玉米是中國的主要糧食作物之一,氮素對(duì)玉米的生長有重要影響。氮肥的有效施用對(duì)于產(chǎn)量的形成具有重要作用,有利于玉米的高產(chǎn)優(yōu)質(zhì)。傳統(tǒng)的玉米田信息采集大多依靠人工調(diào)查,既費(fèi)時(shí)又費(fèi)力,而且難以大規(guī)模實(shí)施。另外,人員采集的田間數(shù)據(jù)差異很大,很難形成統(tǒng)一的標(biāo)準(zhǔn),也會(huì)對(duì)田間玉米造成不同程度的破壞。隨著遙感技術(shù)的快速發(fā)展,特別是無人機(jī)的應(yīng)用,利用空間遙感技術(shù)進(jìn)行田間農(nóng)業(yè)監(jiān)測(cè)具有明顯的優(yōu)勢(shì),可以為夏玉米冠層氮素研究提供實(shí)時(shí)、高效、無損的數(shù)據(jù)采集技術(shù)。本文選取北京市昌平區(qū)小湯山國家精準(zhǔn)示范基地為研究區(qū),以2012年、2017年夏玉米冠層葉片氮素為研究對(duì)象。利用近地高光譜以及無人機(jī)搭載的高清數(shù)碼相機(jī)、多光譜相機(jī)建立高通量玉米表型平臺(tái),獲取包含玉米長勢(shì)信息以及相關(guān)理化參數(shù)的光譜和影像數(shù)據(jù),進(jìn)行夏玉米冠層氮素的表型信息分析工作,對(duì)田間玉米表型參數(shù)進(jìn)行定量反演。論文的主要研究內(nèi)容如下:（1）基于近地高光譜的夏玉米冠層葉片氮素分析研究�；诮馗吖庾V數(shù)據(jù)獲取夏玉米冠層的三種光譜變量:敏感光譜波段、光譜位置特征和典型高光譜植被指數(shù),通過選擇最優(yōu)變量構(gòu)建冠層葉片氮素遙感監(jiān)測(cè)模型。首先,使用Savitzky-Golay算法... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究區(qū)Figure2.1Studyplots.

第二章研究區(qū)概況和數(shù)據(jù)獲取及處理10實(shí)驗(yàn)二與實(shí)驗(yàn)一的地理位置相同，氣候?yàn)闇貛Т箨懶约撅L(fēng)氣候。本次實(shí)驗(yàn)共48個(gè)小區(qū)（圖2.2），其中北部24個(gè)小區(qū)品種處理（P），南部24個(gè)小區(qū)氮素處理（N）；每個(gè)小區(qū)10×6m，小區(qū)間有1m的隔離帶。品種試驗(yàn)小區(qū)選取8個(gè)品種，每種品種重復(fù)3次，氮肥（尿素）處理為常規(guī)氮處理（N2）：420kg/hm2；氮素處理試驗(yàn)小區(qū)，氮肥（尿素）施用量為：不施氮處理（N0）：0，1/2常規(guī)氮處理（N）：210kg/hm2，常規(guī)氮處理（N2）：420kg/hm2，1.5倍常規(guī)氮處理（N3）：630kg/hm2，每種處理重復(fù)6次。試驗(yàn)地前茬玉米為冬小麥。土壤類型為濕潤土和重壤土，其中硝酸氮為3.16-14.82mg/kg，氮濃度為1.0-1.2g/kg，有效磷含量為3.14-21.18mg/kg，有效鉀含量為86.83-120.62mg/kg，有機(jī)質(zhì)含量為15.8-20.0g/kg。氮肥分2次施用，分別在種植前（基施）和V12時(shí)期（追施）進(jìn)行；磷肥（二胺）在種植前基施，其他管理程序，如害蟲管理、雜草控制、磷肥和鉀肥，按當(dāng)?shù)赜衩咨a(chǎn)標(biāo)準(zhǔn)慣例。圖2.2實(shí)驗(yàn)小區(qū)設(shè)計(jì)Figure2.2Experimentalplotsofthestudy.2.2數(shù)據(jù)獲取2.2.1夏玉米葉片氮素含量測(cè)定

安徽大學(xué)碩士學(xué)位論文11本文利用2012、2017年采集的農(nóng)學(xué)數(shù)據(jù)，利用地面ASD以及無人機(jī)搭載的高清數(shù)碼、多光譜相機(jī)進(jìn)行田間信息采集。夏玉米各個(gè)關(guān)鍵生育期氮素含量的測(cè)定由瑞士FOSS公司生產(chǎn)的凱氏定氮儀（BuchiB-339）完成。凱氏定氮儀測(cè)定范圍：0.1mgN-200mgN，測(cè)量精度：相對(duì)標(biāo)準(zhǔn)偏差<±1%，測(cè)定時(shí)間：45min。其采用了統(tǒng)一消煮條件、消煮廢棄無毒無害處理、定時(shí)定量蒸餾和吸收、電位精確滴定以及數(shù)據(jù)自動(dòng)處理等技術(shù)，操作方便，使用簡單，并且測(cè)的數(shù)據(jù)重現(xiàn)性好、穩(wěn)定性好，精密度高，故選取凱氏定氮儀對(duì)夏玉米氮素進(jìn)行測(cè)定[75]。測(cè)定玉米冠層葉片氮素時(shí)，在每個(gè)小區(qū)內(nèi)隨機(jī)選取2株作為樣本。先將莖、葉分開，并將葉放在紙袋中。然后將葉子放入105℃的烘箱中烘30min，然后在80℃下烘48h或更多，直到恒重。對(duì)干燥的葉片樣品進(jìn)行稱重，然后將葉片研磨粉碎，并使用凱氏分析儀（BuchiB-339，F(xiàn)OSS，瑞典）測(cè)定其氮質(zhì)量分?jǐn)?shù)（N，%）[76]。各器官氮濃度計(jì)算公式為：葉氮累積量=葉氮濃度×葉生物量；莖氮累積量=莖氮濃度×莖生物量；穗氮累積量=穗氮濃度×穗生物量。在夏玉米的抽雄-吐絲生育期時(shí)，需要考慮穗氮濃度對(duì)植株全氮濃度的影響。采用的植株氮濃度計(jì)算公式如（2.1）所示：植株氮累積量=莖含氮量×莖生物量+葉含氮量×葉生物量+穗含氮量×穗生物量葉生物量+莖生物量+穗生物量×100%（2.1）2.2.2夏玉米冠層近地高光譜數(shù)據(jù)獲取圖2.3ASDFieldSpecFRPro2500光譜輻射儀Figure2.3ASDFieldSpecFRPro2500spectroradiometer.夏玉米地面冠層反射率光譜數(shù)據(jù)采用美國ASDFieldSpecFRPro2500光譜輻射儀測(cè)定，如圖2.3所示，光譜范圍為350nm-2500nm，350nm-1000nm區(qū)域范圍內(nèi)的光譜間距為1.4nm，1000nm-2500nm區(qū)域范圍內(nèi)的光譜間距為1nm。測(cè)量光譜數(shù)據(jù)時(shí)

【參考文獻(xiàn)】：
期刊論文
[1]基于低空無人機(jī)影像光譜和紋理特征的棉花氮素營養(yǎng)診斷研究[J]. 陳鵬飛,梁飛.  中國農(nóng)業(yè)科學(xué). 2019(13)
[2]基于無人機(jī)多光譜影像的夏玉米葉片氮含量遙感估測(cè)[J]. 魏鵬飛,徐新剛,李中元,楊貴軍,李振海,馮海寬,陳幗,范玲玲,王玉龍,劉帥兵.  農(nóng)業(yè)工程學(xué)報(bào). 2019(08)
[3]基于無人機(jī)遙感影像的玉米苗期株數(shù)信息提取[J]. 劉帥兵,楊貴軍,周成全,景海濤,馮海寬,徐波,楊浩.  農(nóng)業(yè)工程學(xué)報(bào). 2018(22)
[4]結(jié)合SPA和PLS法提高冬小麥冠層全氮高光譜估算的精確度[J]. 白麗敏,李粉玲,常慶瑞,曾鳳,曹吉,蘆光旭.  植物營養(yǎng)與肥料學(xué)報(bào). 2018(05)
[5]基于新型植被指數(shù)的冬小麥LAI高光譜反演[J]. 束美艷,顧曉鶴,孫林,朱金山,楊貴軍,王延倉,張麗妍.  中國農(nóng)業(yè)科學(xué). 2018(18)
[6]基于高光譜成像技術(shù)的草莓硬度預(yù)測(cè)[J]. 盧娜,韓平,王紀(jì)華.  軟件導(dǎo)刊. 2018(03)
[7]低空反無人機(jī)技術(shù)現(xiàn)狀與發(fā)展趨勢(shì)[J]. 張靜,張科,王靖宇,呂梅柏,王佩.  航空工程進(jìn)展. 2018(01)
[8]基于高光譜的微生物作用下玉米葉片葉綠素含量估算研究[J]. 解文武.  西部大開發(fā)(土地開發(fā)工程研究). 2018(02)
[9]農(nóng)業(yè)遙感研究進(jìn)展與展望[J]. 唐華俊.  農(nóng)學(xué)學(xué)報(bào). 2018(01)
[10]中國農(nóng)業(yè)航空發(fā)展現(xiàn)狀及對(duì)策建議[J]. 周志艷,明銳,臧禹,何新剛,羅錫文,蘭玉彬.  農(nóng)業(yè)工程學(xué)報(bào). 2017(20)

博士論文
[1]西北地區(qū)水稻長勢(shì)遙感監(jiān)測(cè)研究[D]. 秦占飛.西北農(nóng)林科技大學(xué) 2016
[2]作物長勢(shì)參數(shù)的垂直分布反演及遙感監(jiān)測(cè)研究[D]. 廖欽洪.浙江大學(xué) 2014
[3]Worldview-2八波段影像支持下的濕地信息提取與地上生物量估算研究[D]. 凌成星.中國林業(yè)科學(xué)研究院 2013

碩士論文
[1]基于高光譜成像的寒地玉米葉片氮素營養(yǎng)診斷的研究[D]. 王麗鳳.東北農(nóng)業(yè)大學(xué) 2017
[2]基于無人機(jī)遙感技術(shù)的土地利用現(xiàn)狀調(diào)查[D]. 李軍英.吉林大學(xué) 2017
[3]玉米氮素營養(yǎng)監(jiān)測(cè)的高光譜遙感估算模型研究[D]. 賀婷.沈陽農(nóng)業(yè)大學(xué) 2016
[4]基于多源遙感數(shù)據(jù)的小麥病蟲害大尺度監(jiān)測(cè)預(yù)測(cè)研究[D]. 唐翠翠.安徽大學(xué) 2016
[5]基于OLI數(shù)據(jù)的西寧市森林生物量估測(cè)研究[D]. 楊偉志.西北農(nóng)林科技大學(xué) 2015
[6]茶樹氮素營養(yǎng)的快速診斷及其相關(guān)的生理生化指標(biāo)的研究[D]. 周小生.安徽農(nóng)業(yè)大學(xué) 2012
[7]基于環(huán)境衛(wèi)星數(shù)據(jù)的冬小麥長勢(shì)監(jiān)測(cè)研究[D]. 馮海寬.遼寧工程技術(shù)大學(xué) 2011



本文編號(hào)：3511392