论文部分内容阅读
作物的生理生化参数是作物营养、品质和健康状况的直观表达,也是作物进行田间管理的重要参考。随着精准科学技术的不断发展,基于不同遥感平台的光谱数据逐步替代了传统基于试验方法对作物生理生化参数的监测,成为农田信息化管理和农田生态环境监测的重要技术手段。本研究以关中地区种植范围较广的玉米为研究对象,以地面遥感和低空无人机遥感为主要技术,对关键生育期玉米地面高光谱、无人机多光谱和无人机高光谱进行光谱数据处理与影像信息提取,筛选对玉米生长敏感的特征波段和植被指数对玉米生理生化参数进行定量研究,以期为玉米的精细化管理提供可靠数据基础,为玉米产量的准确估测和农产品进出口贸易政策的制定提供科学参考。主要研究内容和结论如下:（1）构建了全生育期玉米Chla、Chlb、Cars和Tot的光谱估算模型,实现了玉米光合作用能力的准确评估。在基于Chla、Chlb、Cars和Tot通用敏感参数构建的四种光合色素UR模型中,估算效果最好的均为多项式模型,基于PSSRc的Cars多项式模型精度最高（R~2c=0.62,RMSEc=0.07;R~2v=0.64,RMSEv=0.07）;所构建Chla、Chlb、Cars和Tot的MSR模型中,建模效果整体较好,均通过0.01显著水平检验（R~2c＞0.72）,而校正效果相对较差（R~2v＞0.57）;所构建Chla、Chlb、Cars和Tot的RF模型建模Rc~2均超过0.9,检验Rv~2均超过0.7,较UR模型和MSR模型的建模和检验精度均有显著提升（pc=0.001,pv=0.02）,可以实现玉米光合色素的精细化、高精度研究。（2）对比了无人机UHD光谱和地面SVC光谱对玉米SPAD的估算效果,构建了玉米冠层SPAD及其空间分布的高精度预测模型。基于地面和低空无人机两种遥感平台原始光谱与FD光谱所提取敏感波段构建的玉米SPAD估算模型中,同一遥感平台FD光谱均较原始光谱对SPAD的拟合效果好。两种遥感数据单一植被指数SPAD模型中,拟合效果较好的依次为SVC光谱模型和UHD-FD光谱模型。两种遥感数据多个植被指数MSR模型中,地面光谱拟合效果较好的为SVC光谱模型（Rc~2=0.85,Rv~2=0.61,v=18）,无人机光谱拟合效果较好的为UHD-FD光谱模型（Rc~2=0.79,Rv~2=0.59,v=11）。显然两种遥感平台数据均可实现玉米SPAD的高精度模拟,但无人机遥感模型中变量数较少,且基于UHD-FD光谱MSR模型对全生育期玉米SPAD的空间分布预测效果也较好。因此,综合考虑模型精度、监测范围和数据运算量的情况下,无人机UHD-FD光谱可以作为地面光谱的有效替代,从而实现玉米冠层SPAD及其空间分布的高精度预测。（3）从光谱变换（PCA、FD、CR）、图像处理、纹理提取等多角度对地面光谱和无人机影像进行数据挖掘,构建了稳健的玉米冠层Anth多源遥感协同估算模型。不同变换地面光谱对Anth的估算研究中,FD光谱所提取光谱参数对Anth的拟合效果均优于PCA和CR光谱。不同建模方法构建的Anth地面遥感模型中,RF方法较MSR、PLS和BPNN对Anth的建模和检验效果更好（FD-RF:Rc~2=0.91,Rv~2=0.51）。此外,最佳变换地面光谱（FD）与无人机影像结合的Anth协同估算模型（Rc~2=0.93,Rv~2=0.76）较单一基于无人机或地面光谱的精度有明显提升,多源遥感数据的结合有效提升了对玉米Anth估算的准确性。（4）分析了无人机UHD光谱和地面SVC光谱以及两种平台原始光谱和FD光谱在玉米LAI估算方面的潜力,构建了玉米LAI及其空间分布的高精度预测模型。SVC、UHD、SVC-FD和UHD-FD光谱敏感波段的UR模型中,UHD光谱674 nm反射率对LAI的估算效果最好（Rc~2=0.47,Rv~2=0.46）,但模型精度较低。基于植被指数的UR模型中,UHD光谱SIPI幂函数模型估算精度最高,但对LAI空间分布特征的预测不够准确。基于植被指数的MSR模型中,两种遥感平台模型对LAI估算效果较好的分别为SVC光谱MSR模型（Rc~2=0.69,Rv~2=0.64,v=16）和UHD光谱MSR模型（Rc~2=0.66,Rv~2=0.65,v=8）。虽然地面和无人机数据对LAI的拟合精度相近,但无人机模型的变量数更少,模型更简单,同时基于UHD-FD光谱MSR模型对全生育期玉米LAI的空间分布预测效果也较好,因此,综合考虑模型精度、数据运算量和监测范围的情况下,UHD光谱可以代替地面光谱进行玉米冠层LAI及其空间分布的高精度估算。（5）构建了玉米健康叶和红叶的高精度分类模型,通过叶片花青素含量的高精度估算实现了玉米红叶红化程度和健康叶红化风险的间接估测,为今后植物病虫害遥感研究提供了新思路。结果表明,红叶和健康叶光谱差异最大值出现在700 nm附近,光谱差异指数DI最大值可超过3。基于特异性植被指数VIc构建的LDA和SVM分类模型精度明显高于窄波段植被指数VIs和特征波段Rλ所建模型,实现了玉米红叶和健康叶的完全识别（CAc=CAv=100%）。红叶Anth估算模型中,基于Rλ+VIs+VIc的MLR模型估算效果最好（Rc~2=0.85,Rv~2=0.74）,健康叶Anth估算模型中,基于Rλ+VIs+VIc的SVM模型估算效果最好（Rc~2=0.68,Rv~2=0.66）,均可用于两种叶片Anth的高精度估算。以上研究证明了地面高光谱遥感系统、无人机可见光系统和无人机高光谱系统在玉米生理生化参数获取方面的巨大潜力,为精细化作物生长信息获取提供了技术参考。