论文部分内容阅读
为实现辣椒茶黄螨的高光谱遥感预测，本文于2009、2010年在贵州省辣椒研究所试验大棚内，采用便携式光谱仪、叶绿素仪和冠层分析仪对辣椒茶黄螨危害期间不同危害级别的冠层及叶片光谱、叶片叶绿素相对含量（SPAD）及冠层叶面积指数（LAI）进行了测量与定量分析。 通过对冠层和叶片的光谱测量，发现当辣椒受到茶黄螨侵害时，无论是单叶还是冠层水平，其光谱反射率都发生了相应的变化，且两种水平下的光谱反射率变化规律一致。通过相关分析，得到单叶螨害级别敏感波段为710～722nm、737～1904nm及1973～2462nm，特征波长点为566nm、776nm和2000nm，叶绿素相对含量（SPAD）敏感波段为350～555nm及590～697nm。冠层螨害级别敏感波段为725～1350nm，1450～1800nm及2055～2300nm，特征波长点为541nm、781nm和1680nm，叶面积指数（LAI）敏感波段为529～544nm、719～1350nm、1465～1800nm及2037～2299nm。 通过对辣椒茶黄螨虫害的光谱、SPAD及LAI定量分析，得到单叶水平下单变量建立模型时，采用776nm波长点处的原始光谱反射率和植被指数RVI、NDVI能较好地诊断茶黄螨危害级别，校正模型的相关系数分别为0.95、0.86和0.84，并通过模型的显著性检验和预测精度检验，预测相关系数分别达到0.91、0.80和0.77，预测标准偏差分别为0.43、0.65和0.70，平均相对误差分别为12.25％、17.8％和19.81％。叶绿素相对含量（SPAD）也能较好地诊断茶黄螨危害级别，校正模型相关系数达0.84，并通过模型的显著性检验和预测精度检验，预测相关系数达0.906，预测标准偏差为0.486，平均相对误差为15.79％；多变量建立模型时，采用逐步回归法筛选出12个回归变量，预测相关系数达到0.952，并通过模型的显著性检验和预测精度检验，预测相关系数达到0.913，且预测标准偏差为0.345，平均相对误差为14.2％。冠层水平下，单变量建立模型时，781nm和1680nm波长点处的原始光谱反射率能较好地诊断茶黄螨危害级别，校正模型的相关系数分别为0.965和0.94，并通过模型的显著性检验和预测精度检验，预测相关系数分别达到0.946和0.868，预测标准偏差分别为0.461和0.71，平均相对误差分别为10.1％和14.8％；叶面积指数（LAI）也能较好的诊断茶黄螨危害级别，校正模型相关系数达0.87，并通过模型的显著性检验和预测精度检验，预测相关系数达到0.917，预测标准偏差为0.378，平均相对误差分别为12.85％；多变量建立模型时，在螨害敏感波段内采用逐步回归方法，筛选出8个回归变量，校正方程的相关系数随着自变量个数的增加而增加，最终校正方程相关系数为0.983，并通过模型的显著性检验和预测精度检验，预测相关系数达到0.964，预测标准偏差为0.327，平均相对误差为9.2％。 本研究可为实现辣椒茶黄螨的高光谱遥感预测以及辣椒的精确定量施药提供试验依据，具有一定的学术意义和实用价值。