论文部分内容阅读
氮素是苹果生长过程中不可缺少的营养元素之一,是果树生长重要的物质基础。传统测量植物氮素含量的方法费时、费力、实时性差,不能满足大面积、快速、实时监测的需要。卫星遥感因为成本低、获取和处理方便等特点,已广泛应用到作物的生长和营养诊断,成为研究的热点。本研究以山东省烟台栖霞市苹果园为研究区,利用高分一号（GF-1）卫星遥感影像,结合苹果树冠层叶片氮素含量数据,对研究区苹果树冠层进行氮素含量反演。在对GF-1卫星原始影像进行辐射定标、FLAASH大气校正、正射校正、影像融合的预处理的基础上,利用GF-1多光谱影像,结合地面实测光谱数据进行对比分析,以GF-1影像的蓝、绿、红以及近红外波段进行了计算,通过波段运算提取植被指数,与苹果树冠层氮素含量进行了相关分析,筛选了苹果树冠层氮素敏感植被指数,通过单变量和多变量因素的回归模型,建立了苹果树冠层氮素含量反演模型并进行对比分析,筛选出了苹果树冠层氮素含量的最佳反演模型。利用GF-1全色与多光谱融合影像,根据NDVI、高程坡度信息以及最大似然法监督分类进行了研究区苹果园的提取,结合氮素含量最佳反演模型,对研究区内苹果园冠层氮素含量进行了空间反演。主要研究结果如下:（1）提取并筛选了苹果树冠层氮素含量的相关植被指数利用预处理的GF-1多光谱影像,综合考虑植被的光谱特性,基于GF-1影像的蓝、绿、红以及近红外波段,提取了12种植被指数,分别为RVI、DVI、NDVI、GNDVI、EVI、VARI、GRVI、NPCI、SIPI、NRI、SAVI和OSAVI。通过与苹果树冠层氮素含量进行相关性分析,筛选出了相关性大于0.5的植被指数,分别为RVI、NDVI、EVI、VARI、NPCI和NRI。（2）建立及检验了苹果树冠层氮素含量反演模型建立及检验了基于单变量的苹果树冠层氮素含量反演模型,分别以RVI、NDVI、EVI、VARI、NPCI、NRI为自变量,氮素含量为因变量,建立了单变量氮素含量模型。结果表明,以NPCI为自变量建立的二次多项式模型验证决定系数为0.59,均方根误差为1.18,模型精度和稳定性最高,是基于单变量氮素含量最佳模型,模型为:N含量=20.16*NPCI2-29.54*NPCI+29.73,利用该模型能够较好地对氮素含量进行估算。建立及检验了基于多变量的苹果树冠层氮素含量反演模型,以RVI、NDVI、EVI、VARI、NPCI、NRI为自变量,以氮素含量为因变量,建立了苹果树冠层氮素含量的线性回归模型:多元线性回归、多元逐步回归和偏最小二乘回归模型和非线性回归模型:支持向量机和随机森林模型。在线性回归模型中,多元逐步回归模型的验证决定系数较高和均方根误差较低,分别为0.69、1.07,模型的精度和稳定性最高。其模型为:N含量=35.74-41.98*NPCI-10.78*NDVI。在非线性回归模型中,支持向量机回归模型检验的决定系数较高和均方根误差较低分别为0.61、1.33。因此,基于多变量建立的非线性最佳反演模型为支持向量机模型。（3）确定了苹果树冠层氮素含量反演最佳模型对已建立的单变量苹果树冠层氮素含量反演模型和多变量苹果氮素含量反演模型的验证结果进行对比分析,最终得到苹果树冠层氮素含量的最佳反演模型,模型为:N含量=35.74–41.98*NPCI-10.78*NDVI。（4）完成了研究区苹果园提取以及苹果树冠层氮素含量的空间反演对GF-1全色和多光谱影像进行NNDiffuse Pan Sharpening融合,利用NDVI、研究区的高程、坡度信息,采用最大似然法进行分类,提取了GF-1融合影像的苹果园信息,利用建立的苹果树冠层氮素含量最佳模型,对苹果树冠层氮素含量进行了空间反演,得到了研究区苹果树冠层氮素含量的遥感空间反演图。利用国产GF-1卫星影像对苹果树冠层氮素含量进行反演,为区域性果树营养元素的大面积快速监测提供了理论依据和技术支撑。