基于冠层高光谱的冬小麦氮平衡指数监测

作     者：樊凯 

作者单位：西北农林科技大学 

学位级别：硕士

导师姓名：李粉玲

授予年度：2023年

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 09[农学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 0901[农学-作物学] 

主      题：冬小麦 高光谱 氮平衡指数 小波变换 机器学习 

摘      要：氮素是冬小麦生长发育所需最为关键的营养元素,氮素的缺失与过量均会对冬小麦产量造成一定影响,因此对冬小麦氮素营养状况进行实时监测是很有必要的。本文以2016、2018和2020年度的关中地区冬小麦作为研究对象,在冬小麦各关键生育期进行了冠层高光谱信息的采集和氮平衡指数的测定,对原始冠层高光谱进行了常规变换,包括平滑处理、一阶导数、连续统去除和对数变换,并在常规变换光谱的基础上,进行连续小波变换和离散小波变换。基于以上变换光谱,从特征波段和光谱指数两个方向出发构建机器学习模型进行氮平衡指数估测,为区域性冬小麦氮素监测以及施肥指导提供一定的理论支撑和技术支持。本研究取得的主要结论如下:(1)随着冬小麦生育期的推进,氮平衡指数和光谱反射率发生明显变化。其中拔节期到抽穗期间,光谱反射率随着氮素的不断利用呈现下降趋势。开花期到灌浆期间,氮平衡指数经波动后逐渐趋于稳定。各生育期变换光谱与氮平衡指数的相关性分析表明,除灌浆期外,其他生育期变换光谱与氮平衡指数的相关系数集中分布在(-0.8,0.8)。各生育期基于变换光谱提取的光谱指数与氮平衡指数的相关性分析表明,拔节期所有变换光谱下的MTCI、DCNI和VOG光谱指数与氮平衡指数为极显著相关关系,灌浆期连续统去除光谱下DCNI光谱指数与氮平衡指数的相关系数值最大(0.96)。(2)基于常规变换光谱下的特征波段和光谱指数(任意两波段组合光谱指数和植被指数)进行氮平衡指数估测模型构建,结果表明,基于特征波段建立的氮平衡指数估测模型中,拔节期的对数变换光谱偏最小二乘回归模型具备极好估测样本能力,验证集决定系数R为0.76,均方根误差RMSE为2.13;开花期的一阶导数光谱支持向量机回归模型具备极好估测样本能力,相对预测偏差RPD为2.35;灌浆期的一阶导数光谱随机森林回归模型能够粗略估测样本。基于光谱指数(任意两波段组合光谱指数和植被指数)建立的氮平衡指数估测模型中,拔节期连续统去除光谱、抽穗期一阶导数光谱、开花期平滑光谱、灌浆期一阶导数光谱和全生育期连续统去除光谱的偏最小二乘回归模型具备极好估测样本能力,相对预测偏差RPD分别为2.46、2.08、2.67、3.41和2.27;灌浆期的连续统去除光谱随机森林回归模型验证集决定系数R为0.93,均方根误差RMSE为2.03,RPD为3.46。(3)在连续小波变换中,db5小波母函数在各生育期中表现较好。各生育期经连续小波变换后与氮平衡指数相关性较好的光谱除开花期为一阶导数光谱外,其他生育期均为连续统去除光谱。开花期基于S9尺度特征参数的偏最小二乘回归模型验证集决定系数R为0.94,均方根误差RMSE为1.65,相对预测偏差RPD为3.14;灌浆期基于S10尺度特征参数的支持向量机回归模型具备极好估测样本能力(相对预测偏差RPD为2.33)。(4)在离散小波变换中,db5小波母函数相较于coif5和sym8小波母函数,压缩能力强(S10尺度的系数数目占比为0.95%),更能凸出光谱轮廓信息(近似系数重构后与原始光谱信号高度相似)。连续投影算法在拔节期S10尺度下提取到的特征参数最少(3个),在灌浆期S1尺度下提取到的特征参数最多(25个)。开花期基于S1尺度特征参数偏最小二乘回归模型的验证集决定系数R为0.96,均方根误差RMSE为1.32,相对预测偏差RPD为3.94;灌浆期基于S2尺度特征参数支持向量机回归模型具备极好估测样本能力(相对预测偏差RPD为2.20);全生育期基于S1尺度特征参数随机森林回归模型具备粗略估测样本能力(相对预测偏差RPD为1.78)。(5)将不同方法的氮平衡指数估测模型精度进行对比,结果表明:拔节期中光谱指数模型(PLS-CR模型)表现较好(相对预测偏差RPD为2.46),其次为特征波段模型(PLS-LOG模型);抽穗期中光谱指数模型(SVR-FD模型)表现较好(决定系数R为0.78,均方根误差RMSE为1.93),其次为离散小波变换光谱特征参数模型(PLS-S8模型);开花期中离散小波变换光谱模型(PLS-S1模型)表现较好(相对预测偏差RPD为3.94),其次为特征波段模型(PLS-LOG模型);灌浆期中离散小波变换光谱模型(PLS-S6模型)表现较好,其次为光谱指数模型(RFR-CR模型);全生育期中光谱指数模型(RFR-FD模型)表现较好(相对预测偏差RPD为2.63),其次为连续小波变换光谱模型(PLS-S1模型,相对预测偏差RPD为2.52)。