不同植被覆蓋度條件下小麥生長參數(shù)的高光譜監(jiān)測研究.pdf

1、快速、無損的獲取作物氮素營養(yǎng)和長勢指標對精確作物管理及產能預測具有重要意義。高光譜遙感技術具有光譜譜段全、分辨率高、光譜信號精細等優(yōu)點，正逐漸成為支持作物生長無損監(jiān)測的一項重要關鍵技術。但在作物生長的前中期，土壤背景等外界干擾因素的存在，嚴重影響了高光譜反演的精度，限制了遙感反演技術的推廣。因此，如何消除土壤背景等因素的影響，構建兼具較強普適性和機理性的光譜估測模型十分必要。
　　 本研究的目的是以小麥為對象，基于不同株型品種、

2、不同施氮水平和不同種植密度的小麥田間試驗，研究不同施氮水平和種植密度條件下小麥冠層高光譜反射率特征，系統(tǒng)分析冠層光譜與小麥氮素營養(yǎng)和生長指標之間的定量關系，探討量化或消除土壤背景干擾因子的有效途徑與方法，確立適用于不同植被覆蓋度條件下小麥氮素營養(yǎng)和生長指標監(jiān)測的光譜參數(shù)，進而構建兼具機理性與普適性的監(jiān)測模型，從而為小麥生長的無損監(jiān)測和精確管理提供有效技術支撐。
　　 在明確不同生育時期小麥冠層光譜隨施氮水平和種植密度變化特征的基

3、礎上，系統(tǒng)分析了350～2500nm波段范圍內任意兩波段的原始光譜及一階導數(shù)光譜組合的5類光譜參數(shù)（比值植被指數(shù)RVI、歸一化植被指數(shù)NDVI、土壤調節(jié)植被指數(shù)SAVI、最優(yōu)土壤調節(jié)植被指數(shù)OSAVI、垂直植被指數(shù)PVI）與小麥冠層葉層氮含量的定量關系，進一步采用植被覆蓋度(Fractional Vegetation Cover，F(xiàn)Vcover)修訂各光譜參數(shù)并采用線性混合模型的手段來探討消除或降低土壤背景的干擾方法。結果顯示，本文選用

4、的監(jiān)測小麥LNC的各光譜參數(shù)都受到土壤背景的影響，估測精度(R2)在0.55左右，且敏感區(qū)域相似（均在500nm的綠光部分），不同形式的光譜參數(shù)所提供的光譜信息基本一致，以OSAVI(R514，R469)L=0.04的表現(xiàn)最佳。一階導數(shù)光譜參數(shù)估測精度(R2)提高到0.59，但模型檢驗R2降低，相對均方根誤差（RRMSE）升高，模型的穩(wěn)定性較差。新構建的覆蓋度調節(jié)光譜參數(shù)NDVI(R513，R481)/(1+FVcover)獲得較好的效

5、果，模型的精度(R2)提高到0.62，RRMSE降為0.13，且受LAI、LDW、FVcover和LNA影響較小。線性混合模型由于田間試驗環(huán)境的限制表現(xiàn)欠佳，但具有較大潛力。三波段光譜參數(shù)及紅邊參數(shù)均不如兩波段光譜參數(shù)與小麥LNC關系密切。因此，覆蓋度調節(jié)光譜參數(shù)NDVI/(1+FVcover)可以用于不同覆蓋度條件下的小麥LNC監(jiān)測。
　　 系統(tǒng)獲取了不同覆蓋度水平的冠層葉片光譜和氮積累量(Leaf NitrogenAccum

6、ulation，LNA)信息，分析了350～2500nm波段范圍內任意兩波段的原始光譜及一階導數(shù)光譜組合的5類光譜參數(shù)與小麥葉層氮積累量的定量關系。結果顯示，原始光譜參數(shù)估測精度(R2)均達到0.7以上，最優(yōu)波段組合集中在690～762nm近紅外區(qū)域;導數(shù)光譜參數(shù)較原始光譜參數(shù)的建模R2與模型檢驗精度均所有提高，其中以SAVI(FD856，F(xiàn)D740)L=-0.1為變量建立的模型效果相對最好，建模R2為0.762，獨立試驗資料檢驗R2為

7、0.803，RRMSE為0.235，slope為1.009。新構建的三波段光譜參數(shù)mSR(R763，R692，R419)和mND(R692，R655，R444)均獲得較高的估測精度，R2達到0.811，但模型檢驗效果稍差。紅邊參數(shù)整體效果較差，以基于倒高斯法構建的左右峰面積差參數(shù)效果相對較好。最后，引用了第三章的葉層氮含量敏感光譜參數(shù)形式NDVI(Rλ1，Rλ2)/(1+FVcover)，但由于氮積累量與氮含量的指標構成差異，并未獲得理

8、想的效果。因此，SAVI(FD856，F(xiàn)D740) L=-0.1是適合于不同植被被覆蓋度下小麥LNA估測的良好光譜參數(shù)。
　　 通過ASD光譜儀測量了不同覆蓋度水平下的冠層光譜，同時獲取葉面積指數(shù)(LAI)、葉干重(LDW)和植被覆蓋度（FVcover），定量分析了5類光譜參數(shù)與小麥LAI、LDW、FVcover的關系。結果顯示，基于原始光譜兩波段組合的土壤調節(jié)光譜參數(shù)SAVI(R762，R724)L=1同時對LAI、LDW、F

9、Vcover具有良好的估測精度，決定系數(shù)R2達到0.8以上。導數(shù)光譜參數(shù)OSAVI(FD1146，F(xiàn)D758)及基于一階微分紅邊位置提取法構建的右峰面積參數(shù)均有著良好的表現(xiàn)，建模R2與SAVI(R762，R724)相近，而三波段光譜參數(shù)(R762-R724-R856)/(R762+R724+R856)則不如上述光譜參數(shù)表現(xiàn)好。已有光譜參數(shù)中，WDVI、 MSAVI2、Gm-1、DVI(810，560)與LAI、LDW、FVcover有較

10、好的相關性，決定系數(shù)R2均達到0.75以上。獨立試驗資料檢驗結果表明，以SAVI(R762，R724) L=1為變量構建的小麥LAI、LDW、FVcover監(jiān)測模型具有較好的檢驗結果，OSAVI(FD1146，F(xiàn)D758)與右峰面積參數(shù)檢驗效果不穩(wěn)定，而已有光譜參數(shù)中，GM-1等也有良好的效果，但總體上差于SAVI(R762，R724)。因此，利用SAVI(R762，R724) L=1可以對不同覆蓋度條件下的小麥LAI、LDW、FVco