论文部分内容阅读
水稻是我国第一大粮食作物,其稳定生产对保障国家粮食安全起基础作用。利用高光谱遥感技术对水稻生理生化参数进行准确估测是实时监测水稻生长发育状况的有效手段,对于实现水稻可持续发展意义重大。本研究以宁夏引黄灌区水稻为对象,通过田间试验,观测了抽穗期、乳熟期、蜡熟期水稻生理生化参数与高光谱数据,探索不同生育期、不同氮素水平下水稻叶片与冠层光谱的变化规律,分析水稻各生理生化参数与光谱数据的响应特征及相关性,利用普通回归分析方法和随机森林算法,构建了基于特征波段、高光谱特征参数、最佳植被指数的水稻生理生化参数估算模型,分生育期对水稻叶片和冠层SPAD值、LAI、LNC进行了估测。研究结果可为宁夏引黄灌区水稻的遥感监测提供理论依据与技术支持。主要结论如下:(1)不同生育期、不同氮素水平的水稻叶片与冠层光谱在可见光―近红外波段表现出相同的变化规律。从抽穗期到蜡熟期,可见光波段光谱反射率逐渐升高,近红外波段光谱反射率逐渐降低,红边位置表现出一定程度的“蓝移”。随施氮量的增加,可见光波段光谱反射率略有降低,近红外波段光谱反射率逐渐升高,红边位置表现出明显的“红移”。(2)不同SPAD水平的叶片和冠层光谱反射率存在明显差异,SPAD值越大,可见光波段光谱反射率越低,近红外波段光谱反射率越高。不同LAI水平的冠层光谱在可见光波段差异不明显,在近红外波段表现为光谱反射率随LAI的增大而显著升高。冠层光谱随LNC的变化规律表现为:LNC越大,可见光波段光谱反射率越低,近红外波段光谱反射率越高。(3)在水稻生长的各生育期,与叶片和冠层SPAD值、LAI、LNC相关性最强的参数均是最佳植被指数,最优单变量估算模型均是以最佳植被指数为自变量构建的非线性模型。利用随机森林算法建立多变量估算模型,预测精度得到明显提高。(4)一阶导数光谱比原始光谱在某些波段对生理生化参数具有更好的反映。分生育期建模可以提高生理生化参数估算的准确度,对实现不同生育期水稻冠层SPAD值、LAI、LNC的准确估测十分必要。