水稻氮素营养相关指标成像高光谱监测方法研究
发布时间：2021-10-20 14:08
实时、无损、准确地评估作物氮素营养状况,对氮肥施用的精确管理、保障作物产量和品质、减少环境污染等方面均有重要意义。遥感技术已被广泛用于作物氮素营养状况的无损定量监测,并为精确农业提供重要的技术支撑。传统的田间非成像光谱数据易受土壤背景的影响,而近地面高光谱成像技术“图谱合一”的特性可有效提纯作物光谱信息,进而提高作物氮素营养监测的准确性与稳定性。然而,已有研究多使用单一的极高分辨率（毫米级）影像数据,且仅分析光照植被像元光谱特征,忽视了尺度效应和阴影效应对氮素营养参数估测的影响。本研究以水稻为研究对象,基于不同栽培处理条件下水稻近地面成像高光谱数据,综合运用遥感影像解译技术、高光谱特征波段提取技术、数理统计分析技术等手段,构建水稻阴阳叶穗分类决策树,分析水稻纯净植株光谱对氮素营养参数的响应规律,评估阴影效应和尺度效应对水稻氮素营养参数估测模型的影响,确定水稻氮素营养相关指标估测的最佳空间分辨率及其监测模型。预期结果有助于确立水稻氮素营养监测和田间作物表型研究的近地面成像高光谱关键技术。基于水稻单叶成像光谱数据,系统比较了植被指数（比值型与归一化型）与多元回归法（高斯过程回归:GPR和偏...
【文章来源】：南京农业大学江苏省 211工程院校 教育部直属院校
【文章页数】：180 页
【学位级别】：博士
【部分图文】：
图２－５?ＳｐｅｃＶｉｅｗ软件界面??Ｆｉｇ．?２－５?Ｔｈｅ?ｉｎｔｅｒｆａｃｅｏｆ?ｔｈｅ?ＳｐｅｃＶｉｅｗ?ｓｏｆｔｗａｒｅ??
?第三章基于单叶成像的水稻叶片色素含量监测研究???由表３－１可知，ＣＩＲｅｄ胃ｅｄｇｅ、ＮＤ７Ｇ５、ＭＴＣＩ分别为三组植被指数系列（ＳＲ－ｌｉｋｅ、ｍＮＤ－ｌｉｋｅ、??ＳＩＰＩ－ｌｉｋｅ）中表现最好的指数。这三种指数与叶绿素ａ、ｂ、ａ＋ｂ及类胡萝卜素含量均??显著相关（尸＜０．００１）。此外，ＳＲ７Ｇ５、ｍＳＲ７（）５和Ｄａｔｔ指数与各色素含量也均显著相关。??总体比较而言，ＭＴＣＩ是表现最好的植被指数（图３－２），其与各色素含量的ｐ２变化范??围为?０．３６？０．７０?（Ｐ０．００１）。??６０「?４「??｜?Ａ?°?？?Ｂ??务４５?？?Ｉ３?■?。。??＾?＾?＞＝２６．４４５?＋?８．７０?１?ｙ＝?１．２６ｉ＋?０．８２??｜?１５?？?Ｒ＊?＝?０．６９?Ｉ?ｊ?．?Ｒ：?＝?０．５６??ｉ?Ｉ??Ｉ?２??０??＇?１???＇?０??？?????＊??０?０．５?１?１．５?２?〇?０．５?１?１．５?２??ＭＴＣ，??８?０．５??ｆ?Ｃ?〇?Ｄ??｜６?．?〇°?０?ｅ〇．４?．?〇??５?＾°?？?。务。??Ｉ?０?ｌ〇．３?■??ｒ?ｔ，．??５?°?ｖ?＝?２．９１ｘ?＋?１Ｊ０９１?７?°?〇?ｙ?＝?０．１４ｘ?＋?０Ｊｌ??１?２?°?Ｒ：?＝?０．４８?ｉ〇Ａ?．?〇?Ｒ￣（Ｕ４??ｕ?＾??０????????＇?０??？?？?＇????０?０．５?１?１．５?２?０?０．５?１?１．５?２??ｍｔｃｉ?＼ｒｒｃｉ??图３－２
？?ｈ?Ｉ０＇４＇?〇〇〇．??Ｉ４＇?＾?Ｉ：?＾??５?，?°?ｙ＝?１４．２６Ｘ＋?１１．９８?２?〇?ｙ?＝?０．６３ｘ?－?０．０４??１?°?ＲＪ?＝?０．５９?－９?〇．ｉ?－?〇?Ｒ２?＝?０．５７??Ｉ?｜??０??１?＊?????０??＊????????－０．８?－０．６?－０．４?－０．２?０?０?０．２?０．４?０．６?０．８??ｍＮＤｂｔａｔ（４４５，７２０，７５８）?ＳＲ（４５１，５２１）??图３－５优选植被指数与单位面积叶绿素ａ＋ｂ含量（Ａ）、单位质量叶绿素ａ＋ｂ含量（Ｂ）、单位面积??类胡萝卜素含量（Ｃ）、单位质量类胡萝卜素含量（Ｄ）的最佳拟合模型??Ｆｉｇ．?３－５?Ｂｅｓｔ－ｆｉｔ?ｒｅｌａｔｉｏｎｓｈｉｐｓ?ｂｅｔｗｅｅｎ?ｏｐｔｉｍａｌ?Ｖｉｓ?ａｎｄ?ａｒｅａ－ｂａｓｅｄ?Ｃｈｉ?ａ＋ｂ?（Ａ），?ｍａｓｓ－ｂａｓｅｄ?Ｃｈｉ?ａ－ｆｂ??（Ｂ），?ａｒｅａ－ｂａｓｅｄ?Ｃａｒ?（Ｃ），?ｍａｓｓ－ｂａｓｅｄ?Ｃａｒ?（Ｄ）??表３－３基于已有和优化植被指数的最佳水稻单叶色素含量监测模型的检验效果??Ｔａｂｌｅ?３－３?Ｐｒｅｄｉｃｔｉｎｇ?ｐｅｒｆｏｒｍａｎｃｅ?ｆｏｒ?ｔｈｅ?ｒｅｌａｔｉｏｎｓｈｉｐｓ?ｂｅｔｗｅｅｎ?ｐｉｇｍｅｎｔ???ｃｏｎｔｅｎｔ?ａｎｄ?ｂｅｓｔ?ｖｅｇｅｔａｔｉｏｎ?ｉｎｄｉｃｅｓ?ｆｒｏｍ?ｐｕｂｌｉｓｈｅｄ?ａｎｄ?ｏｐｔｉｍａｌ?Ｖｉｓ???植被指数?色素参数?最佳指数?Ｒ２?ＲＥ?（％）??Ａｒｅａ－ｂａｓｅｄ?Ｃａｂ?ＭＴＣＩ（６８０，７１０，７５０）?０．６
【参考文献】：
期刊论文
[1]基于无人机载高光谱空间尺度优化的大豆育种产量估算[J]. 赵晓庆,杨贵军,刘建刚,张小燕,徐波,王艳杰,赵春江,盖钧镒. 农业工程学报. 2017(01)
[2]无人机遥感解析田间作物表型信息研究进展[J]. 刘建刚,赵春江,杨贵军,于海洋,赵晓庆,徐波,牛庆林. 农业工程学报. 2016(24)
[3]基于无人机高光谱影像的引黄灌区水稻叶片全氮含量估测[J]. 秦占飞,常庆瑞,谢宝妮,申健. 农业工程学报. 2016(23)
[4]基于无人机成像光谱仪数据的棉花叶绿素含量反演[J]. 田明璐,班松涛,常庆瑞,马文君,殷紫,王力. 农业机械学报. 2016(11)
[5]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]. 章曼,常庆瑞,张晓华,刘佳岐. 西北农业学报. 2015(11)
[6]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]. 刘桃菊,胡雯君,张笑东,江绍琳,唐建军,徐涛,陈美球. 激光生物学报. 2015(05)
[7]基于高光谱成像技术的脐橙叶片的叶绿素含量及其分布测量[J]. 刘燕德,邓清. 发光学报. 2015(08)
[8]基于高光谱成像技术的油菜叶片SPAD值检测[J]. 丁希斌,刘飞,张初,何勇. 光谱学与光谱分析. 2015(02)
[9]基于高光谱图像的黄瓜叶片叶绿素含量分布检测[J]. 邹小波,张小磊,石吉勇,李志华,申婷婷. 农业工程学报. 2014(13)
[10]基于PLSR方法的马铃薯叶片氮素含量机载高光谱遥感反演[J]. 李峰,Alchanatis Victor,赵红,赵玉金,崔晓飞. 中国农业气象. 2014(03)
博士论文
[1]基于机器学习和辐射传输模型的农作物叶绿素含量高光谱反演模型[D]. 吕杰.中国地质大学(北京) 2012
[2]基于高光谱成像技术的作物叶绿素信息诊断机理及方法研究[D]. 张东彦.浙江大学 2012
[3]中国水稻生产增长与政府管理研究[D]. 展进涛.南京农业大学 2009
[4]基于高光谱遥感的水稻氮素营养参数监测研究[D]. 田永超.南京农业大学 2008
[5]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
本文编号：3447041
【文章来源】：南京农业大学江苏省 211工程院校 教育部直属院校
【文章页数】：180 页
【学位级别】：博士
【部分图文】：
图２－５?ＳｐｅｃＶｉｅｗ软件界面??Ｆｉｇ．?２－５?Ｔｈｅ?ｉｎｔｅｒｆａｃｅｏｆ?ｔｈｅ?ＳｐｅｃＶｉｅｗ?ｓｏｆｔｗａｒｅ??
?第三章基于单叶成像的水稻叶片色素含量监测研究???由表３－１可知，ＣＩＲｅｄ胃ｅｄｇｅ、ＮＤ７Ｇ５、ＭＴＣＩ分别为三组植被指数系列（ＳＲ－ｌｉｋｅ、ｍＮＤ－ｌｉｋｅ、??ＳＩＰＩ－ｌｉｋｅ）中表现最好的指数。这三种指数与叶绿素ａ、ｂ、ａ＋ｂ及类胡萝卜素含量均??显著相关（尸＜０．００１）。此外，ＳＲ７Ｇ５、ｍＳＲ７（）５和Ｄａｔｔ指数与各色素含量也均显著相关。??总体比较而言，ＭＴＣＩ是表现最好的植被指数（图３－２），其与各色素含量的ｐ２变化范??围为?０．３６？０．７０?（Ｐ０．００１）。??６０「?４「??｜?Ａ?°?？?Ｂ??务４５?？?Ｉ３?■?。。??＾?＾?＞＝２６．４４５?＋?８．７０?１?ｙ＝?１．２６ｉ＋?０．８２??｜?１５?？?Ｒ＊?＝?０．６９?Ｉ?ｊ?．?Ｒ：?＝?０．５６??ｉ?Ｉ??Ｉ?２??０??＇?１???＇?０??？?????＊??０?０．５?１?１．５?２?〇?０．５?１?１．５?２??ＭＴＣ，??８?０．５??ｆ?Ｃ?〇?Ｄ??｜６?．?〇°?０?ｅ〇．４?．?〇??５?＾°?？?。务。??Ｉ?０?ｌ〇．３?■??ｒ?ｔ，．??５?°?ｖ?＝?２．９１ｘ?＋?１Ｊ０９１?７?°?〇?ｙ?＝?０．１４ｘ?＋?０Ｊｌ??１?２?°?Ｒ：?＝?０．４８?ｉ〇Ａ?．?〇?Ｒ￣（Ｕ４??ｕ?＾??０????????＇?０??？?？?＇????０?０．５?１?１．５?２?０?０．５?１?１．５?２??ｍｔｃｉ?＼ｒｒｃｉ??图３－２
？?ｈ?Ｉ０＇４＇?〇〇〇．??Ｉ４＇?＾?Ｉ：?＾??５?，?°?ｙ＝?１４．２６Ｘ＋?１１．９８?２?〇?ｙ?＝?０．６３ｘ?－?０．０４??１?°?ＲＪ?＝?０．５９?－９?〇．ｉ?－?〇?Ｒ２?＝?０．５７??Ｉ?｜??０??１?＊?????０??＊????????－０．８?－０．６?－０．４?－０．２?０?０?０．２?０．４?０．６?０．８??ｍＮＤｂｔａｔ（４４５，７２０，７５８）?ＳＲ（４５１，５２１）??图３－５优选植被指数与单位面积叶绿素ａ＋ｂ含量（Ａ）、单位质量叶绿素ａ＋ｂ含量（Ｂ）、单位面积??类胡萝卜素含量（Ｃ）、单位质量类胡萝卜素含量（Ｄ）的最佳拟合模型??Ｆｉｇ．?３－５?Ｂｅｓｔ－ｆｉｔ?ｒｅｌａｔｉｏｎｓｈｉｐｓ?ｂｅｔｗｅｅｎ?ｏｐｔｉｍａｌ?Ｖｉｓ?ａｎｄ?ａｒｅａ－ｂａｓｅｄ?Ｃｈｉ?ａ＋ｂ?（Ａ），?ｍａｓｓ－ｂａｓｅｄ?Ｃｈｉ?ａ－ｆｂ??（Ｂ），?ａｒｅａ－ｂａｓｅｄ?Ｃａｒ?（Ｃ），?ｍａｓｓ－ｂａｓｅｄ?Ｃａｒ?（Ｄ）??表３－３基于已有和优化植被指数的最佳水稻单叶色素含量监测模型的检验效果??Ｔａｂｌｅ?３－３?Ｐｒｅｄｉｃｔｉｎｇ?ｐｅｒｆｏｒｍａｎｃｅ?ｆｏｒ?ｔｈｅ?ｒｅｌａｔｉｏｎｓｈｉｐｓ?ｂｅｔｗｅｅｎ?ｐｉｇｍｅｎｔ???ｃｏｎｔｅｎｔ?ａｎｄ?ｂｅｓｔ?ｖｅｇｅｔａｔｉｏｎ?ｉｎｄｉｃｅｓ?ｆｒｏｍ?ｐｕｂｌｉｓｈｅｄ?ａｎｄ?ｏｐｔｉｍａｌ?Ｖｉｓ???植被指数?色素参数?最佳指数?Ｒ２?ＲＥ?（％）??Ａｒｅａ－ｂａｓｅｄ?Ｃａｂ?ＭＴＣＩ（６８０，７１０，７５０）?０．６
【参考文献】：
期刊论文
[1]基于无人机载高光谱空间尺度优化的大豆育种产量估算[J]. 赵晓庆,杨贵军,刘建刚,张小燕,徐波,王艳杰,赵春江,盖钧镒. 农业工程学报. 2017(01)
[2]无人机遥感解析田间作物表型信息研究进展[J]. 刘建刚,赵春江,杨贵军,于海洋,赵晓庆,徐波,牛庆林. 农业工程学报. 2016(24)
[3]基于无人机高光谱影像的引黄灌区水稻叶片全氮含量估测[J]. 秦占飞,常庆瑞,谢宝妮,申健. 农业工程学报. 2016(23)
[4]基于无人机成像光谱仪数据的棉花叶绿素含量反演[J]. 田明璐,班松涛,常庆瑞,马文君,殷紫,王力. 农业机械学报. 2016(11)
[5]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]. 章曼,常庆瑞,张晓华,刘佳岐. 西北农业学报. 2015(11)
[6]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]. 刘桃菊,胡雯君,张笑东,江绍琳,唐建军,徐涛,陈美球. 激光生物学报. 2015(05)
[7]基于高光谱成像技术的脐橙叶片的叶绿素含量及其分布测量[J]. 刘燕德,邓清. 发光学报. 2015(08)
[8]基于高光谱成像技术的油菜叶片SPAD值检测[J]. 丁希斌,刘飞,张初,何勇. 光谱学与光谱分析. 2015(02)
[9]基于高光谱图像的黄瓜叶片叶绿素含量分布检测[J]. 邹小波,张小磊,石吉勇,李志华,申婷婷. 农业工程学报. 2014(13)
[10]基于PLSR方法的马铃薯叶片氮素含量机载高光谱遥感反演[J]. 李峰,Alchanatis Victor,赵红,赵玉金,崔晓飞. 中国农业气象. 2014(03)
博士论文
[1]基于机器学习和辐射传输模型的农作物叶绿素含量高光谱反演模型[D]. 吕杰.中国地质大学(北京) 2012
[2]基于高光谱成像技术的作物叶绿素信息诊断机理及方法研究[D]. 张东彦.浙江大学 2012
[3]中国水稻生产增长与政府管理研究[D]. 展进涛.南京农业大学 2009
[4]基于高光谱遥感的水稻氮素营养参数监测研究[D]. 田永超.南京农业大学 2008
[5]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
本文编号：3447041
本文链接：https://www.wllwen.com/shoufeilunwen/nykjbs/3447041.html
