基于冠层高光谱变量估算加工番茄生物理化参数的初步研究

基于冠层高光谱变量估算加工番茄生物理化参数的初步研究

论文摘要

农业是我国国民经济发展的基础,农业精准化是我国现代农业发展的最终目标。高光谱遥感技术的诞生推动了现代农业精准化的进程。高光谱遥感具有光谱分辨率高(波段宽度<10nm)、波段连续性强、光谱信息量大等特点,从而使高光谱遥感技术成为实施精准农业的必要工具。利用高光谱遥感技术不仅可以大面积、实时、非破坏性的检测农作物生长情况,还可以迅速、准确的获取农作物的生长信息和生长环境。从而使得高光谱遥感在农业精准化中具有广阔的应用前景。本研究主要以新疆加工番茄里格尔87-5和石红206作为研究对象,人为设置不同灌水量和不同施氮量下田间试验。利用ASD野外光谱辐射仪在自然条件下测得不同时期加工番茄冠层反射光谱,根据加工番茄冠层光谱特有的吸收、反射和红边特征,确定对加工番茄生物物理和生物化学参数可能有影响的光谱变量,建立估算加工番茄生物物理、生物化学参数的高光谱遥感模型。监测加工番茄在整个生育期的生长状况。研究结果如下:1、建立了估算加工番茄生物化学参数(叶绿素、全氮、可溶性糖和番茄红素等)的遥感估算模型。高光谱变量归一化差植被指数(NDVI)与叶绿素密度有很强的相关性,建立的叶绿素含量的遥感估算模型中,估算叶绿素密度含量的模型最好,估算精度在80%以上,能真实的反映加工番茄的冠层信息。估算叶片全氮含量的模型精度在60-70%之间,估算叶片可溶性糖含量的估算精度为80%左右。估算加工番茄番茄红素含量模型的估算精度为65-70%。2、建立了估算加工番茄生物物理参数(LAI、地上鲜生物量、植株含水量等)的遥感模型。估算LAI的遥感模型的检验精度为70%左右,估算地上生物量的检验精度为70%左右,估算植株含水量的遥感估算模型检验精度为75%。

论文目录

  • 摘要
  • Abstract
  • 第一章 文献综述
  • 1.1 番茄概述
  • 1.2 高光谱遥感的研究状况
  • 1.2.1 高光谱遥感的概念
  • 1.2.2 植被高光谱遥感的原理
  • 1.2.3 高光谱遥感技术在农业中的应用
  • 1.3 研究工作的目的和意义
  • 第二章 试验设计与测定方法
  • 2.1 试验设计
  • 2.1.1 田间试验设计
  • 2.1.2 观察内容
  • 2.1.3 观察时期
  • 2.2 技术路线
  • 2.3 生物理化参数的采集与分析
  • 2.3.1 叶面积(LAI)的测定
  • 2.3.2 地上鲜、干生物量测定
  • 2.3.3 叶绿素含量测定
  • 2.3.4 全氮的测定
  • 2.3.5 可溶性糖的测定(蒽酮比色法)
  • 2.3.6 加工番茄番茄红素的测定(G810474-98.4.2.4)
  • 2.3.7 可溶性固形物的测定(折射仪法 GB 12295-90)
  • 2.3.8 可滴定酸的测定(GB/T 12293-90)
  • 2.4 高光谱遥感数据的采集与分析
  • 2.4.1 光谱的测定仪器
  • 2.4.2 光谱数据主要分析技术
  • 2.4.3 高光谱特征参数及提取
  • 2.5 主要回归模型和高光谱变量
  • 2.5.1 主要回归模型
  • 2.5.2 主要高光谱变量
  • 第三章 加工番茄生物化学参数的高光谱遥感估算模型
  • 3.1 基于冠层高光谱光谱变量的光合色素遥感估算模型
  • 3.1.1 基于冠层高光谱光谱变量的各个时期鲜叶叶绿素含量遥感估算模型
  • 3.1.2 基于冠层高光谱光谱变量的各个时期叶绿素干重含量遥感估算模型
  • 3.1.3 基于冠层高光谱光谱变量的各个时期叶绿素密度遥感估算模型
  • 3.2 基于冠层光谱变量的加工番茄叶片糖含量遥感估算模型
  • 3.3 基于冠层光谱变量的加工番茄叶片全氮含量遥感估算模型
  • 3.4 基于冠层光谱变量的果实品质遥感估算模型
  • 3.4.1 基于冠层光谱变量的番茄红素遥感估算模型
  • 3.4.2 基于冠层光谱变量的可溶性固形物遥感估算模型
  • 3.4.3 基于冠层光谱变量的可滴定酸遥感估算模型
  • 3.5 小结
  • 第四章 加工番茄生物物理参数的遥感估算模型
  • 4.1 基于冠层光谱变量的叶面积指数遥感估算模型
  • 4.2 加工番茄地上生物量遥感估算模型
  • 4.2.1 基于冠层光谱变量的叶鲜重遥感估算模型
  • 4.2.2 基于冠层光谱变量的茎鲜重遥感估算模型
  • 4.2.3 基于冠层光谱变量的单株鲜生物量遥感估算模型
  • 4.2.4 基于冠层光谱变量的平均单果重遥感估算模型
  • 4.3 基于冠层光谱变量的植株水分遥感估算模型
  • 4.3.1 基于冠层光谱变量的叶片水分遥感模型
  • 4.3.2 基于冠层光谱变量的茎水分含量遥感模型
  • 4.3.3 基于冠层光谱变量的单株水分遥感模型
  • 4.4 小结
  • 第五章 加工番茄生物理化参数遥感估算模型的精度分析
  • 5.1 生物化学参数遥感估算模型的精度分析
  • 5.1.1 叶绿素密度遥感估算模型的精度分析
  • 5.1.2 叶片全氮含量遥感估算模型的精度分析
  • 5.1.3 叶片可溶性糖含量的遥感估算模型的精度分析
  • 5.1.4 加工番茄番茄红素的遥感估算模型的精度分析
  • 5.2 生物物理参数遥感估算模型的精度分析
  • 5.2.1 LAI 遥感估算模型的精度分析
  • 5.2.2 单株鲜生物量的遥感估算模型的精度分析
  • 5.2.3 植物含水量的遥感估算模型的精度分析
  • 5.3 小结
  • 参考文献
  • 致谢
  • 作者简介
  • 导师评阅表
  • 相关论文文献

    • [1].甘肃省红山地区航空高光谱矿物信息精度分析[J]. 地质论评 2019(S1)
    • [2].高光谱摆扫型压缩成像及数据重建[J]. 红外技术 2017(08)
    • [3].基于非负矩阵分解的高光谱解混算法研究现状和未来的发展方向[J]. 科技视界 2015(13)
    • [4].谱科研旋律 抒遥感情怀——记中国科学院遥感应用研究所高光谱研究室主任张立福[J]. 科学中国人 2012(24)
    • [5].基于逐行处理的高光谱实时异常目标检测[J]. 光学学报 2017(01)
    • [6].高光谱地物识別技术[J]. 中国科技信息 2017(10)
    • [7].高光谱目标探测的进展与前沿问题[J]. 武汉大学学报(信息科学版) 2014(12)
    • [8].基于非负矩阵分解法的抗水分干扰土壤有机质高光谱估算[J]. 山西农业大学学报(自然科学版) 2020(01)
    • [9].线性混合光谱模型高光谱压缩感知[J]. 遥感学报 2020(03)
    • [10].风云三号卫星红外高光谱探测技术及潜在应用[J]. 气象科技进展 2016(01)
    • [11].美创企披露高光谱业务规划 已筹集8500万美元的资金[J]. 卫星与网络 2018(10)
    • [12].非凸稀疏低秩约束的高光谱解混方法[J]. 西安电子科技大学学报 2016(06)
    • [13].加工番茄可溶性固形物近红外高光谱反射成像检测[J]. 江苏农业科学 2013(08)
    • [14].矿物高光谱解混进展研究综述[J]. 遥感信息 2020(03)
    • [15].芬兰成功开发世界首款高光谱移动设备[J]. 军民两用技术与产品 2017(03)
    • [16].基于高光谱的凤眼莲植株氮含量无损监测[J]. 江苏农业学报 2014(04)
    • [17].编者按[J]. 遥感学报 2020(04)
    • [18].基于小波变换的高光谱散射图像特征提取[J]. 计算机与应用化学 2011(10)
    • [19].基于高光谱的大叶女贞叶片水分定量测定[J]. 河南师范大学学报(自然科学版) 2017(06)
    • [20].偏振-高光谱信息融合估测番茄叶片可溶性糖及糖氮比研究[J]. 农业工程技术 2020(24)
    • [21].基于小波分析的快照式高光谱海面溢油厚度分析[J]. 光学学报 2020(17)
    • [22].基于多光谱和高光谱的干旱遥感监测研究进展[J]. 灾害学 2019(01)
    • [23].品种和割龄对橡胶树叶片氮含量高光谱估算的影响[J]. 西南农业学报 2017(11)
    • [24].空间数据压缩的高光谱降维技术比较[J]. 遥感信息 2017(02)
    • [25].基于稀疏表示分步重构算法的高光谱目标检测[J]. 红外技术 2016(08)
    • [26].基于信息论准则的高光谱波段选择方法[J]. 电子设计工程 2014(01)
    • [27].基于支持向量机的航空高光谱赤潮监测[J]. 微计算机信息 2008(21)
    • [28].基于航空高光谱的黑土地硒含量反演研究[J]. 光谱学与光谱分析 2018(S1)
    • [29].加权空谱局部保持投影的高光谱图像特征提取[J]. 光学精密工程 2017(01)
    • [30].航拍高光谱溢油图像中的连续油区划分方法研究[J]. 中国水运(下半月) 2016(02)

    标签:;  ;  ;  ;  

    基于冠层高光谱变量估算加工番茄生物理化参数的初步研究
    下载Doc文档

    猜你喜欢