多尺度遥感方法对牧草营养成分的反演研究
发布时间：2023-03-23 19:10
草地资源是全球陆地生态循环系统中重要的组成部分,是生长最普遍、分布最广袤的陆地植被类型之一,共占全球陆地总面积的41.7%。草原也是除森林外陆地上最大的碳元素汇集源,它们在调节全球碳循环以及支持动植物的生物多样性等方面发挥着至关重要的作用。天然草地牧草在农业生产中不仅为以最原始的方式为畜牧业提供了饲料来源,同时也为反刍动物提供了主要能量和纤维来源。牧草本身的营养成分也决定着畜牧业的生产成本和畜产品品质,是评价草地资源价值的重要指标。因此,对草地牧草的营养成分进行快速分析及评价,可有效地为牧场放牧管理和饲料预算提供关键数据,对生态资源保护及畜牧业的发展也有着重要的指导意义。本研究从精准农业角度出发,以东北地区草地资源中最为普遍的羊草为研究对象,以牧草全生长期各月份数据采集为基础,通过建立牧草营养成分含量与多遥感平台下光谱信息的联合数据库,利用多种光谱特征提取方法和定量分析模型作比较,从室内叶片、无人机冠层和卫星区域三个尺度对牧草的干物质含量(DM),粗蛋白含量(CP),中性洗涤纤维含量(NDF)及酸性洗涤纤维含量(ADF)四种营养成分进行了预测和反演研究,主要研究内容和研究结果如下:本研...
【文章页数】：108 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 引言
1.1 研究背景与意义
1.2 国内外研究进展
1.2.1 光谱技术在植物营养成分检测中的应用
1.2.2 遥感技术在草原监测中的应用
1.3 主要研究内容和技术路线
1.3.1 主要研究内容
1.3.2 研究方案和技术路线
2 数据获取及分析方法
2.1 研究区域概况
2.2 数据获取
2.2.1 地面试验数据采集方法
2.2.2 无人机冠层尺度多光谱数据采集方法
2.2.3 叶片尺度高光谱数据采集方法
2.2.4 卫星区域尺度遥感数据获取
2.3 牧草营养成分的化学值测定
2.4 数据挖掘及分析方法
2.4.1 高光谱数据预处理方法
2.4.2 特征变量提取方法
2.5 定量模型构建及评价方法
2.5.1 定量校正模型
2.5.2 模型性能评价
2.6 软件环境
3 室内叶片尺度牧草营养成分检测
3.1 牧草叶片高光谱数据提取
3.2 全生长期内不同月份牧草叶片光谱曲线变化
3.3 牧草营养成分化学值统计分析
3.4 高光谱最优预处理方法选择
3.4.1 不同光谱预处理方法的处理结果
3.4.2 牧草干物质含量最优光谱预处理方法选择
3.4.3 牧草粗蛋白含量最优光谱预处理方法选择
3.4.4 牧草中性洗涤纤维含量最优光谱预处理方法选择
3.4.5 牧草酸性洗涤纤维含量最优光谱预处理方法选择
3.5 牧草营养成分的光谱特征变量选择
3.5.1 基于SPA算法的特征变量选择
3.5.2 基于GA算法的特征变量选择
3.5.3 基于CARS算法的特征变量选择
3.5.4 基于RF算法的特征变量选择
3.6 基于特征变量选择的牧草叶片尺度营养成分检测模型构建
3.6.1 牧草干物质含量检测模型构建与选择
3.6.2 牧草粗蛋白含量检测模型构建与选择
3.6.3 牧草中性洗涤纤维含量检测模型构建与选择
3.6.4 牧草酸性洗涤纤维含量检测模型构建与选择
3.7 本章小结
4 无人机冠层尺度牧草营养成分检测
4.1 多光谱图像分析
4.2 多光谱植被指数的构建
4.3 牧草营养成分的光谱特征选择
4.3.1 基于相关性分析的牧草营养成分光谱特征选择
4.3.2 基于逐步回归的牧草营养成分含量光谱特征选择
4.4 基于不同建模方法的牧草营养成分预测模型
4.4.1 基于不同建模方法的牧草干物质含量建模分析
4.4.2 基于不同建模方法的牧草粗蛋白含量建模分析
4.4.3 基于不同建模方法的牧草中性洗涤纤维含量建模分析
4.4.4 基于不同建模方法的牧草酸性洗涤纤维含量建模分析
4.5 本章小结
5 卫星区域尺度牧草营养成分评估
5.1 基于非监督分类的草原分布提取
5.2 卫星遥感影像光谱分析
5.3 植被指数与牧草营养成分的相关性分析
5.3.1 Sentinel-2多光谱植被指数的构建
5.3.2 植被指数与牧草干物质含量的相关性分析
5.3.3 植被指数与牧草粗蛋白含量的相关性分析
5.3.4 植被指数与牧草中性洗涤纤维含量的相关性分析
5.3.5 植被指数与牧草酸性洗涤纤维含量的相关性分析
5.4 牧草干物质含量的模型构建与区域反演
5.4.1 基于植被指数的牧草干物质含量建模分析
5.4.2 牧草干物质含量的区域反演
5.5 牧草粗蛋白含量的模型构建与区域反演
5.5.1 基于植被指数的牧草粗蛋白含量建模分析
5.5.2 牧草粗蛋白含量的区域反演
5.6 牧草中性洗涤纤维含量的模型构建与区域反演
5.6.1 基于植被指数的牧草中性洗涤纤维含量建模分析
5.6.2 牧草中性洗涤纤维含量的区域反演
5.7 牧草酸性洗涤纤维含量的模型构建与区域反演
5.7.1 基于植被指数的牧草酸性洗涤纤维含量建模分析
5.7.2 牧草酸性洗涤纤维含量的区域反演
5.8 本章小结
6 结论
致谢
参考文献
攻读博士学位期间发表的学术论文
本文编号：3768581
【文章页数】：108 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 引言
1.1 研究背景与意义
1.2 国内外研究进展
1.2.1 光谱技术在植物营养成分检测中的应用
1.2.2 遥感技术在草原监测中的应用
1.3 主要研究内容和技术路线
1.3.1 主要研究内容
1.3.2 研究方案和技术路线
2 数据获取及分析方法
2.1 研究区域概况
2.2 数据获取
2.2.1 地面试验数据采集方法
2.2.2 无人机冠层尺度多光谱数据采集方法
2.2.3 叶片尺度高光谱数据采集方法
2.2.4 卫星区域尺度遥感数据获取
2.3 牧草营养成分的化学值测定
2.4 数据挖掘及分析方法
2.4.1 高光谱数据预处理方法
2.4.2 特征变量提取方法
2.5 定量模型构建及评价方法
2.5.1 定量校正模型
2.5.2 模型性能评价
2.6 软件环境
3 室内叶片尺度牧草营养成分检测
3.1 牧草叶片高光谱数据提取
3.2 全生长期内不同月份牧草叶片光谱曲线变化
3.3 牧草营养成分化学值统计分析
3.4 高光谱最优预处理方法选择
3.4.1 不同光谱预处理方法的处理结果
3.4.2 牧草干物质含量最优光谱预处理方法选择
3.4.3 牧草粗蛋白含量最优光谱预处理方法选择
3.4.4 牧草中性洗涤纤维含量最优光谱预处理方法选择
3.4.5 牧草酸性洗涤纤维含量最优光谱预处理方法选择
3.5 牧草营养成分的光谱特征变量选择
3.5.1 基于SPA算法的特征变量选择
3.5.2 基于GA算法的特征变量选择
3.5.3 基于CARS算法的特征变量选择
3.5.4 基于RF算法的特征变量选择
3.6 基于特征变量选择的牧草叶片尺度营养成分检测模型构建
3.6.1 牧草干物质含量检测模型构建与选择
3.6.2 牧草粗蛋白含量检测模型构建与选择
3.6.3 牧草中性洗涤纤维含量检测模型构建与选择
3.6.4 牧草酸性洗涤纤维含量检测模型构建与选择
3.7 本章小结
4 无人机冠层尺度牧草营养成分检测
4.1 多光谱图像分析
4.2 多光谱植被指数的构建
4.3 牧草营养成分的光谱特征选择
4.3.1 基于相关性分析的牧草营养成分光谱特征选择
4.3.2 基于逐步回归的牧草营养成分含量光谱特征选择
4.4 基于不同建模方法的牧草营养成分预测模型
4.4.1 基于不同建模方法的牧草干物质含量建模分析
4.4.2 基于不同建模方法的牧草粗蛋白含量建模分析
4.4.3 基于不同建模方法的牧草中性洗涤纤维含量建模分析
4.4.4 基于不同建模方法的牧草酸性洗涤纤维含量建模分析
4.5 本章小结
5 卫星区域尺度牧草营养成分评估
5.1 基于非监督分类的草原分布提取
5.2 卫星遥感影像光谱分析
5.3 植被指数与牧草营养成分的相关性分析
5.3.1 Sentinel-2多光谱植被指数的构建
5.3.2 植被指数与牧草干物质含量的相关性分析
5.3.3 植被指数与牧草粗蛋白含量的相关性分析
5.3.4 植被指数与牧草中性洗涤纤维含量的相关性分析
5.3.5 植被指数与牧草酸性洗涤纤维含量的相关性分析
5.4 牧草干物质含量的模型构建与区域反演
5.4.1 基于植被指数的牧草干物质含量建模分析
5.4.2 牧草干物质含量的区域反演
5.5 牧草粗蛋白含量的模型构建与区域反演
5.5.1 基于植被指数的牧草粗蛋白含量建模分析
5.5.2 牧草粗蛋白含量的区域反演
5.6 牧草中性洗涤纤维含量的模型构建与区域反演
5.6.1 基于植被指数的牧草中性洗涤纤维含量建模分析
5.6.2 牧草中性洗涤纤维含量的区域反演
5.7 牧草酸性洗涤纤维含量的模型构建与区域反演
5.7.1 基于植被指数的牧草酸性洗涤纤维含量建模分析
5.7.2 牧草酸性洗涤纤维含量的区域反演
5.8 本章小结
6 结论
致谢
参考文献
攻读博士学位期间发表的学术论文
本文编号：3768581
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3768581.html
