论文部分内容阅读
基于高光谱技术定量监测作物钾素营养状况已成为国内外植被遥感的重要研究领域,快速无损地估测作物钾素营养状况是精确农业发展的必然要求。本研究以小麦为试验对象,基于不同品种、不同钾素水平以及不同氮素水平的小麦盆栽试验,于关键生育时期获取单叶和冠层高光谱信息以及农学参数,探索指示小麦钾素营养的核心波段和敏感参数,建立适用于不同品种、不同N水平下的小麦钾素监测模型,从而为精确农业中小麦钾素营养的实时监测提供技术支撑。首先,从单叶尺度上探索小麦钾素营养的敏感波段组合。本文选用了叶片钾含量(Leaf potassium content,LKC)以及包含了叶面积等信息的单位叶面积钾积累量(K accumulationperunitleaf)作为监测指标。明确了小麦单叶钾素营养在不同施钾水平、不同施氮水平下随生育进程的动态变化规律,分析对比了不同钾氮营养条件下小麦单叶光谱变化特征,系统构建了 350-2500nm波段范围内任意两波段的原始光谱反射率以及一阶导数光谱组成的归一化光谱指数(NDSI)、比值光谱指数(RSI)、差值光谱指数(DSI),并在两波段的基础上分析三波段光谱指数与小麦单叶钾素营养的定量关系,进而建立通用性较强的小麦单叶钾素监测模型。结果表明,不同钾素营养状况下的小麦叶片光谱在可见光波段以及短波红外波段范围具有较大的变化幅度,可能存在钾素敏感波段;不同氮营养水平下小麦钾素敏感波段有所差异,发现叶片钾含量N1N2共性核心波段组合范围为λ1=2250-2325nm,λ2=1860-1880nm,单位叶面积钾积累量N1N2共性核心波段组合范围为λ1=1285-1320nm,λ2=1185-1285nm;基于原始光谱指数NDSI(R2275,R1875)、一阶导数光谱指数RSI(FD1865、FD2250)以及三波段光谱指数(R2275-R1875)/(R2275+R1875-2R762)和(R2280-R780)/(R1875-R780)能较好地预测小麦 LKC,基于原始光谱指数DSI(R130,R1210)和一阶导数光谱指数RSI(FD2250.FD1395)对小麦单位叶面积钾积累量有较好的预测效果,且受品种、N因素影响较小;上述所建模型仅对钾素营养敏感,对氮素指标不敏感。对利用留一法进行交叉验证,结果显示上述模型均有较好的稳定性。其次,利用冠层光谱建立小麦钾素营养监测模型。分析了不同施钾水平下小麦冠层光谱变化以及冠层叶片钾含量(Leafpotassiumcontent,LKC)、冠层叶片钾积累量(Leaf potassium accumulation,LKA)、单位叶面积钾积累量(Kaccumulation per unit leaf)、地上部钾含量(Aboveground potassium content,ABKC)、以及地上部钾积累量(Aboveground potassium accumulation,ABKA)与光谱间的相关性,系统分析了 350-2500nm波段范围内任意两波段的冠层原始光谱及其一阶导数光谱组合而成的归一化光谱指数(NDSI)、比值植被指数(RSI)、差值植被指数(DSI)与小麦钾素营养指标的定量关系。结果表明,基于NDSI(R1480,R1435)、DSI(FD1140,FD980)构建的的小麦冠层叶片钾含量监测模型决定系数分别为0.416和0.521;指数NDSI(R975,R905)和NDSI(FD1005,FD690)对小麦冠层叶片钾积累量有较好的监测精度,决定系数达到0.707和0.779;基于指数NDSI(R1780,R1630)、RSI(FD1545,FD695)对小麦单位叶面积钾积累量有较好的监测效果;基于光谱参数NDSI(R935,R770)和DSI(FD1715,FD690)构建小麦地上部钾含量监测模型,决定系数分别为0.480和0.629。发现构建的小麦地上部钾积累量监测模型NDSI(R610,R510)和DSI(FD630,FD405)的决定系数分别达到0.572和0.757。此外,在两波段光谱指数的基础上,建立了三波段指数(R975-R905-R1104)/(R975+R905+R1104)、(R610-R510)/(R610+R510-2R435)分别对冠层叶片钾积累量和地上部钾积累量具有不错的监测效果,相比于原始两波段指数,精度有较大提高。采用留一法进行交叉验证,模型稳定性均较好。综合比较各模型精度及误差,以及基于便于开发便携式钾素营养监测仪以及空间遥感监测的原则基础上,选用冠层钾积累量作为小麦钾素监测指标,结果可能更为准确可靠。