论文部分内容阅读
作物生长光谱监测的主要任务是要确立能够反映作物生长状态的敏感波段和特征指数,并建立光谱指数与农学参数之间的定量关系。高光谱遥感波谱具有连续、精细的特点,可显著增强对植株生物理化参数的探测手段和能力,为定量估测植株单一生化组分状况提供了有效途径。本研究以水稻为对象,以系列田间试验为依托,综合运用高光谱信息分析、生理生化测试及数理统计建模等技术手段,分析不同氮素水平和品种条件下水稻叶片高光谱反射特征与叶片和群体氮素及色素之间的定量关系,进而确立基于叶片高光谱监测水稻单叶和群体氮素及色素之间的适宜光谱指数及相应监测模型,从而为水稻氮素营养的无损监测和精确诊断提供理论基础和关键技术。首先分析了不同施氮量和不同氮含量水平下水稻叶片光谱反射特征的变化模式。结果表明,随着土壤施氮量和叶片氮含量水平的提高,叶片反射光谱在可见光区的反射率下降,负相关显著；而近红外波段反射率则小幅上升,但相关性不高。叶片氮含量与一阶导数的相关关系表明在可见光至红边区众多波段均达到极显著相关水平,相关系数呈明显的峰谷特征。可见,不同试验条件下水稻叶片的氮素状况和反射光谱特征呈现了明显的动态变化模式,为进一步定量解析叶片反射光谱与氮素营养状况的关系提供了丰富的信息基础。基于叶片高光谱特征,系统分析了水稻叶片氮素组分与叶片反射光谱、一阶导数光谱、两波段组合的比值(SR)、归一化(ND)及差值(SD)等光谱指数的相关关系。叶片全氮和蛋白氮含量的敏感波段主要位于可见光绿光区520-590 nm及红边区域695-715 nm,其中红边区域表现最为显著。通过比较不同波段组合的不同形式光谱参数发现,以700-702 nm附近波段与近红外短波段的比值组合估算水稻上部叶片的全氮和蛋白氮含量的效果最好,其次为黄光区583-587 nm左右波段与近红外短波段的比值组合。其中,窄波段比值指数SR(R780, R702)和SR(R770, R700)分别为估算水稻叶片全氮和蛋白氮含量的最佳光谱变量,而基于有效组合区域内光谱指数敏感性的宽波段比值指数SR[AR(763-860), AR(697-707)]和SR[AR(746-815), AR(697-705)]分别用于全氮和蛋白氮含量估算,表现出与窄波段组合相似的敏感性和预测力,表明在此敏感组合区域内带宽选择对反演结果的准确度影响不大。最佳差值和归一化差值指数仅出现在740-755 nm小范围内,组合波段邻近,且与最佳一阶导数波段相近,但总体表现均不及比值组合优秀。系统分析了已有叶绿素敏感光谱指数及新型两波段组合的比值和归一化光谱指数与叶片叶绿素含量的关系,提出了水稻叶片不同组分叶绿素含量的敏感光谱指数及预测方程。发现红边波段构成的比值或归一化光谱指数均可较好地指示水稻上部4叶的叶绿素含量。估算叶绿素a(Chla)和叶绿素总量(Ch1a+b)的敏感区域一致,最佳比值指数均为SR(R730, R710),最佳归一化指数分别为ND(R780, R710)和ND(R780, R712);估算叶绿素b (Ch1b)的最佳比值和归一化光谱指数分别为SR(R780, R725)和ND(R780, R725)。此外,引入445 nm波段反射率对上述光谱指数进行修正,可以降低模型的预测误差,提高模型的稳定性。当宽波段比值指数SR[AR(720-740),AR(705-715)]用于叶片Ch1a和Cb1a+b含量估算,SR[AR(750-850), AR(715-735)]用于叶片Chlb含量估算,以及宽波段归一化指数ND[AR(750-850), AR(705-715)]、ND[AR(750-850), AR(706-718)]和ND[AR(750-850), AR(715-735)]分别用于Ch1a、Cb1a+b和Ch1b含量的估算时,均表现出敏感度和稳定性的统一,且波段选择较灵活,从而有助于指导便携式叶绿素监测仪的研制开发。进一步分析了不同叶位叶片光谱或单叶光谱组合与水稻群体叶片氮素组分的关系,明确了基于叶片尺度光谱监测群体叶片全氮和蛋白氮含量的适宜取样叶位、敏感波段及光谱指数,并建立了相应的监测模型。基于叶片光谱监测群体叶片全氮含量和蛋白氮含量时,顶2叶和顶3叶为适宜取样叶位,而顶2叶和顶3叶的光谱平均值(L23)为最理想的叶片光谱形式；敏感波段主要位于可见光绿光及红边区；可见光580 nm附近波段及红边702 nm附近波段与近红外短波段的比值组合和群体叶片全氮及蛋白氮含量关系最为密切。估算全氮含量以绿光窄波段指数SR(R780, R580)和宽波段指数SR[AR(750-850), AR(568-588)表现最好；而估算蛋白氮含量则以红边窄波段指数SR(R780, R701)和宽波段指数SR[AR(750-850), AR(697-706)]表现最好。利用叶片特征光谱指数可以对群体叶片全氮和蛋白氮含量进行准确可靠的监测。基于不同生态点、年份、品种和施氮水平下4个大田试验资料,通过比较不同叶位(组合)叶片光谱指数与群体叶片Ch1a和Ch1a+b含量的关系,确立了适宜于监测群体叶片Ch1a和Ch1a+b含量的关键叶位、敏感光谱指数及监测方程。不同叶位叶片光谱对群体叶片叶绿素含量的估算效果存在明显差异,基于顶2叶和顶3叶平均光谱构建的敏感光谱指数和监测方程表现较好。比值和归一化指数均可较好的估算群体叶片叶绿素含量,但最佳组合的中心波段有所差别,归一化组合以560±10 nm vs. NIR和710±6 nm vs. NIR表现较好,比值组合以554±10 nm vs. NIR和718±6 nm vs. NIR表现较好。由此,提出绿光归一化指数ND(R776, R560)、和ND[R(750-850), R(550-850)]、绿光比值指数SR(R554, R776)和SR[R(544-564), R(750-850)]、红边归一化指数ND(R780, R710)和ND[R(750-850), R(704-716)]、以及红边比值指数SR(R718, R780)和SR[R(712-724), R(750-850)]可用于水稻群体叶片Ch1a和Ch1a+b含量的估算,模型校正及检验结果均显示了各参数的可靠性和适用性,尤以红边组合指数的敏感性表现最好。通过分析水稻单叶类胡萝卜素(Car)含量和类胡萝卜素/叶绿素比值(Car/Ch1)与不同波段组合的多种类型光谱指数的相关性,构建了适于水稻单叶Car含量和Car/Ch1比值监测的敏感光谱指数及监测方程。结果显示,723 nm附近波段与近红外波段的比值组合及713 nn附近波段与近红外波段的归一化组合可以较好地监测水稻单叶Car含量,基于窄波段组合SR(R723, R770)和ND(R770, R713)及宽波段组合SR[AR(715-729), AR(750-820)]和ND[AR(740-840), AR(707-719)]的监测方程线性拟合效果较好,独立资料的检验亦表明各方程稳定性高,可以对不同条件下水稻单叶Car含量进行可靠的监测。由于水稻叶片Car/Ch1比值的变化与叶片衰老或胁迫程度的关系密切,因而提出SR(R698,R712)、ND(R716, R695)、SR(R615, R713)和ND(R737, R622)用于灌浆中后期衰老叶片Car/Ch1比值的监测,线性拟合关系良好。进一步分析水稻不同叶位叶片光谱指数与群体叶片Car含量间的关系,同样发现以顶2叶和顶3叶的平均光谱表现较好,不同波段组合的光谱指数中,以蓝光比值指数SR(R466, R496)和蓝光归一化指数ND(R466, R496)建立的监测方程表现最好,可用于不同生育期水稻群体叶片类胡萝卜素含量的定量监测。