谱反射率进行导数变换、对数变换和连续统去除处理,提取不同变换光谱下的叶片氮含量敏感波段。结果表明,原始光谱和对数光谱的叶片氮含量敏感波段为400~720nm,导数光谱叶片氮含量敏感波段为435~465nm,734~757nm,789~792nm和1176~1185nm,连续统去除光谱反射率的敏感区间为400~760nm,1181~1268nm。以相关性最高为原则,分别选取630nm、447nm、645nm和725nm作为4类变换光谱对叶片氮含量的最佳敏感波段,敏感单波段反射率与叶片氮含量的相关性的定量关系都更适合用指数模型来表现,但模型的整体拟合精度欠佳。(2)系统分析了冬小麦冠层光谱特征参数对叶片氮含量的敏感性,确立了叶片氮素含量与冠层高光谱“三边”参数,吸收特征参数,光谱指数的定量关系。结果表明,线性外推法的红边位置、红边面积和蓝边面积的比值、红边面积和蓝边面积的归一化值是“三边”参数中与叶片氮含量关系最为紧密和稳定的特征参数。550~750nm波段吸收特征参数对叶片氮含量的估算结果优于400~500nm波段,最佳估算参数为550~750nm波段的吸收峰总面积,精度优于“三边”参数建立的叶片氮含量估算模型,但对于高值叶片氮含量的估算精度有待提高。光谱指数明显改善了叶片氮含量的估算精度,其中表现较为突出的光谱指数有修正红边单比指数(mSR705)、红边单比指数(SR705)、GM、红边指数(VOG3)、红边叶绿素指数(CI_(red edge))和红边归一化指数(ND705)等。利用400~1350nm范围内所有光谱波段可能的两两组合构建的比值指数、差值指数、归一化指数和土壤调节植被指数与叶片氮含量的定量关系表明,原始光谱、导数光谱、对数光谱和连续统去除光谱的最佳光谱指数分别为R~（770）/R~(702),FD~(744)/FD~(504),LOG~(750)-LOG~(717)和CR~(1056)/CR~(702),基于744nm与504nm波段导数光谱反射率的比值指数模型在精度检验中具有较高的决定系数和较低的均方根误差,决定系数达到0.89,RMSE为0.06,显著改善了叶片氮含量高值区的模拟效果,是光谱指数估算叶片氮含量的最佳模型。(3)将小波变换分析技术应用到叶片氮含量的遥感估算研究中,探讨连续和离散小波变换对叶片氮含量的估算潜力。结果表明,连续小波变换对冠层光谱的噪声不敏感,4类变换光谱反射率与叶片氮含量在较低尺度下的相关性弱于较高尺度,冠层光谱曲线上的细节性高频信息所反映的吸收特征与叶片氮含量关系不大。在此基础上,提取了6个基于连续小波变换的特征参数,其随机森林回归模型的精度优于单参数模型和偏最小二乘模型。离散小波变换第4层小波分解近似系数的偏最小二乘回归模型是叶片氮含量的最佳估算模型,变量个数为73个,模拟方程的决定系数为0.94,验证集的实测值与预测值回归方程的决定系数为0.93,RMSE为0.04,REP为2.72,是叶片氮含量高光谱估算的最佳模型。(4)冬小麦种植信息是区域尺度叶片氮素含量遥感监测的基础,本文基于国产资源一号02C星HR高分辨率影像,提取了基于变差函数、灰度共生矩阵和梯度的多纹理特征,结合光谱信息构建了基于支持向量机(SVM)和多源复合信息的冬小麦种植提取模型。结果表明:变差函数纹理和梯度纹理参与的多源复合数据有效提高了图像的分类精度,分类精度由85.14%提高到87.43%,Kappa系数由0.82提高到0.85;绝对值变差函数为纹理最佳窗口分析提供了理论依据,基于平均步长提取的纹理特征能显著提升图像分类的精度,精度由75.2%提高到87.14%,Kappa系数由0.7提高到0.87;基于多源复合数据的SVM高空间分辨率遥感图像分类方法能有效解决传统图像分类结果破碎的问题,比最大似然方法和决策树法的分类精度显著提高,总精度达到89.14%,Kappa系数为0.87;3种多源复合数据的SVM分类保持了冬小麦信息提取的准确率,用户精度和生产者精度均为97.14%,Kappa系数为0.96,为中高空边间分辨率卫星数据的冬小麦种植信息提取提供了方法与技术支持。(5)探讨了基于国产高分辨率卫星GF-1号多光谱数据的冬小麦叶片氮含量估算方法,构建了基于光谱指数的全生育期叶片氮含量通用估算模型。结果表明,模拟不同传感器的宽波段光谱反射率、光谱指数之间存在差异,但差异不显著;所有筛选的光谱指数和叶片氮含量都在P0.01水平显著相关,基于各光谱指数所构建的全生育期叶片氮含量估算通用模型均通过显著性检验,但模型的精度低于高光谱特征参数的叶片氮含量估算精度;改进型的敏感性指数S综合考虑了模型的稳定性、敏感性和变量的动态范围。综合模拟方程决定系数、模型敏感性分析、精度检验和遥感制图的结果,认为基于比值植被指数建立的叶片氮含量估算模型适用性最强,模拟结果与实际空间分布格局最为接近,为基于GF-1卫星数据的区域性小麦氮素营养监测提供了理论依据和技术支持。
[Abstract]:......
【学位授予单位】：西北农林科技大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：S512.11;S127
，

本文编号：1669668