基于水經(jīng)作的煙草高光譜特性及估測模型研究.pdf

1、水氮是影響作物生長的最主要的限制因子之一。作物的葉片顏色、長勢、品質(zhì)以及其形態(tài)結(jié)構(gòu)均會隨著水分和氮素的多少發(fā)生一系列變化,光譜反射率則會與之相對應(yīng)的發(fā)生變化。因此,可以根據(jù)作物的光譜反射特征來實現(xiàn)對作物水分和氮素的實時監(jiān)控和診斷,從而為作物的大田管理提供一定的參考依據(jù)。傳統(tǒng)的作物水氮監(jiān)測手段費時費力,而通過借助遙感技術(shù)則可以方便快速的獲取作物生長信息。
　　 本文通過野外手持光譜儀在地面遙感下研究了水氮互作條件下煙草的高光譜特征

2、以及各種生理生化指標(biāo)的估測模型,通過對所建立的模型進行檢驗,實測值與預(yù)測值的相關(guān)關(guān)系達到顯著水平,模型的精度和預(yù)測能力較好。主要研究結(jié)果如下:
　　 1.同一氮素水平不同水分下的烤煙冠層和葉片光譜反射率變化基本一致,可見光內(nèi),烤煙冠層的光譜反射率隨著土壤水分含量的增加而呈下降狀態(tài)。在近紅外光區(qū)內(nèi),烤煙冠層的光譜反射率隨著土壤水分含量的增加而隨之變高?？緹煵煌龝r期其光譜反射率也在不斷變化,可見光區(qū)內(nèi)隨著煙草的生長發(fā)育,其冠層的

3、高光譜反射率基本表現(xiàn)為在伸根期最低,旺長期升高,成熟期降低,近紅外光區(qū)內(nèi)冠層的高光譜反射率表現(xiàn)為伸根期至旺長期急劇升高,隨后下降。旺長期是煙草生長發(fā)育最快的時期,生長中心從地下轉(zhuǎn)移到地上,莖迅速伸長加粗,可見葉數(shù)迅速增加,葉片充實,光在葉片復(fù)雜的內(nèi)部組織結(jié)構(gòu)下進行了多次的反射散射致使反射率升高。旺長期到成熟期,由于葉片的成熟和開始采摘導(dǎo)致葉綠素總量減少,葉片內(nèi)部海綿組織和柵欄組織結(jié)構(gòu)發(fā)生變化,影響了光譜的反射率。
　　 同一水分

4、不同氮素下,在可見光區(qū)內(nèi),隨著施氮量的增加,烤煙冠層和葉片的光譜反射率呈降低趨勢,這主要是因為葉片色素含量的增加導(dǎo)致了烤煙葉片對光的強烈吸收。在近紅外光區(qū)內(nèi),隨著施氮量的增加,烤煙冠層和葉片的光譜反射率呈增加趨勢。在可見光區(qū),隨著煙草的生長發(fā)育,冠層的高光譜反射率基本上為伸根期最低,旺長期變高,成熟期又降低的趨勢。云煙87的反射率在各個時期均比K326高一些,可能是品種差異造成的。
　　 不同水分和氮素組合條件下,烤煙光譜隨土壤

5、水分變化趨勢一致。同一水分條件下,高氮處理的煙草冠層光譜反射率在可見光處低于低氮處理,在近紅外波段高于低氮處理。
　　 2.本文通過地面光譜儀在水氮互作下對烤煙的冠層、葉片及烤后葉片進行了高光譜的信息采集,采用相關(guān)分析方法分析多種生理生化指標(biāo)與煙草冠層和鮮葉片的高光譜參數(shù)的關(guān)系,篩選出與各種生理生化指標(biāo)關(guān)系最為密切的光譜特征變量,采用多元逐步回歸方法,建立這些指標(biāo)的估測模型,最后進行檢驗樣本檢驗。
　　 通過分析冠層光譜

6、參數(shù)可知葉面積指數(shù)、地上鮮生物重、地上干生物重回歸方程的第一自變量均為綠峰幅值,且其相關(guān)系數(shù)均達到極顯著水平,以綠峰幅值為第一自變量的逐步回歸方程亦達到顯著水平,可作為葉面積指數(shù)、地上鮮生物重、地上干生物重的特征變量；土壤調(diào)整植被指數(shù)經(jīng)分析與葉綠素a、葉綠素b、葉綠素總量、類胡蘿卜素相關(guān)性最強,與總氮和煙堿相關(guān)性最強的特征變量是綠峰幅值,與葉片含水率和淀粉相關(guān)性最強的特征變量均是黃邊幅值,黃邊面積經(jīng)分析與總糖和還原糖相關(guān)性最強；根據(jù)與烤

7、煙生理生化指標(biāo)關(guān)系最密切的光譜變量所建立的回歸方程能夠找出與這些生理生化指標(biāo)相對應(yīng)的特征變量。基于高光譜參數(shù)所建立的烤煙生理生化指標(biāo)冠層逐步回歸方程的決定系R2均達到了顯著的水平,其對應(yīng)的回歸系數(shù)相伴概率也都達到了顯著水平,通過隨機選取一定數(shù)量的樣本進行檢測,發(fā)現(xiàn)基于烤煙生理生化指標(biāo)的冠層逐步回歸方程的估測值與實測值的相關(guān)系數(shù)均達到了顯著水平,說明所建立的冠層逐步回歸方程估測效果良好。
　　 通過分析葉片光譜參數(shù)可知紅邊位置與葉

8、綠素a、葉綠素b、葉綠素總量、類胡蘿卜素相關(guān)性最強,與總糖和淀粉相關(guān)性最強的特征變量均是藍邊幅值,與還原糖和總氮相關(guān)性最強的特征變量均是綠峰幅值,與葉片含水率相關(guān)性最強的特征變量是紅邊面積與藍邊面積歸一化值,與煙堿相關(guān)性最強的特征變量是紅邊面積；根據(jù)高光譜參數(shù)建立的葉片逐步回歸方程,其決定系數(shù)R2都達到了顯著的水平,通過隨機選擇一定數(shù)量的樣本進行檢測,發(fā)現(xiàn)基于烤煙生理生化指標(biāo)的葉片逐步回歸方程的估測值與實測值的相關(guān)系數(shù)均達到了極顯著水平

9、,說明所建立的葉片逐步回歸方程估測效果良好。
　　 3.化學(xué)品質(zhì)、礦質(zhì)元素以及中性致香物質(zhì)都是煙葉質(zhì)量的重要評價指標(biāo),通過分析烤煙的冠層、葉片及烤后煙葉的高光譜參數(shù)與這些質(zhì)量指標(biāo)的相關(guān)關(guān)系,建立基于高光譜參數(shù)的逐步回歸估測模型,通過隨機選擇一定數(shù)量的樣本進行檢測,表明水氮互作下煙草的各種高光譜參數(shù)與烤后葉片的質(zhì)量指標(biāo)都具有不同程度的相關(guān)性,并且根據(jù)所相應(yīng)的逐步回歸模型可以進行相對精確地估測。表明通過高光譜估測模型對煙草這些質(zhì)量指

10、標(biāo)進行預(yù)測是可行的,從而為煙草生長狀況監(jiān)控和煙田管理提供參考。
　　 4.關(guān)于光譜分析方法的研究與應(yīng)用已有很多,目前常用的主要是通過根據(jù)光譜反射率提取出的植被指數(shù)進行建模。植被指數(shù)方法在估算煙草各種生理生化指標(biāo)時雖然也能取得較好的效果,但由于其一般僅利用幾個波長的信息,模型預(yù)測能力及穩(wěn)定性難以保證。主成分分析方法能夠有效降維且盡量保持原有光譜重要信息,充分挖掘高光譜各波段信息,實現(xiàn)各波段之間信息互補,較好地降低了波段數(shù)少而帶來的