油菜苗期長勢參數(shù)遙感反演方法研究.pdf

1、油菜是我國主要的油料作物之一，播種面積大，分布地區(qū)廣。準確及時地進行區(qū)域油菜長勢監(jiān)測，能為政府和農(nóng)戶提供重要的決策信息和技術支持。關鍵生長期的葉面積指數(shù)、葉綠素含量以及生物量能夠準確的反應油菜的營養(yǎng)狀況和生長趨勢，但是傳統(tǒng)的田間監(jiān)測方法比較費時費力，不適合實時大范圍監(jiān)測。遙感技術能通過豐富的光譜信息快速估計作物長勢參數(shù)，在現(xiàn)代農(nóng)業(yè)中有廣泛的應用。
　　本文以田間試驗數(shù)據(jù)為基礎，分別研究了油菜苗期長勢參數(shù)經(jīng)驗模型和PROSAIL模型

2、反演方法，并基于高分一號衛(wèi)星影像數(shù)據(jù)，獲得了由兩種方法反演的油菜越冬期葉綠素含量分布圖，通過與地面實測數(shù)據(jù)進行比較分析了兩種反演方法用于大范圍油菜長勢監(jiān)測的可行性。圍繞上述研究內(nèi)容，主要結果如下:
　　(1)利用高分一號衛(wèi)星響應函數(shù)，將冠層高光譜重采樣為藍、綠、紅、近紅外寬波段，計算得到常用的15個寬波段植被指數(shù)，對比分析了植被指數(shù)與長勢參數(shù)的相關性。在15個植被指數(shù)中，增強植被指數(shù)(Enhanced vegetation ind

3、ex，EVI)、優(yōu)化的土壤調(diào)節(jié)植被指數(shù)(Optimized soil adjusted vegetation index，OSAVI)、綠色比值植被指數(shù)(Green ratio vegetation index，GRVI)、重歸一化植被指數(shù)(Reclassified vegetation index，RDVI)、歸一化綠度植被指數(shù)(Green normalized vegetation index，GNDVI)、歸一化藍綠植被指數(shù)(Bl

4、ue-green normalized vegetation index，GBNDVI)與葉面積指數(shù)的相關系數(shù)較高，比值植被指數(shù)(Ratio vegetation index，RVI)、綠色比值植被指數(shù)GRVI以及歸一化綠度植被指數(shù)GNDVI與地上部生物量相關系數(shù)較高，綠色比值植被指數(shù)GRVI與葉綠素含量的相關性最好，其次是比值植被指數(shù)RVI。分別構建了油菜苗期葉面積指數(shù)、葉綠素含量以及生物量的經(jīng)驗統(tǒng)計模型，最優(yōu)模型植被指數(shù)分別為GND

5、VI、GRVI和GNDVI。
　　(2)PROSAIL模型輸入?yún)?shù)對應的敏感波段不盡相同，其中可見光是葉綠素含量(Cab)最敏感的波段，而近紅外波段對葉面積指數(shù)(Leaf area index，LAI)變化最敏感。參數(shù)不確定性和光譜數(shù)據(jù)選擇都會影響PROSAIL模型的反演精度，對于2套參數(shù)方案，其中P1有8個未知參數(shù)，P2根據(jù)田間實際固定部分參數(shù)，保留5個未知參數(shù)，以及3個光譜數(shù)據(jù)波段組合，B1是全部可見光-近紅外400-1040

6、nm范圍內(nèi)的高光譜，B2是模擬的高分一號4個波段，B3是基于相關性分析和逐步回歸篩選的優(yōu)選波段，PROSAIL對葉面積指數(shù)和葉綠素含量的反演精度都有P1＜P2，B1＜B2＜B3。對于葉面積指數(shù)反演，除了P1-B1反演精度較低，預測值與實測值的擬合決定系數(shù)只有0.42，其它幾種反演方案的反演精度都較高(R2＞0.5)。對于葉綠素反演，幾種反演方案預測值與實測值的擬合決定系數(shù)都高于0.5，基于寬波段和優(yōu)選波段的擬合決定系數(shù)高于0.6。