荧光激光雷达水稻氮胁迫定量遥感监测优化方法研究

Quantitative remote sensing of crop nitrogen stress is crucial to the development of precision agriculture. By adopting the remote sensing technology of fluorescence LiDAR, abundant fluorescent spectral information can be acquired for nitrogen stress monitoring and the prediction of early changes of crops in the growth state, while attaining the three-dimensional detection ability of LiDAR. However, how to choose the optimal excitation wavelength, the optimal fluorescence detection band and the accurate acquisition of the weak fluorescence signal will all limit the detection performance of the fluorescence lidar in the remote sensing monitoring of nutrient stress. Therefore, this project proposed to carry out a research on the mechanism of excitation wavelength selection and the algorithm of fluorescence feature selection of fluorescence LiDAR for rice nitrogen stress, and to study the intensity correction of the fluorescence weak signal through theoretical models and technical methods to acquire accurate fluorescence information. Based on the selected fluorescent characteristics, a quantitative inversion model of leaf nitrogen content in rice was established to realize quantitative remote sensing monitoring of leaf nitrogen content. Through the research on the optimal selection of the excitation wavelength and the detecting band, this project is expected to explore the advantages of fluorescence LiDAR in remote sensing monitoring of crop nutrition stress, which will provide an effective remote sensing monitoring means for the development of precision agriculture.

农作物氮胁迫定量遥感监测对精细农业发展至关重要。荧光激光雷达遥感探测技术，在保留激光雷达三维空间探测能力的同时，可以获取丰富的荧光光谱信息用于农作物氮胁迫遥感监测及早期变化预测。然而，在氮胁迫遥感监测应用中，如何选择最佳激发光波长、最优荧光探测波段及荧光信号的精确获取都将限制其应用性能。因此，本项目针对华中地区典型农作物水稻，提出开展基于水稻氮胁迫的激发光波长选择机制和荧光特征选择算法研究，并分析叶片的物理和几何光学特性对荧光强度影响的规律，构建强度校正模型，实现荧光信息的精确获取；在此基础上，基于校正的荧光特征建立水稻叶片氮含量定量反演模型，实现叶片氮含量的精确定量遥感监测，为农作物施氮量精确管理提供指导。通过本项目的研究，为荧光激光雷达激发光波长的选择及探测波段选择提供理论参考，并挖掘其在农作物营养胁迫定量遥感监测方面的优势，为精细农业发展提供一种更为有效的遥感监测手段。

荧光激光雷达遥感探测技术，在保留激光雷达三维空间探测能力的同时，可以获取丰富的荧光光谱信息用于农作物氮胁迫遥感监测及早期变化预测。然而，在氮胁迫遥感监测应用中，如何选择最佳激发光波长、最优荧光探测波段及荧光信号的精确获取都将限制其应用性能。因此，本项目首先通过FluorMODleaf模型，从理论上分析了不同生化参数对荧光特性的影响，并分析确定了氮胁迫的激发光波长为紫外的355nm，且分析了最优荧光特征对水稻氮胁迫的定量遥感监测；在此基础上，采集不同激发光波长（355nm, 460nm, 556nm）下不同氮胁迫的水稻荧光光谱数据，开展实验数据方法研究，验证了最优的激发光波长和选择出的荧光特征，为荧光激光雷达水稻氮胁迫定量遥感监测的激发光波长确定和光谱探测波段优化选择提供理论基础。随后，本项目首先基于FluorMODleaf模型分析目标物理光学特性、荧光释放空间特性、激发光入射角、探测距离等对荧光信号的影响，发现其并不满足常规的辐射传输理论。通过理论分析后，设计荧光强度的几何影响因子水稻荧光实验，从实验角度分析目标物理光学特性、荧光释放空间特性、激发光入射角、探测距离等对荧光信号的影响，建立荧光强度综合校正模型，发现校正后的荧光信号能够有效提高对水稻氮胁迫的定量遥感监测性能，特别是在激光入射角度大于40°之后，基于提出的校正模型优于比值校正法。最后，本项目基于FluorMODleaf模型模拟数据与实验测量的水稻荧光光谱数据和凯氏定氮法测定叶片氮含量，研究提取校正的荧光特征参量与水稻叶片氮含量的相关性，分析了不同的统计模型对水稻叶片氮含量的定量遥感监测研究，通过对比分析模型预测值与采样实测值，发现采用主成分分析法结合神经网络能够取得更优的反演效果，从而为叶片氮含量的精确定量遥感监测提供基础。通过本项目研究，为荧光激光雷达激发光波长的选择及探测波段选择提供理论参考，并挖掘其在农作物营养胁迫定量遥感监测方面的优势，为精细农业发展提供一种更为有效的遥感监测手段。