锡林郭勒盟典型草原枯草高光谱生物量估算方法研究

发布时间：2019-03-12 17:19

【摘要】：温带地区干旱半干旱环境下,草原上牧草生物量研究成为进行农业发展规划、生态环境评估、相关产业发展的重要技术保证,分析植被生物量主要是利用生长期植被的叶面光谱反射率,这是采用传统的方法来进行研究。比如利用稻草光谱研究建立的逐级模型,第一步测量计算水稻生长期叶面积指数,用高光谱遥感图像建立测试模型;第二步,在此前基础上利用逐级回归技术拟建LAI的测量模型,从而建立出水稻LAI光谱测量的最恰当模型;还有通过高光谱遥感技术,运用红边、光谱吸收特征测量手段来衡量小麦含氮量,获得了非常理想的结论;再有在研究水稻高光谱及红边特征中发现水稻上层反射光谱红边参数和鲜叶指数、叶面积指数、干叶指数中间有千丝万缕的联系。逐步回归分析方法的优势是不繁复,好操作,在相对可控的情况下,在实验室中得出的数据资料运用方法时,还可以获得理想的效果。它是遴选出反射率光谱或其他变异形式——“对数计算光谱、微分计算光谱、导数计算光谱”等,和另一种生物的“物理或化学生物参量关系紧密的若干个波段建立相关统计回归方程;然后利用该方程对未知样本的参量进行预测,估算精度。”然而野外条件诸多因素影响,比如“受大气、冠层几何条件、冠层结构、土壤背景”等,该方法构建的回归方程就凸显了它的局限性,也就是说使用的数据与波段有很大的相关性,因人而异,探究者不同,波段选择差异就很大,有些甚至遴选出的波段与实验变量间没有直接关联性,或间接关联性。本文是利用光谱吸收起伏的参数化,拟建相关的方程,并且用SPSS软件程序对实验采集的数据进行统计学的分析。使用单因素方差分析(ANO—VA)对各变量间的差异显著性进行统计检验,再利用一元性回归方法和多元线性回归方法应用到光谱的峰谷特点上,找出与陆地植物生物量的关联性进行分析;(1)分析枯草和土壤的光谱反射率特征值,并建立光谱指数。通过实地采样和用高光谱辐射计进行地面试验,获取枯草的特征参量和枯草、背景土壤的光谱数据,并应用光谱分析方法进行光谱特征分析,确定枯草和背景土壤的有差异的特征值波段,建立光谱指数。(2)基于主成分分析方法,建立枯草特征参数(承载量、含水率和覆盖度)和光谱指数的相关模型及精度检验通过实地调查和室内试验获取枯草的特征参数,即单位面积上的承载量、平衡含水率和覆盖度等,并与枯草的光谱指数进行相关分析,得出两者的相关性等统计量,再建立回归统计模型,并进行精度检验。(3)利用小波变换对高光谱反射率数据进行信号分解,结合小波信号能量在各尺度上的分布特征,以实现高光谱数据降维。采用高光谱数据反演枯草特征参数及验证。输入到已建立好的回归模型,进行枯草特征参量反演,用跟影像数据同时采集的地面样点数据进行精度检验。实验得出,9个小波能量系数(分别对应8个细节系数和一个近似系数)与枯草生物量间的拟合方程中,第四、第六、第七小波能量系数与生物量的相关系数最高,均在0.6以上;主成分分析得出1300-2500nm波段前4主成分信息量最大,与生物量相关性也最高;一般高光谱特征参数提取获得,SDinr/SDb、D、(D-H)/(D+H)、D/H、(SDinr-SDr)/(SDinr+SDr)与枯草生物量的相关系数值较大(0.6),均通过了极显著性检验水平(P0.01),其中近红外平台一阶微分的总和(SDinr)与蓝边内一阶微分的总和(SDb)的比值SDinr/SDb的相关系数值最大,为0.692。主成分分析法比较其他方法,在研究枯草生物量方面有较好的相关性分析结果。
[Abstract]:......
【学位授予单位】：内蒙古师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S812

【相似文献】

相关期刊论文 前10条

1 朱荣光;姚雪东;高广娣;唐明翔;卢士玲;马本学;;不同储存时间和取样部位牛肉颜色的高光谱图像检测[J];农业机械学报;2013年07期

2 赵杰文;刘剑华;陈全胜;Saritporn Vittayapadung;;利用高光谱图像技术检测水果轻微损伤[J];农业机械学报;2008年01期

3 吴瑞梅;吴彦红;艾施荣;刘木华;赵杰文;严霖元;;茶叶外形品质的高光谱图像量化分析[J];江西农业大学学报;2013年02期

4 艾施荣;吴瑞梅;吴彦红;严霖元;;利用高光谱图像技术鉴别庐山云雾茶产地[J];江西农业大学学报;2014年02期

5 徐爽;何建国;易东;贺晓光;;基于高光谱图像技术的长枣糖度无损检测[J];食品与机械;2012年06期

6 刘木华,赵杰文,郑建鸿,吴瑞梅;农畜产品品质无损检测中高光谱图像技术的应用进展[J];农业机械学报;2005年09期

7 程国首;郭俊先;肉孜·阿木提;饶秀勤;亢银霞;石砦;;基于高光谱图像技术预测苹果大小[J];农机化研究;2012年06期

8 苏文浩;何建国;刘贵珊;王松磊;贺晓光;吴龙国;;近红外高光谱图像技术在马铃薯外部缺陷检测中的应用[J];食品与机械;2013年05期

9 陈树人;邹华东;吴瑞梅;闫润;毛罕平;;基于高光谱图像技术的稻田苗期杂草稻识别[J];农业机械学报;2013年05期

10 韩小珍;辛世华;王松磊;何建国;;高光谱在农产品无损检测中的应用展望[J];宁夏工程技术;2013年04期

相关会议论文 前10条

1 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年

2 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

3 王成;何伟基;陈钱;;基于波段重组和小波变换的高光谱图像嵌入式压缩方法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

4 孙蕾;罗建书;;基于分类预测的高光谱遥感图像无损压缩[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

5 杨勇;刘木华;邹小莲;苗蓬勃;赵珍珍;;基于高光谱图像技术的猕猴桃硬度品质检测[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集（下册）[C];2008年

6 张晓红;张立福;王晋年;童庆禧;;HJ-1A卫星高光谱遥感图像质量综合评价[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

7 高东生;高连知;;基于独立分量分析的高光谱图像目标盲探测方法研究[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

8 冯维一;陈钱;何伟基;;基于小波稀疏的高光谱目标探测算法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

9 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年

10 蒲晓丰;雷武虎;黄涛;王迪;;基于稳健背景子空间的高光谱图像异常检测[A];中国光学学会2010年光学大会论文集[C];2010年

相关博士学位论文 前10条

1 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年

2 王亮亮;非线性流形结构在高光谱图像异常检测中的应用研究[D];国防科学技术大学;2014年

3 贺霖;高光谱图像自动目标检测技术研究[D];西北工业大学;2007年

4 周爽;蚁群算法在高光谱图像降维和分类中的应用研究[D];哈尔滨工业大学;2010年

5 陈雨时;基于光谱特性的高光谱图像压缩方法研究[D];哈尔滨工业大学;2007年

6 石吉勇;基于高光谱图像技术的设施栽培作物营养元素亏缺诊断研究[D];江苏大学;2012年

7 成宝芝;基于光谱特性的高光谱图像异常目标检测算法研究[D];哈尔滨工程大学;2012年

8 肖光润;基于函数型数据分析的高光谱图像分类研究[D];华中科技大学;2014年

9 许毅平;基于高光谱图像多特征分析的目标提取研究[D];华中科技大学;2008年

10 高恒振;高光谱遥感图像分类技术研究[D];国防科学技术大学;2011年

相关硕士学位论文 前10条

1 丰烁;高光谱图像波段选取问题的改进算法研究[D];昆明理工大学;2015年

2 赵伟彦;果蔬干燥过程中的品质无损检测技术研究[D];江南大学;2015年

3 马亚楠;果蔬中内部害虫的高光谱图像检测技术研究[D];江南大学;2015年

4 刘大洋;基于近红外光谱和高光谱图像技术无损识别猕猴桃膨大果[D];西北农林科技大学;2015年

5 王坤;高光谱图像异常目标检测及光谱成像在伪装评估方面的应用研究[D];南京理工大学;2015年

6 王启聪;高光谱图像分类的GPU并行优化研究[D];南京理工大学;2015年

7 程凯;无先验信息的高光谱图像小目标检测算法研究[D];苏州大学;2015年

8 李秩期;基于高光谱及多信息融合的马铃薯外部缺陷无损检测研究[D];宁夏大学;2015年

9 王健;基于高光谱图像的马铃薯形状及重量分类识别建模研究[D];宁夏大学;2015年

10 吴蓓芬;偏振高光谱图像场景仿真及分类方法研究[D];哈尔滨工业大学;2015年

，

本文编号：2438998