新梢旺长期苹果树冠层氮素营养状况的遥感反演

发布时间：2018-01-25 10:14

本文关键词： 新梢旺长期氮素含量 SPOT-5 遥感反演栖霞市　出处：《山东农业大学》2017年硕士论文　论文类型：学位论文

【摘要】：氮素(N)的快速诊断对作物精准管理和优质高效具有重要意义,而遥感技术以其观测范围广、时效快、信息丰富等优点,逐渐成为了作物营养快速诊断技术方法,使大面积营养状况诊断成为了可能。本研究以山东省烟台栖霞市为研究区,以新梢旺长期苹果树冠层为研究对象,基于SPOT-5卫星遥感影像,结合实测地面苹果树冠层高光谱数据、DEM高程模型数据,在软件ERDAS、ENVI 5.1、ARCGIS、DPS、LIBSVM的支持下,反演了苹果冠层反射率;构建了苹果冠层N素含量的敏感光谱指数,建立并筛选了苹果冠层N素含量反演模型;根据苹果冠层反演反射率进行研究区苹果园提取;结合所建的N素反演模型,对研究区苹果园N素含量进行了空间反演。主要研究结果如下:(1)进行了新梢旺长期苹果冠层反射率反演对苹果新梢旺长期的Spot-5遥感影像进行大气校正、正射校正和几何精校正等预处理,采用SCS+C模型对影像进行地形校正,明显减小了大气和地形的影响。利用线性模型进行混合像元分解,得到了苹果冠层的反演反射率。将反演的表观反射率与地表反射率进行比较分析。结果表明,进行地形辐射校正后,得阴影处影像反射率值在绿光、红光和近红外波段反射率以及植被指数得到补偿。将实验样区的实测苹果冠层的反演反射率与苹果表观反射率、苹果地表的反演反射率以及苹果冠层反演反射率进行比较,苹果冠层反演反射率更接近实测反射率;校正后各反演反射率与实测反射率的误差逐级降低;相比各波段误差,红光波段误差由137.222%下降至0.475%,其他波段误差均逐步减小。(2)构建并筛选了氮素敏感光谱指数利用苹果冠层反演反射率,构建了185种光谱指数,与苹果冠层N素含量状况进行相关性分析,筛选出了(R3+R4)*(R4-R3)、(R3/R4)/(R3-R4)、lnR4/(R4-R3)、(R4/R3)*(R3+R4)、R4-R3、(R4-R3)/eR4、R2-R3和R4/R2共8个相关性达到显著水平的指数为敏感指数,敏感指数主要由红光波段(0.61~0.68um)、近红外波段(0.78~0.89 um)和短波红外波段(1.58~1.78 um)构成。(3)构建了苹果冠层氮素含量反演模型及模型检验将筛选出的8个敏感指数为自变量,实测苹果冠层N素含量为因变量,建立逐步回归模型,最终筛选出x1(即(R3/R4)/(R3-R4))、x2(即lnR4/(R4-R3))、x3(即(R4/R3)/(R4+R3))、x4(即(R4-R3)/eR4)四个自变量,模型如下:y=-170.481+13.807*x1-21.448*x2+203.379*x3-235.571*x4,模型决定系数为0.361;以x1(即(R3+R4)*(R4-R3))、x2(即(R3/R4)/(R3-R4))、x3(即lnR4/(R4-R3))共3个达到极显著水平的敏感指数为自变量进行支持向量机建模,经多次训练确定SVM类型为4(4表示V-SVR),核函数类型为2(2表示RBF函数),模型的决定系数达0.785。(4)苹果园区的氮素营养状况的空间反演根据苹果冠层反演反射率,结合研究区样区实测冠层反演反射率、研究区DEM数据、坡度和坡向数据,以及研究区NDVI数据,进行研究区苹果园区信息提取,分类精度评估时精度达90.03%。利用支持向量机回归模型,进行研究区苹果园N素营养状况空间反演,获取研究区N素营养状况空间分布图,为苹果园高效管理提供宏观基础数据。在空间布局上,研究区果园N素含量显示以第1(2.6-2.9%)、2(2.9-3.2%)等级为主,以南部蛇窝泊镇和西北部苏家庄镇为典型;东北部以第1等级为主,西南部以第2等级居多;第4(3.5-3.8%)级零星散布。把样区反演等级与实测值对比分析,实测冠层N素等级与反演N素含量等级相同,表明该空间反演分布图对研究区苹果园宏观管理具有指导意义。
[Abstract]:Based on SPOT - 5 satellite remote sensing image , the inversion reflectivity of apple ' s crown layer was analyzed . The results showed that : ( 1 ) The inversion reflectivity of apple crown layer was compared with that of apple crown layer . The results showed that the inversion reflectivity of apple crown layer was lower than the measured reflectance . The error of the red band was reduced from 137.222 % to 0.475 % , and the other band errors were gradually decreased . ( 3 ) A stepwise regression model was established to determine the N content of the apple canopy . The model was selected as follows : y = - 170.481 + 13.807 * x1 - 21.448 * x2 + 203.379 * x3 - 235.571 * x4 , the model determination coefficient was 0.379 * x1 - 21.448 * x2 + 203.379 * x3 - 235.571 * x4 , the model was determined to be 4 ( 4 - denoted V - support ) , the kernel function type was 2 ( 2 ) RBF function ) , and the coefficient of the model was 0.785 . ( 4 ) The spatial inversion of N nutrient status in apple garden is based on the inversion reflectivity of apple canopy , and the spatial distribution map of N in the research area is analyzed by using the regression model of support vector machine . The spatial distribution map of N in the research area is mainly composed of the first rank , the second rank is the second grade , and the fourth ( 3.5 - 3.8 % ) level is the same , and it indicates that the spatial inversion distribution map has a guiding significance for the macro - management of apple orchard in the research area .

【学位授予单位】：山东农业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S661.1;S127

【参考文献】