论文部分内容阅读
在全球信息化大潮的推动下,遥感数据的时间、空间、辐射和光谱分辨率不断提高,遥感技术在高效获取地表信息方面越发具有无可比拟的优势,尤其是高光谱遥感,可以提供宽波段遥感无法探测的光谱信号,从而可采用定量方法从宏观尺度上获取丰富的微观信息。其应用领域已经涵盖地球科学的各个方面,其中农业遥感由于涉及粮食安全问题,越来越受到社会各界的关注。其中,氮素是植物进行光合作用必不可少的重要元素,与粮食产量和品质直接相关。但是,过量施肥不仅会对农作物有害,还会对土壤和和环境造成一定的污染。因此,及时、有效的预测作物的氮素含量,可以为精准施肥提供数据支持,也是提高粮食产量和改善品质的基础。遥感氮素定量估算是农业遥感的组成部分,可为大田作物种植提供信息技术支撑,有效的避免传统氮素监测方式的不足,在节约成本和提高效率方面的优势尤为明显。本研究从辐射传输机理理论出发,以夏玉米为研究对象,以开发更具普适性的作物氮素高光谱遥感定量估算模型为目的,在叶片尺度上选择PROSPECT模型作为氮素遥感监测的基础模型,以叶片叶绿素含量(Leaf chlorophyll content,LCC)的反演精度为目标分析了模型定量反演中三种光谱变换形式(敏感波段反射率,小波能量系数和植被指数)的敏感性;围绕模型中多种参数在生育期内的变化这一关键问题,综合考虑LCC和叶片氮素浓度(Leaf nitrogendensity,LND)之间的密切关系,基于三个关键生育期的观测数据构建了全生育时期的氮素辐射传输模型(N-PROSPECT);为实现大面积的氮素遥感监测,在冠层尺度上选择PROSAIL模型作为基础模型,考虑叶片尺度的LCC与LND的关系,构建了 N-PROSAIL 模型。论文主要在以下几个方面开展工作并取得了相应的研究成果:(1)比较三种 PROSPECT 模型(PROSPECT-4,PROSPECT-5 和 PROSPECT-D)发现PROSPECT-D模型反演LCC的精度最高,可以作为N-PROSPECT模型的基础模型,表明考虑更多因素的模型在参数反演问题上更具有优势;分别利用筛选出的敏感波段反射率、植被指数和小波系数构建迭代优化算法的代价函数,其中,植被指数和小波系数的表现显著优于敏感波段,小波系数构建代价函数反演LCC的精度最好,其次是所选的植被指数,同样取得了较好的效果,且计算简便,方便拓展,以敏感波段构建代价函数的精度最差,表明植被指数的计算和小波变换都可以有效的消除波段之间的冗余信息,提取出对氮素敏感的弱信息;(2)利用置信区间估计的方法,证明了 LCC-LND的关系在夏玉米的生育期内是变化的,从而耦合PROSPECT-D模型构建了全生育期的分段N-PROSPECT模型,利用分段N-PROSPECT对夏玉米的LND进行了估测,估测精度高于不分段模型的精度;利用2013年的实测数据对N-PROSPECT的精度进行了验证,结果表明模型具有良好的可扩展性和稳定性;(3)基于PROSAIL模型,结合玉米LCC和LND的密切关系,构建了 N-PROSAIL模型。基于地面高光谱数据估测了玉米的冠层氮素密度(Canopy nitrogen density,CND),精度可靠,基于高架车高光谱数据估测了玉米CND,并制作了玉米CND空间分布图,验证结果较为理想,实现了模型从叶片尺度到冠层尺度的空间拓展。本研究是辐射传输模型应用于玉米氮素高光谱遥感定量估算的成功实践,设计提出的全生育期的N-PROSPECT考虑了生育期内玉米LCC与LND关系的变化,增强了模型的稳健性,N-PROSAIL模型实现了氮素估算的可视化,是大面积遥感氮素估算的一次有益尝试。构建的玉米高光谱定量估算模型,对实现玉米氮素的遥感高光谱定量反演具有重要的理论和现实意义。