基于高光谱遥感的冬小麦植被反射特征及叶面积指数的监测模型研究

【摘要】：农业实现低耗、高效、优质、环保的重要途径要靠精准农业,目前精准农业是世界农业发展的新趋势,也是我国农业在21世纪的最佳选择。精准农业是在一系列高新技术最新成就的基础上发展起来,它是将现代信息技术、生物技术与工程技术等一系列高新技术进行融合后发展成的一种新型农业。对精准农业的研究已成为世界农业技术的研究重点,其中遥感技术是实施精准农业的重要工具之一。 本文通过试验和理论分析相结合的方法分析了不同水分处理和播种密度对冬小麦生理生态指标的影响,并利用光谱仪测得了冬小麦不同生育时期的冠层光谱反射率,建立了基于高光谱遥感的叶面积指数的监测模型。分析得出以下主要结论: (1)光谱曲线特征(可见光范围内)与叶绿素的相对含量有着密切的联系,当叶绿素相对含量越高时,对应的光谱曲线反射率会越小;当叶绿素相对含量越低时,对应的光谱反射率越大。叶绿素含量越大,红边振幅越大,红边面积也越大。随着生育期的推进,红边位置先向长波方向移动后向短波方向移动,红边面积出现先增大再减小的变化趋势,红边振幅出现增大再变小的趋势。 (2) 350-690nm之间的光谱反射率与冬小麦的叶面积指数存在较好的负相关关系;在750-960nm之间的光谱反射率与冬小麦的叶面积指数存在明显的正相关关系。分析了10个常见的植被指数与冬小麦叶面积指数的相关关系,结果发现归一化植被指数与冬小麦叶面积指数的相关性最好,且建立的模型的R2最高,其模型为y=3.1437x2.2152 ,R2=0.8160;其次是比值植被指数与冬小麦叶面积指数的相关性也比较好,其模型形式为y=0.9078Ln(x)-0.1734,R2=0.80601。 (3)引进了神经网络模型对冬小麦的叶面积指数进行估算,并对比了两种神经网络模型的预测精度,其中运用BP神经网络模型进行预测时,相对误差为1%—18%,模型预测的平均误差为11.55%,而运用RBF神经网络模型进行预测时,其相对误差绝对值为1%—13%,模型预测的平均误差为7.15%,可见运用RBF神经网络进行预测的精度比BP神经网络更高一些。 (4)播种密度和水分处理对冬小麦的株高和叶绿素含量均有明显的影响,表现为:对于同一播度条件下,不同的水分处理对冬小麦的株高和叶绿素的影响是:适宜供水条件下冬小麦的株高增长幅度和叶绿素相对含量大于轻度亏水处理条件下的冬小麦的株高和叶绿素含量,均大于重度亏水处理条件下的冬小麦株高和叶绿素的相对含量。在相同的水分处理下,不同的播种密度对冬小麦株高和叶绿素的影响分别是:稀播情况下的冬小麦平均株高和叶绿素相对含量大于适宜播种条件下的冬小麦平均株高和叶绿素含量,均大于密播情况下的冬小麦平均株高和叶绿素含量。 (5)不管哪种处理冬小麦叶面积指数均呈现先升高后下降的大体趋势,当一定面积的土地上播种密度相同时,随水分亏缺的加重叶面积指数变小。 (6)建立了不同处理冬小麦叶面积指数的变化模型,其中运用多元线性回归进行预测的平均误差达12.12%,运用灰色GM(1,1)模型进行预测的结果误差最小,其平均误差小于5%,运用Matlab进行BP神经网络的编程预测结果其平均误差为5.55%,可见运用灰色预测模型和BP神经网络进行叶面积指数的预测均能得到良好的效果。 (7)对各处理产量的分析结果表明,播种密度对小麦产量起着关键作用,而对于同一播种密度下,灌水量越大,其产量也就越大。