版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、實時、無損監(jiān)測小麥氮素狀況對其精確施肥非常重要。高光譜遙感技術可有效監(jiān)測作物氮素信息,為科學施肥提供技術支撐,但獲取的小麥光譜受多因素影響,如冠層結構、土壤。設計了不同株型品種、氮水平和密度的小麥田間試驗,綜合考慮土壤和冠層結構對冠層反射率的影響,分析植被指數(shù)、光譜特征參數(shù)和化學計量法與LNC的定量關系,以期找到受土壤和冠層結構影響較小且能很好地估測小麥LNC的最佳植被指數(shù)、光譜特征參數(shù)和化學計量法,從而確定不同覆蓋度下小麥氮素無損監(jiān)測
2、最優(yōu)方法,最終為不同覆蓋度下小麥氮素高光譜無損監(jiān)測與精確管理提供技術支撐。
本研究采用兩種方法減少土壤干擾,一種是通過線性混合像元分解(LMSA)提取純凈的植被光譜,另一種是通過引入調節(jié)因子θ來構建修正型植被指數(shù)mSR。經(jīng)LMSA分解后,SR(R471,R504)與LNC的R2從0.66提高到0.71。修正型植被指數(shù)(mSR=(R471+θ)/(R504+θ))與LNC的相關性比SR(R471,R504)(R2=0.71)與L
3、NC的有較大提高(R2=0.78),R2提高了0.07,驗證模型估測小麥LNC的P-R2和RRMSE分別為0.74、14.77%。最佳觀測高度和角度研究表明,當高度為1米時,最佳觀測角為后向60°;當觀測角為0°時,最佳高度為0.5米。綜上所述,mSR和LMSA法能提高不同覆蓋度下小麥LNC監(jiān)測精度,前者表現(xiàn)優(yōu)于后者;且驗證模型具有較好的精度和穩(wěn)定性;最佳觀測位置是冠層上方0.5米0°或冠層上方1米后向60°。
其次,利用高光
4、譜特征參數(shù)監(jiān)測不同覆蓋度下小麥葉層氮含量,包括連續(xù)統(tǒng)去除、紅邊參數(shù)及小波變換法。基于連續(xù)統(tǒng)去除法,NMAD(面積歸一化最大吸收深度)與小麥LNC的相關性(R2)和預測標準誤(RMSE),分別為0.47、0.74,效果較差,且驗證模型的P-R2和RRMSE分別為0.52、24.83%,預測精度較低。基于紅邊參數(shù)法,修正前紅邊參數(shù)DD(A680-718,A700-724)與小麥LNC以線性擬合最好,S-R2和RMSE分別為0.59、0.55
5、;參照前人研究,引入藍光波段得到修正后紅邊參數(shù)mDD(A680-718,A700-724)的S-R2和RMSE分別0.65、0.60;且檢驗模型的P-R2和RRMSE分別為0.65、18.09%,說明修正后紅邊參數(shù)監(jiān)測LNC的效果較修正前的有明顯提高。基于小波變換法,對350-1350nm范圍內進行CWT獲得特定尺度和波段下小波系數(shù),采用線性回歸法獲得小波系數(shù)和小麥LNC的相關性。結果表明:組合型小波系數(shù)bior3.3(W516,S8)
6、+sym5(W432,S5)與LNC建模的R2為0.75,為估測小麥LNC的最佳小波函數(shù);其檢驗模型的P-R2和RRMSE分別為0.74、17.51%。另外,還計算了紅邊面積和其他參數(shù),但這些參數(shù)監(jiān)測小麥LNC的效果均較差。
最后,利用化學計量法監(jiān)測不同覆蓋度條件下小麥LNC,比較逐步多元回歸(SMLR)、主成分回歸(PCR)和偏最小二乘法(PLS)監(jiān)測小麥LNC的效果,并基于這三種方法篩選小麥LNC的最佳化學計量法,構建了基
7、于化學計量法監(jiān)測不同覆蓋度條件下小麥LNC的模型。研究表明,基于PLS建立的LNC監(jiān)測模型表現(xiàn)最好,建模決定系數(shù)RC2為0.80,標準誤差RMSEC為0.39;模型內部交叉驗證表明,預測氮含量內部驗證決定系數(shù)RCV2為0.77,內部驗證標準誤差RMSECV為0.41;模型外部驗證表明,預測小麥LNC的外部驗證決定系數(shù)RV2為0.76,外部驗證標準誤差RMSEP為0.36。另外,還分析了基于這三種化學計量法在低、中、高覆蓋度下監(jiān)測小麥LN
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 不同覆蓋度條件下水稻葉層氮素營養(yǎng)的高光譜監(jiān)測研究.pdf
- 不同植被覆蓋度條件下小麥生長參數(shù)的高光譜監(jiān)測研究.pdf
- 小麥冠層和單葉氮素營養(yǎng)指標的高光譜監(jiān)測研究.pdf
- 基于高光譜的小麥水分狀況監(jiān)測研究.pdf
- 基于成像高光譜的小麥氮素營養(yǎng)監(jiān)測研究.pdf
- 基于高光譜的小麥植株水分狀況監(jiān)測研究.pdf
- 高光譜遙感的冬小麥籽粒蛋白質含量監(jiān)測.pdf
- 高光譜數(shù)據(jù)提取森林冠層葉綠素及氮含量的研究.pdf
- 基于高光譜數(shù)據(jù)的冬小麥葉綠素含量估算模型.pdf
- 基于高光譜遙感的小麥農學參數(shù)及籽粒蛋白質含量監(jiān)測模型構建.pdf
- 基于高光譜遙感的冬小麥氮素營養(yǎng)指標監(jiān)測研究.pdf
- 不同物候期的蘋果樹冠層氮素含量高光譜估測研究.pdf
- 基于多角度高光譜遙感的小麥生長指標監(jiān)測研究.pdf
- 基于高光譜成像技術小麥玉米長勢監(jiān)測研究.pdf
- 基于高光譜遙感的棉田土壤含氮量監(jiān)測模型研究.pdf
- 基于高光譜的小麥株型與籽粒蛋白品質監(jiān)測.pdf
- 基于葉片高光譜指數(shù)的水稻氮素及色素含量監(jiān)測研究.pdf
- 基于高光譜遙感的小麥氮素營養(yǎng)及生長指標監(jiān)測研究.pdf
- 基于高光譜與多光譜數(shù)據(jù)的冬小麥白粉病遙感監(jiān)測.pdf
- 不同施氮水平下冬小麥冠層NH3揮發(fā)研究.pdf
評論
0/150
提交評論