基于高光譜的蘋果樹葉片葉綠素與氮素含量估測.pdf

1、葉綠素是植物進行光合作用的重要物質(zhì)，氮素（Nitrogen，N）是蘋果生長發(fā)育的重要元素之一，對蘋果樹葉綠素及氮素含量的估測具有重要的意義。傳統(tǒng)對蘋果樹營養(yǎng)元素估測，多為實驗室化驗分析法，雖然結(jié)果較為精確，但耗費時間、耗費精力。而近年來快速發(fā)展起來的高光譜遙感技術(shù)，因其具有光譜分辨率高、波段連續(xù)性強的特點，能夠?qū)崿F(xiàn)快速、準確和無損地估測植被的營養(yǎng)元素。因此，探索利用高光譜遙感技術(shù)估測蘋果樹葉片葉綠素與氮素含量，對于蘋果樹的生長發(fā)育和長勢

2、監(jiān)測，提高蘋果樹的科學管理具有重要的理論與現(xiàn)實意義。
　　以山東省煙臺棲霞市蘋果園和山東農(nóng)業(yè)大學園藝科學與工程學院的泰安黃家莊試驗站作為實驗區(qū)，分別于蘋果新梢旺長期、春梢停止生長期、秋梢停止生長期采集葉片樣本，利用ASDFieldSpec4地物光譜儀測定蘋果葉片的反射光譜，實驗室測定葉片葉綠素與氮元素含量。通過對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行相關(guān)分析，篩選了出敏感波長，構(gòu)建了高光譜植被指數(shù)，建立了蘋果葉片

3、葉綠素含量的估測模型、不同微分尺度下的蘋果葉片葉綠素含量估測模型和不同物候期的蘋果葉片氮素含量估測模型，并對模型進行了檢驗。研究的主要結(jié)果有：
　　（1）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基本一致，但反射率高低有所變化。在400—500 nm葉片吸收藍光波段的光輻射進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。1300—1450 nm葉片對水汽吸收增強，反射率減弱，在1450 nm附近形成水吸收峰。1450—1950 nm葉片對水汽吸收先減弱后增強，在1950 nm附近形成第二個水吸收峰。1950—2500 nm葉片對水汽吸收先

5、減弱后增強，反射率先升高后降低。由新梢旺長期到春梢停止生長期再到秋梢停止生長期，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，在近紅外長波區(qū)域光譜反射率是逐漸減低的。
　?。?）建立了秋梢停止生長期蘋果葉片葉綠素含

6、量的估測模型。在對蘋果葉片葉綠素含量估測研究中，以秋梢停止生長期蘋果葉片為研究對象，測定葉片的光譜和葉綠素含量。對葉片原始光譜及其一階微分反射率（First Derivative，F(xiàn)D）與葉綠素含量進行相關(guān)分析，選取敏感波長，并對敏感波長進行差值、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)建葉綠素含量估測模型。FDR530、FDR734-FDR530、（FDR734-FDR530）/（FDR734+FDR5

7、30）、 FDR697-FDR581為4個敏感光譜參量，以4個參變量構(gòu)建的偏最小二乘模型y=2.936676-323.421911x1+43.289625x2+0.730393x3-104.999517x4，經(jīng)檢驗其決定系數(shù)（R2）最大、均方根誤差（RMSE）和相對誤差(RE％）最小。偏最小二乘法模型更適合估測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模型。對原始光譜數(shù)據(jù)進行尺度窗口分別為1至30的一階微分變換處理，每個微分尺度窗口數(shù)據(jù)分別與蘋果葉片葉綠素含量進行相關(guān)分析，每個微分尺度窗口下篩選出兩個敏感波長。以5個連續(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，共選出六個尺度窗口。對六個微分尺度窗口下篩選出的兩個敏感波長進行變換后，再次分別與蘋果葉片葉綠素含量進行相關(guān)分析，篩選出兩個相關(guān)系數(shù)較大的參量用于建立蘋果葉片葉綠素含量估測模型。各個微分尺度窗

9、口下建立估測模型的決定系數(shù)R2呈現(xiàn)先增大后降低的趨勢。將1至30范圍內(nèi)的微分尺度窗口，以連續(xù)5個做為一組，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，當微分尺度窗口為13時，建立估測模型效果最好。對微分尺度窗口13時建立的偏最小二乘模型與逐步回歸模型進行檢驗，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、型更適合對葉片葉綠素含量進行估測。
　?。?）建立了不同物候期蘋果葉片氮素含量的高光譜最優(yōu)估測模型。選取棲霞市區(qū)域內(nèi)20個果園，連續(xù)兩年測定了樹齡15年左右的蘋果樹新梢旺長期、春梢停止生長期和秋梢停止生長期的葉片高光譜數(shù)據(jù)和氮素含量數(shù)據(jù)。對葉片原始光譜及其一階微分光譜數(shù)據(jù)與氮素含量進行相關(guān)分析，分別篩選出了三個物候期的敏感波長，構(gòu)建了估測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)，建立了三個物候期蘋果葉片氮

11、素含量高光譜參數(shù)估測模型。結(jié)果表明，三個物候期的敏感波長分別為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模型中，以新梢旺長期的4-3-1BP神經(jīng)網(wǎng)絡(luò)估測模型的估測效果最好，春梢停止生長期次之，秋梢停止生長期最小，確定新梢旺長期為估測蘋果葉片氮素含量的最佳物候期。在建立的三種模型中，以新梢旺長期的4-3-1BP神經(jīng)網(wǎng)絡(luò)模型為最優(yōu)，其估測值與實測值擬合決定系數(shù)R2為0.6307，相對誤