冬小麥氮素含量垂直分布的多角度光譜反演研究.pdf

1、氮素含量是監(jiān)測(cè)作物營(yíng)養(yǎng)狀況的重要參數(shù)，能夠?yàn)樘镩g施肥管理和作物長(zhǎng)勢(shì)監(jiān)測(cè)、產(chǎn)量估測(cè)方面提供重要參考?？焖?、無(wú)損探測(cè)作物氮素垂直分布情況，對(duì)于指導(dǎo)合理施肥、提高肥料利用率和減少環(huán)境污染意義重大。作物氮素具有隨植株高度層垂直分布的特性，在作物發(fā)生氮素脅迫的早期，植株表現(xiàn)首先是下層葉片發(fā)黃，而傳統(tǒng)的田間觀測(cè)方法費(fèi)時(shí)費(fèi)力，對(duì)于下層的監(jiān)測(cè)不足且容易受到人為因素的影響。傳統(tǒng)的遙感技術(shù)雖能大面積快速監(jiān)測(cè)氮素，但主要針對(duì)作物上層氮素含量，對(duì)中、下層的監(jiān)測(cè)

2、仍然缺乏有效手段。因此，在作物發(fā)生氮素脅迫的早期快速監(jiān)測(cè)作物氮素垂直分布的特性是作物養(yǎng)分監(jiān)測(cè)的迫切需求。本文以冬小麥為例，選取冬小麥多角度數(shù)據(jù)和氮素垂直分布數(shù)據(jù)，研究了冬小麥氮素含量垂直分布的多角度光譜反演方法。
　　本文的主要研究?jī)?nèi)容和實(shí)驗(yàn)結(jié)果如下:
　　1、提出了基于小波變換，利用多角度光譜數(shù)據(jù)探測(cè)冬小麥氮素含量垂直分布的方法。對(duì)冬小麥不同角度的反射率光譜數(shù)據(jù)進(jìn)行連續(xù)小波變換，利用不同角度光譜數(shù)據(jù)的小波系數(shù)與上、中、下層

3、的葉氮密度分別建立支持向量機(jī)回歸模型(Support Vector Machine，SVM)、偏最小二乘回歸模型(Partial Least SquaresRegression，PLSR)以及最小二乘支持向量機(jī)回歸模型(Least Square-SupportVector Machine，LS-SVM)，實(shí)現(xiàn)冬小麥氮素含量垂直分布估算。結(jié)果表明:利用連續(xù)小波變換可以確定各角度的氮素敏感尺度和對(duì)應(yīng)波段，建模實(shí)驗(yàn)中各算法在上、中、下三層表現(xiàn)

4、略有差異。驗(yàn)證實(shí)驗(yàn)中PLSR算法在上、中、下三層表現(xiàn)都很穩(wěn)定，特別是下層相對(duì)比其他算法表現(xiàn)優(yōu)異。因此利用連續(xù)小波變換進(jìn)行數(shù)據(jù)預(yù)處理，能更好的選擇對(duì)氮素敏感的信息，不同算法建立的模型結(jié)果表明，PLSR算法在氮素垂直分布估測(cè)方面更適用，連續(xù)小波變換與PLSR算法結(jié)合能實(shí)現(xiàn)冬小麥氮素含量垂直分布的遙感估算。
　　2、提出了利用偏最小二乘(PLSR)算法，運(yùn)用多角度光譜數(shù)據(jù)估計(jì)冬小麥氮素含量垂直分布的方法，并改進(jìn)植被指數(shù)，減少了土壤和作物

5、殘?jiān)挠绊憽７謩e選用前向和后向不同觀測(cè)角度組合形成的光譜數(shù)據(jù)組建植被指數(shù)，建立不同高度層的葉片氮素含量探測(cè)模型，其中選用±50°和±60°的組合，建立了冬小麥上層葉位葉片氮密度反演模型;選用±30°和±40°的組合，建立了中層葉位葉片氮密度反演模型;選用±20°和±30°的組合，建立了下層葉位葉片氮密度反演模型。針對(duì)氮素反演容易受到作物背景（土壤、作物殘?jiān)┯绊懙膯?wèn)題，引入R700/R670比值，改進(jìn)7種常見(jiàn)的植被指數(shù)，利用改進(jìn)了的植被

6、指數(shù)建立了冬小麥上層、中層、下層葉片氮密度垂直分布模型。建模實(shí)驗(yàn)結(jié)果改進(jìn)了葉片氮密度上層、中層、下層垂直分布估算結(jié)果，驗(yàn)證實(shí)驗(yàn)選取建模實(shí)驗(yàn)中表現(xiàn)最好的三個(gè)植被指數(shù)進(jìn)行進(jìn)一步研究，結(jié)果表明改進(jìn)后的綠光歸一化植被指數(shù)（Green Normalized DifferenceVegetation Index，GNDVI）在反演上層、中層、下層葉片氮密度時(shí)效果最好，達(dá)到了極顯著的水平，可用于植被氮素含量的垂直分布探測(cè)。
　　本論文的研究結(jié)果