基于高光谱的稻麦氮素营养监测研究

论文摘要

作物氮素营养的无损监测对氮肥精确管理具有重要意义。基于高光谱技术的作物生长监测技术为作物氮素营养信息的准确获取提供了有效的手段。本研究的目的是以不同年份、不同品种、不同施氮水平、不同水分处理的水稻和小麦田间试验为基础,对不同生育期下的冠层高光谱数据进行深入挖掘,探索指示稻麦氮素营养状况的共性核心波段和特征光谱参数,建立准确和可靠的氮素监测模型,为便携式稻麦氮素监测仪的研制提供技术支持。首先在充分考虑不同生育期下稻麦冠层光谱特征和田间生长状况的基础上,综合利用光谱分析法、作物生理生态原理和统计分析法,在水稻和小麦的不同生育阶段挖掘能反映稻麦氮素营养信息的共性核心波段,构建土壤调节植被指数和比值植被指数,并建立解释性较强、准确性较高的稻麦冠层氮素营养监测模型。结果显示,基于不同形式的植被指数类型,稻麦叶片氮含量估测的最佳植被指数抽穗前和抽穗后分别为SAVI（R722, R815）和RVI（R722, R815）;稻麦叶片氮积累量的最佳植被指数抽穗前和抽穗后分别为SAVI（R822,R738）和RVI（R822, R738）.进一步构建了可用于减轻两波段光谱植被指数饱和的三波段指数形式,并确立了新的最优稻麦冠层叶片氮含量和冠层叶片氮积累量的共性估测指数和定量模型。结果表明三波段光谱植被指数构建的监测模型稳定性和预测性较好,可用于稻麦拔节-灌浆期氮素营养的无损监测。其中光谱植被指数（R924-R703+2*R423）/（R924+R703-2*R423）构建的水稻、小麦叶片氮含量监测模型,决定系数R2分别为0.870和0.857,标准误SE为0.052和0.148,模型经独立试验资料的检验表现较好,精度均大于0.86,RRMSE均小于17%；三波段光谱植被指数（R816-R732-R537）/（R816+R732+R537）构建的水稻、小麦叶片氮积累量监测模型,决定系数R2分别为0.803和0.862,标准误SE为1.244和0.942,模型经独立试验资料的检验表现较好,精度均大于0.82,RRMSE均小于27%。基于研究中确定的稻麦氮素营养估测的最佳光谱植被指数,进一步分析了核心波段带宽的变化对稻麦氮素营养估测的影响。结果发现不同波段位置的核心波段对带宽变化的响应规律不同。稻麦叶片氮含量估测的最佳两波段光谱植被指数SAVI（R722,R815）和RVI（R722,R815）的适宜带宽为24nm（722nm）和48nm（815nm）；稻麦叶片氮积累量估测的最佳两波段光谱植被指数SAVI（R822, R738）和RVI（R822, R738）的适宜带宽为33nm（822nm）和15nm（738nm）；稻麦叶片氮含量估测的最佳三波段光谱植被指数（R924-R703+2*R423）/（R924+R703-2*R423）的适宜带宽为36nm （924nm）,15nm（703nm）和21nm （423nm）;稻麦叶片氮积累量估测的最佳三波段光谱植被指数（R816-R732-R537）/（R816+R732+R537）的适宜带宽为20nm （816nm）,8nm （732nm）和14nm （537nm）.红边区域的光谱在不同氮素状况下变化模式具有一定的规律。通过比较常用的红边位置提取技术和已有的红边形状参数在稻麦氮素营养监测中的应用发现改进的线性外推法在稻麦氮素营养监测中稳定性最好；同时,红边对称度和双峰对称度在稻麦氮素营养监测中表现较好,具有良好的应用潜力。最后本研究基于混合编程思想,集成已有的高光谱数据处理分析技术与方法,按照模块化、组件化的系统设计方法,构建了高光谱数据处理与分析系统。系统可用于挖掘反映作物生长信息的核心波段,确定核心波段适宜的带宽范围,构建敏感的光谱参数,建立可靠的监测模型。同时,基于高光谱的小麦叶片氮含量数据的实例分析表明系统能有效的挖掘新的高光谱参数,实现对叶片氮含量的准确估测。

论文目录

• 摘要
• ABSTRACT
• 第一章 文献综述与立题依据
• 摘要
• 1 作物氮素营养监测的重要性
• 2 基于光谱的作物氮素营养监测原理
• 3 基于光谱的作物氮素营养研究进展
• 3.1 不同尺度的作物氮素营养监测研究
• 3.2 基于不同方法的作物氮素营养监测研究
• 3.3 基于不同光谱形式的作物氮素营养监测研究
• 3.4 基于不同带宽的作物氮素营养监测研究进展
• 4 本研究的目的和意义
• 参考文献
• 第二章 技术路线与研究方法
• 摘要
• 1 研究思路与技术路线
• 2 材料与方法
• 2.1 试验设计
• 2.2 数据测定
• 3 数据分析与利用
• 3.1 两波段光谱植被指数的构建
• 3.2 三波段植被指数的构建
• 3.3 核心波段适宜带宽的确定
• 3.4 有植被指数
• 3.5 红边参数
• 3.6 监测模型的建立与检验
• 参考文献
• 第三章 基于两波段指数的稻麦叶片氮素营养状况估测模型
• 摘要
• 1 材料方法
• 1.1 试验设计
• 1.2 数据测定
• 1.3 数据分析
• 2 结果与分析
• 2.1 两波段光谱植被指数与稻麦冠层叶片氮含量的定量关系
• 2.2 两波段光谱植被指数与稻麦冠层叶片氮积累量的定量关系
• 2.3 已有植被指数的比较
• 3 讨论与结论
• 3.1 不同生育期植被指数类型的选择
• 3.2 稻麦冠层叶片氮素核心波段的选择
• 3.3 稻麦冠层叶片氮积累量监测模型的准确性和普适性
• 参考文献
• ABSTRACT
• 第四章 基于三波段指数的稻麦叶片氮素营养状况估测模型
• 摘要
• 1 材料方法
• 1.1 试验设计
• 1.2 数据测定
• 1.3 数据分析
• 2 结果与分析
• 2.1 稻麦叶片氮含量的共性三波段指数及其模型的建立
• 2.2 稻麦叶片氮积累量的共性三波段指数及其模型的建立
• 2.3 已有植被指数的稻麦叶片氮含量监测
• 3 讨论
• 3.1 核心波段的提取方法
• 3.2 氮素核心波段
• 3.3 三波段和两波段植被指数的比较
• 3.4 监测模型的准确性和普适性比较
• 参考文献
• ABSTRACT
• 第五章 稻麦氮素营养估测的适宜带宽研究
• 摘要
• 1 材料方法
• 1.1 试验设计
• 1.2 数据测定
• 1.3 数据分析
• 2 结果与分析
• 2.1 不同带宽下最佳两波段光谱指数与稻麦冠层叶片氮素营养的定量关系
• 2.2 不同带宽下最佳三波段光谱植被指数与稻麦冠层叶片氮素营养的定量关系
• 2.3 有的宽波段指数
• 3 讨论
• 参考文献
• ABSTRACT
• 第六章 基于红边参数的稻麦氮素营养监测研究
• 摘要
• 1 材料与方法
• 1.1 试验设计
• 1.2 数据测定
• 1.3 数据分析与利用
• 2 结果与分析
• 2.1 红边区域稻麦光谱变化模式分析
• 2.2 基于不同算法的稻麦红边位置分析
• 2.3 不同红边形状参数的比较
• 3 讨论和结论
• 3.1 红边区域稻麦光谱变化特征
• 3.2 不同红边位置提取方法比较
• 3.3 不同红边形状参数的氮素估测能力比较
• 参考文献
• ABSTRAC
• 第七章 基于混合编程的高光谱数据处理系统的设计与实现
• 摘要
• 1 系统集成的核心技术
• 1.1 VB和MATLAB简介
• 1.2 基于COM组件的混合编程
• 2 系统的实现
• 2.1 系统环境
• 2.2 MATLAB环境设置
• 2.3 M文件算法编写
• 2.4 COM组件的生成
• 2.5 在VB中调用COM组件
• 3 系统功能设计
• 4 系统实例分析
• 4.1 光谱预处理的系统实现演示
• 4.2 光谱参数法的系统实现演示
• 4.3 化学计量学算法的系统实现演示
• 5 讨论与小结
• 参考文献
• ABSTRACT
• 第八章 讨论与结论
• 摘要
• 1 讨论
• 1.1 作物氮素营养的高光谱分析技术
• 1.2 作物氮素营养的核心波段
• 1.3 作物氮素营养的特征光谱参数
• 1.4 作物氮素营养的适宜带宽
• 2 本研究的特色和创新
• 3 今后的研究设想
• 3.1 增强特征光谱参数的稳定性
• 3.2 促进海量高光谱信息的充分利用
• 3.3 提高作物氮素光谱监测的机理性
• 4 结论
• 4.1 确定稻麦氮素状况的共性核心波段范围和特征光谱参数
• 4.2 构建稻麦氮素营养监测模型
• 4.3 明确稻麦氮素营养监测核心波段的适宜带宽
• 4.4 探明稻麦氮素营养监测的适宜红边参数
• 4.5 研发高光谱数据处理与分析系统
• 参考文献
• 附录
• 攻读硕士学位期间参加的科研项目
• 致谢