基于地物光谱仪与成像光谱仪耦合的玉米生长信息监测研究

摘要

玉米是我国主要粮食作物，其产量和品质直接影响我国粮食安全和农业生产的发展。叶绿素含量、植株含水量、叶片氮素含量等生理参数对玉米长势和产量评估有重要作用，可以为农田管理、灌溉、施肥提供参考依据。以西北地区玉米为对象，应用地物光谱辐射仪和成像光谱仪观测光谱数据，测定各生育期玉米的叶绿素相对含量(Soil and plant analyzer development，SPAD)值、植株含水量以及叶片氮素含量，分析了不同生育期不同光谱仪下的光谱响应特征以及与SPAD值、植株含水量、叶片氮素含量的相关性，建立了基于特征波段、植被指数和高光谱特征参数的玉米生理参数高光谱估算模型，研究结果可以为西北地区玉米生长状况遥感监测和定量反演提供理论依据和技术支持。得到主要结论如下:
　　(1)不同生育期玉米冠层光谱反射率响应特征有所不同。随着玉米生长发育，“绿峰”波段光谱反射率逐渐增大;在近红外波段，抽雄期和乳熟期光谱反射率较大，拔节期和完熟期光谱反射率较小。从拔节期到乳熟期，叶片SPAD值不断增加，乳熟期到完熟期，叶片SPAD值下降;在整个生育期，植株含水量呈现出逐渐减小的趋势。
　　(2)地物光谱辐射仪测得的冠层光谱(SVC光谱Spectra Vista Corporation)与玉米SPAD值的相关性，拔节期、抽雄期、乳熟期和完熟期，光谱反射率与SPAD值的相关性分别在709nm、552nm、712nm和710nm处达到最大;光谱反射率一阶微分与SPAD值的相关性分别在752nm、756nm、760nm和749nm达到最大;玉米各生育期，植被指数GRVI、GNDVI、MCARI、TCARI与SPAD值均极显著相关;高光谱特征参数λr、Db、SDb、SDg、SDr/SDb、SDr/SDy、(SDr-SDb)/(SDr+SDb)和(SDr-SDy)/(SDr+SDy)与SPAD值达到相关系数绝对值0.7以上的极显著相关，通用性较好。抽雄期光谱一阶微分的幂函数模型，高光谱特征参数的多元线性回归模型建模为最优估算模型。
　　(3)SVC光谱反射率与玉米植株含水量的相关性在各个生育期均较小，光谱一阶微分与植株含水量在各个生育期的最大相关波段分别为1685nm、2090nm、2455nm和433nm，最大相关系数分别为0.542、0.570、0.510和-0.685;FD2246/2084、FD2234/2028、FD2337/2249和FD(2341-433)/(2341+433)分别为各生育期的最佳光谱指数，与植株含水量的相关系数分别为0.716、0.668、0.726和-0.888。完熟期FD(2341-433)/(2341+433)的指数模型，高光谱特征参数的多元线性回归模型为最优估算模型。
　　(4)成像光谱仪(SOC光谱Surface Optics Corporation)测得的玉米原始光谱反射率及其光谱一阶微分分别与SPAD值在717.17nm和696.12nm处达到最大相关，相关系数分别为-0.567和-0.841;植被指数MCARI与SPAD值呈最大负相关，相关系数-0.830;高光谱特征参数Dy、SDg和(SDr-SDb)/(SDr+SDb)与SPAD值相关性较好，相关系数分别为0.799、-0.795和0.862。(SDr-SDb)/(SDr+SDb)的一元线性模型、光谱一阶微分的多元线性模型为最优估算模型。
　　(5)SOC测得的原始反射率光谱和一阶微分光谱分别与叶片氮素在711.90nm和545.84nm处达最大相关，相关系数分别为-0.530和-0.667;植被指数GNDVI与叶片氮素呈最大正相关，相关系数0.608;高光谱特征参数Ro、SDg和SDr/SDb与叶片氮素相关性较好，相关系数分别为-0.578、-0.635和0.717。SDr/SDb的一元线性模型、高光谱特征参数的多元线性模型为最优估算模型。

目录

论文说明

声明

摘要

第一章 绪论

1．1 研究背景

1．2 研究目的和意义

1．3 高光谱遥感研究进展

1．3．1 高光谱遥感的概念与发展

1．3．2 高光谱遥感监测植被原理

1．4 高光谱遥感在作物生长监测中的研究进展

1．4．1 非成像光谱仪在作物生理参数监测中的研究进展

1．4．2 成像光谱仪在作物生理参数监测中的研究进展

1．5 研究内容与技术路线

1．5．1 研究内容

1．5．2 技术路线

第二章 材料与方法

2．1 研究区概况

2．2 田间试验设计

2．3 高光谱数据获取

2．3．1 非成像光谱数据获取

2．3．2 成像光谱数据获取

2．4 玉米生物理化参量测定

2．4．1 玉米叶片SPAD值测定

2．4．2 玉米植株含水量的测定

2．4．3 玉米叶片氮素含量的测定

2．5 数据分析与处理

2．5．1 高光谱数据预处理

2．5．2 植被指数选取

2．5．3 高光谱特征参数选取

2．6 模型构建与检验

第三章 基于SVC光谱的玉米SPAD值高光谱监测模型

3．1 不同生育期玉米冠层光谱特征

3．2 不同生育期玉米叶片SPAD值特征分析

3．3 不同SPAD值玉米冠层光谱特征

3．4 基于特征波段的玉米SPAD值遥感估算

3．4．1 玉米冠层原始光谱以及一阶微分光谱与SPAD值的相关性

3．4．2 基于特征波段的不同生育期玉米SPAD值估算模型构建及检验

3．5．1 植被指数与玉米SPAD值相关性

3．5．2 基于植被指数的不同生育期玉米SPAD值估算模型构建及检验

3．6 基于高光谱特征参数的玉米SPAD值遥感估算

3．6．1 高光谱特征参数与玉米SPAD值相关性

3．6．2 基于高光谱特征参数的不同生育期玉米SPAD值估算模型构建及检验

3．7 讨论

3．8 本章小结

第四章 基于SVC光谱的玉米植株含水量高光谱监测模型

4．1 不同生育期玉米植株含水量特征分析

4．2 不同植株含水量玉米冠层光谱特征

4．3 基于特征波段的玉米植株含水量遥感估算

4．3．1 玉米冠层原始光谱及一阶微分光谱与植株含水量的相关性

4．3．2 基于特征波段的不同生育期玉米植株含水量估算模型构建及检验

4．4 基于水分指数的玉米植株含水量遥感估算

4．4．1 水分指数与植株含水量相关性

4．4．2 基于水分指数的不同生育期玉米植株含水量估算模型构建及检验

4．5 基于光谱指数的玉米植株含水量遥感估算

4．5．1 光谱指数与玉米植株含水量相关性

4．5．2 基于光谱指数的不同生育期玉米植株含水量估算模型构建及检验

4．6 讨论

4．7 本章小结

第五章 基于SOC光谱的玉米叶片SPAD值高光谱监测模型

5．1 SOC光谱曲线特征分析

5．2 不同SPAD值SOC光谱曲线特征分析

5．3 基于特征波段的玉米叶片SPAD值遥感估算

5．3．1 原始光谱以及一阶微分光谱与玉米SPAD值相关性

5．3．2 基于特征波段的玉米叶片SPAD值估算模型构建及检验

5．4 基于植被指数的玉米叶片SPAD值遥感估算

5．4．1 植被指数与玉米叶片SPAD值相关性

5．4．2 基于植被指数的玉米叶片SPAD值估算模型构建及检验

5．5 基于高光谱特征参数的玉米叶片SPAD值遥感估算

5．5．1 高光谱特征参数与玉米叶片SPAD值相关性

5．5．2 基于高光谱特征参数的玉米叶片SPAD值估算模型构建及检验

5．6 基于上述参数的玉米叶片SPAD值多元线性回归模型

5．7 讨论

5．8 本章小结

第六章 基于SOC光谱的玉米叶片氮素含量高光谱监测模型

6．1 不同叶片氮素含量下SOC光谱曲线特征分析

6．2 基于特征波段的玉米叶片氮素遥感估算

6．2．1 玉米叶片原始光谱以及一阶微分光谱与叶片氮素相关性

6．2．2 基于特征波段的玉米叶片氮素估算模型构建及检验

6．3 基于植被指数的玉米叶片氮素遥感估算

6．3．1 植被指数与玉米叶片氮素相关性

6．3．2 基于植被指数的玉米叶片氮素估算模型构建及检验

6．4 基于高光谱特征参数的玉米叶片氨素遥感估算

6．4．1 高光谱特征参数与玉米叶片氮素相关性

6．4．2 基于高光谱特征参数的玉米叶片氮素估算模型构建及检验

6．5 基于上述参数的玉米叶片氮素多元线性回归模型

6．6 讨论

6．7 本章小结

第七章 结论与展望

7．1 主要结论

7．2 不足与展望

参考文献

致谢

作者简介