学位论文 > 优秀研究生学位论文题录展示
基于高光谱遥感的小麦氮素营养及生长指标监测研究
作 者: 冯伟
导 师: 曹卫星
学 校: 南京农业大学
专 业: 生态农业科学技术
关键词: 小麦 高光谱遥感 氮素营养 色素状况 糖氮比 叶片生长 蛋白质含量 籽粒产量 监测模型
分类号: S512.1
类 型: 博士论文
年 份: 2007年
下 载: 984次
引 用: 13次
阅 读: 论文下载
内容摘要
精确农业是现代农业生产中实现低耗、高效、优质和环境友好目标的根本途径,遥感技术可以快速获取农田作物生长状态的实时信息,为实施精确农业提供重要的技术支撑。高光谱遥感波谱具有连续、精细的特点,可显著增强对植株生物理化参数的探测手段和能力,提高作物生长监测的精度和准确性。本研究的目的是以小麦为对象,以系列田间试验为依托,综合运用高光谱遥感、生长分析、生理生化测试及数理统计分析等技术手段,分析不同氮素水平和品种条件下小麦冠层高光谱反射特征与氮素营养和长势指标之间的动态关系,确立氮素营养和长势指标的适宜光谱参数及相应监测模型,在探明小麦植株氮素状况与籽粒产量及蛋白质含量定量关系的基础上,建立了基于植株氮素营养的小麦籽粒产量和蛋白质含量光谱预测途径,从而为小麦生长特征的无损监测和精确管理提供理论基础和关键技术。本研究首先比较了不同氮素水平和不同品种条件下不同生育时期小麦冠层光谱反射率的变化模式。结果表明,随着施氮水平的提高,冠层反射光谱在近红外反射平台的反射率呈上升趋势,而可见光部分反射率则下降。小麦从拔节开始,冠层反射光谱在可见光波段先降低然后升高,以抽穗期前后反射率最低,而近红外区反射率则表现相反趋势;之后,随着生育进程推进,在可见光区反射增强,而近红外区反射较低,但在接近成熟时近红外区反射率急剧增强。这些光谱信息为进一步利用冠层反射光谱监测小麦生长状况和氮素营养状况提供了基础。利用冠层高光谱分析技术,提取了特征波段及多种光谱参数,研究了小麦氮素营养状态与冠层反射特征光谱的定量关系,建立了小麦植株氮素状况的敏感光谱参数及预测方程。群体叶片氮含量和积累量的敏感波段主要存在于近红外平台和可见光区,其中,红边区域表现最为显著。分别与叶片氮含量和氮积累量线性关系表现密切的光谱参数间存在差异,REPLE、λO和mND705与叶片氮含量相关性好,方程拟合精度高;MSS-SARVI、FD742和PSSRb与叶片氮积累量关系最密切,方程拟合效果优于叶片氮含量。利用红边双峰特征构造新的红边参数,可以较好表达叶片氮素营养状态及变化,其中ND[RSDr(REPIG),LSDr(REPIG)]对叶片氮含量方程拟合效果得到明显改善,而LSDr(REPLE)与叶片氮积累量的关系非常密切,与FD742接近。经不同年际独立数据的检验表明,以REIPLE和mND705两个光谱参数对叶片氮含量反应最敏感,而FD742和SDr/SDb两个光谱参数可以对叶片氮积累量进行有效监测,利用新构建的红边光谱参数建立叶片氮素营养监测模型均给出了理想的检验结果。比较而言,叶片氮积累量好于叶片氮含量。在分析不同氮素水平下小麦色素状况随生育期变化模式的基础上,讨论了色素状况与冠层高光谱反射率及光谱参数的关系,提出了小麦不同组分色素含量及密度的敏感光谱参数及预测方程。发现红边位置参数REPIE和REPIG与叶绿素含量关系较为密切,而与类胡萝卜素含量关系较弱。光谱参数VOG2、VOG3、RVI(810,560)、Dr/Db和SDr/SDb等与叶绿素密度关系较好,而与类胡萝卜素密度关系减弱。经独立试验资料检验,模型对色素含量估算效果以红边位置表现较好。VOG2、VOG3、Dr/Db和SDr/SDb对不同组分色素的估测检验结果均较好。总体上,利用关键光谱参数对叶片色素状况可以进行准确可靠的实时监测,其中,叶绿素a和叶绿素a+b的含量及密度监测效果最好。通过比较研究小麦叶片糖氮比随氮素水平的变化模式,确立了对小麦叶片糖氮比反应敏感的波段区域,明确了冠层反射光谱与叶片糖氮比的定量关系,得出小麦叶片糖氮比光谱监测的适宜时期为拔节期至灌浆中期。水分特征参数FWBI和Area980与叶片糖氮比关系密切,以指数方程拟合效果最好,而色素特征参数(R750-800/R695-740)-1和VOG2为变量指数方程拟合决定系数有所降低,但仍达极显著水平。独立年际试验数据的测试表明,利用FWBI、Area1190、(R750-800/R695-740)-1和VOG2四个光谱参数可以对生长盛期的小麦叶片糖氮比进行可靠的监测。在明确小麦叶干重和LAI随施氮水平和生育进程的动态变化模式的基础上,确立了对小麦叶干重和LAI反应敏感的波段区域,通过大量光谱参数的相关分析,建立了叶干重和LAI监测模型。对于不同试验条件下的叶干重和LAI,可以使用统一的光谱参数进行定量反演,其中基于RVI(810,560)、FD755、GMI、SARVI(MSS)和TC3等光谱参数的方程拟合效果较好。对表现较好的拟合方程进行检验,以参数RVI(810,560)、GMI、SARVI(MSS)、PSSRb、(R750-800/R695-740)-1、VOG2和mSR705为变量建立的叶干重和LAI监测模型均给出较好的检验结果,尤其是光谱参数RVI(810,560)、GMI和SARVI(MSS)可以对不同条件下小麦叶干重和LAI进行准确可靠的监测。对不同年份、品种和氮素水平下小麦籽粒蛋白质含量与不同生育期植株氮素状态的相关分析表明,利用前期叶片氮素状况可以预测成熟期籽粒蛋白质水平,其中通过开花期叶片氮含量和氮积累量可以进行可靠的估测。根据特征光谱参数-叶片氮素营养-籽粒蛋白质含量这一技术路径,通过将小麦叶片氮素监测模型融入链接,建立基于开花期高光谱参数的小麦籽粒蛋白质含量预测模型。模型检验显示,开花期光谱参数mND705、REPLE、SDr/SDb和FD742可以对成熟期籽粒蛋白质含量进行准确预报,其中基于mND705参数的预测模型更为准确可靠。依据小麦产量形成的生物学特征,系统比较了植株氮素营养状况与籽粒产量之间的关系,提出了基于叶片氮素营养指标的籽粒产量预报模型。灌浆前期叶片氮积累量和叶面积氮指数均能够较好地反映成熟期籽粒产量状况,而叶片氮含量和氮积累量及叶面积氮指数在拔节-成熟期的累积值与成熟期籽粒产量的回归拟合效果更好。根据特征光谱参数-叶片氮素营养-籽粒产量这一技术路径,将小麦叶片氮素营养监测模型导入链接,建立基于开花期高光谱参数的小麦籽粒产量预测模型。检验结果表明,利用灌浆前期关键特征光谱指数可以有效地评价小麦成熟期籽粒产量状况,而拔节-成熟期特征光谱的累积值能够稳定预报不同条件下小麦成熟期籽粒产量的变化。综合分析了多种高光谱参数与小麦植株氮积累量的关系,确立了拟合度很好的光谱监测模型。基于植株氮积累量的积分累加值与对应籽粒氮积累状况的密切关系,构建了灌浆期籽粒氮积累量光谱估算方程,确定了小麦灌浆期地上部氮积累动态监测模型。独立年际试验数据的检验表明,基于高光谱指数SDr/SDb、VOG2、VOG3、RVI(810,560)、[(R750-800)/(R695-740)]-1和Dr/Db的监测模型可以实时评价小麦全生育期地上部氮素积累动态。
|
全文目录
摘要 9-12 ABSTRACT 12-16 第一章 文献综述与立题依据 16-40 1 论文研究背景 16-17 2 作物营养诊断的发展历程 17-23 2.1 作物营养诊断的传统方法 17-20 2.1.1 作物缺肥外观诊断 17-19 2.1.2 作物缺肥化学诊断 19-20 2.2 现代技术在作物营养诊断中的应用 20-23 2.2.1 叶绿素仪技术 20-21 2.2.2 叶绿素荧光技术 21-22 2.2.3 图象及机器视觉技术 22-23 3 高光谱遥感技术及应用研究进展 23-30 3.1 高光谱遥感的基本原理 24 3.2 绿色植被的典型光谱特征 24-26 3.3 作物氮素营养的光谱监测研究进展 26-27 3.4 作物生长及生理参数的遥感监测研究进展 27-30 3.4.1 作物长势监测 27-28 3.4.2 作物色素等生化组分监测 28-29 3.4.3 作物产量及品质监测 29-30 4 本研究的目的及意义 30 参考文献 30-40 第二章 技术路线与研究方法 40-53 1 研究思路与技术路线 40 2 材料与方法 40-51 2.1 试验设计 40-42 2.2 资料获取方法 42-44 2.2.1 光谱数据测定 42-43 2.2.2 农学参数测定 43-44 2.3 数据分析与利用 44-51 2.3.1 基于原始反射率的参数 44-45 2.3.2 导数技术及“三边”参数 45-47 2.3.3 植被指数 47-50 2.3.4 回归分析与建模 50-51 参考文献 51-53 第三章 基于高光谱遥感的小麦叶片氮素营养监测研究 53-74 1 材料与方法 55-56 1.1 试验设计 55 1.2 冠层光谱测定 55 1.3 氮素营养指标测定 55 1.4 数据分析与利用 55-56 2 结果与分析 56-66 2.1 不同施氮水平下小麦叶片氮素状况 56-57 2.2 不同氮素条件下小麦冠层光谱变化 57-58 2.3 不同施氮水平下小麦冠层光谱和一阶微分在红边区域的变化 58-59 2.4 小麦叶片氮素状况与原始光谱间的相关性 59-60 2.5 基于冠层微分光谱双峰特征的红边参数构建 60-61 2.6 小麦叶片氮素状况与高光谱参数的关系 61-64 2.6.1 叶片氮素营养指标与特征光谱指数的关系 61-63 2.6.2 叶片氮素营养指标与新构建红边参数的关系 63-64 2.7 模型的测试与检验 64-66 3 结论与讨论 66-68 参考文献 68-74 第四章 基于高光谱遥感的小麦冠层色素状况监测研究 74-94 1 材料与方法 76-77 1.1 试验设计 76 1.2 冠层光谱测定 76-77 1.3 叶片色素含量和密度测定 77 1.4 数据分析与利用 77 2 结果与分析 77-85 2.1 不同施氮水平下小麦叶片色素含量的变化 77-79 2.2 不同施氮水平下小麦叶片色素密度的变化 79-80 2.3 小麦叶片色素含量与高光谱参数的定量关系 80-81 2.4 小麦叶片色素密度与高光谱参数的定量关系 81-82 2.5 色素监测模型的测试与检验 82-85 3 结论与讨论 85-87 参考文献 87-94 第五章 基于高光谱遥感的小麦叶片糖氮比监测研究 94-106 1 材料与方法 95-96 1.1 试验设计 95 1.2 冠层光谱测定 95 1.3 叶片糖氮比指标测定 95 1.4 数据分析与利用 95-96 2 结果与分析 96-101 2.1 不同氮素水平下小麦叶片糖氮比的变化 96-97 2.2 小麦叶片糖氮比与冠层特征光谱的关系 97-98 2.3 小麦叶片碳氮比的高光谱监测方程 98-100 2.4 监测模型的测试与检验 100-101 3 结论与讨论 101-102 参考文献 102-106 第六章 基于高光谱遥感的小麦叶干重和叶面积指数监测研究 106-119 1 材料与方法 107-108 1.1 试验设计 107 1.2 冠层光谱测定 107-108 1.3 叶面积指数和生物量测定 108 1.4 数据分析与利用 108 2 结果与分析 108-114 2.1 小麦叶干重和叶面积指数的变化 108-109 2.2 小麦冠层光谱与叶干重和LAI的相关性 109-110 2.3 小麦叶干重和LAI与冠层高光谱参数的定量关系 110-112 2.4 模型的测试与检验 112-114 3 结语与讨论 114-115 参考文献 115-119 第七章 基于高光谱遥感的小麦籽粒蛋白质含量预测研究 119-130 1 材料与方法 120-121 1.1 试验设计 120 1.2 冠层光谱测定 120 1.3 籽粒蛋白质含量测定 120 1.4 数据分析与利用 120-121 2 结果与分析 121-126 2.1 氮素水平对不同品质类型小麦籽粒蛋白质含量的影响 121-122 2.2 基于叶片氮素营养的籽粒蛋白质含量预测模型 122-124 2.3 小麦叶片氮素营养状况的高光谱监测模型 124-125 2.4 籽粒蛋白质含量的光谱预测模型及检验 125-126 3 结论与讨论 126-127 参考文献 127-130 第八章 基于高光谱遥感的小麦籽粒产量预测模型研究 130-144 1 材料与方法 131-132 1.1 试验设计 131 1.2 冠层光谱测定 131 1.3 籽粒产量测定 131 1.4 数据分析与利用 131-132 2 结果与分析 132-139 2.1 氮素水平对不同类型小麦品种籽粒产量的影响 132-133 2.2 叶片氮素营养指标与籽粒产量定量关系 133-135 2.3 小麦叶片氮素营养状况的高光谱监测模型 135-136 2.4 籽粒产量光谱法预测模型组建及检验 136-139 3 结论与讨论 139-140 参考文献 140-144 第九章 基于高光谱遥感的小麦地上部氮素积累动态监测研究 144-158 1 材料与方法 145-146 1.1 试验设计 145 1.2 冠层高光谱反射率测定 145-146 1.3 植株氮积累量和地上部氮积累量的测定 146 1.4 数据分析与利用 146 2 结果与分析 146-153 2.1 不同施氮水平下小麦植株和地上部氮素积累状况 146-147 2.2 小麦植株及地上部氮积累量与光谱反射率的相关性 147-148 2.3 小麦植株氮积累量与籽粒氮积累量的定量关系 148-150 2.4 小麦植株氮素积累量与高光谱参数的关系 150-151 2.5 小麦地上部氮积累量预测模型的构建与检验 151-153 3 结论与讨论 153-155 参考文献 155-158 第十章 讨论与结论 158-170 1 讨论 158-165 1.1 冠层反射光谱分析及农学指标反演 158-160 1.2 小麦生长特征监测 160-161 1.3 小麦氮素营养及生化组分监测 161-162 1.4 小麦籽粒产量与品质指标预测 162-163 1.5 本研究的特色与创新 163-164 1.6 今后的研究设想 164-165 2 结论 165-166 参考文献 166-170 附录 170-172 致谢 172
|
相似论文
- 基于冠层反射光谱的夏玉米氮素营养与生长监测研究,S513
- 一种支持QoS度量的Web服务监测系统,TP311.52
- 商业银行操作风险监控系统的研究及应用,TP399-C2
- 不同类型专用小麦氮素吸收利用特性与调控,S512.1
- 小麦对氮肥响应的基因型差异研究,S512.1
- 基于反应热的三效催化转化器车载监测研究,U463.6
- 约束子结构模型修正方法,TU317
- 基于叶片高光谱指数的水稻氮素及色素含量监测研究,S511
- 利用地—空高光谱遥感监测小麦氮素状况与生长特征,S512.1
- 不同小麦品种氮素(肥)效率差异、评价及分类,S512.1
- 小麦冠层和单叶氮素营养指标的高光谱监测研究,S512.1
- 基于CORBA分布式系统监测技术研究,TP274.5
- 基于烟气成分分析的电站锅炉入炉煤质监测模型的研究,TK227.1
- 基于反射光谱的棉花氮素营养与生长监测研究,S562
- 基于人工神经网络的大坝变形监测正反分析研究,TV698.1
- 可伸缩服务器集群的研究与实现,TP393.05
- 3S技术在龙川江小流域水土流失动态监测中的应用研究,P343.1
- 遥感技术探测绿洲地下水分布的方法研究——以于田县为例,P641
- 青海湖环湖地区草地植被生物量遥感监测模型研究,Q948
- 基于火电厂DCS数据的回转式空气预热器运行性能评价及其预测,TK223.34
中图分类: > 农业科学 > 农作物 > 禾谷类作物 > 麦 > 小麦
© 2012 www.xueweilunwen.com
|