基于高光譜的抽穗期冬小麥冠層理化參量的估測研究.pdf

1、精準(zhǔn)農(nóng)業(yè)是綜合運(yùn)用現(xiàn)代農(nóng)業(yè)信息技術(shù)的思想和實(shí)踐，是實(shí)現(xiàn)優(yōu)質(zhì)、高效、低耗、和環(huán)保的農(nóng)業(yè)生產(chǎn)根本途徑。高光譜遙感技術(shù)憑借其光譜信息量大、光譜分辨率高、波段連續(xù)性強(qiáng)的優(yōu)點(diǎn)，能對作物的理化參量進(jìn)行無損、快速的檢測，以彌補(bǔ)傳統(tǒng)化學(xué)分析方法獲取作物理化參量的缺陷，使其成為精準(zhǔn)農(nóng)業(yè)技術(shù)體系的重要組成部分，應(yīng)用面及重要性越來越來大。小麥作為我國重要的糧食作物，利用高光譜技術(shù)獲取其生長狀態(tài)的實(shí)時(shí)信息，對實(shí)現(xiàn)小麥的精準(zhǔn)農(nóng)業(yè)管理尤為重要。
　　本研究以

2、抽穗期冬小麥為研究對象，以大田試驗(yàn)以及采樣試驗(yàn)為依托，通過實(shí)測獲取冬小麥的冠層反射光譜、葉面積指數(shù)，實(shí)驗(yàn)室測定葉片葉綠素與氮元素含量。充分分析小麥的冠層反射光譜特征以及光譜信息與所測的理化參量的相關(guān)性，篩選出敏感波段和特征光譜參數(shù)，構(gòu)建了高光譜植被指數(shù)，利用不同的建模方法來確立冬小麥理化參量的估測模型，并對模型進(jìn)行了驗(yàn)證和優(yōu)化。研究的主要結(jié)果有：
　?。?）在可見光區(qū)域（360~700nm）冬小麥（抽穗期）冠層的光譜反射率均較低，

3、其光譜曲線存在2個(gè)吸收谷和1個(gè)反射峰，即490nm的藍(lán)光、680nm的紅光和550nm的綠光。在短波近紅外呈強(qiáng)烈反射，特別是在690~750nm區(qū)域反射率急劇上升形成植被光譜最重要的特征。
　　（2）當(dāng)冬小麥冠層葉綠素相對含量不同時(shí)，其特征波段的反射率會發(fā)生上下偏移，在可見光區(qū)域，葉綠素含量越高，光譜曲線越向下偏移；在紅外高臺位置的反射率隨著葉綠素含量的增大而向上偏移。冬小麥抽穗期冠層光譜反射率與葉綠素含量值的相關(guān)性在可見光區(qū)域4

4、00~720nm達(dá)到顯著相關(guān)，在594nm處達(dá)到最大。經(jīng)過一階微分變換后獲取的導(dǎo)數(shù)光譜能提高與葉綠素含量的相關(guān)性，但是波動性較大?；诳梢姽?紅外的諸如綠峰、紅谷、“三邊”等光譜特征變量大多數(shù)與冬小麥葉綠素含量有較好的相關(guān)性。從其中優(yōu)選出的以植被指數(shù)REP為自變量來構(gòu)建出的估測模型y=1.196x-844.54可較好估測冬小麥葉綠素含量,是進(jìn)行葉綠素含量估測的優(yōu)選指數(shù)。
　　（3）不同葉面積指數(shù)水平下的冬小麥冠層光譜反射率在各個(gè)波

5、段有明顯差別,520~580n m附近的可見光反射峰處的反射率隨著葉面積指數(shù)的增大而降低，而近紅外平臺波段因?yàn)楣趯咏Y(jié)構(gòu)的作用使反射率隨著葉面積指數(shù)的增大而升高。葉面積指數(shù)與可見光波段(460~710nm)的反射率呈負(fù)相關(guān)關(guān)系，在760~1000nm處的近紅外波段呈顯著正相關(guān)關(guān)系。通過挑選敏感波段來構(gòu)建植被指數(shù)，以比值植被指數(shù)RVI(698，892)植被指數(shù)構(gòu)建的模型為y=0.415x+0.510為最佳估測模型，其擬合決定系數(shù)R2為0.6

6、604，均方根誤差RMSE為0.861，相對誤差RE％為13.68，能夠較好的估測冬小麥抽穗期的葉面積指數(shù)。
　?。?）在可見光波段（400~720nm）內(nèi)，葉片氮含量與其冠層光譜反射率呈負(fù)相關(guān)，在（543nm~640nm）間達(dá)到極顯著相關(guān)水平。原始反射光譜經(jīng)一階微分后，葉片氮含量與光譜反射率的相關(guān)性有了較為明顯的提高，將選取的原始反射和一階微分的特征波段和選取與氮含量相關(guān)的植被指數(shù)被指數(shù)作為自變量，進(jìn)行多元逐步回歸。以RI1dB

7、、mSR705、mNDVI705為自變量構(gòu)建的模型y=0.84x1-0.42x2+0.571x3-0.392和以FD509、FD685、FD536為自變量構(gòu)建的模型y=-135.97x1+101.43x2-100.8x3+0.263的估測精度最好，是估測冬小麥抽穗期葉片氮含量的最佳模型。
　　（5）通過使用SVM建模方法對這三個(gè)理化參量的估測模型進(jìn)行優(yōu)化，發(fā)現(xiàn)SVM模型較之單變量或多變量模型都有更高的精度和穩(wěn)定性，校正集和驗(yàn)證集的