西北地區(qū)冬小麥長勢(shì)遙感監(jiān)測(cè)

目錄
第1章 冬小麥遙感監(jiān)測(cè)試驗(yàn)設(shè)計(jì)與方法 1
1.1 試驗(yàn)設(shè)計(jì) 1
1.1.1 研究區(qū)概況 1
1.1.2 田間試驗(yàn)設(shè)計(jì) 2
1.1.3 大田試驗(yàn)設(shè)計(jì) 2
1.1.4 田間觀測(cè)項(xiàng)目和時(shí)間設(shè)計(jì) 3
1.2 冬小麥葉片和冠層光譜及其圖像信息采集 4
1.2.1 非成像高光譜信息采集 4
1.2.2 近地成像高光譜信息采集 5
1.2.3 無人機(jī)成像高光譜信息獲取 6
1.2.4 衛(wèi)星多光譜信息獲取 7
1.3 冬小麥生物理化參數(shù)測(cè)定 7
1.3.1 葉片葉綠素含量測(cè)定 7
1.3.2 葉片花青素含量測(cè)定 7
1.3.3 植株含水量測(cè)定 7
1.3.4 營養(yǎng)元素含量測(cè)定 8
1.3.5 葉面積指數(shù)測(cè)量 8
1.3.6 生長狀況觀測(cè) 8
1.4 光譜數(shù)據(jù)處理 9
1.4.1 高光譜數(shù)據(jù)預(yù)處理 9
1.4.2 高光譜數(shù)據(jù)變換 10
1.4.3 衛(wèi)星多光譜數(shù)據(jù)預(yù)處理 11
1.5 光譜特征參數(shù)提取 12
1.5.1 光譜位置、面積特征參數(shù) 12
1.5.2 吸收特征參數(shù) 14
1.5.3 常用植被指數(shù) 14
1.5.4 特定參數(shù)敏感光譜指數(shù) 17
1.5.5 連續(xù)投影算法特征波段提取 17
1.5.6 小波變換特征參數(shù)提取 18
1.6 數(shù)據(jù)分析與建模方法 19
1.6.1 普通回歸 19
1.6.2 偏最小二乘回歸 20
1.6.3 支持向量機(jī)回歸 20
1.6.4 隨機(jī)森林回歸 21
1.6.5 人工神經(jīng)網(wǎng)絡(luò)建模 23
1.6.6 模型精度檢驗(yàn) 24
第2章 冬小麥理化參數(shù)及其高光譜特征 26
2.1 不同生育期冬小麥理化參數(shù)變化 26
2.1.1 葉片色素含量 26
2.1.2 葉面積指數(shù) 27
2.1.3 大量營養(yǎng)元素含量 28
2.2 不同生育期冬小麥葉片高光譜特征 29
2.2.1 葉片光譜反射率 29
2.2.2 光譜紅邊特征 32
2.3 不同生育期冬小麥冠層高光譜特征 33
2.3.1 冠層光譜反射率 33
2.3.2 冠層光譜紅邊特征 34
2.4 不同施氮水平冬小麥冠層光譜特征 35
2.5 不同葉片氮含量的冬小麥冠層光譜特征 36
2.6 結(jié)論 37
第3章 冬小麥葉綠素含量高光譜估算 39
3.1 冬小麥葉片葉綠素含量高光譜估算 39
3.1.1 不同葉綠素含量葉片光譜特征 40
3.1.2 基于特征光譜的葉片葉綠素含量反演 42
3.1.3 基于光譜參數(shù)的葉片葉綠素含量反演 48
3.2 冬小麥冠層葉綠素含量高光譜估算 53
3.2.1 不同葉綠素含量冠層光譜特征 53
3.2.2 基于特征光譜的冠層葉綠素含量反演 55
3.2.3 基于光譜參數(shù)的冠層葉綠素含量反演 61
3.3 結(jié)論 65
第4章 冬小麥花青素含量高光譜估算 67
4.1 冬小麥葉片花青素含量高光譜估算 67
4.1.1 不同花青素含量葉片光譜特征 68
4.1.2 基于特征光譜的葉片花青素含量反演 69
4.1.3 基于光譜參數(shù)的葉片花青素含量反演 74
4.2 冬小麥冠層花青素含量高光譜估算 78
4.2.1 不同花青素含量的冠層光譜特征 79
4.2.2 基于特征光譜的冠層花青素含量反演 80
4.2.3 基于光譜參數(shù)的冠層花青素含量反演 85
4.3 結(jié)論 88
第5章 冬小麥葉面積指數(shù)高光譜估算 90
5.1 LAI數(shù)據(jù)統(tǒng)計(jì)描述 90
5.2 不同LAI的冠層光譜特征 91
5.3 LAI高光譜估算 92
5.3.1 基于特征光譜的LAI反演 92
5.3.2 基于光譜參數(shù)的LAI反演 97
5.4 結(jié)論 102
第6章 冬小麥葉片氮素含量高光譜估算 103
6.1 冠層光譜與葉片氮含量的相關(guān)性分析 103
6.2 基于“三邊”參數(shù)的葉片氮含量估算 106
6.2.1 “三邊”參數(shù)與葉片氮含量的相關(guān)性分析 106
6.2.2 紅邊位置與葉片氮含量的關(guān)系 108
6.2.3 基于“三邊”參數(shù)的葉片氮含量估算 110
6.3 基于光譜吸收特征參數(shù)的葉片氮含量估算 111
6.3.1 400 ～770nm連續(xù)統(tǒng)去除光譜對(duì)葉片氮含量的響應(yīng) 111
6.3.2 吸收特征參數(shù)與葉片氮含量的相關(guān)分析 111
6.3.3 基于敏感波段的葉片氮含量估算與檢驗(yàn) 112
6.3.4 基于吸收特征參數(shù)的葉片氮含量估算與檢驗(yàn) 113
6.4 基于光譜指數(shù)的葉片氮含量估算 115
6.4.1 基于光譜指數(shù)的葉片氮含量估算 115
6.4.2 基于任意兩波段組合光譜指數(shù)的葉片氮含量估算 118
6.5 基于離散小波多尺度分解的葉片氮含量估算 124
6.5.1 離散小波分析方法及實(shí)現(xiàn) 124
6.5.2 小波母函數(shù)和分解尺度的確定 125
6.5.3 基于PLSR的葉片氮含量高光譜估算 128
6.5.4 基于RF的葉片氮含量高光譜估算 132
6.6 基于人工神經(jīng)網(wǎng)絡(luò)的冬小麥氮素含量估算 134
6.6.1 基于BP神經(jīng)網(wǎng)絡(luò)的冬小麥氮素含量估算 134
6.6.2 基于RBF神經(jīng)網(wǎng)絡(luò)的冬小麥氮素含量估算模型及檢驗(yàn) 139
6.6.3 模型精度對(duì)比 142
6.7 結(jié)論 144
第7章 冬小麥植株氮磷鉀元素含量高光譜估算 147
7.1 植株氮磷鉀含量統(tǒng)計(jì) 147
7.2 不同N、P、K含量的冠層光譜特征 148
7.3 植株N、P、K含量高光譜估算 150
7.3.1 基于特征光譜的N、P、K含量估算 150
7.3.2 基于光譜參數(shù)的N、P、K含量反演 154
7.4 結(jié)論 159
第8章 冬小麥植株含水量高光譜估算 160
8.1 植株含水量變化 160
8.2 植株含水量的冠層光譜響應(yīng) 161
8.3 植株含水量的高光譜估算模型 164
8.3.1 植株含水量的高光譜估算 164
8.3.2 植株含水量估算模型檢驗(yàn) 165
8.4 結(jié)論 166
第9章 近地高光譜影像冬小麥理化參數(shù)反演 167
9.1 葉片和植株的近地高光譜影像獲取與處理 167
9.1.1 近地成像光譜儀介紹與測(cè)量試驗(yàn) 167
9.1.2 SOC高光譜影像處理 168
9.1.3 SOC影像光譜特征及精度驗(yàn)證 169
9.2 葉片和植株不同部位光譜特征分析 170
9.3 基于SOC影像的葉片SPAD值和Anth值估算模型構(gòu)建 171
9.3.1 葉片SPAD 值和Anth值與SOC影像光譜參數(shù)相關(guān)性分析 171
9.3.2 基于SOC影像光譜參數(shù)的冬小麥理化參數(shù)估算模型 172
9.4 SOC高光譜影像冬小麥SPAD值和Anth值反演 172
9.5 結(jié)論 174
第10章 無人機(jī)高光譜影像冬小麥長勢(shì)監(jiān)測(cè) 176
10.1 低空無人機(jī)影像獲取與處理 176
10.1.1 低空無人機(jī)成像光譜儀介紹及飛行試驗(yàn) 176
10.1.2 UHD 高光譜影像處理 177
10.1.3 UHD 影像光譜特征及精度驗(yàn)證 177
10.2 基于UHD高光譜影像的冬小麥農(nóng)學(xué)參數(shù)估算模型構(gòu)建 179
10.2.1 冬小麥農(nóng)學(xué)參數(shù)與UHD影像光譜參數(shù)相關(guān)性分析 179
10.2.2 基于UHD影像光譜參數(shù)的冬小麥農(nóng)學(xué)參數(shù)估算模型 180
10.3 基于UHD高光譜影像的冬小麥農(nóng)學(xué)參數(shù)反演 181
10.4 結(jié)論 186
第11章 GF-1號(hào)衛(wèi)星影像冬小麥葉片SPAD 遙感反演 187
11.1 材料與方法 187
11.1.1 冠層光譜和SPAD采集 187
11.1.2 遙感數(shù)據(jù)預(yù)處理 188
11.1.3 植被指數(shù)選擇 188
11.1.4 數(shù)據(jù)分析方法 189
11.2 SPAD 值與植被指數(shù)的相關(guān)性分析 189
11.3 冬小麥葉片SPAD反演模型構(gòu)建 191
11.4 冬小麥SPAD 估算模型檢驗(yàn) 192
11.5 GF-1號(hào)衛(wèi)星影像數(shù)據(jù)區(qū)域冬小麥SPAD 反演 195
11.6 結(jié)論 196
第12章 多光譜衛(wèi)星影像冬小麥葉片氮含量估算 198
12.1 模擬GF-1多光譜衛(wèi)星反射率的葉片氮含量估算 199
12.1.1 模擬GF-1多光譜衛(wèi)星光譜反射率 199
12.1.2 光譜指數(shù)篩選 200
12.1.3 基于光譜指數(shù)的葉片氮含量估算 202
12.2 不同衛(wèi)星傳感器模擬光譜比較 206
12.3 基于光譜指數(shù)的葉片氮含量通用模型構(gòu)建 208
12.3.1 基于光譜指數(shù)的葉片氮含量通用模型構(gòu)建 208
12.3.2 SI-LNC估算模型的敏感性分析 209
12.3.3 葉片氮含量估算模型檢驗(yàn) 211
12.4 GF-1號(hào)衛(wèi)星數(shù)字影像LNC反演制圖 212
12.5 結(jié)論 213
參考文獻(xiàn) 214