论文部分内容阅读
[目的]水资源短缺是我国西北干旱、半干旱地区农业可持续发展的主要瓶颈。水分是作物最主要的组成成分,是作物生长发育的重要限制因子,水分匮乏时作物的外部形态和内部生理生化作用都会受到影响,将直接影响作物的生长、产量形成和品质。因此,及时准确地监测作物的水分状况对作物的合理灌溉、提质、增产具有重要意义。作物的含水量直接反映作物的水分状况,传统的作物含水量获取通常采用烘干法,费时费力,具有极大的破坏性,样本数量有限,难以满足现代农业发展的需要。高光谱成像技术将光谱信息和图像信息结合为一体,可获得大量的光谱维和空间维信息,具有多尺度、多波段、高分辨率的特点。本论文基于新疆典型滴灌冬小麦叶片和冠层的高光谱数据准确估测水分含量,建立水分含量估测模型以实现水分含量的无损估测,为及时监测作物水分盈缺状况、指导制定科学合理的灌溉制度提供技术支撑。[方法]本研究以新疆典型滴灌冬小麦为研究对象,以建立叶片及植株的高光谱水分含量估测模型为主要研究目标。共设置5个水分处理W1(150 mm)、W2(300 mm)、W3(450 mm)、W4(600 mm)、W5(750 mm),利用田间采样和室内分析测试的方法获取小麦农艺性状;应用便携式高光谱成像仪获取小麦顶一叶(L1)、顶二叶(L2)、顶三叶(L3)和冠层高光谱数据,采用平滑、微分、倒数、开方、对数等数据处理方法对小麦叶片和冠层原始光谱反射率进行变换。分析比较一元线性回归(Simple linear regression,SLR)、主成分回归(Principal components regression,PCR)和偏最小二乘回归(Partial least squares regression,PLSR)三种方法的模型估测效果,利用典型相关性分析(Correlation analysis,CA)和连续投影算法(Successive Projection Algorithm,SPA)筛选特征波段,构建小麦水分含量最优估测模型并进行精度检验。研究结果可为区域作物水分状况实时监测和科学合理的灌溉制度制定提供了技术支撑。[结果]本论文的主要结论如下:(1)冬小麦的农艺性状随生育进程的推进而发生变化,从拔节期到灌浆中期,植株含水量(PWC)和叶片含水量(LWC)在持续降低;植株干物质积累量(PDMA)呈现持续升高的趋势;叶面积指数(PLAI和LLAI)呈现先升高后降低的趋势,在拔节期最低,在扬花期最高;SPAD值呈先升高后降低的趋势,在扬花期最高,在灌浆中期最低。从不同水分处理来看,随着灌溉量的增加,PWC和LWC呈现持续升高的趋势;SPAD值在W1-W4范围内呈现升高的趋势,在W5处理时可能会出现略微下降;而PDMA、PLAI和LLAI呈现先升高后降低的趋势,在W3处理时最高,在W1处理时最低,整体表现为W3>W4>W5>W2>W1。从不同叶位来看,LWC和LLAI整体表现为L3>L2>L1,而SPAD值在拔节期表现为L2>L3>L1,在其他时期表现为L1>L2>L3。根据植株和不同叶位叶片农艺性状相关性分析表明,L1、L2、L3的水分含量在各生育期均与PWC极显著相关性,利用顶一叶的水分含量与植株水分含量拟合模型精度达到0.8489,可以较好的估测整个植株水分状况。(2)冬小麦叶片原始光谱反射率在与LWC的相关性较差,SG’、SG"、(?)、(?)、(1/SG)’、(1/SG)"、(lgSG)’、(lgSG)"变换可以显著提高光谱反射率与LWC的相关性。SLR方法采用(1/SG)"变换、PCR方法采用(lgSG)"变换、PLSR方法采用(lgSG)"变换后构建模型的效果最好,模型Rp2分别为 0.7965、0.9158 和 0.9207,RMSEp分别为 4.5800%、2.8666%和 2.7815%,PLSR 方法整体要优于SLR和PCR方法。对建模波段进行优化并比较估测模型的残差预测偏差(residual prediction deviation,RPD),SPA方法要优于CA方法,利用SPA筛选的11个特征波段构建的(1/SG)"-SPA-PLSR模型估测精度最高,Rp2为0.9449,RMSEp为2.3185%,RPD值为4.3175,模型验证R2为0.5668,该模型较全波段和显著性检验波段建模精简了建模波段数量,提高了估测效率,能够较为准确的估测冬小麦叶片水分含量。(3)对冠层原始光谱反射率进行数据变换可以提高光谱反射率与PWC的相关性,其中,采用lgSG变换构建的lgSG-PLSR模型的估测精度最高,Rp2为0.8808,RMSEp为3.2512%,RPD值为2.9343。对建模波段进行优化并比较估测模型的RPD值,SPA方法要优于CA方法,利用SPA筛选的9个特征波段构建的lgSG-SPA-PLSR模型估测精度最高,Rp2为0.8925,RMSEp为3.0880%,RPD值为3.0894。从不同生育时期来看,拔节期和抽穗期的估测模型精度较低,模型RPD值均小于2.0,模型无法对植株含水量进行估测;扬花期、灌浆前期和灌浆中期的估测模型精度较高,模型RPD值均大于2.5,模型对植株含水量有很好的估测能力,其中灌浆中期利用SPA方法筛选13个特征波段构建的lgSG-SPA-PLSR精度最高,Rp2为0.9048,RMSEp为1.3811%,RPD值为3.4547,该模型精简了建模波段数量,提高了估测效率,对冬小麦灌浆中期植株含水量具有较好的估测能力。