论文部分内容阅读
为筛选出冬小麦水分监测最佳的光谱参数,构建精准普适的冬小麦水分监测模型,为冬小麦水分监测和精确灌溉提供技术支撑,本研究以冬小麦为材料,设置四个水分处理W1（0 mm）、W2（30 mm）、W3（60 mm）、W4（90 mm）,利用高光谱成像仪,分析了冬小麦在不同生育时期的冠层光谱反射特征和光谱图像特征,构建植株含水量、叶片相对含水量、土壤含水量、叶片水势和土壤水势的拟合模型,并对模型进行检验,具体结果如下:1.冬小麦植株含水量监测模型模型拟合结果表明,各生育时期图像参数运算值拟合模型的决定系数均大于植被指数,基于组合光谱参数建立的模型监测全生育期植株含水量效果均优于单一光谱参数,以组合图像参数运算值GSAOgreen（灰度抗大气运算值）和GNO（灰度归一化运算值）构建的模型为冬小麦全生育期植株含水量最佳监测模型,模型为y=-1.04×GSAOgreen+0.07×GNO+0.75,决定系数为0.831,预测模型的MRE和RMSE分别为2.27%和2.1%。该研究可为冬小麦水分的精确监测提供技术参考。2.冬小麦叶片相对含水量监测模型模型拟合结果表明,拔节期、抽穗期、开花期、灌浆前期和灌浆后期基于图像参数运算值构建的叶片相对含水量监测模型的精度均高于植被指数,图像参数运算值为GWC（灰度水分运算值）和GSAOgreen,并且基于组合图像参数运算值GWC和GSAOgreen建立的模型的监测效果优于植被指数建立的模型,为冬小麦全生育期叶片相对含水量最佳监测模型,模型为y=0.56×GWC-0.87×GSAOgreen+0.16,决定系数为0.836,预测模型的MRE和RMSE分别为4.22%和4.6%。该研究可为冬小麦水分的精确监测提供技术参考。3.冬小麦农田土壤含水量监测模型模型拟合结果表明,0-20 cm土层为反演冬小麦农田土壤含水量的最佳深度,基于组合图像参数运算值GREO2（灰度红边运算值2）和mGSRO705（灰度改进红边比值运算值）建立的监测模型为反演全生育期冬小麦农田土壤含水量的最佳监测模型,并通过独立数据的检验。模型为y=-0.30×GREO2+0.51×mGSRO705-0.04,模型决定系数为0.815,MRE和RMSE分别为13.52%和1.6%。该研究结果表明,利用此方法进行土壤含水量的监测是可行的,为提高农田土壤含水量遥感监测提供了一定理论依据和技术支持。4.冬小麦叶片水势监测模型模型拟合结果表明,不同生育时期,图像参数运算值构建拟合模型的拟合效果均高于植被指数,且基于图像参数运算值构建的全生育时期叶片水势拟合模型的拟合精度也高于植被指数,以组合图像参数运算值GSOSA（灰度优化土壤调整运算值）和GEO2（灰度增强型运算值2）建立的模型监测冬小麦全生育时期叶片水势效果最佳,模型的决定系数较高,MRE和RMSE较小。建立的监测模型为y=1.62×GSOSA+2.66×GEO2-4.84,决定系数为0.849,RMSE=21.0%,MRE=-8.02%。5.冬小麦农田土壤水势监测模型模型拟合结果表明,不同土层建立的最佳监测模型的监测效果均随着土层加深而降低,0-20 cm土层为冬小麦农田土壤水势最佳监测土层,基于组合图像参数运算值GREO1（灰度红边运算值1）和GREO2建立的模型为冬小麦农田全生育期土壤水势最佳监测模型,模型的决定系数较高,并通过独立数据的检验。监测模型为y=-0.75×GREO2+2.80×GREO1-4.79,决定系数为0.800,MRE和RMSE分别为-15.67%和13.9%。