基于高光譜的蘋果樹葉片葉綠素與氮素含量估測(cè).pdf

1、葉綠素是植物進(jìn)行光合作用的重要物質(zhì)，氮素（Nitrogen，N）是蘋果生長(zhǎng)發(fā)育的重要元素之一，對(duì)蘋果樹葉綠素及氮素含量的估測(cè)具有重要的意義。傳統(tǒng)對(duì)蘋果樹營(yíng)養(yǎng)元素估測(cè)，多為實(shí)驗(yàn)室化驗(yàn)分析法，雖然結(jié)果較為精確，但耗費(fèi)時(shí)間、耗費(fèi)精力。而近年來(lái)快速發(fā)展起來(lái)的高光譜遙感技術(shù)，因其具有光譜分辨率高、波段連續(xù)性強(qiáng)的特點(diǎn)，能夠?qū)崿F(xiàn)快速、準(zhǔn)確和無(wú)損地估測(cè)植被的營(yíng)養(yǎng)元素。因此，探索利用高光譜遙感技術(shù)估測(cè)蘋果樹葉片葉綠素與氮素含量，對(duì)于蘋果樹的生長(zhǎng)發(fā)育和長(zhǎng)勢(shì)

2、監(jiān)測(cè)，提高蘋果樹的科學(xué)管理具有重要的理論與現(xiàn)實(shí)意義。
　　以山東省煙臺(tái)棲霞市蘋果園和山東農(nóng)業(yè)大學(xué)園藝科學(xué)與工程學(xué)院的泰安黃家莊試驗(yàn)站作為實(shí)驗(yàn)區(qū)，分別于蘋果新梢旺長(zhǎng)期、春梢停止生長(zhǎng)期、秋梢停止生長(zhǎng)期采集葉片樣本，利用ASDFieldSpec4地物光譜儀測(cè)定蘋果葉片的反射光譜，實(shí)驗(yàn)室測(cè)定葉片葉綠素與氮元素含量。通過對(duì)原始反射光譜及其一階微分光譜反射率和葉綠素與氮素含量進(jìn)行相關(guān)分析，篩選了出敏感波長(zhǎng)，構(gòu)建了高光譜植被指數(shù)，建立了蘋果葉片

3、葉綠素含量的估測(cè)模型、不同微分尺度下的蘋果葉片葉綠素含量估測(cè)模型和不同物候期的蘋果葉片氮素含量估測(cè)模型，并對(duì)模型進(jìn)行了檢驗(yàn)。研究的主要結(jié)果有：
　?。?）初步摸清了蘋果葉片高光譜特征。不同物候期、不同葉綠素含量、不同氮素含量下的蘋果葉片曲線變化趨勢(shì)基本一致，但反射率高低有所變化。在400—500 nm葉片吸收藍(lán)光波段的光輻射進(jìn)行光合作用從而形成低反射區(qū)，500 nm之后葉片的吸收減少，反射率逐漸升高，在綠光波段（550 nm左右）

4、具有明顯的反射率峰，在600—700 nm之間，葉片吸收紅光波段的光輻射進(jìn)行光合作用形成低反射區(qū)凹谷。690—780 nm葉片呈現(xiàn)綠色植物的紅邊特征，反射率急劇增大。780—1300 nm反射率趨于平緩，形成反射平臺(tái)。1300—1450 nm葉片對(duì)水汽吸收增強(qiáng)，反射率減弱，在1450 nm附近形成水吸收峰。1450—1950 nm葉片對(duì)水汽吸收先減弱后增強(qiáng)，在1950 nm附近形成第二個(gè)水吸收峰。1950—2500 nm葉片對(duì)水汽吸收先

5、減弱后增強(qiáng)，反射率先升高后降低。由新梢旺長(zhǎng)期到春梢停止生長(zhǎng)期再到秋梢停止生長(zhǎng)期，葉片在可見光范圍內(nèi)的光譜反射率是逐漸減低的，在近紅外短波區(qū)域先升高后降低，在近紅外長(zhǎng)波區(qū)域光譜反射率是逐漸減低的。隨著葉綠素含量的增大，葉片光譜反射率總體趨勢(shì)是逐漸減低的。隨著氮素含量的增大，葉片在可見光范圍內(nèi)的光譜反射率是逐漸減低的，在近紅外短波區(qū)域先降低后升高，在近紅外長(zhǎng)波區(qū)域光譜反射率是逐漸減低的。
　　（2）建立了秋梢停止生長(zhǎng)期蘋果葉片葉綠素含

6、量的估測(cè)模型。在對(duì)蘋果葉片葉綠素含量估測(cè)研究中，以秋梢停止生長(zhǎng)期蘋果葉片為研究對(duì)象，測(cè)定葉片的光譜和葉綠素含量。對(duì)葉片原始光譜及其一階微分反射率（First Derivative，F(xiàn)D）與葉綠素含量進(jìn)行相關(guān)分析，選取敏感波長(zhǎng)，并對(duì)敏感波長(zhǎng)進(jìn)行差值、比值、歸一化處理，確定敏感光譜參量，采用單變量和偏最小二乘法（PLS）構(gòu)建葉綠素含量估測(cè)模型。FDR530、FDR734-FDR530、（FDR734-FDR530）/（FDR734+FDR5

7、30）、 FDR697-FDR581為4個(gè)敏感光譜參量，以4個(gè)參變量構(gòu)建的偏最小二乘模型y=2.936676-323.421911x1+43.289625x2+0.730393x3-104.999517x4，經(jīng)檢驗(yàn)其決定系數(shù)（R2）最大、均方根誤差（RMSE）和相對(duì)誤差(RE％）最小。偏最小二乘法模型更適合估測(cè)蘋果葉片的葉綠素含量。
　?。?）在1至30一階微分尺度窗口內(nèi)，篩選出了最佳的微分尺度窗口為13，并選出了13微分尺度窗口

8、下的蘋果葉片葉綠素最佳估測(cè)模型。對(duì)原始光譜數(shù)據(jù)進(jìn)行尺度窗口分別為1至30的一階微分變換處理，每個(gè)微分尺度窗口數(shù)據(jù)分別與蘋果葉片葉綠素含量進(jìn)行相關(guān)分析，每個(gè)微分尺度窗口下篩選出兩個(gè)敏感波長(zhǎng)。以5個(gè)連續(xù)微分尺度窗口為一組，選取小組內(nèi)最佳的微分尺度窗口，共選出六個(gè)尺度窗口。對(duì)六個(gè)微分尺度窗口下篩選出的兩個(gè)敏感波長(zhǎng)進(jìn)行變換后，再次分別與蘋果葉片葉綠素含量進(jìn)行相關(guān)分析，篩選出兩個(gè)相關(guān)系數(shù)較大的參量用于建立蘋果葉片葉綠素含量估測(cè)模型。各個(gè)微分尺度窗

9、口下建立估測(cè)模型的決定系數(shù)R2呈現(xiàn)先增大后降低的趨勢(shì)。將1至30范圍內(nèi)的微分尺度窗口，以連續(xù)5個(gè)做為一組，每小組內(nèi)選出組內(nèi)最佳微分尺度窗口，結(jié)果每小組的最佳微分尺度窗口為4、7、13、17、22、30。其中，當(dāng)微分尺度窗口為13時(shí)，建立估測(cè)模型效果最好。對(duì)微分尺度窗口13時(shí)建立的偏最小二乘模型與逐步回歸模型進(jìn)行檢驗(yàn)，發(fā)現(xiàn)逐步回歸模型的擬合決定系數(shù)R2比偏最小二乘模型的擬合決定系數(shù)R2高，RMSE和RE%低，表明逐步回歸模型比偏最小二乘模

10、型更適合對(duì)葉片葉綠素含量進(jìn)行估測(cè)。
　　（4）建立了不同物候期蘋果葉片氮素含量的高光譜最優(yōu)估測(cè)模型。選取棲霞市區(qū)域內(nèi)20個(gè)果園，連續(xù)兩年測(cè)定了樹齡15年左右的蘋果樹新梢旺長(zhǎng)期、春梢停止生長(zhǎng)期和秋梢停止生長(zhǎng)期的葉片高光譜數(shù)據(jù)和氮素含量數(shù)據(jù)。對(duì)葉片原始光譜及其一階微分光譜數(shù)據(jù)與氮素含量進(jìn)行相關(guān)分析，分別篩選出了三個(gè)物候期的敏感波長(zhǎng)，構(gòu)建了估測(cè)氮素含量的高光譜參數(shù)；采用多元逐步回歸、偏最小二乘法和BP神經(jīng)網(wǎng)絡(luò)，建立了三個(gè)物候期蘋果葉片氮

11、素含量高光譜參數(shù)估測(cè)模型。結(jié)果表明，三個(gè)物候期的敏感波長(zhǎng)分別為551 nm、716 nm、530 nm、703 nm，543 nm、705 nm、699 nm、756 nm和545 nm、702 nm、695 nm、746 nm；構(gòu)建的三個(gè)物候期的最佳高光譜參數(shù)分別為R551+R716、R551*R716、FDR530+FDR703、FDR530*FDR703，R543+R705、R543*R705、FDR699+FDR756、FDR6

12、99*FDR756和R545+R702、R545*R702、FDR695+FDR746、FDR695*FDR746。利用各物候期最佳高光譜參數(shù)建立的氮素含量估測(cè)模型中，以新梢旺長(zhǎng)期的4-3-1BP神經(jīng)網(wǎng)絡(luò)估測(cè)模型的估測(cè)效果最好，春梢停止生長(zhǎng)期次之，秋梢停止生長(zhǎng)期最小，確定新梢旺長(zhǎng)期為估測(cè)蘋果葉片氮素含量的最佳物候期。在建立的三種模型中，以新梢旺長(zhǎng)期的4-3-1BP神經(jīng)網(wǎng)絡(luò)模型為最優(yōu)，其估測(cè)值與實(shí)測(cè)值擬合決定系數(shù)R2為0.6307，相對(duì)誤