表征冬小麦倒伏强度敏感冠层结构参数筛选及光谱诊断模型

• Published in: 农业工程学报 Vol. 35; no. 4; pp. 168 - 174
• Main Authors: 束美艳, 顾晓鹤, 孙林, 朱金山, 杨贵军, 王延仓
• Format: Journal Article
• Language: Chinese
• Published: 国家农业信息化工程技术研究中心,北京 100097 15.02.2019; 农业部农业遥感机理与定量遥感重点实验室,北京农业信息技术研究中心,北京 100097; 北京市农业物联网工程技术研究中心,北京 100097; 北京市农业物联网工程技术研究中心,北京 100097%山东科技大学测绘科学与工程学院,青岛,266590%北华航天工业学院计算机与遥感信息技术学院,廊坊,065000; 山东科技大学测绘科学与工程学院,青岛 266590%农业部农业遥感机理与定量遥感重点实验室,北京农业信息技术研究中心,北京 100097
• Subjects: 连续小波变换; 预测; 作物; 倒伏; 灾害; 茎叶比; 冬小麦; 高光谱
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2019.04.021

S127; 针对倒伏胁迫下冬小麦冠层结构变化规律不清、冠层光谱响应机理不明的问题,以灌浆期倒伏冬小麦为研究对象,分析不同倒伏强度下冬小麦冠层结构参数变化规律,通过光谱探测视场内的茎、叶、穗面积比率与倒伏角度的相关性分析,筛选出表征倒伏强度的敏感冠层结构参数,采用传统光谱变换方法与连续小波变换方法对倒伏冬小麦冠层高光谱数据进行处理分析,筛选冠层结构参数的敏感波段和小波系数,采用偏最小二乘法构建冠层结构参数与高光谱特征参量的响应模型,并利用野外实测样本验证模型精度(建模集样本28个,验证集样本13个).研究结果表明:倒伏后的冬小麦茎叶比与倒伏角度的相关性最高(-0.687,P<0.01),能较好地表征冬小麦倒伏强度,且茎叶比随着倒伏角度的减小而增加;基于连续小波变换的冬小麦倒伏灾情诊断模型优于常规光谱变换方法,检验样本的决定系数为0.632(P<0.01);以冠层茎叶比预测结果进行倒伏灾情等级划分的精度可达84.6％.因此,不同倒伏强度的冠层茎叶比与冬小麦冠层光谱之间的响应规律可以有效区分倒伏灾情等级,有助于为区域尺度的冬小麦倒伏灾情遥感监测提供先验知识.