基于冠层结构特征补偿的小麦氮素光谱监测方法研究

In this project, we studied the effects of wheat canopy structure (canopy shape, roughness and coverage) on canopy spectral reflectance under different cultivation patterns. Furthermore, we clarified the mechanism of nitrogen-related physiological and biochemical indexes (leaf nitrogen content, nitrogen accumulation, leaf area index and leaf dry weight) on canopy reflectance under the effects of canopy structure characters; We extracted the characteristics of wheat canopy shape, roughness and coverage from the digital images, as well as the nitrogen-related spectral bands and band width of wheat under these characteristics; The skeleton combination characteristic, texture features and color combination features were selected to describe the wheat canopy, and the feature space of canopy reflectance spectra was established based on the eigenvector compensation in the digital image of wheat canopy structure. We used the fuzzy algorithm to construct the compensation relationship between the multi feature vectors of the canopy structure and the spectral reflectance of the nitrogen-related wavelength bands in wheat. Moreover, we established a spectral monitoring model for wheat nitrogen status based on the eigenvector compensation of wheat canopy digital image.

本项目综合了不同栽培模式下小麦冠层结构（冠层形状、粗糙度、覆盖度）对冠层光谱反射率分布的影响机理，进一步阐明与氮素相关的生理生化指标（叶层氮含量、氮积累量、叶面积指数、叶干重）在冠层结构特征影响下对冠层反射光谱强度作用机理；提取了小麦冠层结构形状、粗糙度、覆盖度数字图像特征，以及这些特征影响下的小麦氮素光谱特征波段及带宽；筛选出能综合描述小麦冠层结构的骨架组合特征、纹理组合特征、颜色组合特征和形状组合特征，建立基于小麦冠层结构数字图像特征向量补偿的冠层反射光谱强度特征空间，利用模糊算法构建冠层结构多特征向量与小麦氮素特征波段处光谱反射率之间的补偿关系；进而建立基于小麦冠层结构数字图像特征向量补偿的小麦氮素光谱监测模型。

本项目分析了目前利用高光谱技术监测作物氮素信息精度低、稳定性差的原因，提出了基于冠层结构特征补偿的小麦氮素光谱监测方法，深入研究了不同栽培模式下小麦冠层形状、粗糙度、覆盖度的数字图像特征以及这些特征影响下的小麦氮素光谱特征波段及带宽提取、优化与表达，建立基于小麦冠层结构数字图像特征向量补偿的冠层反射光谱强度特征空间，构建基于小麦冠层结构多特征向量补偿的小麦氮素光谱监测模型。主要完成了（1）提出了基于RGB-D相机的小麦冠层结构特征提取方法。基于RGB-D相机同步获取了小麦拔节期、孕穗期和抽穗期的冠层彩色和深度图像，并针对相机平面与地面不平行而产生的误差提出了一种基于最小二乘法拟合的校正方法，在此基础上提取了植被覆盖度、高度特征以及纹理特征。（2）构建了基于冠层结构信息补偿的小麦叶片氮含量光谱监测模型。系统分析了小麦叶层氮含量和冠层结构特征的光谱相关性曲线和动态变化模式，对光谱监测中冠层结构的影响机制展开了重点分析，指出由株型、行距和物候期引起的冠层结构变化是干扰LNC光谱监测的主要因素，并基于不同栽培条件下的冠层结构特点总结了一种多因素组合的分组方法。（3）构建了基于光谱和冠层结构信息融合的小麦叶片氮积累量监测模型。系统分析了冠层结构特征与植被指数、小麦氮素指标的相关关系，发现覆盖度和部分纹理特征与氮素指标和植被指数的相关性均较高，具备提升氮素指标反演精度的潜力，但需要注意这些指标相互之间存在多重共线性。通过将植被指数和冠层结构指标作为输入参数，构建了基于偏最小二乘回归和随机森林回归算法的小麦叶层氮积累量预测模型。项目为提高小麦氮素营养无损监测精度及稳定性提供新方法和新途径，具有重要的学术理论价值和实践应用前景。