摘要

　　本论文以夏玉米为试验对象，在田间试验的基础上与室内化验相结合，利用高光谱遥感的前沿技术，分析在不同施氮量和不同生育期的条件下玉米光谱的变化规律，确定氮素水平和长势指标的适用光谱参数和植被指数。确定夏玉米各生理生化参数与冠层光谱的相关性，建立夏玉米地上部干物质量、植株含氮量、叶片叶绿素含量、叶面积指数、产量的高光谱预测模型。为快速及时地监测夏玉米的长势情况，指导夏玉米田间管理，推进精准农业的发展提供了数据和技术上的支持。取得的结果如下：

　　（1）夏玉米的光谱反射率在 550 nm 范围内有一个反射峰，称为"绿峰";在 680 nm 范围内有一个吸收谷，称为"红谷";在 760 nm 之后光谱的反射率曲线迅速增大，到达近红外范围后趋于稳定同时形成了一个较高的反射率平台。

　　从小喇叭口期到灌浆期，叶片的光谱反射率呈现逐渐减小的趋势。（350-760nm）波段的反射率无明显差异，（760-1100nm）波段则整体表现出在低氮处理下反射率较高，高氮处理下反射率低的趋势。

　　（2）从夏玉米的小喇叭口期到灌浆期，植株的全氮含量在整个生育期的推移过程中逐渐减少。而叶片叶绿素含量 SPAD 值、地上部干物质量、叶面积指数整体均表现出增大的趋势。同一生育期不同的施氮水平下，各农学参数均表现出随着施氮量的增加而增加，到 N3 水平达到最大值，N4、N5 水平各项指标下降的趋势。

　　（3）对不同生育期同一施氮量的水平下，植株的全氮含量随着生育期的推移而逐渐减少，其他三个指标均呈现上升的趋势。

　　（4）本论文在前人研究的基础上选择了 NDVI 和 RVI 两种植被指数和红谷、绿峰两处高光谱特征参量建立了与叶绿素含量 SPAD 值、地上部干物质量、植株的全氮含量、叶面积指数、产量的实测数据的回归模型，表现出了较好的相关性。

　　玉米产量的高光谱预测模型结合产量与不同施氮量的模型，最终可建立不同施氮量与光谱数据的关系模型，能够有效指导玉米生产。

　　综上可得：夏玉米的光谱反射率及各农学参数在不同生育期均表现出特定的规律。在不同生育期运用不同的光谱参量、不同的回归方程均能得出不同的结果。

　　对各农学参数的预测具有一定的适用性和指导性，同时也对玉米营养诊断与长势监测、产量与品质的预测和农业的精准管理都表现出重要的应用前景。

　　关键词：夏玉米；高光谱；遥感；参数；模型

Abstract

　　In this paper, summer corn was used as the experimental object. Based on the field design and laboratory tests, the spectral changes of corn under differentnitrogen application rates and different growth stages were analyzed by using the frontier technology of hyperspectral remote sensing. The suitable spectral parameters and vegetation index of nitrogen level and growth index were determined. The correlation between physiological and biochemical parameters of summer corn and canopy spectrum was established. A hyperspectral prediction model of shoot dry biomass, plant nitrogen content, leaf chlorophyll content, leaf area index and yield of summer corn was established. It provides data and technical support for monitoring the growth of summer corn, guiding the field management of summer corn and promoting the development of precision agriculture. The results were as follows:

　　（1）The spectral reflectivity of summer corn has a reflection peak in the range of 550 nm, called "green peak", and an absorption valley in the range of 680 nm, called "red valley", and the reflectivity curve increases rapidly after 760 nm. After reaching the near infrared range, it tends to stabilize and form a high reflectivity platform. The spectral reflectance of leaves decreased gradually from bell-filling stage to filling stage. There was no significant difference in reflectivity in the band of （350-760nm）， but the reflectivity in the band of （760-1100nm） was higher under low nitrogen treatment. The tendency of low reflectivity under high nitrogen treatment.

　　（2）From the small bell stage to the filling stage of summer corn, the total nitrogen content of the plant decreased gradually during the whole growth period. Leaf chlorophyll content, aboveground dry biomass and leaf area index all showed an increasing trend. At the same growth stage, the agronomic parameters increased with the increase of N application rate, and reached the maximum N4- N5 level at the N3 level and decreased at N4- N5 level.

　　（3）Under the same nitrogen application rate at different growth stages, the total nitrogen content of plants decreased with the growth period, and the other three indexes showed an increasing trend.

　　（4）On the basis of previous studies, two kinds of vegetation indices, NDVI and RVI, red valley and green peak were selected to establish chlorophyll content SPAD

　　value, above ground dry biomass, plant total nitrogen content, leaf area index. The regression model of the measured output data shows a good correlation. The hyperspectral prediction model of maize yield combined with the model of yield and different nitrogen application rate can establish the relationship model between different nitrogen application amount and spectral data, which can effectively guide maize production.

　　Key words:Summer corn;Hyperspectral spectrum;Remote sense;Parameters;Model

目录

　　1引言

　　1.1研究背景

　　玉米作为世界上重要的粮食产品，也是重要的工业和饲料原料，年总产量已位居粮食首位，超过了小麦和水稻。在我国的产量位居第二，播种面积占居第三（李自学，2004）。目前已成为我国第一大粮食作物品种，更是一些地区赖以生存的口粮，对我国GDP的增长起着不可忽视的作用。因此加速发展玉米产业，提高玉米的品质与产量是现阶段研究的重要突破口（李振，2012）。

　　随着近几年来氮肥用量的快速增长，对土壤、水体及大气环境都产生了极其负面的影响，造成了农业的面源污染，甚至对人类及其它生物生存环境都产生了不可估量的损害（王亚丽，2003）。据《中国统计年鉴1999》记载，19世纪八十年代我国的氮肥施用量为9.3×106t,而仅仅是过了二十年的时间则增长到了2.2×107t,致使我国成为氮肥的消耗和生产大国（谢建昌，1998）。虽然氮肥施用量的增长提高了粮食产量，但是更严重的是加大了对环境的污染程度，滋生环境恶化问题，破坏生态平衡。

　　由此，国家发改委充分发挥重大工程项目的引导作用，全面推动"十三五"规划的大力实施。"十三五"规划为国民经济发展远景规定目标和方向：大力发展生态友好型农业。实行三个全面：全面推行测土配方施肥技术，全面实施化肥农药使用量零增长行动，全面提高农药的精准高效使用。建立可持续发展的农业试范园区（中共中央关于制定国民经济和社会发展第十三个五年规划的建议，2015）玉米作为我国绝大多数人口所依赖的重要粮食作物，产量与品质一直受到广大人民的关注，如何进行大面积的粮食生产与监测已成为最凸显的问题。由于华北地区地势平坦，土壤条件适宜，小麦与玉米便成为了主要的粮食作物，其种植收益在农民全年收入中所占比重较大，甚至部分地区以此为生活的根本。同时由于华北地区地势平坦，土壤肥力丰沃，温度适宜，适合种植大田作物。冬小麦-夏玉米的轮作便成为了主要的种植方式，能够在一定的土壤基础上充分利用土地在时间上的优势，提高了农民的经济效益。因此大力提高玉米的生产效率已迫在眉睫。国家同时也出台了"十三五"规划中的双减政策，旨在减少化肥农药的使用量，保证环境生态的可持续发展。

　　所以玉米产量效率的提高更需要依赖于农业科技技术的支持，传统的检测手段难以快速、准确地对玉米实施监测。而遥感技术作为现代信息技术最发达的产物，不仅具有快速、便捷地获取农业、环境和气象信息的优点，还能够准确的获取各种植物生长的定量信息（殷紫，2016）。

　　高光谱遥感起源于上世纪70年代，是在分子、原子结构理论和量子力学基础上发展起来的，是用于识别分子、原子类型及其结构的实验科学（浦瑞良，2000）。具有分辨率高、信息量大、波段连续性强的优点，能够以较强的光谱分辨率表达出那些具有不同光谱特征的地表植被作物（殷紫，2016）。为准确、快速分析植被作物物理、化学参数提供科学的依据。故本研究响应国家"十三五"号召，利用高光谱遥感技术，对华北地区夏玉米的营养生长状况进行快速、无损的监测，同时获取对应时期玉米植株的光谱及生理参数，建立适合于当地作物植株吸氮量的普适模式，最终确立基于被动作物冠层传感器的玉米精准氮素管理策略。

　　1.2国内外研究进展

　　1.2.1氮素的作用

　　氮素是植被作物中叶绿素、蛋白质、核酸和许多酶的重要组成成分，能显着影响作物的生长、发育、产量和品质。在实际农作生产中，氮素的缺失与否影响着作物的生殖生长状况，继而影响作物的产量和品质，而施加氮肥则可以有效改善作物生长发育不良的状况，实现高产优质（ScherommP,1993）。同时随着化肥施用量的增多，土壤氮素面源污染的问题日益严重，最突出的问题是土壤中的硝态氮含量迅速增加，且随着种植时间的推移，土壤中硝酸盐含量越多，对地下水和大田作物都产生了污染。

　　综上所述，氮素既是提高作物产量的决定因素，也是导致农业环境污染的"祸根".

　　因此合理施用氮肥也就自然而然地成为大田作物实现高产高效的重要措施。就如何快速、精准、大面积地监测和诊断作物氮素营养生长状况问题，是确定科学管理施肥的重点，是提高作物产量、品质和氮肥的利用率的关键（章明奎，2005）。

　　氮素在植被作物中的合理施用是保障作物健康生长的关键。利用传统的化学分析诊断方法，具有一些耗时耗力、诊断慢等缺点，很难快捷、高效地运用于植被作物的施肥指导。同时外观诊断方法存在着一定的主观性和滞后性，达不到精准施肥的目标。

　　近年来，随着信息科技技术的飞速发展，探讨应用新技术、新方法进行作物的营养诊断已渐渐成为研究的焦点，这既体现出当代农业绿色发展的思想，又有利于促进现代农业的可持续性发展（陈志强，2013）。

　　通过高光谱遥感监测夏玉米整个生育期内的光谱波段变化，研究玉米的光谱反射率与叶片叶绿素含量、叶面积指数、植株地上部干物质量、产量等相关参数之间的联系，可以为遥感估产和监测作物长势提供相应的依据（ShibayamaM,1989）。随着近几年高光谱遥感的快速发展，能够对植被作物进行定量的光谱分析，在植被遥感研究领域中发挥了重大的作用（VaneG,1993）。因为在可见光的范围内，植被作物叶片的光谱反射率的大小变化主要与植被作物覆盖度和色素有关，在近红外区域则主要受植被作物的地上部生物量、蛋白质和叶片冠层结构的影响（GausmanHW,1970）。

　　所以，在遥感研究中，常采用植被指数（NDVI、DVI、RVI）来寻找关键的光谱变量。

　　用它们来估测作物的生理参数，进行植被作物长势监测与产量的估算（I.FILELLA,1994）。高光谱遥感技术的出现，对植被作物的生长进行快速、无损地监测提供了便利（梁亮，2011）。玉米作为一种重要的科学研究的模式植物和经济作物，其生长状况的监测和产量的预测受到了广泛的关注。

　　1.2.2作物长势研究

　　1.2.2.1叶面积系数研究进展

　　叶面积指数（LAI）指的是在单位地面的面积上植物叶片照射在地面上阴影面积的总和（赵英时，2003）。是反映植物长势的一个重要的生理学参数，为植物作物的生长发育和新陈代谢提供准确的信息，是表达众多植被作物生理生态的重要的参数，也是进行产量估测的重要农学指标之一（谢巧云，2014）。

　　从19世纪80年代开始，国内外就开始利用遥感数据来预测植被作物的LAI值。

　　获得叶面积的测量方法有直接和间接两种（GowerST,1999）。直接测量法包括系数法、叶面积仪法、画图法、干重法等。间接测量法则是指借用光学测定仪器（如LAI-2200C）直接测量植被作物而得到最终的测量结果（周宇宇，2003;Chen,997;HyerandGoetz,2004）。用仪器测量的方法相对于直接测量的方法具有省时、方便、快捷的优势，然而其精度却不如直接测量法准确。因为用仪器测量本身容易受到太阳光照强度的影响。除此之外，仪器在实际测量中也只能表达一小地集中地块植被的LAI大小，对于大面积LAI的数据获取则有明显的局限性（邵田田，2012）。Wiegand（1992）研究表明，植被作物的归一化差值植被指数（DVI）与叶面积指数有一定的相关性，能够较好的预测叶面积指数含量。赵巧丽等（2008）分别用NDVI和RVI与叶面积指数进行回归比较分析，结果表明植被指数NDVI能够较好地预测叶面积指数。谭昌伟等（2004）研究表明，在夏玉米的不同时期光谱反射率与LAI的预测模型大不相同，同时指出LAI与R810和R560处的光谱指数的比值有较强的相关性。

　　GuptaRK（2003）也提出大喇叭口期730nm波段处的RVI与冬小麦LAI模型的精度较高，能够建立预测模型。刘桂鹏（2016）研究指出：在850nm处建立的高光谱反射率的一阶导数与LAI的指数模型，能够很好地预测植被作物的LAI含量，同时对及病虫害监测也起到了一定的指导作用（HaboudaneD,2004）。

　　1.2.2.2生物量研究进展

　　地上部干物质量（Biomass）是生态系统中重要的生理生化参数之一，是用于表示植被作物的生长发育状况和指导农业生产的重要指标参数（ShibayamaM;唐延林等，2004）。研究表明，地上部干物质量与植被作物的光和利用效率以及产量之间有一定的相关性。传统的测量方法存在着耗时耗力、诊断速度慢、具有破坏性等诸多缺点。随着近几年遥感技术的快速发展，正以其独特的准确、无损等优点渐渐地登上农业监测的舞台。薛利红等（2003）；谭昌伟等（2004）研究认为：结合利用光谱波段中的可见光、近红外光两者波段的信息可显着增强地上部干物质量的预测精度。

　　PrasadS等（2000）研究指出，归一化植被指数NDVI与地上部干物质量建立的预测模型，可有效预测玉米的生长状况，准确率达80%.傅玮东（1997）分别分析了生物量与RVI和NDVI的关系，结果表明植被指数NDVI下的指数模型预测效果较好。HansenPM（2003）研究结果表明植被指数NDVI（560-710nm）波段与冬小麦灌浆期的生物量有较高的相关性，相关系数R2=0.8.TakahashiW等（2000）则是利用光谱波段中的可见光和近红外光两者的光谱反射率建立和水稻生物量的预测模型。而刘冰峰（2016）表明在植被作物大喇叭口期、吐丝期、灌浆期和成熟期的植被指数均可较好的用于预测夏玉米地上干生物量。

　　1.2.3作物生化参数研究

　　1.2.3.1叶绿素研究进展

　　叶绿素是植物体进行光合作用和能量代谢交换的重要物质，能够实时地反映绿色植被作物的生长健康情况（宋开山等，2006）。绿色植物叶片中的叶绿素含量不仅能够作为指示植被作物生长发育的指标，同时也体现着与外界物质交换能力程度的大小。所以，依靠遥感技术能够迅速快捷地对不同时期的夏玉米的叶绿素含量进行诊断与预测（童庆禧2006）。

　　叶绿素仪的工作原理是通过测量一定波长的发射光强和透射光强之间的差值进行叶片叶绿素含量的测定。最近几年叶绿素仪在作物叶片的测量上已取得了较好的应用效果。利用SPAD值代替叶绿素含量，具有简便、快捷的优点。且不外界环境的制约，能为农业大面积叶绿素含量的测定提供极大的便利（AsaiH,2009）。杨海清（2009）研究指出，680-780nm的光谱反射波段可以与植被作物的SPAD值建立较好的模型。

　　王晓飞（2010）研究指出，夏玉米大喇叭口期处的NDVI与SPAD值的直线模型能够预测叶绿素的含量。HaboudaneD等（2002）发现在尽量减少和土壤背景的影响下，植被作物叶片SPAD值与光谱反射率模型的决定系数达到0.8以上。武倩雯等（2015）利用线性与非线性相结合的分析方法得出在夏玉米抽雄期SPAD值与730nm处的光谱反射率有极高的相关系数，能够很好地预测夏玉米的SPAD值。CigandaV（2009）利用R（720-730nm）/（770-800nm）的光谱反射率数值进行了分析，最终得出该模型能够准确地预测玉米的叶绿素含量。

　　1.2.3.2植株氮素研究进展

　　氮素是植被作物生长发育过程中必不可少的营养元素，更是对作物影响最为重要的营养元素，也对作物的产量和长势有重要的意义（GallowayJN,2004）。氮素的缺失状况能直接表现在玉米冠层的光谱特性上。测量玉米氮素的技术可以提供有效的管理措施。为之后探索氮素与光谱反射率波段的模型研究以及作物长势监测打下了基础。

　　ThomasJR（1972）指出植被作物叶片的光谱反射率在氮素胁迫的情况下表现出上升的趋势。易秋香（2005）研究表明不同品种的夏玉米的光谱反射率和全氮的对应关系，采用回归分析方法，对玉米的光谱反射率、NDVI、反射率的一阶导数分别进行了相关性分析，最终得出结论：夏玉米的全氮含量与760nm处的光谱反射率的一阶导数所构建的指数模型相关性最优。BlackmerTM等（1996）使用便携式分光辐射计来测量玉米的反射率，回归分析显示（550-710nm）的反射率相比较（450-650nm）的反射率更能准确的表达与氮素的相关性，同时也指出R（570-620nm）（/820-910nm）的反射率的更能精确地预测氮素的含量。王磊（2005）研究认为，在夏玉米的大喇叭口期和绿峰处的光谱反射率建立的预测模型，所得出结果的精度最高。StoneML等（1996）在670nm和780nm两个光谱反射波段建立的植被指数可以较好地预测小麦的全氮含量。SchepersJS等（1996）研究了不同施氮量的水平下和玉米光谱特征的关系，指出氮素缺失能够明显地使可见光中的绿光反射率升高。综合以上可得，在植被作物的监测过程中，利用氮素光谱诊断模型能够很好地应用在实际农作物的生产生活中。

　　1.2.4作物产量研究

　　作物产量的估测和作物氮营养诊断如出一辙，也是人们长期注意的焦点。及时、快速、有效地预测作物产量对国家宏观政策的调控、粮食市场的动态把握、和粮食的贸易进出口都发挥着重要的作用。尤其是当遇到自然灾害时，对作物产量损失的预测会对国家的维稳起到未雨绸缪的作用。当前遥感技术如日中天，已经广泛地应用到各种植被作物的产量预测中，成为各个研究领域的重点（吴炳方，2004）。

　　在农作物遥感估产过程中，如何对植被作物的产量进行精准预测各个行业探讨研究的方向（徐新刚等，2008）。有关作物产量的遥感预测模型中，常用的植被指数有NDVI、DVI、RVI.MaBL（1996）表明：夏玉米开花吐丝期的NDVI能够很好地预测产量，并能表示氮素受胁迫的状况；FerrioJP等（2005）研究表明运用小麦可见光和近红外二者的光谱反射率的比值，能够较高的预测小麦的产量，但相关性较低；杨智等（2008）表明，可在夏玉米的拔节期处的RVI处建立光谱参数与小麦产量的模型。

　　白丽等（2008）研究指出，结合DVI和棉花产量进行相关分析，各生育期均能与棉花产量建立相关的预测模型，灌浆期的模型精度最高。IdsoSB等（1980）利用（500-600nm）、（600-700nm）两个光谱波段的平均植被指数的NDVI与小麦和大麦的的产量建立模型，相关系数达到0.8以上。刘良云等（2004）研究指出在小麦的整个生育期，分别运用高光谱数据与小麦产量进行分析，得出结果：在起身后期，可见光波段的反射率与产量呈负相关的显着关系，而近红外波段的光谱反射率在整个生育期中都表现出显着的正相关。最终确定建立以（890-1200nm）处的植被指数NDVI和小麦的产量预测模型，为小麦的生长发育发挥了一定的指导作用。

　　1.2.5研究的迫切性和必要性

　　由于华北地区地势平坦，小麦与玉米成为了主要的粮食品种，其种植收益在农民全年收入中所占比重相对较多。这使得当地农民种植玉米的范围进一步加大，因此，切实保障华北地区农民种植玉米的收益，也再度成为关注焦点之一。但华北的西北部部分地区旱地情况依然不容乐观。受灌溉条件限制，靠天吃饭现象还很明显，局部地区甚至有绝收的可能。同时受到国内玉米产销结构影响，我国已由玉米净出口国向进口国转变，预计以后玉米的供需矛盾会进一步加强。以上种种表明，大力提高华北地区玉米的生产效率势在必行。而玉米产量的提高则有赖于农业科技的支持，故本研究响应国家"十三五"号召，致力于玉米产量的提升、生产效率的提高，为全社会贡献一份微薄之力。

　　玉米的粮食安全问题一直以来都是各个领域关注的焦点。而氮肥的施用量的变化能引起玉米冠层生理形态、叶片色素等变化，进而影响粮食安全问题。高光谱数据则可以将这些特征以一定的方式表现出来，从而达到预防的目的。运用高光谱遥感技术，可以对玉米的营养生长发育状况进行快速、无损地监测。由于华北地区地处温带大陆季风性气候，植被作物大都一年两熟或两年三熟，能够有效提高农民的经济效益。故本试验选取华北地区轮作作物夏玉米为研究对象，通过对夏玉米冠层的光谱特性的研究，建立相关的预测模型综上所述，由于高光谱遥感具有迅速、无损测量的优点，可显着增强对植被作物的农学参数的探测能力，可以快速获取农田作物生长状态的实时信息，提高作物生长监测的精度和准确性，为实施精准农业提供重要的技术支撑。

【由于本篇文章为硕士论文，如需全文请点击底部下载全文链接】

　　1.3绿色植被的光谱特征及生长监测的光谱学原理
　　1.3.1绿色植物有效光谱响应特征
　　1.3.2利用光谱反射率作为估测方法
　　1.3.3利用植被指数作为估测方法
　　1.4研究思路与技术路线
　　1.5数据分析方法

　　2材料与方法
　　2.1研究区概况及内容
　　2.2试验设计
　　2.3测量指标与方法

　　3结果与分析
　　3.1不同生育期夏玉米叶片的光谱响应
　　3.2不同生育期夏玉米不同施氮量对农学参数的影响
　　3.3不同生育期夏玉米植株全氮含量高光谱预测模型

　　3.4不同生育期夏玉米地上部干物质量高光谱预测模型
　　3.4.1小喇叭口期NDVI与地上部干物质量关系模型
　　3.4.2小喇叭口期RVI与地上部干物质量关系模型
　　3.4.3大喇叭口期NDVI与地上部干物质量关系模型
　　3.4.4大喇叭口期RVI与地上部干物质量关系模型
　　3.4.5灌浆期RVI与地上部干物质量关系模型
　　3.4.6不同时期光谱特征参数与干生物量关系模型集合

　　3.5不同生育期夏玉米叶片叶绿素SPAD值高光谱预测模型的建立
　　3.5.1小喇叭口期绿峰与SPAD值关系模型
　　3.5.2大喇叭口期红谷与SPAD值关系模型
　　3.5.3大喇叭口期绿峰与SPAD值关系模型
　　3.5.4灌浆期红谷与SPAD值关系模型
　　3.5.5灌浆期绿峰与SPAD值关系模型
　　3.5.6不同时期光谱特征参数与SPAD值关系模型集合

　　3.6不同生育期夏玉米LAI高光谱预测模型
　　3.6.1小喇叭口期NDVI与夏玉米LAI关系模型
　　3.6.2大喇叭口期红谷与夏玉米LAI关系模型
　　3.6.3大喇叭口期NDVI与夏玉米LAI关系模型
　　3.6.4大喇叭口期RVI与夏玉米LAI关系模型
　　3.6.5不同时期光谱特征参数与LAI关系模型集合

　　3.7夏玉米产量与高光谱预测模型
　　3.7.1小喇叭口期NDVI与产量关系模型
　　3.7.2小喇叭口期RVI与产量关系模型
　　3.7.3不同时期光谱特征参数与产量关系模型集合

4 结论与展望

　　4.1 结论

　　运用植被作物的光谱反射率和植被指数进行反演和分析，建立相关性较高的预测模型可来快速、有效、准确地获取作物的生长状况，对植被作物实现长势和营养的监测。为精准农业的发展提供科学的依据。目前我国粮食面临着供需不平衡的窘况，而利用高光谱遥感技术可以有效地解决粮食作物的生产问题和安全问题。最终得出的主要结论如下：

　　（1）从小喇叭口期到灌浆期，叶片的光谱反射率随着生育期的推移而呈现逐渐减小的趋势。（350-760nm）波段的反射率无明显差异，（760-1100nm）波段则整体表现出在低氮处理下反射率较高，高氮处理下反射率低的趋势。

　　（2）同一施氮量不同生育期的水平下，植株的全氮含量在整个生育期的推移过程中逐渐减少。而叶片叶绿素含量、地上部干物质量、叶面积指数整体均表现出增大的趋势；同一生育期不同的施氮量水平下，各农学参数均表现出随着施氮量的增加而增加，到 N3 水平达到最大值，N4、N5 水平各项指标下降的趋势。

　　（3）施氮量对夏玉米的产量影响较为明显。在 N0-N3 施氮水平下，产量逐渐增加。当施氮量为 244 kg·hm-2（N3）时产量达到最大值。此时继续增加施氮量玉米的产量反而下降。因此选择适当的施氮水平最为关键，既能提高产量又能避免过多的成本浪费。对于蠡玉18号的夏玉米来说，适宜的施氮量在 225 kg·hm-2至 300 kg·hm-2之间，产量相对较高。

　　（4）在各生育期建立夏玉米的的光谱特征参量和各农学参数的方程模型。分析比较各种预测模型的回归效果的相关性和显着性，遴选出各个生育期最具准确性的预测模型。最终确立：灌浆期绿峰 Rg 与所得函数 y =7618x2-363.1x+62.83（R2=0.92）模型最能准确的估算玉米叶片 SPAD 值；灌浆期的 RVI 回归方程 y = 85.96x2- 2754x +28699（R2=0.628）模型与玉米地上部干物质量具有较高的相关性，说明预测模型能够有效估测玉米地上部的生物量；大喇叭口期的 RVI 植被指数方程 y=0.021x2-0.7x+7.853（R2=0.699）的相关性最好，对预测植株的全氮含量具有指导意义；大喇叭口期的 RVI 与玉米叶面积指数相关性最好，达到显着水平，所得的回归方程为 y =0.004x2-0.157x+5.87（R2=0.838）。对于玉米产量的高光谱预测模型，小喇叭口期的植被指数 RVI 与产量的关系最密切。所得函数模型为 y = -12449x2+ 18487x- 56579（R2=0.539）。

　　（5）玉米产量的高光谱预测模型 y = -42.02x2+ 548x + 10156 结合不同施氮量的二次方程 y = -3E-05x2+ 0.013x + 10.24,最终可建立不同施氮量与光谱数据的关系模型。

　　4.2 展望

　　（1）本试验对夏玉米冠层光谱特征参数的研究和与各个农学参数的相关关系进行了较为细致的探索，构建了不同类型的模型，取得了较好的结果。但是由于本试验是定点的大田试验且为第一年试验，数据分析不太精确。另外，由于试验人员的不足，试验步骤还不够细化。同时在农学参数的检测上也会有一些不可避免的误差，使得原始数据精度有一定缺陷。本次试验中也对其他的农学参数（株高、有效磷、速效钾、植株的硝酸盐含量）等进行了研究，但所得数据均与光谱参数的相关性不高，故本论文只选取了对光谱参数有明显规律的 SPAD 值、LAI、地上部干物质量和植株的全氮含量进行了研究分析，并得出了结果。随着试验时间的增长，将来其他的农学参数的遥感监测规律也会慢慢显现出来，从而更加有利于全面地建立各项农学参数与光谱的关系作为指导农作物生产的基础。

　　（2）运用不同的光谱特征参量建立与夏玉米各农学参数的回归模拟模型，得出的结论也不尽相同，同时不同的模型所适用的区域、植被也有所不同。所以未来在对光谱特征参量的选择上应该更加全面、细化，甚至还可以创新地设计出新的更完整的植被指数，建立精度更高、普适性更强的模型。

　　（3）本试验也有一些不可避免的缺陷，试验所用数据为一年数据，所得模型的精确度和准确性还有待提升。只有在大量数据的基础上，才能有利于预测模型的稳定性和准确性。因为只有一年数据，模型精度的检验也未能进行，这些都是本试验的一些不足之处。

　　（4）本研究是基于同一地区种植的夏玉米研究其冠层光谱特征参数与农学参数之间的相关性，最终建立的预测模拟模型，对一定地区的夏玉米的长势监测和生产指导有较强的适用性。同时也对其他地区其他品种的植被作物的监测研究有一定的指导作用。但根据前人的研究结果表示对于不同作物不同品种所得出的预测模型也大有不同，很少有统一的模型应用于不同作物、不同品种的生长及营养监测。因此只能应用于一小块集中地的指导。

　　参考文献
　　作者简介
　　致谢

【由于硕士论文篇幅较长，此页面不展示全文，如需全文，请点击下方下载全文链接】

TAG标签： 夏玉米     高光谱     遥感