發(fā)布時間：2020-05-26 15:09

【摘要】：冬小麥是我國重要的糧食作物。利用高光譜遙感技術實現(xiàn)冬小麥開花后籽粒灌漿過程碳氮積累狀況實時、準確監(jiān)測,可以為小麥開花后田間管理以及產(chǎn)量和品質(zhì)預測提供有效技術途徑。本研究在兩年施氮試驗的基礎上,通過研究不同施氮處理下冬小麥開花后冠層光譜特征,以及植株和葉片氮積累量、可溶性糖含量和干物質(zhì)積累量以及籽粒氮積累量、干物質(zhì)積累量和積累速率隨灌漿進程后移的動態(tài)變化。然后結(jié)合PLS和SMLR分別獲取對冬小麥各農(nóng)學參數(shù)的變化反應敏感的波段,建立對應的的模型,并借鑒“冠層光譜-農(nóng)學參數(shù)-籽粒碳氮積累”這個技術思路,實現(xiàn)冬小麥籽粒碳氮積累狀況動態(tài)變化的監(jiān)測。并用不同年份的數(shù)據(jù)對其進行檢驗。主要研究結(jié)果如下:(1)冬小麥開花之后,冠層光譜反射率的變化為:隨著灌漿階段的后移,400～700 nm(可見光)為逐漸增加,在740～1100nm(近紅外平臺區(qū)域)則是出現(xiàn)減小的趨勢;不同施氮處理間,冠層的反射率變化也,隨著施氮量增加,400～700 nm處為逐漸增加,而在700～2500 nm(近紅外)則是出現(xiàn)下降。此外,不同施氮處理,紅邊位置(REP)變化較小,而紅邊面積(SDR)和紅邊幅值(DR)隨著施氮量的增加,先上升后下降;隨著灌漿進程推進,REP、DR、SDR均逐漸減小。(2)冬小麥開花后,葉片干物質(zhì)積累量(Dry matter accumulation,DMA)隨著生育期變化,不斷降低,而植株DMA則是先增加后降低,而籽粒DMA則與葉片的相反,呈上升趨勢;不同氮處理間也有較大區(qū)別,植株和葉片DMA趨勢相似,均是增加;而籽粒DMA則是先增加后下降減小。建立的植株和葉片DMA的PLS-SMLR光譜監(jiān)測模精度均較高,此外,二者與籽粒DMA均達到極顯著相關,定量關系也比較好。以二者為中間參量建立的籽粒DMA動態(tài)監(jiān)測模型精度(R2)均較高,RMSE也均較小,其中尤以葉片DMA為中間參量建立的模型效果最佳。(3)植株和葉片的可溶性糖含量(Soluble sugar content,SSC),以及籽粒干物質(zhì)累積速率(Dry matter accumulation rate,DMAR)隨著生育期變化一致,均是先增后降。而隨施氮的增加,植株和葉片的SSC呈遞增趨勢,而籽粒DMAR則呈先升后降。結(jié)合PLS-SMLR建立的葉片和植株SSC模型精度均較高,且二者與籽粒DMAR均有較好的相關性,定量關系也較好。建立的籽粒DMAR光譜監(jiān)模型中,以植株SSC為中間參量建立的模型估測效果最好,明顯高于直接建立的PLS-SMLR模型,而以葉片SSC為中間變量建立的模型表現(xiàn)最差。(4)開花后,冬小麥植株氮積累量(Plant nitrogen accumulation,PNA)和葉片氮積累量(Leafnitrogenaccumulation,LNA)變化相似,均是不斷減小;而籽粒氮積累量(Grain nitrogen accumulation,GNA)則是不斷增加。而不同施氮處理間,隨著施氮的增加,PNA和LNA隨氮增加呈增加的趨勢,而GNA為先增加后減小。基于PLS-SMLR建立的PNA和LNA高光譜模型監(jiān)測效果均較好,且二者與GNA均有較好的相關性與定量關系。分別以二者為中間變量建立光譜監(jiān)測模型,其中以LNA為中間變量的建立模型效果最佳。
【圖文】：

分析不同施氮水平下冬小麥開花后植株、葉片和籽粒ＤＭＡ變化規(guī)律，結(jié)果如。由圖可知，同一用施氮水平下，不同階段，植株、葉片和籽粒ＤＭＡ變化規(guī)較明顯，其中植株ＤＭＡ呈“低－高－低’’的趨勢，灌漿開始時略有增加，到１０ｄ最高，隨后開始減小，一直到收獲到最低。與植株不同，葉片ＤＭＡ—直呈下而籽粒ＤＭＡ變化趨勢與葉片相反，由于灌漿過程中光合同化物不斷從莖葉等向籽粒中轉(zhuǎn)移，使得籽粒干重一直不斷增加，其增加規(guī)律近似于“Ｓ”形。此外物質(zhì)積累量也存在一定差異，其中試驗一以上三個指標均略高于試驗二，這可年冬小麥出苗情況以及整個生育期降雨條件較好有關。同一時期，，不同施氮量，葉片ＤＭＡ變化均為隨著施氮增多而增加，其中Ｎ３＞Ｎ２＞Ｎ１，差異較明顯，Ｎ４比略有增加，但差異不明顯。在一定施氮范圍內(nèi)籽粒ＤＭＡ變化趨勢與植株似，隨著施氮量增加而增加，如Ｎ３＞Ｎ２＞Ｎ１＞Ｎ０。但當超過一定值時，籽粒Ｄ下降的趨勢（Ｎ３＞Ｎ４），這主要是與施氮過量阻礙了合成的碳水化合物向籽粒關。逡逑基于ＰＬＳ的光譜特征波段提取逡逑０邋０１０－２邋０＂－

ｎｉｔｒｏｇｅｎ邋ｍａｎａｇｅｍｅｎｔ邋ｍｏｄｅｓ逡逑３．４．２基于ＰＬＳ的光譜特征波段提取逡逑由圖９可得，冬小麥ＰＮＡ在４０１？４９１邋ｎｍ，５１５？５８５邋ｎｍ，邋７３２？１３００邋ｎｍ和１９６１？逡逑２０４１邋ｎｍ波段處Ｂ－ｃｏｅｆｆｉｃｉｅｎｔｓ和ＶＩＰ系數(shù)均比較大；冬小麥ＬＮＡ則以５１８？６３６邋ｎｍ，逡逑６９４？９５２邋ｒｎｎ
【學位授予單位】：山西農(nóng)業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：S512.11

【相似文獻】

相關期刊論文 前10條

1 高鈦;;基于非負矩陣分解的高光譜解混算法研究現(xiàn)狀和未來的發(fā)展方向[J];科技視界;2015年13期

2 周珈慧;;譜科研旋律 抒遙感情懷——記中國科學院遙感應用研究所高光譜研究室主任張立福[J];科學中國人;2012年24期

3 ;高光譜地物識R%技術[J];中國科技信息;2017年10期

4 漆成莉;顧明劍;胡秀清;吳春強;;風云三號衛(wèi)星紅外高光譜探測技術及潛在應用[J];氣象科技進展;2016年01期

5 ;美創(chuàng)企披露高光譜業(yè)務規(guī)劃 已籌集8500萬美元的資金[J];衛(wèi)星與網(wǎng)絡;2018年10期

6 馬燕飛;坎雜;張若宇;丁竹青;李碩;李曉良;;加工番茄可溶性固形物近紅外高光譜反射成像檢測[J];江蘇農(nóng)業(yè)科學;2013年08期

7 W.KJ;;芬蘭成功開發(fā)世界首款高光譜移動設備[J];軍民兩用技術與產(chǎn)品;2017年03期

8 王晶晶;孫玲;劉華周;胡宇容;肖敏;;基于高光譜的鳳眼蓮植株氮含量無損監(jiān)測[J];江蘇農(nóng)業(yè)學報;2014年04期

9 趙鑫;黃敏;朱啟兵;;基于小波變換的高光譜散射圖像特征提取[J];計算機與應用化學;2011年10期

10 馮銳;張玉書;武晉雯;紀瑞鵬;于文穎;王培娟;;基于多光譜和高光譜的干旱遙感監(jiān)測研究進展[J];災害學;2019年01期

相關會議論文 前10條

1 李俊;;高光譜大氣紅外探測儀觀測數(shù)據(jù)同化中的幾個關鍵科學問題及研究進展[A];第35屆中國氣象學會年會 S9 衛(wèi)星資料同化[C];2018年

2 賀霖;潘泉;趙永強;邸韋華;;一類高光譜圖象小目標統(tǒng)計檢測算法研究[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

3 胡盛雯;殷德奎;;高光譜大氣探測儀干涉信號的獲取電路設計[A];2006年全國光電技術學術交流會會議文集（D 光電信息處理技術專題）[C];2006年

4 楊超宇;楊頂田;楊躍忠;盧桂新;趙俊;孫兆華;;光學淺水中海草底質(zhì)的高光譜提取[A];第六屆全國信息獲取與處理學術會議論文集（2）[C];2008年

5 舒嶸;王建宇;徐衛(wèi)明;何志平;馬艷華;呂剛;;機載高空間分辨力、高光譜分辨力多維集成遙感系統(tǒng)[A];第六屆成像光譜技術與應用研討會文集[C];2006年

6 張兵;鄭蘭芬;童慶禧;;光譜復原基礎上的高光譜高空間遙感數(shù)據(jù)融合研究[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

7 汪大明;侯芳;李志忠;黨福星;楊日紅;肖政浩;;星載高光譜載荷參數(shù)分析研究[A];第十七屆中國遙感大會摘要集[C];2010年

8 王建宇;舒嶸;徐衛(wèi)明;馬艷華;何志平;呂剛;陳育偉;張冰娜;;機載高空間分辨力、高光譜分辨力多維信息獲取與處理技術的研究[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

9 陸其峰;吳春強;漆成莉;馮絢;陳博洋;劉輝;肖賢俊;周方;竇芳麗;胡菊e

本文編號：2682026