[发明专利]冬小麦冠层SPAD值综合光谱监测模型建立方法

说明书

本发明公开了一种冬小麦冠层SPAD值综合光谱监测模型建立方法。本发明根据不同施氮水平下各生育期冬小麦冠层光谱反射率与植株冠层SPAD值数据，分析了光谱信息基础变换与“三边”参数对植株冠层SPAD值之间相关关系，提出了考虑各生育期特点且具有较高精度的适宜模型组合，并构建了综合光谱信息基础变换与“三边”参数等诸多自变量的植株冠层SPAD值的主成分估算模型，突破了光谱监测生育时段制约与其他背景噪声的影响，为冬小麦全生育时段冠层SPAD值高光谱准确诊断提供理论依据和技术支持。

技术领域

本发明涉及农业种植技术领域，具体涉及一种冬小麦冠层SPAD值综合光谱监测模型建立方法。

背景技术

叶绿素(SPAD)作为植物生长过程中重要的生化参数之一，其含量是评价植株的营养状态、生长状况和光合能力的良好指示剂，因此实时监测植株叶绿素含量，对作物长势预测、施肥调控、产量评估等具有重要的理论和实践意义。传统监测叶绿素含量的方法通过破坏性采样测定，不仅费时费力，也难以满足现场快速无损检测的要求；但近年来随着光谱技术的快速发展，光谱时空分辨率大幅提高，及时获取作物长势状况和作物光合生产能力，为大面积植株实时快速无损监测提供了技术支撑。

近年来国内外学者基于高光谱信息对作物叶绿素含量进行了大量的研究，并建立了不同作物叶绿素含量估算模型。诸多研究成果多侧重对作物特定生育阶段进行监测与分析，王凯龙等人通过比较15种高光谱指数与SPAD的相关性，确定了不同生育期估算小麦叶片SPAD值的最佳指数；刘晓静等人将筛选后的5种光谱参数分别与不同时期冬小麦叶片含水量进行拟合，从而确定分别利用NDVI、OSAVI、R/ND、TDc-a和TDc-a监测拔节期、抽穗期、开花期、灌浆前期和灌浆后期的叶片含水量。但是由于作物受周围环境胁迫，如水分亏缺等，致使作物在不同生育期内光谱特征变化较显著，因此特定生育期光谱模型能否适用于全生育期植株冠层叶绿素含量的监测有待验证。

随着遥感技术的出现与发展，不仅丰富了光谱信息数据，也实现了对作物生长进行大尺度的监测；但获取高光谱信息时极易受外界环境的干扰，因此对光谱数据进行平滑处理和降噪处理是非常有必要的。光谱数据变换如倒数、对数与微分等，对降低背景与噪音影响具有较好的效果。张雪茹等人对原始光谱数据进行15种光谱变换，指出了能够表征低温胁迫下冬小麦叶绿素含量的最佳光谱变换形式；张贤龙等人提出一阶微分和一阶对倒数变换下土壤盐分估算模型精度最高；王磊等人指出了光谱数据的归一化对数处理显著提高了玉米氮素含量的反演精度。“三边”参数能较好反映绿色植被光谱特征，且对叶绿素含量、含氮量的变化较为敏感，史冰全等人利用“三边”参数建立了油松林叶绿素含量的估算模型，且模型的决定系数达到了0.788；姚付启等人指出了传统红边参数及新红边参数与SPAD值在不同生育期均具有良好相关性，由此可以看出利用“三边”参数建立植株叶绿素含量的估算模型是可行的，但目前同时选择光谱变换和“三边”参数进行叶绿素含量监测的研究并不多见。

发明内容

针对现有技术中的上述不足，本发明提供的一种冬小麦冠层SPAD值综合光谱监测模型建立方法突破了植株冠层SPAD值光谱监测生育时段制约与其他背景噪声的影响，实现了作物全生育时段SPAD值监测精准与稳定。

为了达到上述发明目的，本发明采用的技术方案为：一种冬小麦冠层SPAD值综合光谱监测模型建立方法，包括以下步骤：

S1、测量冬小麦冠层的光谱反射率和SPAD值；

S2、通过光谱反射率构建光谱参量；

所述光谱参量包括光谱变换形式和“三边”参数；

S3、对冬小麦冠层SPAD值与光谱变换形式和“三边”参数进行相关性分析，选择各生育期相关性显著的光谱参量，对其进行主成分分析，通过主成分分析结果分别构建各生育时段综合光谱参量的SPAD值监测模型，将各生育时段综合光谱参量的SPAD值监测模型组合作为全生育期综合光谱参量的冠层SPAD值监测模型；

所述生育期包括拔节-抽穗期、抽穗-灌浆期和灌浆-成熟期。