收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于高光谱数据的果树理化性状信息提取研究

邢东兴  
【摘要】:以渭北旱塬上的几种代表果树为研究对象,分别基于其冠层或单鲜叶片尺度上的反射光谱数据,对果树的树种、病虫害情、冻害害情、挂果数量、三大营养元素(TN、TP、TK)含量、四种微量元素(Fe、Mn、Cu、Zn)含量等生物理化性状信息进行了探索性提取研究。此研究试图探寻利用地面光谱测试数据对果树理化性状信息进行有效监测、识别的方法与途径,并为我国今后利用机载、星载高(超)光谱传感器来对果树相关理化性状信息进行快速监测做一理论准备。 主要研究内容及结论如下: 1.基于处于开花期的7种果树(砂红桃、酥梨、金太阳杏以及秦冠、红嘎那、黄元帅、红富士苹果树)的冠层光谱反射率,探寻了利用地面光谱测试数据对处于开花期的多种果树树种进行有效识别的方法与途径。首先对比分析了各种果树的反射光谱特征;其后通过光谱数据重采样、植被指数求算等相关数据处理,对比分析了6种卫星传感器、4种植被指数分别对7种果树树种的识别效能,并对其识别效能进行了排序;最后在光谱反射率及其22种变式数据中,优选了最佳的数据形式,并在优化模型参数的基础上,建立了识别花期多种果树树种的3层BP神经网络模型。 主要结论为:(1)6种卫星传感器识别果树树种的效能由强到弱的排列顺序为:MODIS、ETM+、QUICKBIRD、IKONOS、HRG、ASTER;(2)在4种植被指数中,RVI对果树树种的识别效能最强,其次是NDVI,SAVI与DVI的识别效能相对较弱;(3)用MODIS或ETM+传感器的近红外通道与蓝光通道上的反射率数据,求算的RVI与NDVI对果树树种的识别效能相对较强;(4)在R_λ及其22种变换数据中,波长间隔设为9 nm的d~1[㏒(1/R_λ)],是建立BP神经网络模型的首选数据形式;(5)利用波长间隔设为9 nm的d~1[㏒(1/R_λ)]这一数据形式,建立了识别果树树种的3层BP神经网络模型。 2.基于处于果实成熟期的7种挂果果树(酥梨、满天红柿子、大红袍石榴以及秦冠、黄元帅、套袋红富士、未套袋红富士苹果)的冠层光谱反射率,探寻了利用地面光谱测试数据对处于果实成熟期的多种果树树种进行有效识别的方法与途径。首先对比分析了各种挂果果树的反射光谱特征;其后通过光谱数据重采样、植被指数求算等相关数据处理,对比分析了6种卫星传感器、4种植被指数分别对处于果实成熟期的多种果树树种的识别效能,并分别对其识别效能进行了排序;最后在光谱反射率及其22种变式数据中,优选了最佳的数据形式,并在优化模型参数的基础上,建立了识别处于果实成熟期的多种果树树种的3层BP神经网络模型。 主要结论为:(1)6种卫星传感器识别果树树种的效能由强到弱的排列顺序为:MODIS、ASTER、ETM+、HRG、QUICKBIRD、IKONOS;(2)在4种植被指数中,RVI对果树树种的识别效能最强,其次是NDVI,SAVI与DVI的识别效能相对较弱;(3)用MODIS或ETM+传感器的近红外通道与红光通道上的反射率数据,求算的RVI与NDVI对果树树种的识别效能相对较强;(4)在R_λ及其22种变换数据中,波长间隔设为9 nm的d1[㏒(1/R_λ)],是建立BP神经网络模型的首选数据形式;(5)利用波长间隔设为9 nm的d1[㏒(1/R_λ)]这一数据形式,建立了识别果树树种的3层BP神经网络模型。 3.基于3种果树(即酥梨树与秦冠、红富士苹果树,它们是研究区内三大主要果树树种)分别在5个不同时相(开花期、6月中旬、8月中旬、果实成熟期、果实采摘后)中的冠层光谱反射率,分析研究了利用高光谱数据对研究区内三大主要果树树种进行有效识别的最佳时相选取问题。首先对光谱数据进行了预处理,并对3种果树分别在各个时相中的反射光谱特征及其差异进行了对比分析;其后对处于各时相中的3种果树的光谱反射率,求算出其在每一波长处的标准差,并依据与各时相对应的反射率的标准差的大小及其波动变化情形,分析得出了利用高光谱数据对果树树种进行有效识别的最佳时相。 主要结论为:(1)在5个时相中,3种果树反射率的标准差在各波长处相对较大且波动变化较大者要属开花期和果实成熟期;(2)在果实成熟期中,3种果树反射率的标准差的波动变化相对最大;(3)依据利用多、高光谱遥感影像数据对地物进行分类的先验知识可知,果实成熟期是利用高光谱数据对果树树种进行识别的最佳时相。 4.基于3种果树(即酥梨、砂红桃、红富士苹果树)4个受冻级别的花朵的光谱反射率数据,对比分析了每种果树各级受冻花朵的光谱特征;利用一阶微分波谱在特征波段区间内的积分求值,分别对3种果树花朵的受冻级别建立了定量化评估模型。 主要结论为:(1)每种果树各级受冻花朵的反射波谱均在360 nm附近出现了最低谷区,而在360~440 nm的波段区间均出现了坡度最大的陡坎,陡坎坡度的大小顺序为:未受冻级别轻度受冻级别中度受冻级别重度受冻级别,并且陡坎的最大坡度均出现在400 nm附近;(2)当波长间隔同时设为9 nm时,酥梨、砂红桃、红富士苹果树的各级受冻花朵的一阶微分波谱分别在396±20,400±20,410±20 nm波段区间内的积分求值差异最大;(3)利用上述的3组积分值,分别对3种果树花朵的受冻级别建立了定量化评估模型。 5.基于患有不同程度的红蜘蛛虫害或黄叶病害的红富士苹果树的冠层反射光谱,探寻了红富士苹果树在各级红蜘蛛虫害、黄叶病害胁迫下的反射光谱特征以及利用高光谱数据对果树病、虫害情进行有效测评的方法与途径。首先,分别对各级红蜘蛛虫害、黄叶病害胁迫下的果树的反射光谱特征进行了分析;其后,建立了定量化测评相应病、虫害程度的数学模型。 主要结论为:(1)各级红蜘蛛虫害对应的反射波谱在630~695 nm波段,R_(重度)R中度R_(轻度)R_(正常),四者在684 nm处变异系数最大;在730~950 nm波段,R_(重度)R_(中度)R轻度R_(正常),四者在762 nm处变异系数最大。各级黄叶病害对应的反射波谱在515~716 nm波段,R_(重度)R_(中度)R_(轻度)R_(正常),四者在603 nm处变异系数最大;在740~950 nm波段,R_(重度)R_(中度)R_(轻度)R_(正常),四者在764 nm处变异系数最大;(2)果树反射波谱的“红边”位置随病、虫害情的加重而依次发生“蓝移”;(3)建立的害情测评模型对病、虫害情的测评准确率分别为98%、96%。 6.以红富士苹果树为例,基于不同挂果量的果树的冠层反射光谱,探寻了不同挂果量的果树的反射波谱特征以及利用光谱数据对果树挂果量进行有效测评的方法与途径。在此子研究中,对比分析了不同挂果量的果树的反射光谱特征,并在优选光谱指数的基础上,建立了测评果实面积比(或果实总重量)的数学模型。 主要结论为:(1)在560~673,760~950 nm两个波段内,5个级别挂果量分别对应的反射率的大小差异较大,且其反射率分别在634 ,760 nm处变异系数较大。在592,655,696 nm附近的波段内,5条反射波谱的一阶微分值的差异均较大;(2)反射波谱的“红边”位置随果树挂果量(或果实面积比)的增加而依次发生“蓝移”;(3)建立了优选的光谱指数与果实面积比(或果实总重量)之间的数量关系模型。 7.以红富士苹果树为例,利用其单鲜叶片的光谱反射率以及叶片中的TN、TP、TK含量数据,探试了光谱分析手段估测果树N、P、K营养元素含量的精度与应用潜力。首先对果树叶片中的TN、TP、TK含量与叶片的光谱反射率(R_λ)及其多种变式数据(1/R_λ、lg(1/R_λ)、d1R_λ、d2R_λ、d1[lg(1/R_λ)]、d2[lg(1/R_λ)]、lg(1/BNC)、?′(R_λ)、Dn)之间的相关性强弱分别进行了分析对比,找出了与每种元素含量相关性最强的光谱数据形式;其后采用逐步回归法对每种元素含量和与其相关性最强的光谱数据形式进行了回归分析,得到了入选波长;最后利用入选的波长,进行了基于最小误差平方和的偏最小二乘回归建模。 主要结论为:(1)叶片TN、TK含量与波长间隔设为5 nm的d1R_λ的相关性最强,TP含量与波长间隔设为9 nm的d1[lg(1/R_λ)]的相关性最强;(2)利用入选的特征波长,建立的估测模型均具有较好的线性趋势,R2均在0.8以上;(3)光谱分析手段对果树N、P、K营养元素含量的估测精度较高,具有一定的应用潜力。 8.以红富士苹果树为例,利用其单鲜叶片的光谱反射率和叶片中的Fe、Mn、Cu、Zn 4种元素含量数据,探试了光谱分析手段估测果树微量元素含量的精度与应用潜力。首先对果树叶片中的Fe、Mn、Cu、Zn含量与叶片的光谱反射率(R_λ)及其多种变式数据(1/R_λ、lg(1/R_λ)、d1R_λ、d2R_λ、d1[lg(1/R_λ)]、d2[lg(1/R_λ)]、lg(1/BNC)、?′(R_λ)、Dn)之间的相关性强弱分别进行了分析对比,找出了与每种元素含量相关性最强的光谱数据形式;其后采用逐步回归法对每种元素含量和与其相关性最强的光谱数据形式进行了回归分析,得到了入选波长;最后利用入选的波长,进行了基于最小误差平方和的偏最小二乘回归建模。 主要结论为: (1)叶片Fe、Mn、Cu、Zn含量都与R_λ的相关性较弱,而分别与四点差分的一阶微分光谱?′(R_λ)、波长间隔设为17 nm的d1R_λ、波长间隔设为25 nm的d1R_λ、波长间隔设为15 nm的d1R_λ的相关性最强;(2)用入选的波长建立的估测模型均具有较好的线性趋势,R2均在0.8以上;(3)光谱分析手段估测果树叶片Fe、Mn、Cu、Zn元素含量的精度较高,具有一定的应用潜力。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 顾聚兴;;遥感图像和信号的处理IX[J];红外;2005年12期
2 陈雯扬;许惠平;;基于高光谱数据的东海近海悬浮泥沙浓度估测研究[J];水运工程;2010年02期
3 孙桂玲;张翠兰;方勇华;黄宏华;;小波变换在光谱特征提取方面的应用[J];量子电子学报;2006年01期
4 王圆圆;陈云浩;李京;;模型树和支持向量回归在高光谱遥感中的应用[J];中国矿业大学学报;2006年06期
5 范楠楠;李增元;范文义;王琫瑜;谭炳香;刘广峰;;PHI-3高光谱数据预处理[J];水土保持研究;2007年02期
6 韦玉春;黄家柱;李云梅;光洁;;夏季太湖叶绿素a浓度的高光谱数据监测模型(英文)[J];遥感学报;2007年05期
7 满旺;张杰林;曹代勇;;基于Oracle的高光谱数据管理平台设计与应用[J];世界核地质科学;2007年04期
8 刘茜;David G Rossiter;;基于高光谱数据和MODIS影像的鄱阳湖悬浮泥沙浓度估算[J];遥感技术与应用;2008年01期
9 牛鹏;魏维;;基于SVM动态集成的高光谱遥感图像分类[J];计算机应用;2010年06期
10 董广军;王鹏;赵楠;;高光谱数据在Oracle中的存储及应用技术研究[J];测绘科学技术学报;2006年03期
11 陆冬华;赵英俊;;基于改进型Brovey算法的高光谱数据融合技术[J];世界核地质科学;2006年03期
12 范学炜;高瑞萍;张汉德;;基于成像高光谱数据的高低潮潮位线提取方法研究[J];海洋科学进展;2006年04期
13 范楠楠;李增元;范文义;王琫瑜;谭炳香;刘广峰;;PHI-3高光谱数据预处理[J];黑龙江水专学报;2006年04期
14 苏红军;杜培军;盛业华;;高光谱遥感数据光谱特征提取算法与分类研究[J];计算机应用研究;2008年02期
15 赵春晖;朱志球;;二进脊波变换的高光谱遥感图像融合分类[J];哈尔滨工程大学学报;2008年11期
16 陈建辉;徐涵秋;;晋江水体悬浮物浓度的高光谱建模分析[J];遥感技术与应用;2008年06期
17 屈永华;段小亮;高鸿永;陈爱萍;安永清;宋金玲;周红敏;何涛;;内蒙古河套灌区土壤盐分光谱定量分析研究[J];光谱学与光谱分析;2009年05期
18 宗靖国;张建奇;秦翰林;刘德连;;基于非子采样金字塔变换的高光谱图像异常检测[J];红外技术;2011年01期
19 王圆圆;陈云浩;李京;;RSM组合方法用于高光谱遥感数据的分类研究[J];遥感信息;2008年01期
20 王冰冰;滕惠忠;熊显名;;基于IDL的高光谱数据可视化分析[J];激光与光电子学进展;2009年11期
中国重要会议论文全文数据库 前10条
1 李英杰;薛勇;光洁;何兴伟;梅林露;王颖;徐慧;艾建文;;环境小卫星高光谱数据在气溶胶定量反演及沙尘监测中的应用初探[A];第十七届中国遥感大会摘要集[C];2010年
2 刘良云;赵永超;刘团结;张霞;吴传庆;白继伟;张兵;郑兰芬;童庆禧;;利用高光谱数据反演小麦作物生化参量[A];成像光谱技术与应用研讨会论文集[C];2002年
3 陈军;杨存建;许辉熙;程曦冉;;MODIS高光谱数据的初步分析和应用探讨[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
4 姜小光;王长耀;王成;;高光谱数据的光谱信息特点及面向对象的特征参数选择——以北京顺义区为例[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年
5 汪卓琦;张立福;晏磊;;高光谱植被指数VIUPD的Matlab7.0实现[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集(下册)[C];2006年
6 李夕海;何元磊;刘代志;;高光谱寻的技术初探[A];国家安全地球物理丛书(四)——地球物理环境探测和目标信息获取与处理[C];2008年
7 董广军;;PHI高光谱数据光谱重建及城市分类应用研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
8 汪卓琦;张立福;晏磊;;高光谱植被指数VIUPD的Matlab7.0实现[A];2006中国科协年会——数字成像技术及影像材料科学学术交流会论文集[C];2006年
9 张萌;赵慧洁;李娜;;高光谱数据光谱分辨率对矿物识别的影响分析[A];2006年全国光电技术学术交流会会议文集(D 光电信息处理技术专题)[C];2006年
10 董广军;纪松;朱朝杰;;基于局部线性嵌入流形学习的高光谱影像分类技术[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
中国博士学位论文全文数据库 前10条
1 高阳;高光谱数据降维算法研究[D];中国矿业大学;2013年
2 张立福;通用光谱模式分解算法及植被指数的建立[D];武汉大学;2005年
3 邢东兴;基于高光谱数据的果树理化性状信息提取研究[D];西北农林科技大学;2009年
4 卞萌;基于高光谱遥感的茶叶生物化学参数提取的研究[D];武汉大学;2010年
5 崔亚琴;油蒿灌木林钻蛀性虫灾遥感监测研究[D];北京林业大学;2012年
6 杜世州;基于多源数据小麦白粉病遥感监测研究[D];安徽农业大学;2013年
7 张东彦;基于高光谱成像技术的作物叶绿素信息诊断机理及方法研究[D];浙江大学;2012年
8 江辉;基于多源遥感的鄱阳湖水质参数反演与分析[D];南昌大学;2011年
9 乔璐;基于高光谱数据和MODIS影像的土壤特性的定量估算[D];东北林业大学;2013年
10 叶成名;基于高光谱遥感的青藏高原岩矿信息提取方法与应用研究[D];成都理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 张川;基于环境减灾卫星高光谱数据的我国北方农业干旱遥感监测技术研究[D];中国地质大学(北京);2010年
2 芦鑫;基于高光谱数据的壁画信息提取与分析[D];北京建筑工程学院;2012年
3 徐晨威;高光谱数据库中基于特征的分类方法研究[D];华中师范大学;2011年
4 孙墨寒;高光谱数据误差估计及降维方法研究[D];中国地质大学(北京);2013年
5 耿令朋;高光谱数据在土壤有机质填图中的应用[D];中国地质大学(北京);2012年
6 刘李;基于多光谱和高光谱数据的遥感矿化蚀变信息提取研究[D];中国地质大学(北京);2010年
7 刘东起;基于TerraScan的多源机载数据反演森林参数[D];东北林业大学;2012年
8 胡玉玲;基于HJ-1高光谱数据的矿区植被污染监测[D];山东科技大学;2011年
9 齐文文;基于高光谱数据的民勤绿洲土壤含盐量预测[D];兰州大学;2011年
10 王琳琳;古遗址的高光谱数据信息提取方法研究[D];西北大学;2012年
中国重要报纸全文数据库 前6条
1 记者 金小平;提高国土资源调查精度和深度[N];中国矿业报;2008年
2 通讯员 陈爱萍;义长灌域管理局科研项目通过专家鉴定[N];巴彦淖尔日报(汉);2010年
3 夏鹏;加强天—空—地对地观测系统研发[N];地质勘查导报;2010年
4 通讯员 王祥峰;山东省农科院“遥感”小麦生产[N];科技日报;2009年
5 赵宏英;遥感监测水质的发展趋势[N];中国水利报;2009年
6 通讯员 相栋 栾青;山西航空遥感试验飞行试飞成功[N];中国气象报;2010年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978