论文部分内容阅读
植物生长评估对监测植物生长状况、评估产量潜力以及研究田间尺度的植物-环境物质和能量循环过程具有重要意义。经过近30年的快速发展,利用植物叶片-冠层的近端反射图谱解析植物生长参数是植物信息高效感知的主流方法,并取得了一定的成果。然而,目前基于近端反射图谱的植物生长参数评估仍存在机理性差、模型精度低、泛化能力弱以及叶片到冠层升尺度转换难度大等问题。因此,本研究以植物生长信息高效、精准获取为研究目标,从光与叶片互作的反射机理、叶片生化参数解析、叶片到冠层升尺度转换、冠层参数解析、作物产量综合性状评估五方面开展研究。以辐射传输理论为基础提出了消除叶片双向和方向半球反射差异的新方法,设计并构建了基于“可见-近红外-短波红外”近端反射图谱的水稻和油菜叶片生化参数、冠层结构参数以及产量综合性状的解析模型与方法,并在不同的植物中进行验证,为作物信息精准监测提供了新的方法和思路,为农田精准管理和智慧育种提供了技术支撑。本文主要研究内容和结果如下:(1)针对常用的双向反射图谱缺乏机理性解释、方向半球反射机理模型实际应用困难的问题,探讨了植物叶片两类主要反射(双向和方向半球反射)光谱的差异及其对PROSPECT叶片辐射传输机理模型反演的影响,构建了基于双向反射辐射传输机理模型的叶片生化参数解析模型框架。结果表明,叶片双向和方向半球反射光谱的差异随波长和物种变化,在短波红外波段尤其显著;发现光谱导数能够消除叶片双向和方向半球反射光谱之间不随波长变化的差异,而曼哈顿距离可以弥补光谱导数的局限性,进一步减小了随波长变化的差异。由此提出了基于PROSPECT模型、光谱导数和光谱相似性矩阵耦合的叶片生化参数评估框架(PROSDM),在基于叶片双向反射光谱的叶片叶绿素、类胡萝卜素、水和干物质含量评估中,PROSDM均方根误差比原始的PROSPECT减少了20.33%~44.19%,为多尺度图谱数据解译提供了机理性强的基础模型框架。(2)针对叶片生化参数的耦合关系复杂、解析模型精度低、泛化能力弱的问题,结合迁移学习与上述辐射传输机理,解析了叶片生化参数和反射光谱多样性,构建了用于叶片氮含量评估的新型混合模型和模型更新方法。结果表明,色素、水分与叶片氮含量之间存在相互耦合关系,且随植物物种和生长时期而变化。叶片生化参数的评估模型受植物物种和光谱区域差异的影响,结合可见-近红外和短波红外反射建立了跨不同数据集的叶片氮含量评估模型。与传统的偏最小二乘回归模型相比,迁移成分分析可以有效地提取不同数据集中相似的光谱特征,与支持向量回归耦合开发的迁移模型(TCA-SVR)提高了叶片氮含量的迁移评估精度,平均均方根误差降低了36.76%。此外,通过从目标数据集迁移仅5%样本到源数据集进一步提升了TCA-SVR对叶片氮素评估的泛化能力。(3)为了实现叶片到冠层的升尺度转换,探究了叶片和冠层结构变化对冠层反射光谱以及近端反射图谱解析的影响。结果显示,植物(如水稻和油菜)不同的叶片正反面结构导致了叶片反面在可见光和短波红外区域的反射率高于叶片正面,而在近红外区域具有接近的反射率。叶片正反面反射光谱在不同光谱区域的差异会引起植物冠层反射光谱的变化,从而影响基于近端反射图谱的叶片生化参数评估。此外,叶片结构差异进一步影响了冠层反射光谱对冠层结构参数变化的响应,竖直型叶倾角分布产生了最小的冠层反射率,叶倾角分布变化影响了基于近端反射图谱的叶面积指数评估。研究结果为叶片到冠层的升尺度近端反射图谱解析奠定了理论基础。(4)针对冠层近端反射图谱解析中存在叶片和冠层结构干扰的问题,设计了对叶片和冠层结构变化不敏感的近端反射图谱解析方法,改善了冠层生化和结构参数的解析精度。构建了对叶片正反面差异不敏感的升尺度光谱指数,冠层实测数据集中叶片生化参数评估的相对均方根误差低于14%。结合PROSAIL冠层辐射传输机理模型和间隙率模型模拟了冠层结构变化对近端反射图谱解析的影响,构建了用于油菜、水稻、小麦和棉花的冠层覆盖度评估的PROSAIL-GP模型,与传统的随机森林模型相比,PROSAIL-GP的均方根误差减少了16.67%~30.77%。研究结果为提高基于多尺度遥感的叶片生化和冠层结构参数评估的准确性提供了新方法。(5)针对作物最为复杂且关键的产量综合性状(生物量和产量)解析难的问题,在上述研究基础上,揭示了叶片生化和冠层结构参数与产量综合性状的关系,构建了基于无人机时序光谱和结构信息融合的作物产量综合性状解析方法,改善了水稻、油菜的生物量和产量的评估精度。结果显示,叶绿素含量和叶面积指数与作物产量综合性状高度相关,但他们的关系在营养和生殖生长阶段显著不同。无人机时序光谱和结构信息能够准确地表征作物叶片生化和冠层结构参数,实现了水稻和油菜生物量的高精度解析,均方根误差分别为0.22 kg/m~2和0.03 kg/m~2;在水稻和油菜的产量评估中也同样表现出了较好的效果,均方根误差可达0.39 t/ha和0.30 t/ha。上述无人机图谱解析方法的构建为农田精准管理和智慧育种提供了技术支持。