發(fā)布時(shí)間：2022-02-14 10:01

　　棉花是我國(guó)主要的經(jīng)濟(jì)作物之一,是紡織和精細(xì)化工原料,也是重要的戰(zhàn)略物資。渭北旱塬區(qū)生態(tài)環(huán)境脆弱,水資源匱乏且時(shí)空分布不均,土壤肥力不高,需要改變傳統(tǒng)的農(nóng)業(yè)生產(chǎn)模式,實(shí)施精準(zhǔn)農(nóng)業(yè)生產(chǎn)管理,提高農(nóng)業(yè)生產(chǎn)效率同時(shí)保護(hù)當(dāng)?shù)厣鷳B(tài)環(huán)境。應(yīng)用高光譜遙感建立作物的農(nóng)學(xué)參數(shù)反演模型可以實(shí)現(xiàn)對(duì)作物生長(zhǎng)狀況的動(dòng)態(tài)監(jiān)測(cè),從而為精準(zhǔn)農(nóng)業(yè)的實(shí)施提供依據(jù)。本研究以渭北旱塬區(qū)棉花為研究對(duì)象,通過(guò)田間試驗(yàn)獲取地面和無(wú)人機(jī)尺度棉花冠層高光譜數(shù)據(jù)和各項(xiàng)農(nóng)學(xué)參數(shù)。研究棉花各項(xiàng)農(nóng)學(xué)參數(shù)的高光譜特征;各項(xiàng)農(nóng)學(xué)參數(shù)與冠層光譜反射率和一階導(dǎo)數(shù)光譜的相關(guān)性;植被指數(shù)與棉花農(nóng)學(xué)參數(shù)的相關(guān)性�；谥脖恢笖�(shù)通過(guò)單因素回歸、多元逐步回歸和SVM回歸方法構(gòu)建各生育期的棉花農(nóng)學(xué)參數(shù)估算模型,并對(duì)各估算模型進(jìn)行精度比較,得到棉花各項(xiàng)農(nóng)學(xué)參數(shù)的最佳估算模型。最后利用得到的農(nóng)學(xué)參數(shù)最佳估算模型對(duì)近地?zé)o人機(jī)影像進(jìn)行棉花農(nóng)學(xué)參數(shù)遙感反演。主要研究結(jié)果如下:（1）棉花葉綠素含量隨生育期的推進(jìn)出現(xiàn)先升高后降低的趨勢(shì),從苗期到花鈴期葉綠素含量不斷升高,從花鈴期到吐絮期葉綠素含量降低。不同葉綠素含量的棉花冠層光譜反射率,在可見(jiàn)光波段,隨著冠層SPAD值的升高而降低... 

【文章來(lái)源】：西北農(nóng)林科技大學(xué)陜西省211工程院校985工程院校教育部直屬院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

乾縣棉花種植試驗(yàn)區(qū)Figure2-1ExperimentalfieldofcottoninQianxian

圖 3-1 不同生育期棉花冠層光譜反射率Fig. 3-1 Spectral reflectance of cotton canopy in different growth stages.2 不同生育期棉花冠層光譜紅邊特征圖 3-2 是不同生育期棉花冠層光譜紅邊特征曲線(xiàn)圖，呈現(xiàn)出了一定的規(guī)律性。由圖 可知，隨著棉花的不斷生長(zhǎng)，從苗期到花鈴期，冠層葉片葉綠素不斷增加，植株更盛，紅邊位置不斷向長(zhǎng)波方向移動(dòng)，出現(xiàn)明顯的“紅移”現(xiàn)象。從花鈴期到吐絮期，葉片葉綠素含量趨于穩(wěn)定，兩生育期紅邊曲線(xiàn)基本重合，并有向短波方向移動(dòng)的趨稱(chēng)為“藍(lán)移”現(xiàn)象。

第四章 棉花葉綠素含量高光譜估算 E 降低 3.64%，RE 降低 5.44%；SPAD-SVMa模型較SPAD-MSR模型R2提高10.6E 降低 26.97%,，RE 降低 29.16%；SPAD-SVMb模型的 R2較 SPAD-SVMa模型%，RMSE 降低 24.79%，RE 降低 23.14%。從上述數(shù)據(jù)分析可以看出，多元逐步回歸模型 R2明顯高于單因素回歸模型E 和 RE 較低，說(shuō)明多元逐步回歸模型的預(yù)測(cè)精度明顯高于單植被指數(shù)回歸模相同植被指數(shù)建模的 SVM 模型較多元逐步回歸模型 R2有小幅提升，RMSE 顯降低，說(shuō)明 SVM 模型預(yù)測(cè)數(shù)據(jù)的離散程度較低，相對(duì)誤差較小，因此預(yù)測(cè)于多元逐步回歸模型。SVM 模型中 SPAD-SVMb模型較 SPAD-SVMa模型 R升，RMSE 和 RE 有明顯降低，說(shuō)明 SPAD-SVMb模型預(yù)測(cè)數(shù)據(jù)的離散程度較誤差較小，因此預(yù)測(cè)精度要優(yōu)于 SPAD-SVMa模型。 近地?zé)o人機(jī)影像棉花葉綠素含量遙感反演

【參考文獻(xiàn)】：
期刊論文
[1]高光譜遙感技術(shù)在農(nóng)作物監(jiān)測(cè)中的應(yīng)用[J]. 王利龍,呂航.  科技創(chuàng)新與應(yīng)用. 2018(01)
[2]高光譜技術(shù)在農(nóng)業(yè)遙感中的應(yīng)用研究進(jìn)展[J]. 茅恒昌.  南方農(nóng)機(jī). 2017(22)
[3]逐步回歸分析法及其應(yīng)用[J]. 游士兵,嚴(yán)研.  統(tǒng)計(jì)與決策. 2017(14)
[4]高光譜遙感水文地質(zhì)應(yīng)用新進(jìn)展[J]. 段瑞琪,董艷輝,周鵬鵬,王禮恒,符韻梅,趙少樺.  水文地質(zhì)工程地質(zhì). 2017(04)
[5]基于高光譜遙感的棉花葉片葉綠素含量估算[J]. 王爍,常慶瑞,劉夢(mèng)云,嚴(yán)林,李媛媛,劉秀英.  中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào). 2017(04)
[6]不同光譜植被指數(shù)反演冬小麥葉氮含量的敏感性研究[J]. 張瀟元,張立福,張霞,王樹(shù)東,田靜國(guó),翟涌光.  中國(guó)農(nóng)業(yè)科學(xué). 2017(03)
[7]基于無(wú)人機(jī)高光譜遙感的冬小麥葉面積指數(shù)反演[J]. 高林,楊貴軍,于海洋,徐波,趙曉慶,董錦繪,馬亞斌.  農(nóng)業(yè)工程學(xué)報(bào). 2016(22)
[8]基于低空無(wú)人機(jī)成像光譜儀影像估算棉花葉面積指數(shù)[J]. 田明璐,班松濤,常慶瑞,由明明,羅丹,王力,王爍.  農(nóng)業(yè)工程學(xué)報(bào). 2016(21)
[9]農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革與科技創(chuàng)新[J]. 劉蓉蓉,徐志宇.  農(nóng)業(yè)科技管理. 2016(05)
[10]基于SVR算法的蘋(píng)果葉片葉綠素含量高光譜反演[J]. 劉京,常慶瑞,劉淼,殷紫,馬文君.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2016(08)

博士論文
[1]西北地區(qū)冬小麥生長(zhǎng)狀況高光譜遙感監(jiān)測(cè)研究[D]. 田明璐.西北農(nóng)林科技大學(xué) 2017
[2]玉米生理參數(shù)及農(nóng)田土壤信息高光譜監(jiān)測(cè)模型研究[D]. 劉秀英.西北農(nóng)林科技大學(xué) 2016

碩士論文
[1]油菜的高光譜特征及其生理參數(shù)估算模型研究[D]. 孫勃巖.西北農(nóng)林科技大學(xué) 2017
[2]基于高光譜數(shù)據(jù)的棉花生長(zhǎng)信息模型模擬研究[D]. 楚萬(wàn)林.西北農(nóng)林科技大學(xué) 2015
[3]基于高光譜數(shù)據(jù)的農(nóng)作物冠層LAI和FAPAR估算研究[D]. 巴家亮.華中農(nóng)業(yè)大學(xué) 2013
[4]遙感植被指數(shù)分析及應(yīng)用研究[D]. 傅銀貞.福州大學(xué) 2010
[5]基于高光譜植被指數(shù)的棉花冠層結(jié)構(gòu)參數(shù)的估算研究[D]. 馬勤建.石河子大學(xué) 2008



本文編號(hào)：3624345