基于多源多時(shí)相遙感數(shù)據(jù)水稻長(zhǎng)勢(shì)參數(shù)提取與應(yīng)用.pdf

1、水稻是主要糧食作物之一，其生長(zhǎng)狀況的監(jiān)測(cè)對(duì)水稻生長(zhǎng)管理、產(chǎn)量預(yù)測(cè)、災(zāi)害防治等方面起到重要作用。而葉面積指數(shù)、色素含量等生理生化參數(shù)是水稻長(zhǎng)勢(shì)監(jiān)測(cè)的重要指標(biāo)。憑借高光譜技術(shù)的波段連續(xù)性強(qiáng)、波譜分辨率高、光譜信息豐富等優(yōu)勢(shì)，能夠?qū)崟r(shí)、快速、高效、無(wú)損地獲取水稻長(zhǎng)勢(shì)、營(yíng)養(yǎng)狀況及其變化狀況，為精準(zhǔn)農(nóng)業(yè)的信息化管理提供技術(shù)支持和理論依據(jù)。
　　本文以不同氮肥水平、不同生育期的水稻為研究對(duì)象，建立水稻生理生化參數(shù)的冠層反射光譜反演模型，基于環(huán)

2、境衛(wèi)星(HJ-1A)影像數(shù)據(jù)，獲得水稻關(guān)鍵生長(zhǎng)期的葉面積指數(shù)(Leaf area index，LAI)的空間分布，實(shí)現(xiàn)水稻生長(zhǎng)狀況的大范圍觀測(cè)。圍繞上述內(nèi)容，開(kāi)展研究，取得了如下主要結(jié)果:
　　1.基于水稻冠層反射光譜數(shù)據(jù)得到15個(gè)植被指數(shù)，利用留一法交叉驗(yàn)證進(jìn)行5種傳統(tǒng)回歸模型分析（線性函數(shù)、指數(shù)函數(shù)、對(duì)數(shù)函數(shù)、冪函數(shù)、多項(xiàng)式函數(shù)），建立了不同生育期的水稻LAI高光譜指數(shù)估計(jì)模型，獲取了不同生育期的優(yōu)選植被指數(shù)，采用噪聲等效誤差

3、(Noise Equivalent，NE)對(duì)植被指數(shù)反演LAI進(jìn)行了敏感性分析，結(jié)果顯示，分蘗期歸一化植被指數(shù)(normalized difference vegetation index，NDVI)、新型植被指數(shù)(new vegetation index，NVI)對(duì)LAI變化敏感，且估計(jì)精度高;拔節(jié)期綠色歸一化植被指數(shù)(green normalized difference vegetation index，GNDVI)、比值植被指數(shù)

4、(ratio vegetation index，RVI-3)、改進(jìn)的簡(jiǎn)單比值指數(shù)(modified simple ratioindex，MSR)具有高敏感性和估計(jì)精度;水稻生長(zhǎng)后期GNDVI、修正歸一化差異植被指數(shù)(modified normalized difference vegetation index，mNDVI)、MSR比其他指數(shù)更適用于LAI估計(jì)?；谥脖恢笖?shù)構(gòu)建的全生育期水稻LAI傳統(tǒng)回歸模型精度過(guò)低，難以用統(tǒng)一植被指數(shù)來(lái)

5、估算整個(gè)生育期水稻LAI，利用偏最小二乘回歸建模方法，建模集和驗(yàn)證集的決定系數(shù)R2分別可達(dá)到0.87和0.81，RMSEC為0.612，RMSEP為0.856，RPD大于2，能夠較為精確地估算全生育期水稻LAI。
　　2.基于連續(xù)統(tǒng)去除處理的水稻冠層高光譜數(shù)據(jù)(400～750nm)，選取了波段深度(band depth，BD)、波段深度比(band depth ratio，BDR)、歸一化波段深度(normalizedband d

6、epth index，NBDI)和歸一化面積波段指數(shù)(band depth normalized to band area，BNA)4種波段指數(shù)。在此基礎(chǔ)上進(jìn)行主成分分析(principal component analysis，PCA)實(shí)現(xiàn)光譜降維，然后運(yùn)用反向傳播(back propagation，BP)神經(jīng)網(wǎng)絡(luò)方法對(duì)水稻葉片色素含量進(jìn)行高光譜反演。結(jié)果表明，BD與BP結(jié)合的估算模型對(duì)水稻葉片中的類胡蘿卜素含量估算精度最高(R2=0

7、.61，RMSEP=0.128mg·g-1)， BNA與BP結(jié)合的估算模型對(duì)水稻葉片中的葉綠素含量估算精度最高(R2=0.73，RMSEP=0.343mg·g-1)。對(duì)比分析BDA與BP結(jié)合的模型和植被指數(shù)最佳回歸模型的精度，發(fā)現(xiàn)波段深度分析建立的BP神經(jīng)網(wǎng)絡(luò)模型能較好地解決飽和問(wèn)題，提高水稻葉片色素含量的估算精度。
　　3.基于大田地面調(diào)查點(diǎn)和小區(qū)試驗(yàn)田的水稻灌漿期冠層反射光譜，根據(jù)HJ-1A衛(wèi)星影像的光譜響應(yīng)函數(shù)，模擬HJ-1

8、A衛(wèi)星的藍(lán)、綠、紅、近紅外波段。對(duì)12個(gè)植被指數(shù)與水稻LAI的相關(guān)性進(jìn)行分析，選取相關(guān)系數(shù)最大的植被指數(shù)構(gòu)建水稻LAI估算模型。結(jié)果表明，GRVI的二次多項(xiàng)式回歸模型估算水稻灌漿期LAI的精度最高，模型為L(zhǎng)AI=-0.027*GRVI2+1.125*GRVI+0.028，建模集和驗(yàn)證集的R2分別達(dá)到0.89和0.80，RMSEC和RMSEP均較低，RPD大于2，模型優(yōu)異。利用GRVI-LAI估算模型，獲取水稻灌漿期LAI的空間分布圖。由