基于多角度高光譜遙感的小麥生長指標(biāo)監(jiān)測研究.pdf

1、本研究的目的是以冬小麥為研究對象，基于不同年份、地點(diǎn)、品種類型、氮肥水平、種植密度和生育時(shí)期的田間試驗(yàn)，綜合運(yùn)用光譜定量分析和神經(jīng)網(wǎng)絡(luò)物理模型等分析技術(shù)，系統(tǒng)分析不同觀測角度下小麥冠層高光譜反射特征與生長指標(biāo)之間的動態(tài)關(guān)系，比較不同光譜分析技術(shù)監(jiān)測小麥生長指標(biāo)的效果，確立小麥生長指標(biāo)的適宜光譜參數(shù)、光譜分析方法和敏感觀測角度。預(yù)期結(jié)果有助于為多角度遙感衛(wèi)星提供敏感參數(shù)(觀測角度、波段及植被指數(shù))，為小麥生長監(jiān)測和精確管理提供技術(shù)指導(dǎo)。<

2、br>　　系統(tǒng)分析了不同觀測角度下傳統(tǒng)光譜參數(shù)和兩波段歸一化及比值植被指數(shù)估算小麥葉片氮含量(LNC)的效果，從而確立小麥冠層葉片氮含量的多角度定量監(jiān)測模型。結(jié)果表明，無論前向或后向觀測方向，冠層反射率和40個(gè)常規(guī)光譜植被指數(shù)與LNC的決定系數(shù)隨觀測角度的增加而降低，尤其在后向-20°達(dá)到最大值。RI-1dB和EVI-1分別在后向-20°和垂直角度下與LNC的關(guān)系最為密切。兩波段原始光譜反射率組合的ND和SR參數(shù)與LNC相關(guān)性較好的區(qū)域

3、主要集中在藍(lán)-紅光波段、綠-紅邊波段以及紅邊-紅邊波段組合范圍內(nèi)，這種敏感區(qū)域隨光譜觀測角度而有所不同。利用敏感光譜參數(shù)和觀測角度組合的新型多角度植被指數(shù)(MAVI)可以較好估測LNC，經(jīng)不同年際獨(dú)立數(shù)據(jù)檢驗(yàn)，MAVISR模型對葉片氮含量反應(yīng)最敏感。
　　通過系統(tǒng)分析不同波段及光譜參數(shù)的角度敏感性特征，研究了不同光譜分析技術(shù)提取的適宜特征參數(shù)與葉片氮含量間定量關(guān)系。結(jié)果顯示，光譜植被指數(shù)與葉片氮含量間相關(guān)性在后向觀測角度的表現(xiàn)優(yōu)于

4、垂直角度和前向觀測角度，紅邊參數(shù)mND705、GND(750,550)、NDRE和RI-1dB與LNC間關(guān)系最密切，但在不同試驗(yàn)因子條件下差異較大，尤其在葉片氮含量較高時(shí)(＞4.5％)，光譜參數(shù)趨于飽和。新構(gòu)建的角度不敏感參數(shù)(AIVI)降低了不同試驗(yàn)因子的影響效應(yīng)，在-10°~-40°觀測角度范圍內(nèi)，AIVI可以建立統(tǒng)一穩(wěn)定的監(jiān)測模型，且經(jīng)過獨(dú)立試驗(yàn)數(shù)據(jù)檢驗(yàn)，基于AIVI構(gòu)建小麥冠層葉片氮含量監(jiān)測模型最優(yōu)，該模型具有較強(qiáng)的角度適應(yīng)性。

5、基于FA-BPNN分析的小麥葉片氮含量反演精度在不同觀測角度下均較常規(guī)光譜參數(shù)明顯提高。因此，基于新型植被指數(shù)AIVI和FA-BPNN均可以對不同試驗(yàn)條件下小麥葉片氮含量進(jìn)行可靠監(jiān)測。
　　通過比較不同觀測角度下多種光譜分析方法與LAI間關(guān)系，提取對LAI變化反應(yīng)敏感的適宜波段及觀測角度，從而確立小麥LAI定量監(jiān)測模型。結(jié)果顯示，不同的光譜分析方法在垂直角度附近更適宜用來監(jiān)測LAI，后向觀測方向的光譜反射率及光譜參數(shù)與LAI間相關(guān)

6、性高于前向觀測方向。不同觀測角度下兩波段比值(SR)和歸一化指數(shù)(ND)沒有表現(xiàn)出突出的監(jiān)測優(yōu)勢，但SR效果優(yōu)于ND方法。利用因子分析技術(shù)，發(fā)現(xiàn)綠光波段的載荷在第一因子中隨觀測角度增加而降低，在第二因子中隨觀測角度增加而增加。經(jīng)不同年際獨(dú)立試驗(yàn)數(shù)據(jù)檢驗(yàn)，以光譜參數(shù)VIopt為變量建立的小麥LAI監(jiān)測模型具有較好的檢驗(yàn)結(jié)果，可以用于小麥LAI的精確估測。
　　分析比較了估算LAI常用植被指數(shù)的飽和性，角度敏感性以及品種敏感性。角度廣

7、適性結(jié)果顯示，光譜參數(shù)估算LAI的精度以直立型品種優(yōu)于披散型品種。非垂直觀測角度并沒有顯著提高光譜參數(shù)對LAI估算能力。除EVI和TVI外，光譜參數(shù)NDVI、SAVI、OSAVI、MSAVI、WDRVI、MTVI和mND705均在LAI大于4時(shí)趨向飽和。基于綠光和近紅外波段構(gòu)建的角度消減系數(shù)Kf與LAI關(guān)系密切，VIs與Kf乘積在不同觀測角度下均有效緩解了LAI估算的飽和性和品種敏感性，顯著提高了LAI的監(jiān)測精度和適應(yīng)能力。在上述光譜參

8、數(shù)中，除WDRVI、EVI和TVI外，其余光譜參數(shù)與Kf乘積均在所有觀測角度下建立統(tǒng)一監(jiān)測模型，其中以mND705和OSAVI光譜參數(shù)的預(yù)測模型更為精確可靠。
　　綜合不同觀測角度光譜數(shù)據(jù)，分析多種光譜處理方法估測葉綠素密度的效果，進(jìn)而確立小麥葉片色素密度的多角度遙感監(jiān)測模型。結(jié)果表明，與葉綠素密度相關(guān)性較好的光譜反射率主要集中在紅邊和近紅外區(qū)域(720-900nm)。光譜參數(shù)VOG1、RI-1dB、NDRE、SDr/SDb和DD