近地表成像高光谱评估不同空间分辨率对叶片氮含量估算的影响

发布者: 发布时间:2018-07-25

定量监测植物氮素状况已成为国内外植被遥感的一个重要研究领域。利用快速、无损、准确的方法来估测作物氮素营养状况是精确农业发展的关键技术之一。本研究的目的是以水稻为对象,基于不同年份、不同氮素水平、不同种植密度和不同品种类型的田间试验,运用成像高光谱仪Specim V10E获取水稻近地面的高光谱影像,利用决策树分类法,分出未去背景水稻、去背景水稻、光照水稻和阴影水稻四种目标成分。

为了评估不同空间分辨率对水稻LNC预测精度的影响,本研究在南京农业大学如皋实验基地进行了为期2年的水稻实验,并采集了水稻各个生育期的高光谱影像数据,同时生成10组空间分辨率在1.3nm、14nm、28nm、56nm、113 nm、225nm和445nm的图像。利用这些图像,可通过三组植被指数(VI)和两种多变量方法——高斯过程回归(GPR)和偏最小二乘回归(PLSR)来确定不同空间分辨率对LNC预测的影响。利用在每个空间分辨率下与背景像素分离的光照、阴影和全叶叶片像素的反射光谱来分别预测具有VI、GPR和PLSR的LNC。

图1  南京农业大学如皋基地试验田及影像采集设备(币安合约行情制造)

图2  不同处理不同生育期水稻高光谱影像(RGB真彩色合成)

图3  不同生育期去背景水稻和未去背景水稻的光谱反射率

图 4  空间分辨率在1.3mm、14mm、28mm、56mm、113 mm和225nm的图像

图 5  去背景水稻和未去背景水稻不同生育期不同植被指数与LNC的相关性分析

图 6  去背景水稻、光照水稻和阴影水稻不同生育期在不同空间分辨率下其植被指数与LNC的相关性分析

图 7  去背景水稻、光照水稻和阴影水稻在不同空间分辨率下基于光谱反射率及连续统去除的GPR和PLSR与LNC的相关性分析

结果表明,无论估计方法如何,全叶片像素通常表现出比光照和阴影叶片像素更稳定的性能。大多数VI在早期分蘖阶段的所有分辨率均小于14 mm,但其他阶段的分辨率均小于56 mm。相比之下,采用GPR或PLSR方法成功建立了整个生长季节预测LNC的全球模型,其中具有最佳预测结果的是GPR,最佳空间分辨率为28 mm。

 

全文链接下载:

https://www.frontiersin.org/articles/10.3389/fpls.2018.00964/full

服务网络

  • 成都总公司
  • 北京
  • 西安
  • 南京
  • 深圳
  • 成都总公司

    地址:成都市青羊区顺城大街206号四川国际大厦七楼G座

    电话:028-86513885

    邮箱:info@dualix.com.cn

  • 北京办事处

    地址:北京市海淀区中关村大街19号

    电话:13911797824

    邮箱:info@dualix.com.cn

  • 西安办事处

    地址:陕西省西安市高新区高新六路38号

    电话:13510527041

    邮箱:info@dualix.com.cn

  • 南京办事处

    地址:南京市玄武区童卫路4号南京农业生物高新技术创业中心

    电话:19941771489

    邮箱:info@dualix.com.cn

  • 深圳办事处

    地址:深圳市龙华区民治梅龙路
    电话:13554875011
    邮箱:info@dualix.com.cn
币安合约行情-全系列高光谱解决方案 地址:成都市顺城大街206号四川国际大厦七楼G座 电话:86- 028-86513885 ICP备案号:蜀ICP备14027264号

销售直拨:13810146393

固定电话:028-86513885

回顶