本文關鍵詞：基于高光譜遙感的玉米冠層參數及葉綠素估算模型研究

  更多相關文章： 高光譜遙感 春玉米 冠層結構參數 葉綠素

【摘要】：高光譜遙感具有光譜分辨率高、波段連續(xù)性強、光譜信息量大等特點。利用高光譜技術實時、快速監(jiān)測農作物的一些生長指標,能夠合理指導作物的田間管理,提高作物的的產量和品質,體現現代農業(yè)的發(fā)展要求。綜合運用高光譜探測及玉米生理生化測試技術,獲取不同密度下兩個不同品種的春玉米冠層不同時期(拔節(jié)期、小喇叭口期、大喇叭口期、抽雄期、開花期、灌漿期、乳熟期)的光譜特征反射參數以及玉米生長指標(葉面積指數、光合有效輻射分量、葉綠素含量、葉綠素a含量、葉綠素b含量、葉綠素密度),分析玉米冠層反射光譜特征,對高光譜原始反射率及變換形式、植被指數分別與玉米的各個生長指標進行相關分析,并建立兩者之間的預測方程,對玉米模型進行檢驗選出最佳預測模型。研究結果如下：1.玉米葉面積指數(LAI)的估算模型。851nm處的高光譜反射率一階導數(R′)建立的指數模型LAI=3.6944e769.27x(r=0.9385**)對LAI的模擬效果最好,模擬值與實測值的相關系數達到了0.01水平上的極顯著相關(r=0.8987**,RMSE=0.4400)。2.玉米光合有效輻射分量(FPAR)的估算模型。 (855,758)波段組合的歸-化植被指數(NDVI)建立的一元二次函數模型FPAR=-76.966x2+9.297x+0.6405(r=0.6686**)對FPAR的模擬效果最好,模擬值與實測值的相關系數達到了0.01水平上的極顯著相關(r=0.9045**,RMSE=0.0136).3.玉米葉綠素含量(Chl)的估算模型。 (997,759)波段組合的差值植被指數(SAVI)建立的一元二次函數模型Chl=91.93x2-17.363x+2.7406(r=0.7983**)對葉綠素含量的模擬效果最好,模擬值與實測值的相關系數達到了0.01水平上的極顯著相關(r=0.7543**,RMSE=0.3042).4.玉米葉綠素a含量(Chl.a)的估算模型。359nm處光譜原始反射率(R)建立的指數模型Chl.a=1.9665e-4.407x(r=0,6115**)對葉綠素a含量的模擬效果最好,模擬值與實測值的相關系數達到了0.01水平上的極顯著相關(r=0.6032**,RMSE=0.1527).5.玉米葉綠素b含量(Chl.b)的估算模型。(982,760)波段組合的歸一化植被指數(NDVI)建立的一元二次函數模型Chl.b=67.23x2-11.198x+0.778(r=0.8944**)對葉綠素b含量的模擬效果最好,模擬值與實測值的相關系數達到了0.01水平上的極顯著相關(r=0.7740**,RMSE=0.2382)。6.玉米葉綠素密度(Chl.d)的估算模型。(974,760)波段組合的土壤調節(jié)植被指數(SAVI)建立的一元二次函數模型Chl.d=11.055x2-5.2275x+0.7691(r=0.7127**)對葉綠素密度的模擬效果最好,模擬值與實測值的相關系數達到了0.01水平上的極顯著相關(r=0.6614**,RMSE=0.1570)。
【關鍵詞】：高光譜遙感 春玉米 冠層結構參數 葉綠素
【學位授予單位】：沈陽農業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：S513;S127
【目錄】：

• 摘要10-12
• Abstract12-14
• 第一章 引言14-22
• 1.1 高光譜遙感在農業(yè)中的應用研究進展14-19
• 1.1.1 高光譜遙感對作物生物物理指標的監(jiān)測15-16
• 1.1.2 高光譜遙感對作物營養(yǎng)指標的監(jiān)測16-17
• 1.1.3 高光譜遙感對作物葉綠素的監(jiān)測17-18
• 1.1.4 高光譜遙感對作物品質和災害的監(jiān)測18-19
• 1.2 高光譜遙感技術的應用展望19-20
• 1.3 研究的主要內容及意義20-22
• 1.3.1 研究的目的意義20
• 1.3.2 研究的主要內容20-21
• 1.3.3 研究的技術路線21-22
• 第二章 材料與方法22-25
• 2.1 試驗設計22
• 2.2 數據采集22-23
• 2.2.1 高光譜數據的采集22
• 2.2.2 LAI和FPAR數據的采集22-23
• 2.2.3 葉綠素提取方法23
• 2.3 數據處理23-25
• 第三章 結果與分析25-62
• 3.1 玉米冠層反射光譜隨生育時期的變化規(guī)律25-26
• 3.2 LAI的高光譜遙感模型26-32
• 3.2.1 LAI隨生育時期的變化特征26-27
• 3.2.2 LAI與原始光譜反射率及其變換形式的估算模型研究27-30
• 3.2.3 LAI與植被指數的估算模型研究30-32
• 3.2.4 小結32
• 3.3 FPAR的高光譜遙感模型32-38
• 3.3.1 FPAR隨生育時期的變化特征32-33
• 3.3.2 FPAR與原始光譜反射率及其變換形式的估算模型研究33-36
• 3.3.3 FPAR與植被指數的高光譜估算模型研究36-37
• 3.3.4 小結37-38
• 3.4 葉綠素含量高光譜遙感估算模型38-44
• 3.4.1 葉綠素含量隨生育時期的變化特征38-39
• 3.4.2 葉綠素含量與原始光譜反射率及其變換形式的估算模型研究39-42
• 3.4.3 葉綠素含量與植被指數的高光譜估算模型研究42-44
• 3.4.4 小結44
• 3.5 葉綠素a含量高光譜遙感估算模型44-49
• 3.5.1 葉綠素a含量隨生育時期的變化特征44-45
• 3.5.2 葉綠素a含量與原始光譜反射率及其變換形式的估算模型研究45-48
• 3.5.3 葉綠素a含量與植被指數的估算模型研究48-49
• 3.5.4 小結49
• 3.6 葉綠素b含量高光譜遙感估算模型49-55
• 3.6.1 葉綠素b含量隨生育時期的變化特征49-50
• 3.6.2 葉綠素b含量與原始光譜反射率及其變換形式的估算模型研究50-53
• 3.6.3 葉綠素b含量與植被指數的高光譜估算模型研究53-54
• 3.6.4 小結54-55
• 3.7 葉綠素密度高光譜遙感估算模型55-62
• 3.7.1 葉綠素密度隨生育時期的變化特征55-56
• 3.7.2 葉綠素密度與原始光譜反射率及其變換形式的估算模型研究56-59
• 3.7.3 葉綠素密度與植被指數的高光譜估算模型研究59-60
• 3.7.4 小結60-62
• 第四章 結論與討論62-65
• 4.1 結論62-63
• 4.2 討論63-65
• 參考文獻65-70
• 致謝70-72
• 攻讀學位論文期間發(fā)表文章72

【相似文獻】

中國期刊全文數據庫 前10條

1 徐新剛;吳炳方;蒙繼華;李強子;黃文江;劉良云;王紀華;;農作物單產遙感估算模型研究進展[J];農業(yè)工程學報;2008年02期

2 張正斌;作物水分利用效率和蒸發(fā)蒸騰估算模型的研究進展[J];干旱地區(qū)農業(yè)研究;1997年01期

3 楊曦光;范文義;于穎;;森林葉綠素含量的高光譜遙感估算模型的建立[J];森林工程;2010年02期

4 姚付啟;張振華;楊潤亞;孫金偉;崔素芳;;基于紅邊參數的植被葉綠素含量高光譜估算模型[J];農業(yè)工程學報;2009年S2期

5 吳國金;許鐘;楊憲時;郭全友;李學英;;冰鮮魚貯運過程中耗冰量估算模型的建立與驗證[J];中國水產科學;2010年06期

6 徐永明;藺啟忠;王璐;黃秀華;;基于高分辨率反射光譜的土壤營養(yǎng)元素估算模型[J];土壤學報;2006年05期

7 程乾;;基于MOD09產品的水稻葉面積指數和葉綠素含量的遙感估算模型[J];應用生態(tài)學報;2006年08期

8 張永賀;陳文惠;郭喬影;張清林;;桉樹葉片光合色素含量高光譜估算模型[J];生態(tài)學報;2013年03期

9 李鳳濤;魯欣欣;王珍珍;楊錦忠;;基于多光譜特征的玉米生物參量估算模型[J];青島農業(yè)大學學報(自然科學版);2014年03期

10 ;[J];;年期

中國重要會議論文全文數據庫 前1條

1 陳朝斌;;鐵礦石經濟評價模型建立的探討[A];2012年全國煉鐵生產技術會議暨煉鐵學術年會文集（下）[C];2012年

中國博士學位論文全文數據庫 前1條

1 程志慶;基于高光譜信息的楊樹人工林生產力遙感估算模型的研究[D];中國林業(yè)科學研究院;2015年

中國碩士學位論文全文數據庫 前10條

1 張小萍;黃土高原溝壑區(qū)太陽輻射時空分布特征及估算模型研究[D];西北農林科技大學;2015年

2 柳燁;參考作物蒸發(fā)蒸騰量的少因子估算模型研究[D];西北農林科技大學;2016年

3 王靜;基于衛(wèi)星遙感的長三角主要城市PM2.5估算[D];華東師范大學;2016年

4 劉桂鵬;基于高光譜遙感的玉米冠層參數及葉綠素估算模型研究[D];沈陽農業(yè)大學;2016年

5 賀婷;玉米氮素營養(yǎng)監(jiān)測的高光譜遙感估算模型研究[D];沈陽農業(yè)大學;2016年

6 程博;面向敏捷開發(fā)項目的工作量估算模型的研究與應用[D];北京工業(yè)大學;2012年

7 馬劍;軟件開發(fā)工作量估算模型研究及其在項目管理中的應用[D];華北電力大學;2012年

8 賀軍亮;基于有機質光譜診斷指數的土壤重金屬含量估算模型研究[D];南京師范大學;2007年

9 劉飛鴻;衛(wèi)星對地偵察威脅估算模型研究[D];西安工業(yè)大學;2014年

10 周毅軍;濕地植物葉片重金屬含量高光譜遙感估算模型研究[D];福建師范大學;2014年

，

本文編號：645468