基于高光譜成像技術小麥玉米長勢監(jiān)測研究.pdf

1、本試驗通過高光譜遙感的理論與方法，探討冬小麥和夏玉米冠層光譜特征的變化規(guī)律，分析光譜參數(shù)與農學參數(shù)的相關性，建立高光譜監(jiān)測模型。為黃淮海地區(qū)小麥玉米生長狀況進行遙感監(jiān)測提供理論依據(jù)與技術支持。試驗設置五個氮素處理 N0（0 kg/hm2）、N1（150hm2）N2（300hm2）N3（450hm2）N4（600hm2）利用紅外成像光譜儀SOC710P，獲取冠層不同波段下的平均光譜反射率和光譜圖像的灰度值，并根據(jù)已獲得高光譜數(shù)據(jù)，計算植被

2、指數(shù)和灰度運算值，分別與相關農學參數(shù)： LAI、地上部干物質重、葉含氮量進行相關性分析并擬合模型，對比植被指數(shù)和灰度運算值相關性分析，模型的擬合和檢驗結果，建立基于灰度運算值的監(jiān)測模型：
　?。?）小麥LAI監(jiān)測模型：選取植被指數(shù)和灰度運算值，分別與小麥LAI進行相關性分析并擬合小麥LAI監(jiān)測模型。計算RMSE(％)和RE對模型進行檢驗，最終確定GND（670870）為小麥LAI的最佳擬合參數(shù)。模型為y=1.885-15.68x+

3、22.58x2決定系數(shù)0.81， RMSE(%)=1.01 RE=19.69%。
　　玉米 LAI監(jiān)測模型：選取植被指數(shù)和灰度運算值，分別與 LAI進行相關性分析并擬合監(jiān)測模型。模型的檢驗結果表明，基于單個光譜參數(shù)擬合模型的 RMSE(%)和 RE均較大，實測值和模擬值之間有較大誤差。選擇灰度運算值進一步采用最小二乘法擬合模型，最終得到y(tǒng)=0.97GD（550700）+0.603GND（550700）+4.81GSA（550700

4、）決定系數(shù)0.82 RMSE(%)=1.2 RE=11.2%。
　　（2）小麥地上部干物質重模型：選取植被指數(shù)和灰度運算值，分別與小麥地上部干物質重進行相關性分析，擬合監(jiān)測模型，并對模型進行檢驗。結果表明，灰度運算值GND（560810）相關性較強，擬合模型決定系數(shù)較高，RMSE（%）和RE較小。最終建立基于GND（560810）的小麥地上部干物質重監(jiān)測模型。y=-0.236+2.63x+2.53x2決定系數(shù)0.78 RMSE(%

5、)=0.5 RE=25.6%。
　　玉米地上部干物質重模型：選取植被指數(shù)和灰度運算值，分別與小麥地上部干物質重進行相關性分析，擬合監(jiān)測模型并進行檢驗。檢驗結果RMSE(%)和RE較大，實測值和模擬值之間有較大誤差。進一步基于灰度運算值采用最小二乘法擬合模型，最終得出監(jiān)模型y=57.07GR（660760）+31.16GND（660760）+41.27GGR（660760）決定系數(shù)0.65 RMSE(%)=5.88 RE=46.2%