论文部分内容阅读
玉米是我国主要的粮食作物之一,实时获取关中地区玉米生理生化参数信息对我国农业发展和粮食安全具有重要意义。本研究以关中地区玉米为研究对象,分别使用便携式地物光谱仪（SVC HR-1024i）和高光谱相机（S185）获取关中地面和低空无人机两种不同生育期玉米冠层高光谱遥感数据,使用植物多酚-叶绿素测量计同步获取玉米冠层氮平衡指数（NBI）和花青素含量（Anth值）;通过原始光谱及其变换光谱提取单因素建模参数,结合连续投影算法和不同类型光谱提取多因素建模参数,应用不同方法反演估测NBI和Anth值,并提出一种基于不同传感器融合数据的反演模型构建方法,得到结果如下:（1）SVC HR-1024i与S185获取的不同生育期玉米冠层叶片原始光谱曲线特征具有相似性,SVC HR-1024i抗干扰能力更强;玉米叶片NBI、Anth值对SVC HR-1024i和S185的原始光谱曲线具有不同的指示性。原始光谱在可见光区域（450-700 nm）反射率整体较低,在近红外区域（750-850 nm）反射率整体较高,二者之间由红边衔接（Red Edge,700-750 nm）;SVC HR-1024i原始光谱曲线较为稳定,误差较小,S185原始光谱曲线容易受到土壤背景因素的影响,当玉米冠层较为稀疏时,土壤信息的加入整体提升了原始光谱曲线在可见光区域的反射率;玉米叶片NBI与原始光谱曲线可见光区域反射率成反比,与近红外区域反射率成正比,即随着NBI增加,可见光区域反射率下降而近红外区域反射率上升;玉米叶片Anth值与原始光谱曲线反射率成正比,即当Anth值增大时,可见光区域和近红外区域的反射率均会上升。（2）光谱变换在反演玉米叶片NBI与Anth值方面具有一定潜力。在反演玉米叶片NBI方面,基于SVC HR-1024i的不同生育期玉米最佳特征波段均位于变换光谱,抽雄期多因素建模参数来自包络线去除光谱,基于S185的抽雄期多因素建模参数来自一阶导数光谱,数据融合后,最优单因素建模参数位于一阶导数光谱;在反演玉米叶片Anth值方面,基于SVC HR-1024i的不同生育期玉米最佳特征波段均位于一阶导数光谱,拔节期、大喇叭口期和抽雄期多因素建模参数均来自变换光谱,基于S185的拔节期最佳特征波段和多因素建模参数均位于变换光谱,数据融合后,最优单因素建模参数位于包络线去除光谱。（3）新光谱指数和特征波段优于植被指数、光谱面积参数以及光谱位置参数;连续投影算法具有较好的降维效果,且S185降维效果好于SVC HR-1024i,该算法未对光谱值作任何修改,选择的参数物理意义明确,可解释性好。不同生育期最优NBI、Anth值单因素模型建模参数均为新光谱指数和特征波段;基于SVC HR-1024i的不同生育期玉米NBI、Anth值多因素建模参数在4-27个,降维比均在73%以上;基于S185的不同生育期玉米NBI、Anth值多因素建模参数在3-9个,降维比均在91%以上;数据融合后,由该算法提取的各类型多因素建模参数在3-25个,降维比均在75%以上。（4）玉米叶片NBI与Anth值的最佳反演时期位于玉米生长发育的中期-大喇叭口期、抽雄期;其中多因素模型优于单因素模型,机器学习算法优于多元线性回归。玉米叶片NBI反演模型中,基于SVC HR-1024i的最优模型为大喇叭口期SSA-ELMR模型,其建模R~2与验证R~2分别为0.91和0.89,RPD分别为3.17与2.99;基于S185最优模型为抽雄期SSA-ELMR模型,其建模R~2与验证R~2分别为0.70和0.69,RPD分别为1.54与1.51;玉米叶片Anth值反演模型中,基于SVC HR-1024i的最优模型为抽雄期SSA-ELMR模型,其建模R~2与验证R~2分别为0.84和0.89,RPD分别为2.28与2.71,基于S185最优模型为抽雄期SSA-ELMR模型,其建模R~2与验证R~2分别为0.69和0.71,RPD分别为1.51与1.73。RPD的数值表明基于SVC HR-1024i建立的NBI和Anth值最优反演模型有极好的预测能力,基于S185建立的NBI和Anth值最优反演模型具备粗略的预测能力。（5）基于不同传感器的融合数据反演玉米叶片NBI和Anth值完全可行。将SVC HR-1024i和S185的抽雄期数据融合,构建的最优玉米叶片NBI反演模型建模R~2与验证R~2分别为0.86和0.82,相应的RPD为2.48与1.86,表明该模型具有较好的预测能力;最优玉米叶片Anth值反演模型建模R~2与验证R~2分别为0.89和0.79,相应的RPD为2.80与2.18,表明该模型具有极好的预测能力。