基于冠层高光谱图像及偏振光谱融合的小麦氮素营养实时监测方法研究

The project integrate hyperspectral image information and canopy structure anisotropy polarization information caused by crop nitrogen stress under different cultivation patterns to establish the optimal combination of eigenvectors reflect canopy nitrogen levels, which is expected to significantly improve the nutrition diagnostic accuracy of the wheat. The variation characteristics of the canopy N content, pigment concentration and the leaf epicuticular wax, stomata, cavernous of the wheat are researched under different cultivation patterns in order to analysis the mechanism relationship between the canopy N content with the distribution feature of the gray, texture of hyperspectral imagery and with spectral reflectance, degree of polarization. The variation characteristics of the geometry, sparse density, leaf angle distribution, LAI of the canopy are studied in order to analysis the relationship between the canopy structure with spectral reflectance distribution, the degree, and angle of polarization. The feature extraction of the hyperspectral imagery under sensitive band range of the wheat canopy nitrogen, stocks vector parameters and features of canopy polarization image are researched. Optimize the characteristics of combination canopy hyperspectral image gray, texture, canopy hyperspectral reflectance intensity, feature canopy polarized stocks vector parameters, the degree of polarization and polarization angle which have a levels high correlation with wheat nitrogen, and established a spectrum multi-vector combination feature space based on wheat the canopy hyperspectral images and polarized. Build the wheat Nitrogen monitoring model with the multi-feature fusion method and decision-making rules.

本项目综合不同栽培模式下作物氮素亏缺引起的高光谱图像特征及冠层结构各向异性偏振特征，建立反映冠层氮素水平最优特征向量组合，以提高小麦氮素营养诊断精度。在不同栽培模式下，研究小麦冠层氮素、色素、叶片蜡质层、气孔、海绵体的变化特征，解析冠层氮素水平与高光谱图像灰度、纹理、光谱反射率分布以及偏振度分布之间的机理性关系。研究冠层几何结构、疏密度、叶倾角分布、叶面积指数的变化特征，解析冠层结构特征与光谱反射率分布、偏振度及偏振角之间关系。研究小麦冠层氮素敏感波段高光谱图像特征提取，冠层偏振图像特征、偏振stocks矢量参数提取。优化组合小麦氮素水平相关性高的冠层高光谱图像灰度、纹理组合特征，冠层高光谱反射强度组合特征，冠层偏振光stocks矢量参数、偏振度和偏振角组合特征；建立基于小麦冠层高光谱图像及偏振光谱的多向量组合特征空间。应用证据理论的多特征融合方法，构建小麦氮素定量监测模型。

（1）构建了基于光谱和纹理信息的小麦叶层氮含量估算模型。利用连续投影算法分别提取了未去背景小麦、去背景小麦、光照小麦和阴影小麦特征波段，同时获取各目标成分特征波段基于灰度共生矩阵的纹理信息。分别将特征波段的光谱信息、纹理信息、光谱纹理相结合的信息作为自变量，构建任意两波段的最佳植被指数。研究表明，利用光谱纹理信息相结合构建光谱纹理指数时，基于各目标成分信息监测小麦叶层氮含量的精度均有了较大提高，其中基于去背景小麦光谱纹理信息构建的光谱纹理指数监测效果最佳，其校正集和检验集的决定系数R2分别为0.78和0.83，相对根均方差和相对误差分别为0.11和0.13，相对光谱指数，去背景小麦校正集和检验集的决定系数R2分别提高了0.07和0.12，对于纹理指数，则提高了0.08和0.11。（2）研究了不同施氮水平下小麦冠层偏振特征。根据偏振Stocks矢量参数法提取不同施氮水平下、不同生育时期小麦冠层光谱偏振度，结果表明，小麦冠层光谱偏振度特征与高光谱反射率特征正好相反，从波谱曲线上看，偏振度位于高峰的位置，反射率位于波谷；偏振度位于波谷的位置，反射率位于高峰。利用相关性分析法优选了表征叶层氮含量、冠层结构变化趋势的敏感性波段525nm，660nm，800nm，880nm，建立了基于敏感性波段的偏振度与叶层氮含量、冠层结构间的相关关系。（3）建立了基于冠层偏振光谱及高光谱图像融合的小麦氮素定量监测模型。在构建的光谱指数基础上，利用多元回归分析法融合冠层光谱偏振度信息，建立了小麦叶层氮含量多特征预测模型。相对单一的光谱指数建模，引入偏振度信息后，小麦叶层氮含量估测模型决定系数R2显著提高，利用检验集数据预测，均方根误差和误差分别为0.122和0.121。