小麥主要生育期苗情診斷關(guān)鍵參數(shù)遙感監(jiān)測(cè)算法優(yōu)化研究.pdf

1、小麥?zhǔn)俏覈?guó)也是江蘇省的主要糧食作物之一。在目前小麥栽培與管理的實(shí)際過程中，相對(duì)于采用技術(shù)人員定點(diǎn)調(diào)查等傳統(tǒng)的小麥生長(zhǎng)生產(chǎn)監(jiān)測(cè)方法，遙感技術(shù)能及時(shí)、快捷并無破壞地監(jiān)測(cè)預(yù)報(bào)大面積的小麥生長(zhǎng)狀態(tài)，但是，遙感監(jiān)測(cè)預(yù)報(bào)精度還不能完全滿足實(shí)際生產(chǎn)管理需要，為此，前人已進(jìn)行了相關(guān)的研究，其中利用遙感數(shù)據(jù)構(gòu)建經(jīng)驗(yàn)統(tǒng)計(jì)模型定量反演能夠反映小麥生長(zhǎng)狀態(tài)的一些苗情關(guān)鍵參數(shù)的研究得到了廣泛開展，在此方向的研究顯示，構(gòu)建統(tǒng)計(jì)模型所需的算法對(duì)遙感監(jiān)測(cè)精度有很重要的

2、影響。然而，現(xiàn)階段與建模算法相關(guān)的國(guó)內(nèi)外文獻(xiàn)數(shù)量不多，且其中多數(shù)文獻(xiàn)局限于研究使用相關(guān)算法遙感監(jiān)測(cè)某一個(gè)農(nóng)學(xué)參數(shù)，或只是針對(duì)小麥某一個(gè)生育期展開使用相關(guān)算法遙感監(jiān)測(cè)其農(nóng)學(xué)參數(shù)的研究，而針對(duì)小麥主要生育期的多個(gè)苗情診斷關(guān)鍵參數(shù)，系統(tǒng)分析、評(píng)價(jià)并比較基于不同算法構(gòu)建遙感監(jiān)測(cè)模型的實(shí)用性和預(yù)測(cè)性研究卻少有涉及。
　　鑒于如上所述，為提高小麥生長(zhǎng)狀態(tài)的遙感監(jiān)測(cè)精度，進(jìn)而指導(dǎo)大面積小麥田間生產(chǎn)，最終實(shí)現(xiàn)高產(chǎn)、高效、安全、低耗、優(yōu)質(zhì)生產(chǎn)，本研

3、究以江蘇省的泰興、姜堰、興化和儀征地區(qū)2010-2013年稻茬小麥為研究對(duì)象，圍繞小麥拔節(jié)、孕穗和開花期的葉面積指數(shù)(LAI)、生物量、葉片氮含量(LNC)和葉片SPAD值等苗情診斷關(guān)鍵參數(shù)，以各生育期相應(yīng)的環(huán)境衛(wèi)星HJ-CCD遙感信息為支撐，比較基于不同多元回歸算法構(gòu)建的遙感監(jiān)測(cè)模型的可行性及預(yù)測(cè)性，旨在為提高大田尺度下的小麥苗情診斷關(guān)鍵參數(shù)遙感監(jiān)測(cè)預(yù)報(bào)精度提供技術(shù)和方法。本研究的主要內(nèi)容和結(jié)果如下:
　　(1)分析主要生育期小

4、麥苗情診斷關(guān)鍵參數(shù)與遙感變量間的相關(guān)性，以0.01水平下顯著相關(guān)為依據(jù)，結(jié)果表明在拔節(jié)和開花期分別選用NRI、RVI、NDVI、GNDVI、SIPI、SAVI、OSAVI和PSRI共8種植被指數(shù)，孕穗期選用NDVI、GNDVI、SIPI、SAVI、OSAVI和PSRI這6種植被指數(shù)，監(jiān)測(cè)小麥葉面積指數(shù)是可行的;遙感監(jiān)測(cè)小麥拔節(jié)、孕穗和開花期的地上干生物量時(shí)，各期均可選用NDVI、SAVI、OSAVI、NRI、GNDVI、SIPI、PSR

5、I、RVI、CRI、EVI、MSR、NLI、RDVI、TVI和MTVI2這15個(gè)植被指數(shù)作為敏感遙感變量;遙感監(jiān)測(cè)小麥葉片氮含量時(shí)，拔節(jié)期選用NDVI、GNDVI、SIPI、RVI、SAVI、OSAVI、MSAVI和EVI這8種植被指數(shù)，孕穗期選用NRI、PSRI、NDVI、GNDVI、SIPI、RVI、SAVI、OSAVI、MSAVI和EVI共10種指數(shù)，開花期選用NDVI、NRI和PSRI這3種植被指數(shù)，分別作為各生育期的敏感遙感變

6、量;遙感監(jiān)測(cè)小麥葉片SPAD值時(shí)，拔節(jié)期選用NRI、RVI、NDVI、GNDVI、SIPI、SAVI、OSAVI和PSRI共8種植被指數(shù)，孕穗期選用NDVI、NRI、RVI、SAVI和OSAVI這5種植被指數(shù)，開花期選用RVI、NDVI、GNDVI、SIPI、SAVI、OSAVI和PSRI共7種植被指數(shù)，分別作為各生育期的敏感遙感變量。
　　(2)使用多種回歸算法構(gòu)建主要生育期小麥各苗情診斷關(guān)鍵參數(shù)的遙感監(jiān)測(cè)模型。分別針對(duì)每個(gè)生育

7、期（拔節(jié)、孕穗和開花期）的LAI、生物量、LNC和SPAD各長(zhǎng)勢(shì)參數(shù)，以2010-2012年小麥數(shù)據(jù)為訓(xùn)練集，將篩選的敏感遙感變量作為輸入變量，以長(zhǎng)勢(shì)參數(shù)為輸出變量，分別采用傳統(tǒng)多元線性(ML，Multiple Linear)、偏最小二乘(PLS，Partial LeastSquares)、人工神經(jīng)網(wǎng)絡(luò)（ANN，Artificial Neural Networks）、單核支持向量回歸(SK-SVR，Single-Kernel Suppo

8、rt Vector Regression)、雙核支持向量回歸(DK-SVR，Double-KernelSupport Vector Regression)和隨機(jī)森林回歸(RF，Random Forest)共6種回歸算法建立每個(gè)生育期各長(zhǎng)勢(shì)參數(shù)的遙感反演多因子模型。利用獨(dú)立于建模集的2013年小麥實(shí)測(cè)數(shù)據(jù)，結(jié)合決定系數(shù)R2和均方根誤差RMSE這兩個(gè)評(píng)價(jià)指標(biāo)及實(shí)測(cè)值與模型預(yù)測(cè)值之間的1∶1關(guān)系圖，系統(tǒng)性地評(píng)價(jià)并比較了所建模型的實(shí)用性及預(yù)測(cè)性

9、，進(jìn)而通過對(duì)各生育期模型性能比較確定最佳模型。
　　(3)明確了遙感監(jiān)測(cè)小麥主要生育期葉面積指數(shù)(LAI)的各模型性能。研究結(jié)果表明，監(jiān)測(cè)拔節(jié)、孕穗和開花期小麥LAI的最佳模型均為DK-SVR模型，3個(gè)生育期模型估測(cè)值與實(shí)測(cè)值之間的決定系數(shù)R2和均方根誤差RMSE依次為:0.76和0.29，0.80和0.47，0.67和0.55，且各生育期的模型預(yù)測(cè)值與實(shí)測(cè)值擬合良好，同時(shí)，基于ML和ANN的模型監(jiān)測(cè)這3個(gè)生育期LAI的效果最差;

10、拔節(jié)期其余3個(gè)模型性能由高到低依次為SK-SVR模型（R2=0.71，RMSE=0.43）、PLS模型(R2=0.65，RMSE=0.40)和RF模型(R2=0.49，RMSE=1.41);孕穗期其余3個(gè)模型性能由高到低依次為SK-SVR模型(R2=0.78，RMSE=0.58)、PLS模型(R2=0.75，RMSE=0.74)和RF模型（R2=0.32，RMSE=1.13）;開花期其余3個(gè)模型性能由高到低依次為RF模型(R2=0.52

11、，RMSE=0.57)、PLS模型(R2=0.45,RMSE=0.64)和SK-SVR模型（R2=0.33,RMSE=0.84）。
　　(4)明確了遙感監(jiān)測(cè)小麥主要生育期地上千生物量的各模型性能。研究結(jié)果顯示，在小麥拔節(jié)、孕穗和開花各期的6個(gè)模型中，RF模型均表現(xiàn)出最佳的預(yù)測(cè)能力，3個(gè)生育期RF預(yù)測(cè)值與實(shí)測(cè)值間的決定系數(shù)R2和均方根誤差RMSE依次為:0.53和477 kg.hm-2，0.72和1126 kg.hm-2，0.79和

12、1808 kg.hm-2。拔節(jié)期次優(yōu)模型為DK-SVR模型(R2=0.50，RMSE=505.5 kg.hm-2)和SK-SVR模型（R2=0.47，RMSE=509.5 kg.hm-2），而基于ML、PLS和ANN的模型監(jiān)測(cè)該生育期生物量的效果最差;在孕穗期和開花期，基于ANN的模型監(jiān)測(cè)小麥生物量的效果最差，其余4個(gè)模型性能由高到低依次為DK-SVR模型（孕穗期R2=0.67，RMSE=1389.2 kg.hm-2;開花期R2=0.6

13、5，RMSE=2058.1 kg.hm-2）、SK-SVR模型（孕穗期R2=0.51，RMSE=1422.3 kg.hm-2;開花期R2=0.62，RMSE=2174.2 kg.hm-2）、ML模型（孕穗期R2=0.53，RMSE=1461.5 kg.hm-2;開花期R2=0.49，RMSE=2454.4 kg.hm-2）和PLS模型（孕穗期R2=0.48，RMSE=1521.7 kg.hm-2;開花期R2=0.49，RMSE=2803

14、.6 kg.hm-2）。
　　(5)研究表明了遙感監(jiān)測(cè)小麥主要生育期葉片SPAD值的各模型性能。綜合考慮模型預(yù)測(cè)值與實(shí)測(cè)值之間的一致性，并且同時(shí)考慮二者之間的決定系數(shù)R2和均方根誤差RMSE，結(jié)果顯示，基于ML的模型監(jiān)測(cè)小麥拔節(jié)、孕穗和開花期的葉片SPAD值時(shí)效果最差;在小麥拔節(jié)期，確定DK-SVR模型為最佳模型，預(yù)測(cè)值與實(shí)測(cè)值間的R2和RMSE為:0.65和1.58，其它4個(gè)模型按性能由高到低依次為:RF模型（R2=0.55，R

15、MSE=2.11）、SK-SVR模型(R2=0.57，RMSE=2.31)、ANN模型（R2=0.43，RMSE=3.06）和PLS模型(R2=0.40，RMSE=3.42);在孕穗期，確定RF為最優(yōu)模型（R2=0.72，RMSE=2.2），其余4個(gè)性能由高到低的模型為:DK-SVR模型(R2=0.57，RMSE=2.10)、SK-SVR（R2=0.52，RMSE=2.30）、PLS模型（R2=0.47，RMSE=5.76）和ANN模型

16、(R2=0.43，RMSE=2.80);在開花期，確定RF為最優(yōu)模型（R2=0.60，RMSE=3.16），同時(shí)結(jié)果顯示，基于PLS的模型預(yù)測(cè)效果不好，其余3個(gè)模型為:DK-SVR模型（R2=0.52，RMSE=3.03）、SK-SVR(R2=0.48，RMSE=3.07)和ANN模型（R2=0.46，RMSE=3.20）。
　　(6)闡明了遙感監(jiān)測(cè)小麥主要生育期葉片氮含量(LNC)的各模型性能。結(jié)果表明，基于DK-SVR算法構(gòu)建

17、的模型是分別遙感監(jiān)測(cè)小麥拔節(jié)、孕穗和開花各期LNC的最佳模型，各生育期的模型預(yù)測(cè)值與實(shí)測(cè)值之間顯示出良好的一致性，二者間的決定系數(shù)R2和均方根誤差RMSE分別為:拔節(jié)期的R2=0.73，RMSE=0.13，孕穗期的R2=0.82，RMSE=0.21，開花期的R2=0.75，RMSE=0.20; SK-SVR模型和PLS模型均為各生育期的次優(yōu)模型，3個(gè)生育期SK-SVR模型的R2和RMSE依次為:0.61和0.16，0.77和0.29，0