基于高光谱遥感的小麦农学参数及籽粒蛋白质含量监测模型构建

摘要

高光谱遥感是精准农业研究的重要工具之一，是实时、快速、精准、无损监测作物生长及营养状况的重要途径。叶绿素含量和叶面积指数等农学参数是衡量小麦光合能力、生长发育阶段、营养生理状况和受环境胁迫程度的有效指标。因此，小麦冠层反射光谱数据对农学参数的响应特征，可以用来预测小麦长势、监测其光合能力与氮素营养状况，以及评估其产量变化。本试验以普冰151小麦为研究材料，在不同播种量和施氮量下的田间试验的基础上，分别于不同生育时期测定小麦冠层反射光谱数据，同时对各农学参数进行实际测量，分析农学参数与光谱反射率和一阶导数光谱及已有光谱指数之间的相关关系，并建立与各农学指标相应的定量反演模型。通过分析籽粒蛋白质含量(GPC)与不同生育时期的小麦冠层叶绿素含量(chl a+b)的相关关系以及籽粒产量(GY)与不同生育时期的叶面积指数(LAI)的相关关系，分别将冠层叶绿素含量和叶面积指数作为链接点建立籽粒蛋白质含量和籽粒产量的高光谱预测模型。预期结果将为普冰151小麦的氮肥和播量的合理运筹提供技术依据，为小麦生长发育的无损监测和精确管理提供理论基础和关键技术。主要研究结果如下:
　　1.不同播种量、氮素水平及不同生育时期的小麦冠层光谱反射率具有规律性的变化。施氮肥使可见光波段的光谱反射率值降低，129kg·hm-2(D1)、202kg·hm-2(D2)播量下的光谱反射率值分别在120kg·hm-2(N2)、180kg·hm-2(N3)施氮水平出现最小值;近红外波段范围内的光谱反射率值反而增大。在可见光部分，D2播量下的光谱反射率值低于D1播量，近红外区域恰好相反。适宜的施氮量和增加播种量均使小麦产生“红移”现象。不同生育时期，普冰151的光谱反射率值的变化趋势大体一致，可见光区域在灌浆期达最高值，而近红外区域在抽穗期达最高值;小麦从拔节到抽穗，存在“红移”现象，从抽穗到开花存在“蓝移”现象，而红边面积的最大值出现在抽穗期，最小值出现在灌浆期。普冰151小麦的这些光谱特征有利于进一步利用反射光谱数据监测或预测其长势及养分等情况。
　　2.不同播种量和施氮量处理下小麦叶绿素含量随生育时期的推进有规律性变化。在此基础上，不同处理下的chl a、chlb和chl a+b与原始光谱数据、一阶导数数据进行相关分析表明，光谱反射率与chl a+b含量在可见光范围内呈负相关关系，在近红外波段范围内呈正相关关系，二者间的相关系数在波长702nm附近达最高值，为-0.73。chl a含量与光谱反射率值的相关关系与chl a+b相似，而chl b与光谱反射率值的相关关系低于chl a和chl a+b。进一步分析三者与已有17种光谱参数间的定量关系，发现光谱参数RVI(729，755)和GREEN-NDVI与叶绿素含量的关系非常密切，而且多项式回归模型的拟合可靠性均高于直线回归模型。经检验，RVI(729，755)和GREEN-NDVI对Chl b和Chl a+b的估测效果均较好，R2分别为0.5022和0.5305、0.5257和0.5447，而RVI(729，755)对Chl a的估测效果较差，R2为0.2918。因此，综合考虑基于不同光谱指数所构建的模型的拟合效果和检验结果，以GREEN-NDVI为变量的小麦冠层叶绿素含量监测模型较优。
　　3.不同播种量及施氮量下普冰151叶而积指数随生育时期的推进发生了有规率的变化。在此基础上，LAI与原始光谱数据、一阶导数光谱数据相关分析表明，冠层光谱反射率与LAI间的相关系数在波长670nm和1010nm附近达最大值，为-0.89和0.90。选择与普冰151冠层LAI相关性较大的10种光谱参数为自变量，以LAI为因变量，分别建立线性、多项式、指数、幂函数模型，光谱参数NDVI705、NDCI、OSAVI和NDVI(810，560)与小麦冠层LAI的关系非常密切。经独立资料检验，光谱指数NDVI705检验结果最佳，r、R2、RMSE、RE、da、dap分别为0.74、0.548、0.354、5.86％、0.097、1.61％，预测值较接近于实测值。
　　4.小麦成熟期GPC与各生育时期的群体叶绿素含量的相关分析发现灌浆期的叶绿素含量能够较好地估测成熟期的GPC，估测R2达0.635。基于小麦灌浆期的反射光谱数据构建GPC预测模型。表明，以NVI和PSSRb为自变量的多项式模型较好，拟合精度分别为0.3278和0.3014，经检验，PSSRb的检验效果优于NVI，r、R2、RMSE、RE、da、dap分别为0.833、0.693、0.152、1.11％、-0.108、0.80％。因此，以PSSRb为变量的小麦成熟期的GPC预测模型较优。
　　5.普冰151籽粒产量与其各生育时期的叶面积指数相关分析发现小麦开花期冠层叶面积指数能较好的监测籽粒产量，预测R2达0.492。基于小麦开花期的冠层反射光谱数据构建GY预测模型。结果表明，光谱参数NVI、PSSRb、OSAVI和MSAVI与GY的关系非常密切，拟合精度分别为0.5405、0.6244、0.5926和0.6302，经检验，PSSRb和MSAVI的检验效果优于NVI和OSAVI。因此，以NVI和OSAVI为变量的小麦籽粒产量监测模型较优。

目录

声明

摘要

第一章 文献综述

1．1 高光谱遥感技术及研究进展

1．1．1 高光谱技术的基本原理

1．1．2 高光谱技术在农业遥感应用中的发展现状

1．2 高光谱遥感技术在小麦中的应用

1．2．1 小麦叶面积指数监测

1．2．2 小麦叶绿素含量监测

1．2．3 小麦品质及产量预测

1．3 研究的目的及意义

1．4 研究思路与技术路线

2．1 试验设计

2．2 光谱数据测定

2．3 农学参数测定

2．3．1 叶绿素含量测定

2．3．2 叶面积指数测定

2．3．3 产量及产量构成三因素测定

2．3．4 籽粒蛋白质含量测定

2．4 模型建立与检验

2．4．1 建模方法

2．4．2 光谱参数计算方法

2．4．3 模型检验

2．5 数据处理

第三章 结果与分析

3．1 不同播种量及施氮量下的小麦冠层反射光谱特征

3．1．1 小麦冠层反射光谱特征对不同播种量与施氮量的响应

3．1．2 不同生育时期小麦冠层反射光谱特征

3．2 小麦冠层叶绿素含量对播种量和施氮量的响应及其高光谱遥感模型

3．2．1 不同播种量和施氮量下小麦冠层叶绿素含量的变化

3．2．2 小麦叶绿素含量与原始反射光谱及一阶导数光谱数据的相关性

3．2．3 小麦冠层叶绿素含量与高光谱指数的关系

3．2．4 小麦冠层叶绿素含量监测模型的检测

3．3 小麦叶面积指数对对播种量和施氮量的响应及其高光谱遥感模型

3．3．1 不同施氮量和播种量下小麦LAI的变化

3．3．2 小麦冠层反射光谱与LAI的相关性

3．3．3 小麦LAI与冠层高光谱指数的关系

3．3．4 叶面积指数监测模型与检验

3．4 小麦籽粒蛋白质含量对播种量和施氮量的响应及其高光谱遥感模型

3．4．1 不同氮肥水平和播量下普冰15 l籽粒蛋白质含量的变化

3．4．2 基于叶绿素含量的小麦籽粒蛋白质含量监测模型

3．4．3 小麦籽粒蛋白质含量的光谱预测模型

3．4．4 小麦籽粒蛋白质含量光谱预测模型的检测

3．5 小麦籽粒产量对播种量和施氮量的响应及其高光谱遥感模型

3．5．1 不同施氮量和播种量下小麦籽粒产量的变化

3．5．2 基于叶面积指数的小麦籽粒产量预测模型

3．5．3 小麦籽粒产量的光谱预测模型

3．5．4 小麦籽粒产量光谱预测模型的检验

第四章 讨论与结论

4．1 小麦冠层反射光谱特性分析

4．2 小麦冠层叶绿素含量监测模型

4．3 小麦叶面积指数监测模型

4．4 小麦籽粒蛋白质含量预测模型

4．5 小麦籽粒产量预测模型

参考文献

致谢

作者简介