花后浅地下水埋深对小麦高光谱特征的影响及叶绿素估算模型
吴启侠
晏军
朱建强
李东伟
周新国
郭树龙
1.中国农业科学院农田灌溉研究所,河南新乡453002;农业部商丘农业环境科学观测实验站,河南商丘476001;长江大学农学院,湖北荆州4340252.长江大学农学院,湖北荆州,4340253.中国农业科学院农田灌溉研究所,河南新乡453002;农业部商丘农业环境科学观测实验站,河南商丘476001
摘要：江汉平原春季雨水较多,小麦中后期易受渍害.[目的]将高光谱遥感技术应用于渍害监测,为渍害监测提供一种无损、快捷的诊断方法.[方法]在小麦花后设置不同地下水埋深(0、20和40 cm)处理,分别于处理后8、17、28 d监测小麦冠层光谱反射率和旗叶叶绿素量,分析了小麦花后浅地下水埋深对冠层高光谱特征的影响,并建立了叶绿素高光谱估算模型.[结果]小麦花后0 cm、20 cm地下水埋深持续17d左右时,小麦冠层反射光谱中蓝紫光波段与红光波段形成的2个吸收谷比40 cm的平坦,而2个吸收谷之间的反射峰变陡,红边位置发生蓝移,且地下水埋深越浅,持续时间越长,2个吸收谷越平坦,蓝移位移越大.浅地下水埋深胁迫小麦旗叶叶绿素a(Chla)、叶绿素b(Chlb)、叶绿素(Chl(a+b))量分别与红边位置(λr)、红边偏度(Sr)以及红边峰度(Kr)呈线性、线性和一元二次曲线关系.选取λr、Sr、Kr三个特征因子作为网络输入层建立BP神经网络模型估算浅地下水埋深胁迫小麦旗叶Chla、Chlb、Chl(a+b)量,建立的模型其拟合精度高(决定系数R2分别为0.842 5、0.700 2、0.850 8、均方根误差RMSE分别为0.146、0.048、0.173).[结论]以λr、Sr、Kr为输入层建立的BP神经网络模型可以作为估算浅地下水埋深胁迫小麦旗叶叶绿素量的高光谱估算模型.
关键词：小麦浅地下水埋深高光谱红边参数BP神经网络
分类号：S512(禾谷类作物)
论文发表日期：2018-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 29-35 )
英文信息