基于多源遥感信息融合的南疆滴灌冬小麦水分信息监测机理与模型研究

The study combines the hyperspectral technology with the physiological and ecological research of crop’s water information, explores the water information of plants and organs (including canopies and leaves) of the drop irritated winter wheat in south of Xinjiang in different growing periods under the different water stress and the characteristics of related biochemical components and hyperspectra inflection characteristics (including field livings and in vitro), and is related to the pectoral signature responding mechanism of winter wheat. On the basis of ground sample survey, the study uses multisource remote sensing satellite data to get the index of various plants, constructs change vector and analyses the dynamic changing trends, and builds the water information remote sensing monitoring model of winter wheat with the combination of water information spectral signature sensibility analysis of winter wheat. The study combines the intellectual model of theoretical system, the RS and the GIS, builds the large scale multisource information fusion comprehensive assessing model of winter wheat’s water information on the basis of the principles and requirements of the assessing index system, and applies it into the forming of the thematic map of spatial distribution. The results can provide the accurate agricultural drought monitoring and forecasting information to the agricultural decision-making department and provide the important basis to the government to deploy the drought resisting.

本研究将高光谱技术与作物水分信息的生理生态研究相结合，解析不同水分胁迫下南疆滴灌冬小麦在不同生育时期植株与器官（包括冠层、叶片）水分信息及相关生化组分和高光谱反射特征（包括田间活体和室内离体）的时空变化规律，研究冬小麦光谱特征响应机制。在地面样点调查基础上，利用多源遥感卫星数据提取多种植被指数，构建变化向量并分析其动态变化趋势，结合冬小麦水分信息光谱特征敏感性分析，建立冬小麦水分信息遥感监测模型。将灰色理论系统知识模型与遥感技术(RS)、地理信息系统(GIS)技术相结合，在确立评价指标体系原则及要求的基础上，建立大尺度多源信息融合的冬小麦水分信息综合评价模型，并用于空间分布专题图生成。研究结果将为农业决策部门及时提供准确的农业旱情监测预报信息，为政府提前部署防旱抗旱工作提供重要依据。

基于光谱参数来构建植株水分状况，通过探究光谱参数与水分参数的相关性，利用一元和多元回归模型构建的方法，探究基于光谱的冬小麦水分状况预测技术，在可见光波段（300-740 nm）含水量与光谱反射率基本呈现负相关，在近红外波段（740-1025 nm）含水量与光谱反射率基本呈现正相关，且本次试验中确定的植株水分状况敏感波段为 470-520 nm、620-690 nm 和 740-800 nm，在引入天数进行多元模型构建时，消除了模型无法动态变化的缺点，使得模型适用性大大增强，并且降低了在跨年验证时造成的误差。其中，最优方程为基于光谱指数 Rg/Rr 的土壤含水量预测模型 y=3.87x-0.11d+17.22，其可以作为监测冬小麦土壤含水量状况的模型来应用。基于Sentinel-1A SAR影像和Sentinel-2B光学影像，通过归一化植被指数(NDVI)和归一化水体指数(NDWI)降低冬小麦所含水分对反演精度的影响，利用水云模型和田间地表土壤水分实测数据，建立了田间地表土壤水分反演半经验模型，实现了SAR遥感和光学遥感的协同反演。小麦叶片水分检测模型的优劣直接决定了预测的精度，是既可达到高效节水又能保证小麦优质生长的关键所在。此模型是在上述获得的最佳测试参数（频率）下进行研究和构建的，通过测定不同含水率小麦叶片的生理电容、生理电阻，然后将测定的相关数据进行拟合分析，得到小麦叶片含水率（W）与生理电容（C），生理电阻（R）之间的回归方程，从而开发小麦叶片水分无损检测诊断仪。