西北地區(qū)水稻長勢遙感監(jiān)測

目錄
前言
第1章 水稻遙感監(jiān)測試驗設(shè)計與方法 1
1.1 研究區(qū)概況 2
1.2 試驗設(shè)計 2
1.3 高光譜遙感簡介 5
1.3.1 高光譜遙感基本理論 5
1.3.2 植被高光譜遙感原理 6
1.3.3 高光譜植被指數(shù) 8
1.4 高光譜數(shù)據(jù)獲取 8
1.4.1 非成像光譜測定 8
1.4.2 高光譜影像獲取 10
1.5 水稻生理參數(shù)測定 12
1.5.1 葉綠素含量測定 12
1.5.2 葉面積指數(shù)測定 12
1.5.3 葉片氮含量測定 13
1.6 研究方法與技術(shù)路線 13
1.6.1 高光譜數(shù)據(jù)處理 13
1.6.2 建模方法 16
1.6.3 模型檢驗方法 19
1.6.4 技術(shù)路線 20
第2章 西北地區(qū)水稻的光譜特征 21
2.1 水稻葉片反射光譜特征 21
2.1.1 不同葉綠素含量水稻葉片反射光譜特征 21
2.1.2 不同土壤氮素水平水稻葉片反射光譜特征 23
2.1.3 不同土壤碳素水平下水稻葉片反射光譜特征 24
2.2 水稻冠層的波譜特性 25
2.2.1 不同生育期水稻冠層波譜特性 25
2.2.2 不同葉綠素含量水稻冠層波譜特性 26
2.2.3 不同葉面積指數(shù)水稻冠層波譜特性 27
2.2.4 不同LNC水稻冠層波譜特征 27
2.2.5 不同土壤氮素水平水稻冠層波譜特性 28
2.2.6 不同碳素水平水稻冠層波譜特性 29
2.3 水稻冠層光譜的紅邊特征 29
2.3.1 不同生育期水稻冠層紅邊特征 30
2.3.2 不同土壤氮素水平水稻冠層紅邊特征 31
2.4 討論與結(jié)論 33
2.4.1 討論 33
2.4.2 結(jié)論 33
第3章 水稻葉綠素含量高光譜估測模型 34
3.1 水稻葉片SPAD值的基本特征 34
3.2 水稻葉綠素含量普通回歸模型估測 36
3.2.1 基于特征波段的水稻葉綠素含量估測 36
3.2.2 基于光譜反射率參數(shù)的水稻葉綠素監(jiān)測 39
3.2.3 基于光譜指數(shù)的水稻葉綠素含量估測 42
3.2.4 基于“三邊”參數(shù)的水稻葉綠素監(jiān)測 48
3.3 水稻葉綠素含量多元模型估測 51
3.3.1 基于BP神經(jīng)網(wǎng)絡(luò)的水稻葉綠素含量估測 51
3.3.2 基于隨機森林算法的水稻葉綠素含量估測 59
3.4 水稻幼苗期植株SPAD值高光譜影像遙感反演 62
3.4.1 水稻幼苗葉片高光譜影像的光譜特征 62
3.4.2 水稻幼苗SPAD值與高光譜影像光譜反射率相關(guān)性 63
3.4.3 水稻葉片SPAD值估測模型及單株SPAD值填圖 63
3.5 討論與結(jié)論 66
3.5.1 討論 66
3.5.2 結(jié)論 67
第4章 水稻葉面積指數(shù)的高光譜估測模型 69
4.1 水稻葉面積指數(shù)在各生育期的變化 70
4.1.1 不同施氮條件下水稻葉面積指數(shù)隨生育期的變化 70
4.1.2 不同施碳條件下水稻葉面積指數(shù)隨生育期的變化 71
4.2 水稻葉面積指數(shù)與冠層光譜的相關(guān)性分析 72
4.2.1 葉面積指數(shù)與原始光譜？導(dǎo)數(shù)光譜的相關(guān)性 72
4.2.2 葉面積指數(shù)與高光譜特征參數(shù)的相關(guān)性 76
4.2.3 葉面積指數(shù)與植被指數(shù)的相關(guān)性 77
4.3 水稻葉面積指數(shù)普通回歸模型估測 84
4.3.1 基于特征波段的水稻葉面積指數(shù)估測 84
4.3.2 基于植被指數(shù)的水稻葉面積指數(shù)估測 86
4.3.3 基于光譜參數(shù)的水稻葉面積指數(shù)估測 92
4.3.4 基于“三邊”參數(shù)的水稻葉面積指數(shù)估測 94
4.4 水稻葉面積指數(shù)多元模型估測 97
4.4.1 基于BP神經(jīng)網(wǎng)絡(luò)的葉面積指數(shù)估測 97
4.4.2 基于支持向量機的水稻葉面積指數(shù)估測 105
4.4.3 基于隨機森林算法的估算模型及精度檢驗 106
4.5 討論與結(jié)論 108
4.5.1 討論 108
4.5.2 結(jié)論 109
第5章 水稻葉片氮含量高光譜估測模型 111
5.1 水稻葉片氮含量在各生育期的變化 111
5.2 水稻葉片氮素與冠層光譜之間的關(guān)系 112
5.2.1 不同LNC的冠層光譜特征 112
5.2.2 水稻LNC與光譜反射率的相關(guān)性 113
5.2.3 水稻LNC與高光譜特征參數(shù)的相關(guān)性 116
5.2.4 水稻LNC與植被指數(shù)的相關(guān)性 117
5.3 基于光譜指數(shù)的水稻葉片氮含量估測 123
5.3.1 水稻葉片氮含量的光譜指數(shù) 123
5.3.2 水稻葉片氮含量光譜指數(shù)模型構(gòu)建 125
5.3.3 各種光譜指數(shù)估測水稻葉片氮含量精度比較 129
5.4 水稻葉片氮含量估測的多變量模型構(gòu)建 131
5.4.1 水稻葉片氮含量估測的多元線性模型 131
5.4.2 基于隨機森林算法的水稻葉片氮含量估測模型 132
5.5 討論與結(jié)論 134
5.5.1 討論 134
5.5.2 結(jié)論 135
第6章 基于無人機高光譜影像的小區(qū)水稻長勢監(jiān)測 137
6.1 無人機高光譜影像數(shù)據(jù)采集與處理 137
6.2 無人機高光譜影像實現(xiàn)小區(qū)水稻生理生化參數(shù)監(jiān)測 139
6.2.1 基于特征波段的水稻SPAD值和LAI遙感反演 139
6.2.2 基于BP 神經(jīng)網(wǎng)絡(luò)的水稻SPAD值和LAI遙感反演 141
6.2.3 不同反演模型高光譜影像估測能力比較 143
6.3 討論與結(jié)論 144
第7章 基于無人機高光譜影像的大田水稻長勢監(jiān)測 145
7.1 水稻SPAD值高光譜影像空間反演 145
7.2 水稻LAI高光譜影像空間反演 147
7.3 水稻LNC高光譜影像空間反演 148
7.4 討論與結(jié)論 149
7.4.1 討論 149
7.4.2 結(jié)論 150
第8章 高分一號遙感影像在水稻長勢監(jiān)測中的應(yīng)用 151
8.1 影像預(yù)處理 152
8.2 衛(wèi)星波段反射率模擬和植被指數(shù) 153
8.3 基于GF-1衛(wèi)星數(shù)據(jù)的水稻SPAD值空間監(jiān)測 154
8.3.1 光譜指數(shù)與水稻抽穗期SPAD值的相關(guān)性 154
8.3.2 水稻抽穗期SPAD值估算模型構(gòu)建及驗證 155
8.3.3 水稻抽穗期SPAD值空間反演 156
8.4 基于GF-1衛(wèi)星數(shù)據(jù)的水稻LAI空間監(jiān)測 157
8.4.1 光譜指數(shù)與水稻抽穗期LAI的相關(guān)性 157
8.4.2 水稻抽穗期LAI估算模型構(gòu)建及驗證 157
8.4.3 水稻抽穗期LAI空間反演 158
8.5 基于GF-1衛(wèi)星數(shù)據(jù)的水稻LNC空間監(jiān)測 159
8.5.1 光譜植被指數(shù)與水稻抽穗期LNC的相關(guān)性 159
8.5.2 水稻抽穗期LNC估算模型構(gòu)建及驗證 160
8.5.3 水稻抽穗期LNC空間反演 161
8.6 討論與結(jié)論 162
8.6.1 討論 162
8.6.2 結(jié)論 162
參考文獻 164
附錄 試驗圖片 175