油菜高光谱特征及其农学参数遥感监测

摘要

探讨油菜叶绿素含量的高光谱估算方法，为实现油菜叶绿素、氮素含量的高效、无损、大面积监测提供理论依据。以陕西省关中地区油菜为研究对象，分别测定苗期、蕾薹期、开花期及角果期的油菜高光谱数据和SPAD、NBI值，获取各生育期连续统去除光谱和一阶微分光谱，分析不同生育期油菜理化参数的变化规律，不同生育期高光谱特性以及不同SPAD、NBI的高光谱曲线变化规律。计算原始光谱的光谱指数、连续统去除光谱的光谱吸收特征参数以及一阶微分光谱的“三边”参数，分析其与SPAD、NBI值之间的相关关系，构建了基于原始光谱特征波段、光谱指数、连续统去除光谱特征波段、光谱吸收特征参数、一阶微分光谱特征波段、“三边”参数的SPAD、NBI普通、偏最小二乘估算模型，并对模型精度进行验证，在无人机影像上进行反演填图。主要研究结果如下： （1）不同生育期油菜，在苗期、蕾薹期时对光的吸收加快反射率较低，开花期与角果期反射率增大。而在近红外范围，随着油菜生长发育逐渐加快，叶面积指数增大，近红外光反射率变强。不同含量的SPAD值在油菜光谱曲线上呈现为随着SPAD值的增大，光谱反射率下降。由可见光过渡到近红外范围，由于植物细胞壁结构的影响以及冠层叶片叠置，反射率增大，且表现为随着SPAD值增大，光谱反射率上升。不同含量的NBI值伴随氮素含量的增加，油菜叶绿素等色素不断合成，光合作用增强，光谱反射率下降。由可见光过渡到近红外范围，由于氮素含量的增加促进植物叶片细胞壁结构的生长以及冠层叶片叶面积指数不断增长，致使反射率增大，表现为随着NBI值增大，光谱反射率上升。连续统去除光谱可以增强植物光谱曲线差异，突出吸收谷与反射峰的变化规律，一阶微分光谱能够消除背景环境噪声。“红边”随着SPAD与NBI的增加，曲线不断向近红外方向移动，出现“红移”现象。 （2）在原始光谱基础上计算DSI、RSI、NDSI光谱指数，与SPAD相关性均通过P<0.01显著性检验，相关系数均在0.6以上，呈现显著相关。选取各个生育期与SPAD值相关性最好的光谱指数作为自变量构建油菜SPAD值普通、偏最小二乘回归模型，相较原始光谱，估算精度均显著提高。DSI、RSI、NDSI光谱指数与NBI相关性均通过P<0.01显著性检验，且均大于0.55。选取各个生育期与NBI值相关性最好的光谱指数作为自变量构建油菜SPAD值普通、偏最小二乘回归模型，相较原始光谱，估算精度均显著提高。 （3）连续统去除光谱与原始光谱相比吸收特征被放大，光谱反射率从蕾薹期、开花期、苗期到角果期依次递增，最大吸收深度和吸收谷面积逐渐增大。利用连续统去除光谱特征波段与吸收特征参数，分别建立各个生育期油菜叶片SPAD值估算模型，模型的R2均优于原始光谱建立的模型，具有更好的SPAD值估算能力。相较于原始光谱，NBI与连续统去除光谱之间相关系数有所提高，并且构建的估算模型和验证模型的决定系数R2均增大。选取与NBI值相关性最好的吸收特征参数作为自变量构建油菜NBI普通以及偏最小二乘回归模型，相较原始光谱明显提高了估算精度。 （4）在500～660nm和700～800nm波段，各个生育期一阶微分光谱与SPAD均通过F=0.01显著性检验，相关性由小到大依次为：角果期、苗期、开花期与蕾薹期。提取不同生育期油菜一阶微分光谱的“三边”参数，选取各个生育期与SPAD值相关性最好的“三边”参数作为自变量构建油菜SPAD普通和偏最小二乘回归模型，各生育期模型拟合程度良好，模型精度优于原始光谱，表明所建模型对油菜SPAD值有较好的预测效果。相较于连续统去除光谱，一阶微分光谱与油菜NBI值在蕾薹期和开花期构建的估算模型与验证模型决定系数R2均较高。在苗期估算模型决定系数R2为0.47，比原始光谱苗期估算模型决定系数R2提高了0.13。运用一阶微分光谱“三边”参数构建不同生育期NBI估算模型，相较连续统去除的光谱吸收特征参数构建的模型除去角果期均小幅度提高了估算精度。 （5）运用对无人机影像对SPAD值、NBI值进行遥感填图并进行检验，得到的填图效果较好，可知西侧SPAD值与NBI略高于东侧，且填图预测值与地面实测值验证R2分别为0.536和0.457，比较符合实际情况。

目录

第一章 绪论

1.1 研究背景和意义

1.2 农业高光谱遥感简介

1.3 农作物高光谱遥感研究进展

1.3.1 植物叶绿素含量高光谱遥感监测国内外研究进展

1.3.2 植物氮素含量高光谱遥感监测国内外研究进展

1.3.3 农作物无人机高光谱遥感监测国内外研究进展

1.4 存在的问题与不足

1.5 研究内容

第二章 材料与方法

2.1 研究区概况

2.2 试验设计

2.2.1 油菜非成像高光谱数据获取

2.2.2无人机高光谱影像获取

2.3.1 叶绿素测定

2.3.2 氮平衡指数测定

2.4.1 光谱指数提取

2.4.2 连续统去除光谱

2.4.3 光谱吸收特征参数提取

2.4.4 一阶微分光谱

2.4.5“三边”参数提取

2.5.1 普通回归分析

2.5.2 偏最小二乘回归分析

2.5.3 模型检验

2.6 技术路线

第三章 不同生育期油菜理化参数变化及高光谱特征

3.1.1 不同生育期叶绿素含量变化

3.1.2 不同生育期氮平衡指数变化

3.2.1 不同生育期油菜原始光谱特征

3.2.2 不同生育期油菜连续统去除光谱特征

3.2.3 不同生育期油菜一阶微分光谱特征

3.2.4 不同生育期油菜光谱红边特征

3.3.1 不同SPAD含量的油菜原始光谱特征

3.3.2 不同SPAD含量的油菜连续统去除光谱特征

3.3.3 不同SPAD含量的油菜一阶微分光谱特征

3.3.4 不同SPAD含量的油菜光谱红边特征

3.4.1 不同NBI含量的油菜原始光谱特征

3.4.2 不同NBI含量的油菜连续统去除光谱特征

3.4.3 不同NBI含量的油菜一阶微分光谱特征

3.4.4 不同NBI含量的油菜光谱红边特征

3.5 讨论

3.6 结论

第四章 油菜SPAD含量高光谱估算

4.1 油菜冠层SPAD含量高光谱估算

4.1.1 基于原始光谱的油菜冠层SPAD估算模型

4.1.2 基于光谱指数的油菜冠层SPAD估算模型

4.1.3 基于连续统去除光谱的油菜冠层SPAD估算模型

4.1.4 基于光谱吸收特征参数的油菜冠层SPAD估算

4.1.5 基于一阶微分光谱的油菜冠层SPAD估算

4.1.6 基于三边参数的油菜冠层SPAD估算

4.1.7 基于无人机影像SPAD值反演填图

4.2 讨论

4.3 结论

第五章 油菜NBI含量高光谱估算

5.1 油菜NBI含量高光谱估算

5.1.1 基于原始光谱的油菜NBI估算模型

5.1.2 基于光谱指数的油菜NBI估算模型

5.1.3 基于连续统去除光谱的油菜NBI估算模型

5.1.4 基于光谱吸收特征参数的油菜NBI估算

5.1.5 基于一阶微分光谱的油菜叶片氮素估算

5.1.6 基于三边参数的油菜叶片氮素估算

5.1.7 基于无人机影像NBI值反演填图

5.2 讨论

5.3 结论

第六章 结论与展望

6.1 主要结论

6.2 不足与展望

参考文献

致谢

个人简历