本文關(guān)鍵詞：玉米氮素營(yíng)養(yǎng)監(jiān)測(cè)的高光譜遙感估算模型研究

  更多相關(guān)文章： 玉米 氮素含量 高光譜 葉鞘莖 估算模型

【摘要】：研究以玉米為試驗(yàn)材料,通過2年大田試驗(yàn),運(yùn)用高光譜遙感技術(shù)獲取不同氮素水平下玉米冠層高光譜數(shù)據(jù),主要研究了玉米不同生育時(shí)期及全生育期的光譜參數(shù)與玉米地上營(yíng)養(yǎng)器官氮素含量的相關(guān)關(guān)系,通過篩選不同的光譜特征參量,建立了玉米葉片葉鞘莖莖稈氮素含量的定量估算模型,并對(duì)模型的精度進(jìn)行了檢驗(yàn)。研究結(jié)果如下(1)玉米冠層反射光譜在400～680nm可見光范圍具有綠色植物典型的“峰谷”的特征。綠峰反射率隨著生育期的推移逐漸降低,并出現(xiàn)紅移現(xiàn)象。在760～1000nm的近紅外區(qū)域反射率隨生育期的推移逐漸降低,在孕穗期與施氮量成正相關(guān)關(guān)系。(2)通過玉米冠層原始光譜反射率的倒數(shù)、對(duì)數(shù)、導(dǎo)數(shù)的光譜轉(zhuǎn)換參數(shù)及基于光譜位置、光譜面積、植被指數(shù)的光譜特征參量對(duì)玉米葉片氮素含量的建模分析：以RDVI(943,749)為自變量建立的拔節(jié)期玉米葉片氮素含量的估算模型y=204.05x2+7.5201x+2.4484 (RMSE=0.2531, R2=0.8329)觀測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù)r0.9126**；玉米冠層光譜578nm的一階導(dǎo)數(shù)對(duì)開花吐絲期玉米葉片全氮含量進(jìn)行估測(cè)y=376236x2+1871.1x+3.3134 (RMSE=0.2235, R2=0.7514)觀測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù)r=0.8668**；成熟期玉米葉片氮素含量是由871nm處光譜的一階導(dǎo)數(shù)為自變量的指數(shù)函數(shù)y=1.9852e-308.3x(RMSE=0.2328, R2=0.7086)進(jìn)行估算,其觀測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù)為0.8418**;孕穗期、抽雄期、灌漿期估算模型的建模均方根誤差大,不能對(duì)玉米氮素含量進(jìn)行有效估測(cè)。(3)建立了玉米葉鞘氮素含量估算模型。灌漿期玉米葉鞘氮素含量由于建模均方根誤差較大而沒能建立模型,其余各個(gè)生育時(shí)期及全生育期都建立了氮素含量的估算模型。與玉米葉片氮素含量的相比,玉米葉鞘的氮素含量易建立模型。拔節(jié)期建立了以ρ′(597nm)為自變量的二次模型y=376236x2+1871.1x+3.3134 (RMSE=0.2694, R2=0.7023)觀測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù)r=0.838**：孕穗期建立了以(1/p)″(842nm)為自變量的二次模型y=181925x2-638.11x+1.3104 (RMSE=0.2149, R2=0.7726)觀測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù)r=0.879**;抽雄期建立了以RVI(760,755)為自變量的二次模型y=109.73x2-213.84x+104.89 (RMSE=0.1551, R2=0.7735)觀測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù)r=0.8795**;開花吐絲期建立了以ρ'(340nm)為白變量的二次模型y=4.0567x2-187.39x+1.0843 (RMSE=0.2388, R2=0.8082)觀測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù)r=0.8989**;成熟期建立了以ρ"(959nm)為自變量的指數(shù)模型y=0.9343e-0.944x (RMSE=0.1621, R2=0.7684)觀測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù)r=0.8766**；全生育期建立了以RVI(774,697)為自變量的二次模型y=-0.0025x2+0.1111x+0.3127 (RMSE=0.2491, R2=0.7484)觀測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù)r=0.8651**。(4)建立了玉米莖稈氮素含量的估算模型。拔節(jié)期、開花吐絲期的玉米莖稈氮素含量的估算模型精度差不能進(jìn)行準(zhǔn)確估測(cè),建立了孕穗期、抽雄期、灌漿期、成熟期玉米莖稈氮素含量的估算模型。孕穗期建立了以(1/ρ)'(381nm)為自變量的指數(shù)模型y=1.1097e-0.053x(RMSE=0.2475, R2=0.7762)觀測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù)r=0.881**；抽雄期建立了以RVI(760,755)為自變量的二次模型y=1089.6x2-2236.8x+1148.5 (RMSE=0.2401, R2=0.8026)觀測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù)r=0.8959**;灌漿期建立了以(1/ρ)"(550nm)為自變量的二次模型y=-63.851x2-11.133x+0.6153 (RMSE=0.1923, R2=0.7768)觀測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù)r=0.8814**;成熟期建立了以ρ"(880nm)為自變量的二次模型y=-2E+06x2-845.2x+0.61 (RMSE=0.1738, R2=0.7409)觀測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù)r=0.8608**。
【關(guān)鍵詞】：玉米 氮素含量 高光譜 葉鞘莖 估算模型
【學(xué)位授予單位】：沈陽農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：S513;S127
【目錄】：

• 摘要8-10
• Abstract10-13
• 1 緒論13-23
• 1.1 高光譜的概念及光譜學(xué)原理13-14
• 1.2 氮素對(duì)作物生長(zhǎng)的重要性14-15
• 1.3 高光譜遙感技術(shù)在作物監(jiān)測(cè)上的研究進(jìn)展15-20
• 1.3.1 在作物生長(zhǎng)監(jiān)測(cè)方面的應(yīng)用15-18
• 1.3.2 在作物營(yíng)養(yǎng)診斷方面的應(yīng)用18-20
• 1.4 研究目的及意義20-21
• 1.5 研究?jī)?nèi)容21
• 1.6 研究方法21-23
• 2 材料與方法23-27
• 2.1 供試材料與試驗(yàn)設(shè)計(jì)23
• 2.2 數(shù)據(jù)采集23-24
• 2.2.1 冠層光譜數(shù)據(jù)采集23-24
• 2.2.2 米氮素含量測(cè)定24
• 2.3 光譜參量的選擇24-25
• 2.3.1 基于原始光譜反射率轉(zhuǎn)換參數(shù)24
• 2.3.2 基于光譜位置的特征參量24-25
• 2.3.3 基于植被(Ⅵ)指數(shù)的特征參量25
• 2.3.4 基于光譜面積的特征參量25
• 2.4 模型建立與檢驗(yàn)25-27
• 3 結(jié)果與分析27-106
• 3.1 玉米冠層高光譜特征分析27-30
• 3.1.1 不同生育時(shí)期玉米冠層反射光譜特征27-29
• 3.1.2 不同氮素水平下玉米冠層反射光譜特征29-30
• 3.2 玉米葉片氮素含量估算模型的建立30-55
• 3.2.1 葉片氮素含量變化分析30-31
• 3.2.2 光譜轉(zhuǎn)換數(shù)據(jù)與葉片氮素含量相關(guān)性分析31-48
• 3.2.3 葉片氮素含量與光譜特征參量相關(guān)性分析48-49
• 3.2.4 葉片氮素含量估算模型的建立與驗(yàn)證49-55
• 3.3 玉米葉鞘氮素含量估算模型的建立55-82
• 3.3.1 葉鞘氮素含量變化分析55-56
• 3.3.2 光譜轉(zhuǎn)換數(shù)據(jù)與葉鞘氮素含量相關(guān)性分析56-70
• 3.3.3 葉鞘氮素含量與光譜特征參量相關(guān)性分析70-72
• 3.3.4 葉鞘氮素含量估算模型的建立與檢驗(yàn)72-82
• 3.4 玉米莖稈氮素含量估算模型的建立82-106
• 3.4.1 莖稈氮素含量變化分析82-83
• 3.4.2 光譜轉(zhuǎn)換數(shù)據(jù)與莖稈氮素含量相關(guān)性分析83-97
• 3.4.3 莖稈氮素含量與光譜特征參量相關(guān)性分析97-98
• 3.4.4 莖稈氮素含量估算模型的建立與檢驗(yàn)98-106
• 4 結(jié)論與討論106-109
• 4.1 結(jié)論106-107
• 4.2 討論107-109
• 參考文獻(xiàn)109-116
• 致謝116-117
• 攻讀學(xué)位論文期間發(fā)表文章117

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 徐新剛;吳炳方;蒙繼華;李強(qiáng)子;黃文江;劉良云;王紀(jì)華;;農(nóng)作物單產(chǎn)遙感估算模型研究進(jìn)展[J];農(nóng)業(yè)工程學(xué)報(bào);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(jìn)展[J];干旱地區(qū)農(nóng)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(rùn)亞;孫金偉;崔素芳;;基于紅邊參數(shù)的植被葉綠素含量高光譜估算模型[J];農(nóng)業(yè)工程學(xué)報(bào);2009年S2期

5 吳國(guó)金;許鐘;楊憲時(shí);郭全友;李學(xué)英;;冰鮮魚貯運(yùn)過程中耗冰量估算模型的建立與驗(yàn)證[J];中國(guó)水產(chǎn)科學(xué);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(yíng)養(yǎng)元素估算模型[J];土壤學(xué)報(bào);2006年05期

7 程乾;;基于MOD09產(chǎn)品的水稻葉面積指數(shù)和葉綠素含量的遙感估算模型[J];應(yīng)用生態(tài)學(xué)報(bào);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(xué)報(bào);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(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

10 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 陳朝斌;;鐵礦石經(jīng)濟(jì)評(píng)價(jià)模型建立的探討[A];2012年全國(guó)煉鐵生產(chǎn)技術(shù)會(huì)議暨煉鐵學(xué)術(shù)年會(huì)文集（下）[C];2012年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前1條

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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張小萍;黃土高原溝壑區(qū)太陽輻射時(shí)空分布特征及估算模型研究[D];西北農(nóng)林科技大學(xué);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(nóng)林科技大學(xué);2016年

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

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

5 賀婷;玉米氮素營(yíng)養(yǎng)監(jiān)測(cè)的高光譜遙感估算模型研究[D];沈陽農(nóng)業(yè)大學(xué);2016年

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

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

8 賀軍亮;基于有機(jī)質(zhì)光譜診斷指數(shù)的土壤重金屬含量估算模型研究[D];南京師范大學(xué);2007年

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

，

本文編號(hào)：849049