基于高光谱数据的棉花生长信息模型模拟研究

发布时间：2017-05-04 13:04

  本文关键词：基于高光谱数据的棉花生长信息模型模拟研究，，由笔耕文化传播整理发布。

【摘要】：利用高光谱遥感获得的高光谱数据具有连续性强、信息量大的特点,对提高作物生长信息的监测能力具有重要作用。本研究设置了不同养分水平下的棉花小区试验,形成不同长势状况的棉花小区,利用便携式光谱仪测定棉花不同生育时期的冠层光谱,并同时测定能够反映棉花生长信息的部分农学参数,另外本研究对棉花不同生育期单叶的光谱反射率与对应的花青素、叶绿素含量进行了测定,根据棉花冠层光谱以及单叶光谱反射率的变化特性,本文选取了27个光谱特征变量,同时提取了农学参数的敏感波段变量。敏感波段包括两类,一类是基于农学参数与原始光谱的分析而得出,另一类是基于农学参数与一阶微分光谱的分析而得出。分析上述变量与农学参数之间的相关性,选取出相关性较强的变量,建立农学参数的单一变量的线性与非线性回归方程,同时评价了所建立模型中确定系数较高的模型的准确性,进而确定反演棉花生长信息最优的定量模型,取得如下成果:1.单叶光谱信息在室内采集,外界环境因素对其影响相对较小。因此,所建立的单叶叶绿素含量、花青素含量估测模型精度整体上高于冠层叶片叶绿素含量、花青素含量的估算模型精度。冠层叶片花青素含量在花铃期进行估测最优,其余分析结果显示基于整个生育的数据对棉花生长信息参数估测效果最佳。2.所建立的单叶、冠层叶片叶绿素含量的估测模型中,均是以一阶微分光谱敏感波段为自变量建立的模型最优。以DR757为自变量建立的单叶叶绿素含量单变量线性估测模型确定系数为0.8656**,估测精度达到97.06%。冠层叶片叶绿素含量的回归预测模型以DR753为自变量建立的一元二次曲线方程确定系数最高,为0.4488**,但在精度检验过程中发现该模型估测精度低于以R709为变量的一元二次曲线模型的估测精度,两模型相对误差分别为11.6%、6.55%,且以DR753为变量的方程求得的预测值与实测值之间的相关性系数相对较低,因此,该估测模型是否为最优模型有待进一步研究。3.单叶叶片花青素含量最优预测模型是以DR755为自变量的一元二次曲线的回归方程,RMSE=0.28,估测精度为97.44%,用该方程求得的估算值与实测值的相关系系数为0.84**。冠层叶片花青素含量的预测模型以花铃期时光谱提取变量(Rg-Rr)/(Rg+Rr)为自变量建立的一元二次回归模型最优,估测精度能够达到88.45%,RMSE=1.43。4.在分生育期分析时,棉花叶面积指数、地上部分生物量、叶片含水量、植株含水量与27个光谱特征变量相关性不强,甚至在部分生育期内无光谱提取变量与这些农学参数的相关性达到显著水平。全生育时期进行分析时,与叶面积指数、地上部分鲜生物量、地上部分干生物量、叶片含水量、植株含水量相关性较高的特征变量分别为SDr/SDb、SDr/SDy、SDr/SDy、(SDr-SDb)/(SDr+SDb)、红边位置λr,相关性系数分别为0.601、0.637、0.648、-0.685、-0.577,均达到极显著水平。这些参数与敏感波段变量均具有较好的相关性,且与一阶微分光谱敏感波段相关性相对较高。利用精度检验,在所建的模型中筛选出最优的估测模型,结果显示,以变量DR742为自变量的一元线性模型能够较好的估测棉花叶面积指数,估测精度为73.73%,以变量SDr/SDy为单一变量的幂函数模型能够对棉花地上部分鲜、干生物量进行估测,估测精度分别为94.81%、95.3%,以DR537、DR1408分别为单一变量的一元二次曲线回归模型可以对棉花叶片含水量与植株含水量进行估测,精度分别为97.65%、97.37%。
【关键词】：棉花 高光谱特征变量 敏感波段 生长信息参数 估算模型
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S562;S127
【目录】：

• 摘要6-8
• ABSTRACT8-12
• 第一章 绪论12-22
• 1.1 研究目的意义12-13
• 1.2 国内外研究进展13-18
• 1.2.1 高光谱数据与叶绿素的关系研究13-14
• 1.2.2 高光谱数据与花青素的关系研究14
• 1.2.3 高光谱数据与叶面积指数的关系研究14-15
• 1.2.4 高光谱数据与生物量的关系研究15-17
• 1.2.5 高光谱数据与含水量的关系研究17-18
• 1.3 高光谱数据处理分析方法的研究18-20
• 1.4 研究内容与技术路线20-22
• 1.4.1 研究内容20-21
• 1.4.2 技术路线21-22
• 第二章 试验设计与分析方法22-28
• 2.1 研究区概况22
• 2.2 试验设计22-23
• 2.3 光谱及农学参数测定23-24
• 2.3.1 高光谱数据测定23
• 2.3.2 农学参数测定23-24
• 2.4 光谱变量的选取24-25
• 2.5 模型的选取及精度检验方法25-27
• 2.6 数据处理27-28
• 第三章 棉花生长信息监测指标的高光谱估算模型28-52
• 3.1 基于高光谱数据的叶绿素遥感反演28-34
• 3.1.1 叶绿素含量与光谱特征参量的相关分析28-31
• 3.1.2 叶绿素含量与敏感波段的相关分析31-34
• 3.2 基于高光谱数据的花青素遥感反演34-39
• 3.2.1 花青素含量与光谱特征参量的相关分析34-37
• 3.2.2 花青素含量与敏感波段的相关分析37-39
• 3.3 基于高光谱数据的叶面积指数遥感反演39-41
• 3.3.1 叶面积指数与光谱特征参量的相关分析39-40
• 3.3.2 叶面积指数与敏感波段的相关分析40-41
• 3.4 基于高光谱数据的生物量遥感反演41-46
• 3.4.1 生物量与光谱特征参量的相关分析41-44
• 3.4.2 生物量与敏感波段的相关分析44-46
• 3.5 基于高光谱数据的含水量遥感反演46-52
• 3.5.1 含水量与光谱特征参量的相关分析46-49
• 3.5.2 含水量与敏感波段的相关分析49-52
• 第四章 棉花生长信息监测指标的高光谱估算模型精度分析52-61
• 4.1 叶绿素含量估算模型精度分析52-54
• 4.2 花青素含量估算模型精度分析54-55
• 4.3 叶面积指数估算模型精度分析55-56
• 4.4 生物量估算模型精度分析56-58
• 4.5 含水量估算模型精度分析58-61
• 第五章 结论与展望61-64
• 5.1 研究结论61-62
• 5.2 展望62-64
• 参考文献64-68
• 致谢68-69
• 作者简介69

【参考文献】

中国期刊全文数据库 前10条

1 田庆久,闵祥军;植被指数研究进展[J];地球科学进展;1998年04期

2 孟卓强;胡春胜;程一松;;高光谱数据与冬小麦叶绿素密度的相关性研究[J];干旱地区农业研究;2007年06期

3 艾天成,李方敏,周治安,张敏,吴海荣;作物叶片叶绿素含量与SPAD值相关性研究[J];湖北农学院学报;2000年01期

4 孙莉;陈曦;武建军;冯先伟;包安明;马亚琴;王登伟;;水分胁迫下棉花冠层叶片高光谱数据生物量变化研究[J];科学通报;2006年S1期

5 马勤建;王登伟;黄春燕;袁杰;陈燕;赵鹏举;;棉花叶面积指数和地上干物质积累量的高光谱估算模型研究[J];棉花学报;2008年03期

6 朱新开,盛海君,顾晶,张容,李春燕;应用SPAD值预测小麦叶片叶绿素和氮含量的初步研究[J];麦类作物学报;2005年02期

7 靳彦华;熊黑钢;张芳;王莉峰;;不同地类春小麦叶片叶绿素含量高光谱植被指数估算模型研究[J];麦类作物学报;2013年05期

8 杨吉龙,李家存,杨德明;高光谱分辨率遥感在植被监测中的应用综述[J];世界地质;2001年03期

9 陈燕;黄春燕;王登伟;祁亚琴;袁杰;马勤建;;北疆棉花叶绿素密度的高光谱估算研究[J];新疆农业科学;2006年06期

10 王秀珍,黄敬峰,李云梅,王人潮;水稻叶面积指数的高光谱遥感估算模型[J];遥感学报;2004年01期

  本文关键词：基于高光谱数据的棉花生长信息模型模拟研究，由笔耕文化传播整理发布。

本文编号：345101