水稻氮磷钾的高光谱遥感诊断毕业论

《水稻氮磷钾的高光谱遥感诊断毕业论》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、毕业论文题目水稻氮磷钾的高光谱遥感诊断学生姓名孙伟学号20081335006院系遥感学院专业遥感科学与技术指导教师林芬芳二Ｏ一二年六月六日目录1绪论11.1研究目的与研究意义11.2国内外研究现状21.2.1水稻氮元素的高光谱诊断研究进展21.2.2水稻磷元素的高光谱诊断研究进展21.2.3水稻钾元素的高光谱诊断研究进展32材料与方法32.1试验设计42.1.1水稻氮试验设计42.1.2水稻磷试验设计42.1.3水稻钾试验设计42.2数据采集42.2.1水稻氮磷钾高光谱数据测定42.2.2水稻氮磷钾含量测定52.3光谱

2、数据预处理52.4研究方法52.4.1红边参数52.4.2间隔偏最小二乘法52.4.3BP人工神经网络52.5精度验证63结果与讨论73.1水稻氮磷钾含量的基本统计73.2水稻叶片光谱反射率叶片氮磷钾含量的相关关系73.2.1水稻叶片光谱反射率叶片氮含量的相关关系73.2.2水稻叶片光谱反射率叶片磷含量的相关关系83.2.3水稻叶片光谱反射率叶片钾含量的相关关系83.3水稻氮含量的高光谱预测83.3.1利用红边比值参数反演水稻氮素含量93.3.2利用PLS对氮含量建立模型结果分析103.3.3BP人工神经网络对氮含量的

3、分析113.4水稻磷含量的高光谱诊断113.4.1利用红边比值参数反演水稻磷素含量123.4.2利用PLS对磷含量建立模型结果分析123.4.3BP人工神经网络对磷含量的分析133.5水稻钾含量的高光谱诊断143.5.1利用红边比值参数反演水稻钾素含量143.5.2利用PLS对钾含量建立模型结果分析153.5.3BP人工神经网络对钾含量的分析164结论17参考文献17致谢18ABSTRACT19水稻氮磷钾的高光谱遥感诊断孙伟南京信息工程大学遥感科学与技术系，南京210044摘要：水稻营养诊断的传统化学分析方法费时费力，

4、且诊断结果无法及时被应用到生产中。基于植物光谱反射特性的地面高光谱技术具有准确、快捷、自动化程度高、非破坏性等优点，使得水稻养分的快速诊断和长势监测成为可能。本研究以水稻拔节期叶片高光谱数据为数据源，采用红边参数、协同间隔偏最小二乘法和BP人工神经网络等常用高光谱数据处理方法分析比较地面高光谱技术对水稻氮磷钾含量的估测能力。在水稻氮素营养方面，确定敏感波段范围为470-1300nm，基于siPLS和BP人工神经网络的水稻氮含量估测模型精度均高于基于红边参数的估测模型，其相关系数接近或大于0.9，均方根误差RMSE都在0

5、.1到0.2之间；与氮相比，基于三种算法的水稻叶片磷含量估测模型的均方根误差RMSE均很高，接近或超过0.1，相当于水稻磷含量平均值的1/3，因此，水稻磷素营养的高光谱诊断模型还有待进一步的研究；水稻钾素营养的敏感波段范围为658-1112nm，基于siPLS和BP人工神经网络的水稻钾含量估测模型精度均高于基于红边参数的估测模型，其相关系数大于0.9，均方根误差RMSE接近0.08，相当于水稻钾含量平均值的1/14。最后，鉴于水稻数据生育期和品种的不完整性,本研究所得到的结论还有待下一步系统的分析和验证。关键词：水稻，

6、氮，磷，钾，高光谱1绪论1.1研究目的和研究意义遥感是20世纪60年代发展起来的对地观测综合性技术，随着人类社会进入信息时代，人们越来越多的借助于遥感技术来解决农业生产中的各种问题。近30多年来，遥感技术已日益深入到日常农业生产中，并逐步从单一波段向多光谱、高光谱乃至超光谱方向发展。高光谱遥感技术以其较窄波段区间、波段多、光谱以及空间分辨率高等特点，在农作物长势的营养监测与估产、病虫灾害防治等方面做出了重要的贡献。通过遥感数据建立作物营养元素的高光谱诊断模型，对作物的合理施肥具有重要的指导意义。传统的水稻营养诊断方法主

7、要是基于实验室对作物组织进行化学分析。其中主要有杜马氏法和凯氏定氮法,19该方法从采样到测试需耗费大量的时间、人力和物力,结果不具有时效性[1]。而高光谱遥感技术具有准确、快捷、方便等特点，且在诊断农作物的营养状况、长势监测以及作物产量评估等方面有着自己独特的优势。1.1国内外研究现状1.1.1水稻氮含量的高光谱诊断研究进展氮是水稻营养三要素中的主要营养元素之一，在作物的生长发育中起着举足轻重的作用，是构成植物光合作用中叶绿素的必需组分。早在1972年Thomas等[2]通过测定甜椒叶片的反射率来估测氮素含量，研究发现

8、甜椒叶的氮素营养水平的敏感波段在550nm和670nm，并利用这两个波段建立了估算氮素含量的模型，其精度约为95%。陈斌[3]利用反射光谱特性测定茶叶鲜叶的叶绿素含量时，取波长562nm和676nm处归一化值进行二元一次回归，相关系数达0.976，平均相对误差小于5%。Horle等[4]研究表明，“红边”与植被叶绿素浓度之间的关系