基于非成像高光谱烟叶主要生化参数遥感估测模型研究

发布时间：2017-11-25 10:17

  本文关键词：基于非成像高光谱烟叶主要生化参数遥感估测模型研究

  更多相关文章： 高光谱 生化参数 烟碱 全氮 遥感估测

【摘要】：烟草是我国重要的经济作物之一,随着我国烟草行业十大科技工程的不断推进,先进的科学技术在烟草生产、科研中发挥了巨大的作用,在此过程中,烟叶的品质评价已经引起了烟草企业及科研院所的高度重视。一直以来,烟草化学成份是烟草化学家研究的主题,目前在烟叶中鉴定出的化学成分已超过3800种。因此,适时、准确地掌握烟叶中生化成份的含量,对于指导烟叶生产具有重要现实意义。本研究以贵州喀斯特山区、云南省陆良县大漠古乡为试验区,以贵州、云南两地主栽品种“南江3号”、“云烟97号”烟叶为研究对象,在田间试验设计基础上,采用Field Spec3便携式地物光谱仪,进行烟草叶片非离体状态下烟叶光谱反射率及对应叶片室内生化参数的测定,在对所测光谱数据进行预处理基础上,采用光谱特征提取技术提取不同变换的烟叶光谱特征;研究首先对烟草叶片各生化参数间、不同光谱变换与主要生化参数间的相关关系进行分析,筛选出光谱数据各变换形式下的敏感波段及高光谱特征变量作为自变量,以烟叶主要生化参数为因变量建立烟叶主要生化指标多元逐步回归估测模型;其次,利用主成分分析技术对各高光谱数据进行降维,提取包含原始信息较大的主分量作为自变量,建立基于偏最小二乘回归的烟叶主要生化参数高光谱遥感估测模型;研究最后将预处理后的高光谱数据,在Landsat 8卫星OLI传感器下进行重采样,提取出每个波段通道中所有波长反射率的平均值作为自变量,采用多元逐步回归、偏最小二乘法进行烟碱、氮含量估测模型的建立,对非成像高光谱与多光谱传感器的结合进行尝试性试验。论文主要研究结论如下:(1)本研究所测定的烟草叶片高光谱反射曲线符合正常绿色植被叶片典型高光谱特征;对其进行去除异常值、求平均、平滑等预处理后的光谱数据,更能代表烟叶光谱反射率的实际特征;(2)对烟叶光谱特征进行分析比较发现,不同烤烟类型的烟叶光谱反射率在可见光波段都较接近,在近红外波段表现为南江3号云烟97;同一烟株的上、中、下三个部位烟叶光谱反射率,随烟株的长势不同呈现不同的规律;同一烟叶不同叶位(基、中、尖)光谱反射率,因烟叶化学成分在空间分布的不均匀性表现出一定的差异,本研究中具体表现为基部中部尖部;同一烟草品种,不同生长时期的烟叶光谱特征表现为成熟期生长旺盛期;在外界条件(如光照、空气湿度等)一定的条件下,同片烟叶在一天不同时段的烟叶光谱反射率变化极小。(3)烟叶各主要生化参数间相关性研究表明:总糖与还原糖之间、烟碱含量与氯含量间、钾含量与氮含量间存在极显著相关。(4)烟碱含量、氮含量与各光谱数据变换间相关分析结果,提取出与其正、负相关性最强的光谱位置,利用多元逐步回归建立其高光谱估算模型,对各模型进行精度检验。结果表明:在所建立的烟碱含量、氮含量多元逐步回归模型中,经数一阶导数变换后的回归估测模型确定系数R2最大,分别为0.775、0.746,模型精度检验结果最好。基于高光谱特征变量的估测模型精度较为不理想,烟碱估测精度极差,氮含量估测模型确定系数为0.545。(5)将高光谱数据进行主成分提取,选取方差累积贡献率达到85%的主成分,进行各光谱变换的偏最小二乘回归模型的建立。结果表明,在所建立的估测模型中,基于对数一阶导数变换建立的烟碱含量、氮含量估测模型精度最高。(6)将预处理后的光谱反射率与Landsat8卫星OLI传感器滤波函数进行波谱匹配,提取出8个波段中所有波长反射率的平均值,将其与烟碱含量、氮含量进行相关分析,结果表明烟碱含量与Landsat8提取的各波段相关性差,未能建立其多元逐步回归模型,利用PLS建立的烟碱含量估测模型精度较差。基于多元逐步回归、PLS模型的氮含量估测模型精度较好,决定系数较为接近,为0.779、0.785。
【学位授予单位】：西南林业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S572;S127

【参考文献】

中国期刊全文数据库 前10条

1 付虎艳;靳涵丞;张洪亮;张军;潘高潮;舒清态;;贵州喀斯特山区烟叶高光谱参数与叶绿素含量的关系[J];烟草科技;2015年02期

2 付虎艳;张军;舒清态;;基于纹理特征的香格里拉县冷杉林郁闭度遥感估测研究[J];云南地理环境研究;2014年03期

3 房贤一;朱西存;王凌;赵庚星;;基于高光谱的苹果盛果期冠层叶绿素含量监测研究[J];中国农业科学;2013年16期

4 苏永士;苏富强;王海波;陈彦春;马京民;胡军;吉贵峰;乔红波;;不同施肥条件下烟草冠层光谱特征与叶绿素、叶面积指数的关系[J];中国烟草科学;2013年02期

5 余志虹;陈建军;吕永华;蔡一霞;谢晋;贺广生;邓世媛;李茂军;郭鸿雁;王维;;利用烟叶光谱植被指数快速监测烤烟成熟度[J];烟草科技;2013年02期

6 张正杨;马新明;贾方方;乔红波;张营武;;烟草叶面积指数的高光谱估算模型[J];生态学报;2012年01期

7 蔡天净;唐瀚;;Savitzky-Golay平滑滤波器的最小二乘拟合原理综述[J];数字通信;2011年01期

8 蒋金豹;陈云浩;黄文江;;利用高光谱红边与黄边位置距离识别小麦条锈病[J];光谱学与光谱分析;2010年06期

9 刘璇;林辉;臧卓;吴学明;;杉木叶绿素a含量与高光谱数据相关性分析[J];中南林业科技大学学报;2010年05期

10 贾方方;乔红波;熊淑萍;张正杨;马新明;;不同水分处理对烟草冠层高光谱参数和生理指标的影响[J];河南农业大学学报;2010年02期

中国博士学位论文全文数据库 前7条

1 臧卓;南方主要乔木树种高光谱数据降维组合分类算法研究[D];中南大学;2013年

2 姚付启;冬小麦高光谱特征及其生理生态参数估算模型研究[D];西北农林科技大学;2012年

3 张婷婷;基于PLS模型的农业土壤成分高光谱遥感反演研究[D];吉林大学;2010年

4 王渊;不同水平油菜氮素含量遥感信息提取方法研究[D];浙江大学;2008年

5 周萍;高光谱土壤成分信息的量化反演[D];中国地质大学（北京）;2006年

6 李佛琳;基于光谱的烟草生长与品质监测研究[D];南京农业大学;2006年

7 劳彩莲;基于蒙特卡罗光线跟踪方法的植物三维冠层辐射传输模型[D];中国农业大学;2005年

中国硕士学位论文全文数据库 前7条

1 李俊丽;不同氮素水平对烤烟高光谱特性及其生理生化指标的影响[D];河南农业大学;2013年

2 褚西鹏;基于叶片非成像高光谱数据树种分类[D];浙江农林大学;2012年

3 李永亮;杉木红边参数估算叶绿素含量模型研究[D];中南林业科技大学;2011年

4 程丽娟;矿区植被生化组分高光谱遥感定量反演[D];山东科技大学;2011年

5 孙丽娟;基于支持向量机的高光谱图像分类技术研究[D];哈尔滨工程大学;2011年

6 马勤建;基于高光谱植被指数的棉花冠层结构参数的估算研究[D];石河子大学;2008年

7 沈剑波;清香型与浓香型烤烟部分质量因素的比较[D];河南农业大学;2008年

，

本文编号：1225671