论文部分内容阅读
高光谱遥感技术是连接遥感数据处理、地面测量、光谱模型和应用的强有力工具，其显著特点是可以获取各种地物连续的光谱曲线。鉴于高光谱遥感的独特性能，使得这一技术在植被精细分类、农作物长势监测和农田水肥状况分析等方面展现了巨大的应用前景。利用高光谱遥感技术，可以方便地实现快速、非破坏的作物氮素诊断，获取区域定量的养分分布信息，从而实时判断作物氮素的丰盈状况，实现精准施肥，提高养分利用效率和产量。
国内外对因叶面积大小和叶绿素含量差异而引起光谱的变化，已作了不少研究，并已提出了它们之间的相关模式，但是作为高光谱遥感在农业中应用的基础，农学和植物生理、生态机理方面仍是遥感应用研究的薄弱环节。
本文以高光谱遥感为主要技术手段，重点开展小麦氮素养分的高光谱诊断等基础研究。试验于2003年10月至2004年6月在中国科学院栾城农业生态系统试验站进行，系统地分析了不同氮素水平下冬小麦的冠层光谱特征，以及冬小麦整个生育期内多种生物物理化学参数的变化，在分析高光谱数据与冬小麦物化参数关系的基础上，筛选了对小麦物化参数反应敏感的光谱波段，提取相关的光谱植被指数。较为全面、深入地分析了物化参数与光谱植被指数的关系，建立小麦氮素营养的光谱估算模型，总结本研究的创新点为以下几个方面：1、全面记载冬小麦生育期，对能反映小麦氮素营养水平指标的多种生物物理参数进行测定，包括叶面积指数(LAI)、地上鲜生物量、地上干生物量等；生物化学参数包括叶绿素含量(CHL.T)、叶绿素密度(CHL.D)、叶片全氮含量(N％)、叶片氮累积量(TN.D)等，分别研究了这些参数与光谱变量之间的关系。
2、将原始光谱和微分光谱分别与冬小麦的物理化学参数进行相关分析，筛选出光谱变化敏感波段。相关分析中一阶微分光谱与物理化学参数的相关关系较为密切，且一阶微分光谱与参数之间的相关关系更明了。选出与光谱数据相关性密切的参数叶面积指数(LAI)、叶片氮累积量(TN.D)、叶绿素密度(CHL.D)。
3、找出了对冬小麦叶片全氮含量敏感的原始光谱波段579nm、870-1075nm，一阶微分光谱波段519nm、665nm；对冬小麦叶片氮累积量敏感的原始光谱波段560nm、1055nm、760-950nm，一阶微分光谱波段546nm、742nm；对叶绿素含量敏感的原始光谱波段为720nm，一阶微分光谱波段544nm、732.55nm，对叶绿素密度敏感的原始光谱波段为450-720nm，一阶微分光谱波段为550nm、742nm、615.6nm；对叶片绿度敏感的原始光谱波段为566.6nm，一阶微分光谱波段519nm、731nm。
4、选择LAI、N％、TN.D、CHL.D作为反映氮素营养水平指标，与光谱变量包括敏感波段、植被指数、光谱特征变量等进行模型拟合，并进行拟合模型的可靠性分析和预测精度检验。各参数的最佳光谱变量拟合模型为：LAI=-0.0103*(Dr742/Dr550.8)2+0.463*(Dr742/Dr550.8)+1.3825;N％=6.4974exp(-4.7623*Dr519)；TN.D=2.8112*Ln(Dr742/Dr546)+0.94;CHL.D=0.1727*exp(3.1738*NDVI(Dr742,Dr550))