论文部分内容阅读
油菜是我国主要的油料作物之一,播种面积大,分布地区广。准确及时地进行区域油菜长势监测,能为政府和农户提供重要的决策信息和技术支持。关键生长期的叶面积指数、叶绿素含量以及生物量能够准确的反应油菜的营养状况和生长趋势,但是传统的田间监测方法比较费时费力,不适合实时大范围监测。遥感技术能通过丰富的光谱信息快速估计作物长势参数,在现代农业中有广泛的应用。本文以田间试验数据为基础,分别研究了油菜苗期长势参数经验模型和PROSAIL模型反演方法,并基于高分一号卫星影像数据,获得了由两种方法反演的油菜越冬期叶绿素含量分布图,通过与地面实测数据进行比较分析了两种反演方法用于大范围油菜长势监测的可行性。围绕上述研究内容,主要结果如下:(1)利用高分一号卫星响应函数,将冠层高光谱重采样为蓝、绿、红、近红外宽波段,计算得到常用的15个宽波段植被指数,对比分析了植被指数与长势参数的相关性。在15个植被指数中,增强植被指数(Enhanced vegetation index,EVI)、优化的土壤调节植被指数(Optimized soil adjusted vegetation index,OSAVI)、绿色比值植被指数(Green ratio vegetation index,GRVI)、重归一化植被指数(Reclassified vegetation index,RDVI)、归一化绿度植被指数(Green normalized vegetation index,GNDVI)、归一化蓝绿植被指数(Blue-green normalized vegetation index,GBNDVI)与叶面积指数的相关系数较高,比值植被指数(Ratio vegetation index,RVI)、绿色比值植被指数GRVI以及归一化绿度植被指数GNDVI与地上部生物量相关系数较高,绿色比值植被指数GRVI与叶绿素含量的相关性最好,其次是比值植被指数RVI。分别构建了油菜苗期叶面积指数、叶绿素含量以及生物量的经验统计模型,最优模型植被指数分别为GNDVI、GRVI和GNDVI。(2)PROSAIL模型输入参数对应的敏感波段不尽相同,其中可见光是叶绿素含量(Cab)最敏感的波段,而近红外波段对叶面积指数(Leaf area index,LAI)变化最敏感。参数不确定性和光谱数据选择都会影响PROSAIL模型的反演精度,对于2套参数方案,其中P1有8个未知参数,P2根据田间实际固定部分参数,保留5个未知参数,以及3个光谱数据波段组合,B1是全部可见光-近红外400-1040nm范围内的高光谱,B2是模拟的高分一号4个波段,B3是基于相关性分析和逐步回归筛选的优选波段,PROSAIL对叶面积指数和叶绿素含量的反演精度都有P1<P2,B1<B2<B3。对于叶面积指数反演,除了P1-B1反演精度较低,预测值与实测值的拟合决定系数只有0.42,其它几种反演方案的反演精度都较高(R~2>0.5)。对于叶绿素反演,几种反演方案预测值与实测值的拟合决定系数都高于0.5,基于宽波段和优选波段的拟合决定系数高于0.6。(3)基于GRVI-叶绿素含量最优预测模型和P2-B2 PROSAIL反演方案分别反演了沙洋县2015-2016年越冬期油菜的叶绿素含量。通过与地面调查数据的对比验证,经验模型和PROSAIL模型的反演结果都低于实测值,但PROSAIL模型反演结果要优于经验模型反演结果,表明PROSAIL模型反演精度稳定性更高。该模型可以用来制作油菜越冬期叶绿素含量分布图。