基于不同土壤质地小麦冠层高光谱差异及监测模型研究

摘要

利用高光谱遥感技术获取作物冠层光谱信息，系统分析农学参数与冠层光谱之间的关系，从中找出敏感波段和特征指数，进而建立二者之间的定量关系，以此可以实现利用高光谱技术对作物长势及氮素营养等信息的实时诊断及快速监测。本研究以3种不同土壤质地、5种不同氮肥水平和3种河南主推小麦品种连续两年的大田试验为基础，综合运用高光谱遥感、农学参数测定以及数据统计建模等技术手段，分析不同环境下小麦冠层光谱响应差异，系统研究不同土壤质地小麦叶干重、叶面积指数、叶片氮含量和叶绿素a+b含量等农学参数与冠层光谱、一阶导数光谱及其两波段组合而成的差值(DSI)、比值(RSI)和归一化(NDSI)指数之间之间的关系，进而构建基于3种质地条件下估测小麦上述各参数的定量估测模型。在探明籽粒蛋白质含量及产量与不同生育时期小麦叶片氮含量关系的基础上，建立了小麦籽粒蛋白质含量及产量光谱预测模型。预期结果将为高光谱遥感在小麦生产中的实时监测提供参考，同时可以为不同质地小麦的氮肥合理运筹提供技术依据。主要研究结果如下:
　　1.对沙土、壤土和粘土三种不同土壤质地条件下小麦冠层光谱反射率的变化规律进行了研究，表明三种质地上小麦的冠层高光谱反射率分别表现为:粘土0.01-0.64％，壤土0.01-0.51％，沙土0.01-0.46％;进一步对其红边参数进行分析，表明红谷位置(Lo)随生育期的推移会出现“红移”和“蓝移”现象，红谷位置(Lo)和红边宽度(Lwidth)的变化范围表现为沙土＞壤土＞粘土，红边面积(SDr)则表现出相反的变化规律。
　　2.通过分析沙土、壤土和粘土条件下小麦叶干重与原始反射光谱、一阶导数光谱进行相关性分析，表明在574-700 nm和720-750 nm区域相关系数达到了0.70以上。进一步综合系统分析3种质地小麦叶干重与350-1050 nm范围内冠层光谱及一阶导数光谱两两波段组合的差值(DSI)、比值(RSI)和归一化差值(NDSI)的定量关系，并与已有光谱参数建模结果进行比较。结果表明，以新构建光谱参数RSI(R545，R550)和NDSI(R550，R545)表现最好，建模决定系数分别为0.78和0.77，预测决定系数分别为0.74和0.73，预测均方根误差均为0.03，可以较好地预测小麦叶干重。
　　3.叶面积指数与冠层反射率和一阶导数光谱均具有较高的相关性。在此基础上，通过对叶面积指数与350-1050nm范围内冠层光谱及一阶导数光谱两两波段组合的差值(DSI)、比值(RSI)和归一化差值(NDSI)之间关系的分析，表明叶面积与光谱指数DSI(R770，R755)、RSI(R750，R770)、NDSI(R770，R750)和DSI(FD750，FD890)之间具有较好的关系，建模和预测决定系数均达到了0.80以上，预测均方根误差分别为0.65、0.57、0.56和0.55。
　　4.进一步系统分析了350-1050nm波段范围内任意两波段组合而成的差值(DSI)、比值(RSI)及归一化差值(NDSI)光谱指数与叶片氮含量的定量关系，建立估算模型，并与已有光谱参数进行比较。结果表明，以光谱指数DSI(R450，R455)、DSI(FD755，FD600)、RSI(FD690，FD715)和NDSI(FD710，FD700)建模结果表现较好，决定系数分别达到了0.76、0.79、0.74和0.75。经不同年份独立资料检验结果显示，上述光谱指数估测小麦叶片氮含量的预测决定系数分别为0.83、0.76、0.85和0.83，预测均方根误差分别为0.38、0.54、0.31和0.34。因此，光谱参数DSI(R450，R455)、DSI(FD755，FD600)、RSI(FD690，FD715)和NDSI(FD710，FD700)可作为预测小麦叶片氮含量的有效参数。
　　5.将三种土壤质地小麦冠层反射光谱与对应叶片叶绿素含量进行相关性分析，在540-700 nm和714-754 nm区间相关性较高，达到了0.75以上。新构建光谱参数以DSI(R565，R695)和NDSI(FD695，FD735)表现较好，建模决定系数达0.75以上，预测决定系数分别为0.88和0.85，均方根误差分别为0.43和0.48，可以实现不同土壤质地小麦叶片叶绿素a+b含量的监测。
　　6.对成熟期籽粒蛋白质含量和产量与各生育时期叶片氮含量相关性进行研究，表明开花期叶片氮含量可以较好地预测成熟期籽粒蛋白质含量，而产量则与开花期和花后10天叶片氮含量相关性最好。在此基础上，将叶片氮含量预测效果较好的光谱参数与籽粒蛋白质含量和产量进行回归分析。结果表明，基于开花期冠层光谱参数DSI(R450，R455)和NDSI(FD710，FD700)对籽粒蛋白质含量的预测效果较好，建模决定系数分别为0.63和0.66，预测决定系数分别为0.75和0.76，均方根误差分别为0.75和0.78。进一步分析了成熟期产量与开花期和花后10天叶片氮含量参数之间的关系，通过比较，可知开花期叶片氮含量的预测精度较高，以光谱参数DSI(R450，R455)、DSI(FD755，FD600)和NDSI(FD710，FD700)表现较好，预测决定系数分别为0.82、0.93和0.81，RMSE分别为440.61、499.08和463.5，表明上述参数可以用来预测不同质地小麦籽粒蛋白质含量和产量。

目录

声明

致谢

摘要

1 文献综述

1．1 高光谱遥感概念及发展现状

1．1．1 高光谱遥感概念

1．1．2 高光谱遥感发展现状

1．2 不同土壤质地条件下小麦农学基础研究

1．3 小麦光谱特征研究

1．4 高光谱遥感技术在小麦中的研究应用

1．4．1 小麦叶干重监测

1．4．2 小麦叶面积指数监测

1．4．3 小麦氮素营养监测

1．4．4 叶绿素含量监测

1．4．5 小麦品质及产量监测

2 引言

3 研究技术路线与实验方法

3．1 技术路线

3．2 试验设计

3．3 测定项目与方法

3．3．1 冠层光谱数据测定

3．3．2 农学参数测定

3．4 数据分析

4 结果与分析

4．1 不同土壤质地小麦冠层光谱响应差异

4．1．1 不同土壤质地小麦冠层光谱特征

4．1．2 不同土壤质地小麦冠层光谱红边特征

4．2 小麦叶干重监测模型研究

4．2．1 小麦叶干重的变化特征

4．2．2 小麦叶干重与冠层原始光谱及一阶导数的相关性

4．2．3 小麦叶干重与两波段冠层反射光谱及其一阶导数组合参数的关系

4．2．4 小麦叶干重与已有高光谱参数的定量关系

4．2．5 不同土壤质地小麦叶干重估测模型的检验

4．3 小麦叶面积指数监测模型研究

4．3．1 小麦叶面积指数的变化特征

4．3．2 小麦叶面积指数与冠层原始光谱及一阶导数的相关性

4．3．3 小麦叶面积指数与两波段冠层反射光谱及其一阶导数组合参数的关系

4．3．4 小麦叶面积指数与已有高光谱参数的定量关系

4．3．5 小麦叶面积指数估算模型的检验

4．4 小麦叶片氮含量监测模型研究

4．4．1 小麦叶片氮含量的变化特征

4．4．2 小麦叶片氮含量与冠层原始光谱及一阶导数的相关性

4．4．3 小麦叶片氮含量与两波段冠层反射光谱及其一阶导数组合参数的关系

4．4．4 小麦叶片氮含量与已有高光谱参数的定量关系

4．4．5 小麦叶片氮含量估算模型的检验

4．5 小麦叶绿素含量监测模型研究

4．5．1 小麦叶绿素含量的变化特征

4．5．2 小麦叶绿素含量与原始光谱及其一阶微分的相关性

4．5．3 小麦叶绿素含量与两波段冠层反射光谱及其一阶导数组合参数的关系

4．5．4 小麦叶绿素含量与已有高光谱参数的定量关系

4．5．5 小麦叶绿素估算模型的检验

4．6 小麦籽粒蛋白质含量监测模型研究

4．6．1 小麦籽粒蛋白质含量的变化特征

4．6．2 基于叶片氮含量的小麦籽粒蛋白质含量监测模型

4．6．3 小麦籽粒蛋白质含量的光谱估测模型

4．6．4 籽粒蛋白质含量估测模型的检验

4．7 小麦籽粒产量监测模型研究

4．7．1 小麦籽粒产量的变化特征

4．7．2 基于叶片氮含量的小麦籽粒产量监测模型

4．7．3 小麦籽粒产量的光谱估测模型

4．7．4 籽粒产量估测模型的检验

5 结论与讨论

5．1 不同土壤质地小麦冠层光谱响应差异

5．2 小麦叶干重监测

5．3 小麦叶面积指数监测

5．4 小麦叶片氮含量监测

5．5 小麦叶绿素含量监测

5．6 小麦籽粒蛋白质含量监测

5．7 小麦产量监测

参考文献