基于高光譜監(jiān)測不同覆蓋度下小麥葉層氮含量的研究.pdf

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