本文選題：葉片氮含量　切入點：高光譜　出處：《西北農(nóng)林科技大學(xué)》2016年博士論文

【摘要】：氮素是作物需求量最大的營養(yǎng)元素,氮素缺乏會導(dǎo)致作物光合作用能力和產(chǎn)量降低,過量又會造成農(nóng)田生態(tài)環(huán)境的污染,因此利用遙感技術(shù)進(jìn)行作物氮素養(yǎng)分的實時監(jiān)測和快速診斷一直是農(nóng)業(yè)應(yīng)用研究的熱點。本研究以國家楊凌農(nóng)業(yè)高新示范區(qū)及周邊地區(qū)冬小麥為研究對象,在2013-2015年進(jìn)行冬小麥小區(qū)和大田試驗。通過采集冬小麥主要生育期冠層光譜信息和分析測試相應(yīng)葉片全氮含量,研究小麥冠層光譜數(shù)據(jù)處理、特征波段選擇和模型構(gòu)建等關(guān)鍵技術(shù)方法,獲取研究區(qū)冬小麥冠層葉片氮含量的特征光譜,構(gòu)建葉片氮含量的高光譜估算模型。結(jié)合多光譜衛(wèi)星數(shù)據(jù),研究國產(chǎn)衛(wèi)星數(shù)據(jù)提取冬小麥種植面積的方法,以及多光譜衛(wèi)星數(shù)據(jù)估算葉片氮含量的理論和方法,為區(qū)域性小麥氮素營養(yǎng)監(jiān)測提供理論依據(jù)和技術(shù)支持。本研究取得的主要結(jié)論和成果如下:(1)通過對冬小麥冠層光譜反射率進(jìn)行導(dǎo)數(shù)變換、對數(shù)變換和連續(xù)統(tǒng)去除處理,提取不同變換光譜下的葉片氮含量敏感波段。結(jié)果表明,原始光譜和對數(shù)光譜的葉片氮含量敏感波段為400~720nm,導(dǎo)數(shù)光譜葉片氮含量敏感波段為435~465nm,734~757nm,789~792nm和1176~1185nm,連續(xù)統(tǒng)去除光譜反射率的敏感區(qū)間為400~760nm,1181~1268nm。以相關(guān)性最高為原則,分別選取630nm、447nm、645nm和725nm作為4類變換光譜對葉片氮含量的最佳敏感波段,敏感單波段反射率與葉片氮含量的相關(guān)性的定量關(guān)系都更適合用指數(shù)模型來表現(xiàn),但模型的整體擬合精度欠佳。(2)系統(tǒng)分析了冬小麥冠層光譜特征參數(shù)對葉片氮含量的敏感性,確立了葉片氮素含量與冠層高光譜“三邊”參數(shù),吸收特征參數(shù),光譜指數(shù)的定量關(guān)系。結(jié)果表明,線性外推法的紅邊位置、紅邊面積和藍(lán)邊面積的比值、紅邊面積和藍(lán)邊面積的歸一化值是“三邊”參數(shù)中與葉片氮含量關(guān)系最為緊密和穩(wěn)定的特征參數(shù)。550~750nm波段吸收特征參數(shù)對葉片氮含量的估算結(jié)果優(yōu)于400~500nm波段,最佳估算參數(shù)為550~750nm波段的吸收峰總面積,精度優(yōu)于“三邊”參數(shù)建立的葉片氮含量估算模型,但對于高值葉片氮含量的估算精度有待提高。光譜指數(shù)明顯改善了葉片氮含量的估算精度,其中表現(xiàn)較為突出的光譜指數(shù)有修正紅邊單比指數(shù)(mSR705)、紅邊單比指數(shù)(SR705)、GM、紅邊指數(shù)(VOG3)、紅邊葉綠素指數(shù)(CI_(red edge))和紅邊歸一化指數(shù)(ND705)等。利用400~1350nm范圍內(nèi)所有光譜波段可能的兩兩組合構(gòu)建的比值指數(shù)、差值指數(shù)、歸一化指數(shù)和土壤調(diào)節(jié)植被指數(shù)與葉片氮含量的定量關(guān)系表明,原始光譜、導(dǎo)數(shù)光譜、對數(shù)光譜和連續(xù)統(tǒng)去除光譜的最佳光譜指數(shù)分別為R~（770）/R~(702),FD~(744)/FD~(504),LOG~(750)-LOG~(717)和CR~(1056)/CR~(702),基于744nm與504nm波段導(dǎo)數(shù)光譜反射率的比值指數(shù)模型在精度檢驗中具有較高的決定系數(shù)和較低的均方根誤差,決定系數(shù)達(dá)到0.89,RMSE為0.06,顯著改善了葉片氮含量高值區(qū)的模擬效果,是光譜指數(shù)估算葉片氮含量的最佳模型。(3)將小波變換分析技術(shù)應(yīng)用到葉片氮含量的遙感估算研究中,探討連續(xù)和離散小波變換對葉片氮含量的估算潛力。結(jié)果表明,連續(xù)小波變換對冠層光譜的噪聲不敏感,4類變換光譜反射率與葉片氮含量在較低尺度下的相關(guān)性弱于較高尺度,冠層光譜曲線上的細(xì)節(jié)性高頻信息所反映的吸收特征與葉片氮含量關(guān)系不大。在此基礎(chǔ)上,提取了6個基于連續(xù)小波變換的特征參數(shù),其隨機(jī)森林回歸模型的精度優(yōu)于單參數(shù)模型和偏最小二乘模型。離散小波變換第4層小波分解近似系數(shù)的偏最小二乘回歸模型是葉片氮含量的最佳估算模型,變量個數(shù)為73個,模擬方程的決定系數(shù)為0.94,驗證集的實測值與預(yù)測值回歸方程的決定系數(shù)為0.93,RMSE為0.04,REP為2.72,是葉片氮含量高光譜估算的最佳模型。(4)冬小麥種植信息是區(qū)域尺度葉片氮素含量遙感監(jiān)測的基礎(chǔ),本文基于國產(chǎn)資源一號02C星HR高分辨率影像,提取了基于變差函數(shù)、灰度共生矩陣和梯度的多紋理特征,結(jié)合光譜信息構(gòu)建了基于支持向量機(jī)(SVM)和多源復(fù)合信息的冬小麥種植提取模型。結(jié)果表明:變差函數(shù)紋理和梯度紋理參與的多源復(fù)合數(shù)據(jù)有效提高了圖像的分類精度,分類精度由85.14%提高到87.43%,Kappa系數(shù)由0.82提高到0.85;絕對值變差函數(shù)為紋理最佳窗口分析提供了理論依據(jù),基于平均步長提取的紋理特征能顯著提升圖像分類的精度,精度由75.2%提高到87.14%,Kappa系數(shù)由0.7提高到0.87;基于多源復(fù)合數(shù)據(jù)的SVM高空間分辨率遙感圖像分類方法能有效解決傳統(tǒng)圖像分類結(jié)果破碎的問題,比最大似然方法和決策樹法的分類精度顯著提高,總精度達(dá)到89.14%,Kappa系數(shù)為0.87;3種多源復(fù)合數(shù)據(jù)的SVM分類保持了冬小麥信息提取的準(zhǔn)確率,用戶精度和生產(chǎn)者精度均為97.14%,Kappa系數(shù)為0.96,為中高空邊間分辨率衛(wèi)星數(shù)據(jù)的冬小麥種植信息提取提供了方法與技術(shù)支持。(5)探討了基于國產(chǎn)高分辨率衛(wèi)星GF-1號多光譜數(shù)據(jù)的冬小麥葉片氮含量估算方法,構(gòu)建了基于光譜指數(shù)的全生育期葉片氮含量通用估算模型。結(jié)果表明,模擬不同傳感器的寬波段光譜反射率、光譜指數(shù)之間存在差異,但差異不顯著;所有篩選的光譜指數(shù)和葉片氮含量都在P0.01水平顯著相關(guān),基于各光譜指數(shù)所構(gòu)建的全生育期葉片氮含量估算通用模型均通過顯著性檢驗,但模型的精度低于高光譜特征參數(shù)的葉片氮含量估算精度;改進(jìn)型的敏感性指數(shù)S綜合考慮了模型的穩(wěn)定性、敏感性和變量的動態(tài)范圍。綜合模擬方程決定系數(shù)、模型敏感性分析、精度檢驗和遙感制圖的結(jié)果,認(rèn)為基于比值植被指數(shù)建立的葉片氮含量估算模型適用性最強(qiáng),模擬結(jié)果與實際空間分布格局最為接近,為基于GF-1衛(wèi)星數(shù)據(jù)的區(qū)域性小麥氮素營養(yǎng)監(jiān)測提供了理論依據(jù)和技術(shù)支持。
[Abstract]:......
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：S512.11;S127
，

本文編號：1669668