首页> 正文

基于高光谱数据的棉花生长信息定量模型研究

2020-11-24阅读(835)

基于高光谱数据的棉花生长信息定量模型研究

论文摘要

[研究目的]利用高光谱仪对不同处理下的棉花冠层进行多时相监测,获取棉花全生育期各种生长信息。基于光谱微分技术和多种分析算法,研究棉花叶面积指数、生物量、覆盖度与高光谱数据的相关性,筛选适宜的特征参数和植被指数,旨在建立棉花全生育期生长信息最佳定量模型。[研究方法]选用北疆棉田主栽品种（新陆早13号和新陆早19号）,以19种高光谱特征参量和18种植被指数做光谱参数的自变量,分别与棉花LAI、生物量、覆盖度进行相关分析,建立拟合棉花生长信息的数学回归模型;为确立精度较高的棉花生长信息定量模型进行模型验证和精度检验。[本文特色]首次使用数码拍照结合Matlab软件提取棉花覆盖度数据;选用多种波段组合的NDVI与RVI等植被指数形式;重点引入3种垂直植被指数形式,尝试应用于棉花生长信息估算。[研究内容与结果]:一、不同的品种、密度、配置下两品种棉花（XLZ-13和XLZ-19）全生育期LAI动态变化符合S型单峰曲线趋势,LAI于花铃期达峰值。22.5万株·hm-1的种植密度可获得较理想的LAI;等行距或小三膜棉花产量较高。4种配置下棉花冠层光谱反射率或微分值的变化与各生育时期LAI的变化具有同步对应性,符合棉花生育规律。4配置下两品种棉花全生育期LAI值与37个光谱参数的相关分析表明:Dr、λg、Rr、、SDr/SDb、NDVI-5、NIR/G、GNDVI等与棉花LAI显著相关;回归方程为一元二次曲线、乘幂和指数函数三种非线性形式。以XLZ-13做训练样本,XLZ-19做检验样本,以NDVI-5为自变量估算棉花全生育期LAI的幂函数模型最佳。二、棉花地上干物质积累呈S型曲线增长,开花至盛铃期是干物质累积的关键时期。4配置下两品种棉花生殖器官总鲜重和地上鲜生物量均于盛铃期达峰值;生殖器官总干重和地上干生物量同在吐絮初期达峰值。4配置下两品种棉花的6项生物量指标（LFW、LDW、BFW、BDW、AFM和ADM）与37个光谱参数的相关分析中,只有棉花鲜叶重和干叶重与植被指数相关;棉花6项生物量指标与高光谱特征参量的回归模型呈一元二次曲线、乘幂和指数函数三种形式。以XLZ-13生物量数据为建模样本,XLZ-19为检验样本,经验证,以SDr/SDb、（SDr-SDb）/（SDr+SDb）、SDr/SDy为自变量估算棉花全生育期LDW、AFM、BFW和ADM的几个一元二次曲线模型和幂函数模型最佳。三、4配置下两品种棉花覆盖度fv于盛铃期达最高覆盖水平,等行距棉花全期fv值高于其它配置。高光谱反射率和微分光谱曲线与棉花生育期fv具有同步对应关系。棉花全生育期覆盖度值与Rg、SDr/SDb、NDVI-17、PVI-3等16个光谱参数的相关均达极显著水平。以XLZ-19做训练样本, XLZ-13做检验样本,以SDr/SDb为自变量估算棉花全生育期覆盖度的一元二次曲线函数模型最佳。

论文目录

  • 摘要
  • Abstract
  • 前言
  • 第一章 文献综述
  • 1.1 农业高光谱遥感国内外研究现状
  • 1.1.1 利用高光谱遥感监测作物长势的研究
  • 1.1.2 利用光谱数据提取植被覆盖度的研究
  • 1.1.3 高光谱数据与作物生长信息的相关性研究
  • 1.1.4 高光谱数据处理与分析方法
  • 1.2 高光谱遥感的应用展望
  • 1.2.1 高光谱遥感的发展趋势
  • 1.2.2 高光谱遥感技术在新疆精准农业中的应用前景
  • 1.3 课题来源与研究内容
  • 1.3.1 课题名称及来源
  • 1.3.2 选题依据及研究意义
  • 1.3.3 研究内容、目标及创新点
  • 1.3.4 技术路线
  • 第二章 试验材料与分析方法
  • 2.1 试验设计
  • 2.1.1 密度试验
  • 2.1.2 配置与品种试验
  • 2.2 测试项目与方法
  • 2.2.1 光谱数据采集
  • 2.2.2 生育期调查与农学参数测定
  • 2.3 光谱分析技术及算法
  • 2.3.1 光谱微分技术
  • 2.3.2 植被指数法
  • 2.3.3 多元统计分析技术
  • 2.3.4 高光谱特征参数
  • 2.4 光谱变量统计模型
  • 2.5 模型检验与精度评价标准
  • 第三章 结果与分析
  • 3.1 高光谱数据与棉花叶面积指数相关关系的研究
  • 3.1.1 不同处理下新疆棉花生育期LAI 的变化规律
  • 3.1.2 高光谱数据随棉花LAI 的变化规律
  • 3.1.3 高光谱数据与棉花LAI 的相关分析
  • 3.2 高光谱数据与棉花地上生物量相关关系的研究
  • 3.2.1 新疆棉花全生育期地上生物量的变化规律
  • 3.2.2 高光谱数据与棉花地上生物量的相关分析
  • 3.3 高光谱数据与棉花覆盖度相关关系的研究
  • 3.3.1 棉花生育期覆盖度变化规律
  • 3.3.2 高光谱数据随棉花生育期覆盖度变化的规律
  • 3.3.3 高光谱数据与棉花覆盖度的相关分析
  • 3.4 本章小结
  • 第四章 基于高光谱数据的棉花生长信息定量模型的检验
  • 4.1 光谱参数估算棉花 LAI 定量模型的检验
  • 4.2 光谱参数与棉花地上鲜、干生物量定量模型的检验
  • 4.3 光谱参数对棉花覆盖度估算模型的检验
  • 4.4 本章小结
  • 第五章 结论与展望
  • 5.1 结论与讨论
  • 5.1.1 结论
  • 5.1.2 讨论
  • 5.2 应用展望
  • 参考文献
  • 附录
  • 致谢
  • 作者简介
  • 石河子大学硕士研究生学位论文导师评阅表

    • 相关论文文献

    • [1].遥感图像处理软件在文物高光谱数据分析中的应用[J]. 辽宁省博物馆馆刊 2016(00)
    • [2].高光谱数据库与数据挖掘探析[J]. 电子技术与软件工程 2014(02)
    • [3].基于改进独立分量分析的高光谱数据分类研究[J]. 计算机仿真 2009(11)
    • [4].深度置信网络环境下高光谱数据降维方法仿真[J]. 计算机仿真 2019(06)
    • [5].基于本征模函数的高光谱数据特征提取方法[J]. 红外与激光工程 2013(12)
    • [6].高光谱数据非监督分类的改进独立成分分析方法[J]. 国土资源遥感 2011(02)
    • [7].基于小波分析和数学形态学相融合的高光谱数据去噪[J]. 激光杂志 2018(06)
    • [8].基于小波包变换的叶片高光谱数据的树种分类[J]. 光谱实验室 2012(05)
    • [9].红外高光谱数据鉴别技术研究[J]. 光电技术应用 2019(02)
    • [10].高分五号卫星高光谱数据岩性-构造解译初步应用评价[J]. 上海航天 2019(S2)
    • [11].基于雷达和高光谱数据的表层土壤水分反演研究[J]. 测绘学报 2017(05)
    • [12].高光谱数据分类新方法研究[J]. 计算机工程与应用 2010(10)
    • [13].分数阶微分算法对盐渍土高光谱数据的影响研究[J]. 光学学报 2016(03)
    • [14].环境减灾卫星高光谱数据在减灾中的应用研究[J]. 航天器工程 2011(06)
    • [15].基于高光谱数据的棉田虫害鉴别研究[J]. 华南农业大学学报 2019(03)
    • [16].高光谱数据三级彩色显示方法[J]. 红外与激光工程 2012(09)
    • [17].东洞庭湖湿地植被高光谱数据变换及识别[J]. 中南林业科技大学学报 2014(11)
    • [18].机载高光谱数据冰川分类方法研究——以“中习一号”冰川为例[J]. 遥感技术与应用 2013(05)
    • [19].基于场景的热红外高光谱数据光谱定标[J]. 红外与激光工程 2017(01)
    • [20].高光谱数据在“十一五”期间生态环境状况监测中的应用[J]. 干旱环境监测 2012(03)
    • [21].基于独立分量分析和相关向量机的高光谱数据分类[J]. 现代电子技术 2010(13)
    • [22].基于高光谱数据的河北滦平地区岩性信息提取方法试验研究[J]. 遥感信息 2013(02)
    • [23].一种SVM-RFE高光谱数据特征选择算法[J]. 武汉大学学报(信息科学版) 2009(07)
    • [24].基于奇异值分解的岩心高光谱数据降噪研究[J]. 现代电子技术 2016(18)
    • [25].GF-5 AHSI新疆东天山高光谱数据地质精细特征分类图[J]. 遥感学报 2020(04)
    • [26].空间一致性邻域保留嵌入的高光谱数据特征提取[J]. 红外与激光工程 2012(05)
    • [27].因子分析模型的高光谱数据降维方法[J]. 中国图象图形学报 2011(11)
    • [28].碳卫星高光谱数据CO_2柱浓度反演初步研究[J]. 三峡生态环境监测 2018(04)
    • [29].基于双图结构标签传递算法的高光谱数据分类[J]. 计算机与数字工程 2018(10)
    • [30].高光谱数据与叶绿素含量及植被指数的相关性研究进展[J]. 内蒙古民族大学学报(自然科学版) 2014(01)

    标签：;  ;  ;  ;  ;  

    基于高光谱数据的棉花生长信息定量模型研究
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5