论文部分内容阅读
气候变化背景下,涝渍灾害等极端天气气候事件增加,频繁发生的农业气象灾害对农业生产的影响日益加剧,严重影响粮食安全。涝渍灾害是造成我国长江中下游地区作物减产的重要原因之一,加强该地区作物涝渍胁迫的监测研究,对于防灾减灾、保障粮食安全具有重要意义。然而,传统的涝渍胁迫监测方法存在劳动强度大、主观性强等缺点,高光谱遥感为涝渍胁迫的监测提供了一种及时可信的方法,但目前该方法在涝渍胁迫程度监测方面应用较少。本文以长江中下游地区的江苏省扬州市为研究区,设计盆栽及田间控制试验,于拔节期对冬小麦进行不同梯度的涝渍胁迫处理,采集冬小麦叶片光谱、冠层高光谱成像数据及叶片含水量数据(其中盆栽试验数据于开始涝渍处理后每7天采集一次,直至小麦成熟;大田试验数据于拔节、抽穗、开花、灌浆、成熟期各采集一次)。试验主要目的如下:(1)结合植被指数、谐波分析及光谱微分差信息熵等方法,理清涝渍胁迫下冬小麦冠层及叶片光谱特征,筛选光谱识别指标对其胁迫程度进行判别;(2)结合植被指数构建、深度学习及数学建模等方法,分析不同涝渍胁迫下冬小麦叶片含水量变化特征,优选适合反演涝渍胁迫冬小麦叶片含水量的模型;(3)最后在田间范围内应用及验证以上研究结果。旨在基于光谱识别指标和叶片含水量两个方面监测冬小麦涝渍胁迫程度。结果表明,植被指数SRPI是识别正常及涝渍胁迫冬小麦的最佳植被指数,红光吸收谷(RW:640-680nm),红边(RE:670-737nm)和近红外(NIR:750-900nm)波段识别涝渍胁迫能力较强;RW波段是监测涝渍胁迫程度的最佳波段,在该波段范围内,抽穗、灌浆和开花期光谱微分差信息熵和前3次谐波子信号振幅c1,c2,c3均可作为识别冬小麦涝渍胁迫程度的光谱识别指标,RE波段的c3还可适于判别JM31(对水分较敏感品种)的胁迫程度;以648nm处原始光谱值,500nm处一阶微分值,红边位置,新植被指数RVI(437,466),NDVI(437,466)和NDVI’(747,1956)作为自变量建立的BPNN模型最适合反演涝渍胁迫冬小麦叶片含水量(建模集R~2=0.889,RMSE=0.138,验模集R~2=0.891,RMSE=0.518,大田验模集R~2=0.729,RMSE=1.425)。研究结果证明从光谱识别指标(基于植被指数、谐波分析和光谱微分差信息熵筛选)和叶片含水量反演模型(基于植被指数构建、深度学习和数学建模建立)两个方面协同监测冬小麦涝渍胁迫程度可行,能准确识别并监测涝渍胁迫程度,对涝渍胁迫精确防控及抗灾复产管理技术及时实施具有重要意义。