目录
前言
第1章 水稻遥感监测试验设计与方法 1
1.1 研究区概况 2
1.2 试验设计 2
1.3 高光谱遥感简介 5
1.3.1 高光谱遥感基本理论 5
1.3.2 植被高光谱遥感原理 6
1.3.3 高光谱植被指数 8
1.4 高光谱数据获取 8
1.4.1 非成像光谱测定 8
1.4.2 高光谱影像获取 10
1.5 水稻生理参数测定 12
1.5.1 叶绿素含量测定 12
1.5.2 叶面积指数测定 12
1.5.3 叶片氮含量测定 13
1.6 研究方法与技术路线 13
1.6.1 高光谱数据处理 13
1.6.2 建模方法 16
1.6.3 模型检验方法 19
1.6.4 技术路线 20
第2章 西北地区水稻的光谱特征 21
2.1 水稻叶片反射光谱特征 21
2.1.1 不同叶绿素含量水稻叶片反射光谱特征 21
2.1.2 不同土壤氮素水平水稻叶片反射光谱特征 23
2.1.3 不同土壤碳素水平下水稻叶片反射光谱特征 24
2.2 水稻冠层的波谱特性 25
2.2.1 不同生育期水稻冠层波谱特性 25
2.2.2 不同叶绿素含量水稻冠层波谱特性 26
2.2.3 不同叶面积指数水稻冠层波谱特性 27
2.2.4 不同LNC水稻冠层波谱特征 27
2.2.5 不同土壤氮素水平水稻冠层波谱特性 28
2.2.6 不同碳素水平水稻冠层波谱特性 29
2.3 水稻冠层光谱的红边特征 29
2.3.1 不同生育期水稻冠层红边特征 30
2.3.2 不同土壤氮素水平水稻冠层红边特征 31
2.4 讨论与结论 33
2.4.1 讨论 33
2.4.2 结论 33
第3章 水稻叶绿素含量高光谱估测模型 34
3.1 水稻叶片SPAD值的基本特征 34
3.2 水稻叶绿素含量普通回归模型估测 36
3.2.1 基于特征波段的水稻叶绿素含量估测 36
3.2.2 基于光谱反射率参数的水稻叶绿素监测 39
3.2.3 基于光谱指数的水稻叶绿素含量估测 42
3.2.4 基于“三边”参数的水稻叶绿素监测 48
3.3 水稻叶绿素含量多元模型估测 51
3.3.1 基于BP神经网络的水稻叶绿素含量估测 51
3.3.2 基于随机森林算法的水稻叶绿素含量估测 59
3.4 水稻幼苗期植株SPAD值高光谱影像遥感反演 62
3.4.1 水稻幼苗叶片高光谱影像的光谱特征 62
3.4.2 水稻幼苗SPAD值与高光谱影像光谱反射率相关性 63
3.4.3 水稻叶片SPAD值估测模型及单株SPAD值填图 63
3.5 讨论与结论 66
3.5.1 讨论 66
3.5.2 结论 67
第4章 水稻叶面积指数的高光谱估测模型 69
4.1 水稻叶面积指数在各生育期的变化 70
4.1.1 不同施氮条件下水稻叶面积指数随生育期的变化 70
4.1.2 不同施碳条件下水稻叶面积指数随生育期的变化 71
4.2 水稻叶面积指数与冠层光谱的相关性分析 72
4.2.1 叶面积指数与原始光谱?导数光谱的相关性 72
4.2.2 叶面积指数与高光谱特征参数的相关性 76
4.2.3 叶面积指数与植被指数的相关性 77
4.3 水稻叶面积指数普通回归模型估测 84
4.3.1 基于特征波段的水稻叶面积指数估测 84
4.3.2 基于植被指数的水稻叶面积指数估测 86
4.3.3 基于光谱参数的水稻叶面积指数估测 92
4.3.4 基于“三边”参数的水稻叶面积指数估测 94
4.4 水稻叶面积指数多元模型估测 97
4.4.1 基于BP神经网络的叶面积指数估测 97
4.4.2 基于支持向量机的水稻叶面积指数估测 105
4.4.3 基于随机森林算法的估算模型及精度检验 106
4.5 讨论与结论 108
4.5.1 讨论 108
4.5.2 结论 109
第5章 水稻叶片氮含量高光谱估测模型 111
5.1 水稻叶片氮含量在各生育期的变化 111
5.2 水稻叶片氮素与冠层光谱之间的关系 112
5.2.1 不同LNC的冠层光谱特征 112
5.2.2 水稻LNC与光谱反射率的相关性 113
5.2.3 水稻LNC与高光谱特征参数的相关性 116
5.2.4 水稻LNC与植被指数的相关性 117
5.3 基于光谱指数的水稻叶片氮含量估测 123
5.3.1 水稻叶片氮含量的*优光谱指数 123
5.3.2 水稻叶片氮含量光谱指数模型构建 125
5.3.3 各种光谱指数估测水稻叶片氮含量精度比较 129
5.4 水稻叶片氮含量估测的多变量模型构建 131
5.4.1 水稻叶片氮含量估测的多元线性模型 131
5.4.2 基于随机森林算法的水稻叶片氮含量估测模型 132
5.5 讨论与结论 134
5.5.1 讨论 134
5.5.2 结论 135
第6章 基于无人机高光谱影像的小区水稻长势监测 137
6.1 无人机高光谱影像数据采集与处理 137
6.2 无人机高光谱影像实现小区水稻生理生化参数监测 139
6.2.1 基于特征波段的水稻SPAD值和LAI遥感反演 139
6.2.2 基于BP 神经网络的水稻SPAD值和LAI遥感反演 141
6.2.3 不同反演模型高光谱影像估测能力比较 143
6.3 讨论与结论 144
第7章 基于无人机高光谱影像的大田水稻长势监测 145
7.1 水稻SPAD值高光谱影像空间反演 145
7.2 水稻LAI高光谱影像空间反演 147
7.3 水稻LNC高光谱影像空间反演 148
7.4 讨论与结论 149
7.4.1 讨论 149
7.4.2 结论 150
第8章 高分一号遥感影像在水稻长势监测中的应用 151
8.1 影像预处理 152
8.2 卫星波段反射率模拟和植被指数 153
8.3 基于GF-1卫星数据的水稻SPAD值空间监测 154
8.3.1 光谱指数与水稻抽穗期SPAD值的相关性 154
8.3.2 水稻抽穗期SPAD值估算模型构建及验证 155
8.3.3 水稻抽穗期SPAD值空间反演 156
8.4 基于GF-1卫星数据的水稻LAI空间监测 157
8.4.1 光谱指数与水稻抽穗期LAI的相关性 157
8.4.2 水稻抽穗期LAI估算模型构建及验证 157
8.4.3 水稻抽穗期LAI空间反演 158
8.5 基于GF-1卫星数据的水稻LNC空间监测 159
8.5.1 光谱植被指数与水稻抽穗期LNC的相关性 159
8.5.2 水稻抽穗期LNC估算模型构建及验证 160
8.5.3 水稻抽穗期LNC空间反演 161
8.6 讨论与结论 162
8.6.1 讨论 162
8.6.2 结论 162
参考文献 164
附录 试验图片 175