目錄
前言
第1章 水稻遙感監測試驗設計與方法 1
1.1 研究區概況 2
1.2 試驗設計 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 8
1.4 高光譜數據獲取 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 水稻生理參數測定 12
1.5.1 葉綠素含量測定 12
1.5.2 葉面積指數測定 12
1.5.3 葉片氮含量測定 13
1.6 研究方法與技術路線 13
1.6.1 高光譜數據處理 13
1.6.2 建模方法 16
1.6.3 模型檢驗方法 19
1.6.4 技術路線 20
第2章 西北地區水稻的光譜特征 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 討論與結論 33
2.4.1 討論 33
2.4.2 結論 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 基於特征波段的水稻葉綠素含量估測 36
3.2.2 基於光譜反射率參數的水稻葉綠素監測 39
3.2.3 基於光譜指數的水稻葉綠素含量估測 42
3.2.4 基於“三邊”參數的水稻葉綠素監測 48
3.3 水稻葉綠素模型估測 51
3.3.1 基於BP神經網絡的水稻葉綠素含量估測 51
3.3.2 基於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 討論與結論 66
3.5.1 討論 66
3.5.2 結論 67
第4章 水稻葉面積指數的高光譜估測模型 69
4.1 水稻葉面積指數在各生育期的變化 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隨生育期的變化 71
4.2 水稻葉面積指數與冠層光譜的相關性分析 72
4.2.1 葉面積指數與原始光譜？導數光譜的相關性 72
4.2.2 葉面積指數與高光譜特征參數的相關性 76
4.2.3 葉面積指數與植被指數的相關性 77
4.3 水稻葉面積指數普通回歸模型估測 84
4.3.1 基於特征波段的水稻葉面積指數估測 84
4.3.2 基於植被指數的水稻葉面積指數估測 86
4.3.3 基於光譜參數的水稻葉面積指數估測 92
4.3.4 基於“三邊”參數的水稻葉面積指數估測 94
4.4 水稻葉面積模型估測 97
4.4.1 基於BP神經網絡的葉面積指數估測 97
4.4.2 基於支持向量機的水稻葉面積指數估測 105
4.4.3 基於隨機森林算法的估算模型及精度檢驗 106
4.5 討論與結論 108
4.5.1 討論 108
4.5.2 結論 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繫 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性 113
5.2.3 水稻LNC與高光譜特征參數的相關性 116
5.2.4 水稻LNC與植被指數的相關性 117
5.3 基於光譜指數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 123
5.3.2 水稻葉片氮含量光譜指數模型構建 125
5.3.3 各種光譜指數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建 131
5.4.1 水稻葉片氮含量估線性模型 131
5.4.2 基於隨機森林算法的水稻葉片氮含量估測模型 132
5.5 討論與結論 134
5.5.1 討論 134
5.5.2 結論 135
第6章 基於無人機高光譜影像的小區水稻長勢監測 137
6.1 無人機高光譜影像數據采集與處理 137
6.2 無人機高光譜影像實現小區水稻生理生化參數監測 139
6.2.1 基於特征波段的水稻SPAD值和LAI遙感反演 139
6.2.2 基於BP 神經網絡的水稻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 討論與結論 144
第7章 基於無人機高光譜影像的大田水稻長勢監測 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 討論與結論 149
7.4.1 討論 149
7.4.2 結論 150
第8章 高分一號遙感影像在水稻長勢監測中的應用 151
8.1 影像預處理 152
8.2 衛星波段反射率模擬和植被指數 153
8.3 基於GF-1衛星數據的水稻SPAD值空間監測 154
8.3.1 光譜指數與水稻抽穗期SPAD值的相關性 154
8.3.2 水稻抽穗期SPAD值估算模型構建及驗證 155
8.3.3 水稻抽穗期SPAD值空間反演 156
8.4 基於GF-1衛星數據的水稻LAI空間監測 157
8.4.1 光譜指數與水稻抽穗期LAI的相關性 157
8.4.2 水稻抽穗期LAI估算模型構建及驗證 157
8.4.3 水稻抽穗期LAI空間反演 158
8.5 基於GF-1衛星數據的水稻LNC空間監測 159
8.5.1 光譜植被指數與水稻抽穗期LNC的相關性 159
8.5.2 水稻抽穗期LNC估算模型構建及驗證 160
8.5.3 水稻抽穗期LNC空間反演 161
8.6 討論與結論 162
8.6.1 討論 162
8.6.2 結論 162
參考文獻 164
附錄 試驗圖片 175