论文部分内容阅读
玉米是中国的主要粮食作物之一,氮素对玉米的生长有重要影响。氮肥的有效施用对于产量的形成具有重要作用,有利于玉米的高产优质。传统的玉米田信息采集大多依靠人工调查,既费时又费力,而且难以大规模实施。另外,人员采集的田间数据差异很大,很难形成统一的标准,也会对田间玉米造成不同程度的破坏。随着遥感技术的快速发展,特别是无人机的应用,利用空间遥感技术进行田间农业监测具有明显的优势,可以为夏玉米冠层氮素研究提供实时、高效、无损的数据采集技术。本文选取北京市昌平区小汤山国家精准示范基地为研究区,以2012年、2017年夏玉米冠层叶片氮素为研究对象。利用近地高光谱以及无人机搭载的高清数码相机、多光谱相机建立高通量玉米表型平台,获取包含玉米长势信息以及相关理化参数的光谱和影像数据,进行夏玉米冠层氮素的表型信息分析工作,对田间玉米表型参数进行定量反演。论文的主要研究内容如下:（1）基于近地高光谱的夏玉米冠层叶片氮素分析研究。基于近地高光谱数据获取夏玉米冠层的三种光谱变量:敏感光谱波段、光谱位置特征和典型高光谱植被指数,通过选择最优变量构建冠层叶片氮素遥感监测模型。首先,使用Savitzky-Golay算法对原始光谱进行平滑去燥处理,提取三类光谱特征参量;接着,利用连续投影算法SPA（Successive Projections Algorithm）筛选出每类光谱变量的敏感变量集;最后,采用偏最小二乘法PLS（Partial Least Squares）与随机森林RF（Random Forest）两种算法,综合比较各类光谱变量估测玉米冠层氮素的精度。结果表明,综合变量集的PLS模型和RF模型验证集的决定系数R2、均方根误差RMSE（Root Mean Square Error）和归一化均方根误差NRMSE（Normalized Root Mean Square Error）分别为0.77、0.31、17.1%和0.55、0.43、23.9%。结果表明,具有多类最佳光谱变量的PLS模型可以提供更好的拟合度,可用于评估玉米的叶片氮浓度LNC（Leaf Nitrogen Concentration）。（2）基于无人机多源影像融合的玉米氮素解析。利用无人机同步获取的高清数码照片、多光谱影像和田间玉米数据,系统比较了玉米生育期典型的植被指数VIs（Vegetation Indices）和对应的覆盖度调整光谱指数CASI(Coverage-Adjusted Spectral Index,CASI=VIs/(1+FVcover)估算LNC的性能。首先,对高空间分辨率的数码影像进行颜色空间转换,剔除影像中的土壤背景,提取覆盖度信息,基于同步获取的多光谱影像采用RF消除影像中的部分阴影噪声,进而计算VIs和对应的CASI指数;其次,利用随机蛙跳RF（Random Frog）算法对V12（大喇叭口期）、RT（抽雄-吐丝期）和R3（灌浆期）等生育期多光谱影像中的敏感植被指数与CASI指数进行优选;最后,采用偏最小二乘回归PLSR（Partial Least Squares Regression）算法,构建了不同生育期玉米LNC遥感估算模型,对玉米氮素营养进行监测评估。结果表明,剔除土壤背景后的无人机影像,能改善估测LNC的精度,特别是RT生育期的CASIs具有最好的监测性能,R2为0.59,RMSE为22.02%,NRMSE为8.37%。本文利用无人机同步获取的多光谱和高清数码两种影像提取的CASIs指数,较好地发挥无人机高清数码影像空间分辨率高和多光谱影像光谱分辨率较高的互补优势,在玉米氮素遥感监测中表现较好的潜力,也能为其他玉米的理化参数遥感监测提供有益的方法参考。综上所述,本文综合利用了地面高光谱以及无人机多源影像,通过获取夏玉米冠层光谱与影像数据,构建氮素定量反演模型,实现了从“点”和“面”的空间扩展、从单一传感器到多类型传感器融合使用,在多尺度上实现了夏玉米冠层氮素及时、无损、高效监测,可为其他玉米理化参数遥感监测提供技术参考。