基于高光谱的寒地水稻叶片氮素营养诊断研究

摘要

水稻的产量和品质关系着国家的粮食安全和国民经济命脉，而氮素是水稻生长发育所必须的营养元素之一。农民本着高投入高回报的原则，大量施用氮肥，造成了氮素的浪费和流失。随着农业现代化的迅速发展，高光谱技术在农作物营养诊断方面得到了广泛的研究。本研究以龙稻23、龙稻20为试验品种，采用高光谱技术进行寒地水稻叶片氮素含量预测研究，为快速检测水稻叶片氮素含量及水稻生长期间精确施肥管理提供了技术支撑和理论依据。
　　试验于2015年在黑龙江省方正县水稻研究院进行，2个水稻品种各设置6个不同的施氮梯度，于分蘖、拔节、抽穗、成熟4个生育期开展试验。采用美国Headwall公司的高光谱系统室内平台进行水稻叶片高光谱图像采集，采用浙江托普仪器有限公司的植物营养测定仪对水稻叶片进行氮素含量活体测定。
　　使用ENVI软件提取了水稻叶片在400-1000nm下的光谱反射率，通过分析不同氮素水平下的水稻叶片在各个时期的光谱反射率曲线和红边位置曲线，得到水稻叶片光谱特征和反射率变化趋势。采用连续投影算法(SPA)和分段主成分分析(SPCA)方法选择各时期水稻叶片的高光谱特征波段，SPCA方法降维后结合相关分析(CA)构建特征光谱参量。建立基于全波段高光谱数据、SPA特征波段及SPCA特征光谱参量的多种回归分析模型，包括一元回归分析、逐步多元回归分析(MSRA)、多元回归分析(MRA)，并且对模型进行检验和筛选。
　　从模型的客观性能高低来看，龙稻23分蘖期、拔节期、抽穗期、成熟期和龙稻20拔节期均采用全光谱-MSRA模型效果最好;龙稻20分蘖期、抽穗期、成熟期均采用SPCA-CA-MRA模型效果最好。从实际应用角度来看，采用全光谱-MSRA模型，精度高但波段数目多，很难应用于实际之中;采用SPA-MSRA模型，精度略差但波段数目少、且精度满足要求，可行性较高;采用SPCA-CA-MRA模型，运算过程复杂但模型丰富、精度高，同样可行。

目录

声明

摘要

1 引言

1．1 研究的目的与意义

1．2 作物营养诊断技术国内外研究现状

1．2．1 传统作物营养诊断技术

1．2．2 现代作物营养诊断技术

1．3 本章小结

2 研究内容与技术路线

2．1 试验材料与方法

2．1．1 试验设计

2．1．2 高光谱系统

2．1．3 水稻叶片氮素含量测定

2．2 研究内容

2．3 技术路线

2．4 本章小结

3 水稻叶片高光谱信息处理

3．1 水稻叶片高光谱图像采集

3．2 水稻叶片高光谱数据提取与分析

3．2．1 水稻叶片高光谱反射率提取

3．2．2 水稻叶片高光谱反射率曲线

3．2．3 水稻叶片高光谱红边参数

3．3 本章小结

4 水稻叶片高光谱特征波段选择

4．1 基于SPA方法的特征波段选择

4．1．1 水稻叶片分蘖期SPA特征波段选择

4．1．2 水稻叶片拔节期SPA特征波段选择

4．1．3 水稻叶片抽穗期SPA特征波段选择

4．1．4 水稻叶片成熟期SPA特征波段选择

4．2 基于SPCA方法的特征波段选择

4．2．1 水稻叶片分蘖期SPCA特征波段选择

4．2．2 水稻叶片拔节期SPCA特征波段选择

4．2．3 水稻叶片抽穗期SPCA特征波段选择

4．2．4 水稻叶片成熟期SPCA特征波段选择

4．3 本章小结

5 水稻叶片氮素含量预测模型

5．1 基于全波段高光谱数据的建模预测

5．1．1 水稻叶片分蘖期全光谱氮素预测模型

5．1．2 水稻叶片拔节期全光谱氮素预测模型

5．1．3 水稻叶片抽穗期全光谱氮素预测模型

5．1．4 水稻叶片成熟期全光谱氮素预测模型

5．2 基于SPA方法的特征波段建模预测

5．2．1 水稻叶片分蘖期SPA氮素预测模型

5．2．2 水稻叶片拔节期SPA氮素预测模型

5．2．3 水稻叶片抽穗期SPA氮素预测模型

5．2．4 水稻叶片成熟期SPA氮素预测模型

5．3 基于SPCA方法的特征波段建模预测

5．3．1 水稻叶片分蘖期SPCA氮素预测模型

5．3．2 水稻叶片拔节期SPCA氮素预测模型

5．3．3 水稻叶片抽穗期SPCA氮素预测模型

5．3．4 水稻叶片成熟期SPCA氮素预测模型

5．4 水稻叶片氮素含量预测模型分析

5．5 本章小结

6 结论

6．1 结论

6．2 展望

致谢

参考文献

附录

攻读硕士学位期间发表的学术论文