不同植被覆蓋度條件下小麥生長(zhǎng)參數(shù)的高光譜監(jiān)測(cè)研究.pdf

1、快速、無損的獲取作物氮素營(yíng)養(yǎng)和長(zhǎng)勢(shì)指標(biāo)對(duì)精確作物管理及產(chǎn)能預(yù)測(cè)具有重要意義。高光譜遙感技術(shù)具有光譜譜段全、分辨率高、光譜信號(hào)精細(xì)等優(yōu)點(diǎn)，正逐漸成為支持作物生長(zhǎng)無損監(jiān)測(cè)的一項(xiàng)重要關(guān)鍵技術(shù)。但在作物生長(zhǎng)的前中期，土壤背景等外界干擾因素的存在，嚴(yán)重影響了高光譜反演的精度，限制了遙感反演技術(shù)的推廣。因此，如何消除土壤背景等因素的影響，構(gòu)建兼具較強(qiáng)普適性和機(jī)理性的光譜估測(cè)模型十分必要。
　　 本研究的目的是以小麥為對(duì)象，基于不同株型品種、

2、不同施氮水平和不同種植密度的小麥田間試驗(yàn)，研究不同施氮水平和種植密度條件下小麥冠層高光譜反射率特征，系統(tǒng)分析冠層光譜與小麥氮素營(yíng)養(yǎng)和生長(zhǎng)指標(biāo)之間的定量關(guān)系，探討量化或消除土壤背景干擾因子的有效途徑與方法，確立適用于不同植被覆蓋度條件下小麥氮素營(yíng)養(yǎng)和生長(zhǎng)指標(biāo)監(jiān)測(cè)的光譜參數(shù)，進(jìn)而構(gòu)建兼具機(jī)理性與普適性的監(jiān)測(cè)模型，從而為小麥生長(zhǎng)的無損監(jiān)測(cè)和精確管理提供有效技術(shù)支撐。
　　 在明確不同生育時(shí)期小麥冠層光譜隨施氮水平和種植密度變化特征的基

3、礎(chǔ)上，系統(tǒng)分析了350～2500nm波段范圍內(nèi)任意兩波段的原始光譜及一階導(dǎo)數(shù)光譜組合的5類光譜參數(shù)（比值植被指數(shù)RVI、歸一化植被指數(shù)NDVI、土壤調(diào)節(jié)植被指數(shù)SAVI、最優(yōu)土壤調(diào)節(jié)植被指數(shù)OSAVI、垂直植被指數(shù)PVI）與小麥冠層葉層氮含量的定量關(guān)系，進(jìn)一步采用植被覆蓋度(Fractional Vegetation Cover，F(xiàn)Vcover)修訂各光譜參數(shù)并采用線性混合模型的手段來探討消除或降低土壤背景的干擾方法。結(jié)果顯示，本文選用

4、的監(jiān)測(cè)小麥LNC的各光譜參數(shù)都受到土壤背景的影響，估測(cè)精度(R2)在0.55左右，且敏感區(qū)域相似（均在500nm的綠光部分），不同形式的光譜參數(shù)所提供的光譜信息基本一致，以O(shè)SAVI(R514，R469)L=0.04的表現(xiàn)最佳。一階導(dǎo)數(shù)光譜參數(shù)估測(cè)精度(R2)提高到0.59，但模型檢驗(yàn)R2降低，相對(duì)均方根誤差（RRMSE）升高，模型的穩(wěn)定性較差。新構(gòu)建的覆蓋度調(diào)節(jié)光譜參數(shù)NDVI(R513，R481)/(1+FVcover)獲得較好的效

5、果，模型的精度(R2)提高到0.62，RRMSE降為0.13，且受LAI、LDW、FVcover和LNA影響較小。線性混合模型由于田間試驗(yàn)環(huán)境的限制表現(xiàn)欠佳，但具有較大潛力。三波段光譜參數(shù)及紅邊參數(shù)均不如兩波段光譜參數(shù)與小麥LNC關(guān)系密切。因此，覆蓋度調(diào)節(jié)光譜參數(shù)NDVI/(1+FVcover)可以用于不同覆蓋度條件下的小麥LNC監(jiān)測(cè)。
　　 系統(tǒng)獲取了不同覆蓋度水平的冠層葉片光譜和氮積累量(Leaf NitrogenAccum

6、ulation，LNA)信息，分析了350～2500nm波段范圍內(nèi)任意兩波段的原始光譜及一階導(dǎo)數(shù)光譜組合的5類光譜參數(shù)與小麥葉層氮積累量的定量關(guān)系。結(jié)果顯示，原始光譜參數(shù)估測(cè)精度(R2)均達(dá)到0.7以上，最優(yōu)波段組合集中在690～762nm近紅外區(qū)域;導(dǎo)數(shù)光譜參數(shù)較原始光譜參數(shù)的建模R2與模型檢驗(yàn)精度均所有提高，其中以SAVI(FD856，F(xiàn)D740)L=-0.1為變量建立的模型效果相對(duì)最好，建模R2為0.762，獨(dú)立試驗(yàn)資料檢驗(yàn)R2為

7、0.803，RRMSE為0.235，slope為1.009。新構(gòu)建的三波段光譜參數(shù)mSR(R763，R692，R419)和mND(R692，R655，R444)均獲得較高的估測(cè)精度，R2達(dá)到0.811，但模型檢驗(yàn)效果稍差。紅邊參數(shù)整體效果較差，以基于倒高斯法構(gòu)建的左右峰面積差參數(shù)效果相對(duì)較好。最后，引用了第三章的葉層氮含量敏感光譜參數(shù)形式NDVI(Rλ1，Rλ2)/(1+FVcover)，但由于氮積累量與氮含量的指標(biāo)構(gòu)成差異，并未獲得理

8、想的效果。因此，SAVI(FD856，F(xiàn)D740) L=-0.1是適合于不同植被被覆蓋度下小麥LNA估測(cè)的良好光譜參數(shù)。
　　 通過ASD光譜儀測(cè)量了不同覆蓋度水平下的冠層光譜，同時(shí)獲取葉面積指數(shù)(LAI)、葉干重(LDW)和植被覆蓋度（FVcover），定量分析了5類光譜參數(shù)與小麥LAI、LDW、FVcover的關(guān)系。結(jié)果顯示，基于原始光譜兩波段組合的土壤調(diào)節(jié)光譜參數(shù)SAVI(R762，R724)L=1同時(shí)對(duì)LAI、LDW、F

9、Vcover具有良好的估測(cè)精度，決定系數(shù)R2達(dá)到0.8以上。導(dǎo)數(shù)光譜參數(shù)OSAVI(FD1146，F(xiàn)D758)及基于一階微分紅邊位置提取法構(gòu)建的右峰面積參數(shù)均有著良好的表現(xiàn)，建模R2與SAVI(R762，R724)相近，而三波段光譜參數(shù)(R762-R724-R856)/(R762+R724+R856)則不如上述光譜參數(shù)表現(xiàn)好。已有光譜參數(shù)中，WDVI、 MSAVI2、Gm-1、DVI(810，560)與LAI、LDW、FVcover有較

10、好的相關(guān)性，決定系數(shù)R2均達(dá)到0.75以上。獨(dú)立試驗(yàn)資料檢驗(yàn)結(jié)果表明，以SAVI(R762，R724) L=1為變量構(gòu)建的小麥LAI、LDW、FVcover監(jiān)測(cè)模型具有較好的檢驗(yàn)結(jié)果，OSAVI(FD1146，F(xiàn)D758)與右峰面積參數(shù)檢驗(yàn)效果不穩(wěn)定，而已有光譜參數(shù)中，GM-1等也有良好的效果，但總體上差于SAVI(R762，R724)。因此，利用SAVI(R762，R724) L=1可以對(duì)不同覆蓋度條件下的小麥LAI、LDW、FVco