论文部分内容阅读
植被氮素含量的快速监测一直以来是研究的热点问题,而如何提高氮素含量的反演精度是个难题。目前,地面遥感、无人机遥感被广泛应用于精准农业领域。虽然通过地面光谱仪获取的光谱反射率较为精准,但存在离散的点状测量的不足;无人机遥感方便、快速且能进行连续区域监测,但光谱反射率精度比地面光谱仪低。将地面与无人机遥感数据耦合,可为区域遥感精准反演提供技术支撑。本研究以山东省主要苹果产地胶东半岛的栖霞市和泰沂山区蒙阴县苹果园为研究区,以新梢旺长期的红富士苹果树为研究对象,利用大疆DJ M600 Pro低空无人机搭载Sequoia多光谱相机,采集苹果树冠层的多光谱影像;同时利用地物光谱仪ASD FieldSpec 4对冠层和裸土进行高光谱数据采集。利用无人机多光谱影像的光谱反射率数据进行光谱特征参量构建后,分别与苹果树冠层氮素含量进行相关性分析,筛选出敏感光谱特征参量,进而建立基于光谱特征参量的苹果树冠层氮素含量反演模型。以地面冠层和裸土光谱反射率为端元,借助线性光谱混合模型对无人机遥感影像进行混合像元分解,得到基于地-空遥感数据耦合的冠层丰度参量。对冠层丰度参量与氮素含量作相关分析,探索将丰度参量引入氮素含量反演模型后对模型精度的影响,建立氮素含量最优模型。最后,运用监督分类对无人机多光谱影像进行苹果树冠层的提取,利用氮素含量最优模型对苹果树冠层区域进行氮素含量空间反演。主要研究结果如下:(1)建立并筛选了与冠层氮素含量相关的光谱特征参量运用无人机多光谱影像获取的原始光谱反射率构建的18种植被指数类光谱特征参量 DVI、RVI(E,N)、RVI(N,G)、RVI(N,R)、NDVI、RDVI、SAVI、OSAVI、NRI、GNDVI、NDCI、TCARI、TVI、MCARI、NLI、MNLI、MSAVI2 和 MSR 与氮素含量做相关性分析,筛选出的相关系数绝对值大于0.5的植被指数类光谱特征参量为GNDVI和RVI(N,G)。构建的35种非植被指数类光谱特征参量G、R、E、N、lnG、lnR、lnE、lnN、1/G、1/R、1/E、1/N、(?)、(?)、(?)、(?)、G2、G3、GXR、GXE、GXN、GX RXE、GXRXN、GXEXN、RXEXN、GXRXEXN、R2、R3、RXE、RXN、E2、E3、EXN、N2和N3与氮素含量做相关性分析,筛选出的6个非植被指数类光谱特征参量分别为 G、GXRXE、GXRXEXN、GXE、GXR和 RXE。(2)获取了基于地-空遥感数据耦合的苹果树冠层丰度参量栖霞博士达和蒙阴野店镇苹果园的冠层丰度值与氮素含量的相关系数分别为0.688和0.741,相关系数绝对值均大于0.5,可以作为建立和检验冠层氮素含量反演模型的自变量。(3)建立及检验了苹果树冠层氮素含量估测模型以栖霞博士达苹果园校正集的光谱特征参量G、GNDVI、RVI(N,G)、G×R、G×E、RXE、GXRXE和GXRXEXN和冠层丰度参量为自变量,以氮素含量为因变量,分别建立LR、SLR、PLSR、SVR和RFR模型,用验证集对模型进行验证。利用栖霞博士达苹果园验证集验证SVR模型的R2、RMSE、RPD分别为0.820、0.079、2.113;利用蒙阴野店镇苹果园检验集进一步检验SVR模型的R2、RMSE、RPD分别为0.848、0.080、2.189。SVR模型适用于新梢旺长期的苹果树冠层的氮素含量反演。(4)确定了苹果树冠层氮素含量最佳反演模型并完成空间反演基于冠层丰度参量和光谱特征参量的支持向量机回归模型为最优反演模型,完成了冠层区域的氮素含量空间反演。利用地-空遥感数据耦合进行苹果树冠层氮素含量反演,为区域性果树营养元素的快速、精准监测提供了理论根据和技术支持。