论文总字数：7482字

摘 要

本文利用2个冬小麦品种，5个氮水平的小区实验，研究冬小麦叶面积指数与GreenSeeker所测NDVI的相关性，并构建了基于NDVI的LAI反演模型，模型为，模型R²=0.819，模型适用性较好。

关 键 词:冬小麦，叶面积指数，光谱检测技术，NDVI，GreenSeeker

Abstract：

In this paper, using 2 winter wheat cultivars, experiment 5 nitrogen levels,correlation between leaf area index and GreenSeeker of winter wheat on the NDVI, and construct the LAI inversion model based on NDVI, model,model R²=0.819, the model is applicable for.

Keywords：Winter Wheat, Leaf Area Index, Spectrum Detection Technology, NDVI ，GreenSeeker

目录

1 前言 4

1.1 叶面积指数 4

1.2 叶面积指数的测量方法 4

1.2.1 直接测量法 4

1.2.2 间接测量法 5

1.3 高光谱遥感技术 5

2 材料与方法 6

2.1 试验方案 6

2.2 实验器材 6

2.3 实验方法 7

2.3.1 LAI的测量 7

2.3.2 NDVI的测量 7

3 数据分析 8

3.1 NDVI随氮肥处理和小麦不同生育期的变化 8

3.2叶面积指数随氮肥处理和小麦不同生育期的变化 10

4 基于NDVI的LAI反演模型的构建 12

结论 13

参考文献 14

致谢 15

1 前言

小麦是世界上最重要的粮食作物之一，在我国小麦是仅次于水稻的第二大粮食作物^[1]。然而，随着经济的发展，农业生产面临新的挑战，即中国人多地少，农业资源短缺，人增地减的趋势在相当长的时间内仍难以遏制^[2]。

光合作用是绿色植物所持有的特有生命现象，离开了光，植物光合作用就无法进行。在自然条件下，植物所需要光能的唯一来源是太阳光。叶子作为绿色植物光合作用的重要器官，它是植物接受太阳光并能把它转化成为生物化学能的主要部位，因此它与光的关系最为密切^[3]。另一方面，叶片又是光合作用的主要产所，叶面积对小麦产量形成了较大的影响。叶面积的差异可以影响植株空间分布和群体内微环境，进而对光能利用分配和群体的光合效率起着决定性作用^[4]。同时叶片又是光合作用作物产量形成的基础，光是光合作用的能量来源。因此，叶面积指数直接影响作物产量的高低。

1.1 叶面积指数

作为描述植被冠层结构重要参数之一的叶面积指数（leaf area index，LAI）是一个关键的表征植被生长状况的物理量。LAI是指单位土地面积上植物的总叶面积，是反映作物长势的一个重要生物学参数，它与植物的蒸腾作用、太阳光的截取、光合作用以及净初级生产力等密切相关^[5]。同时叶面积指数也是作物群体结构的重要量化指标，是群体属性之一，常被用来作为植被状况的指示器。另一方面植物叶面积指数的变化与其光合能力、生长发育以及氮素状况有较好的相关性，通常被称为检测植物生长发育和营养状况的指示器。因此通过检测作物生育期内的光谱变化，研究作物高光谱植被指数与叶面积之间的关系，使人们能够定性描述和定量分析作物的生长状况，为农业生产管理提供技术支持。

1.2 叶面积指数的测量方法

主要的地面实测叶面积指数方法可分为直接测量法（田间采样调查、落叶收集法和点接触法等）与间接测量法(光学测量仪和相机拍摄法等)两类测量方法。

1.2.1 直接测量法

田间采样调查法，具有一定破坏性，且耗资多，工作效率低，不利于田间叶面积指数的大面积快速获取^[6]。落叶收集法对四季分明的落叶树种非常适合，但是对于那些常绿树种就无用了。点接触法是通过用一头尖的细棒以不同的顶角和方位角插入植冠，然后记录细棒从冠层顶部到底部的过程跟棒尖相接触的叶片数目来计算叶面积指数。此方法对于高大的林木禾叶子高密度的针叶林是不实际的。总之，这些方法工作量大，费用高，难于应用于大区域LAI的检测，对观测作物植株的损伤性和破坏性也影响了其在定点重复观测上的应用。

1.2.2 间接测量法

光学仪器（TRAC、AccuPAR、LAI-2000植物冠层分析仪和CI-110等）测量法可以快速进行大面积测量，不破坏林木，节省人力物力，但是也各有弊端。除了TRAC外的测量仪器都是假设叶片空间的分布是随机的，不考虑叶片的集聚效应，测出的是有效叶面积指数。虽然间接测定方法减少了对植被和环境的破坏，会随着技术的完善和理论水平的提高而得到进一步的发展，但是繁重的工作量，耗时又耗力，在大范围测定中依然难以广泛应用^[7]。

1.3 高光谱遥感技术

遥感技术的迅速发展，高光谱分辨率遥感成为实施精细农业重要工具之一，可应用于获取农作物生长环境及生长状况的精确信息。近年来，随着高光谱遥感技术的发展和应用，农业信息技术研究在农作物长势和估产方面得到了长足的发展，显著提高了作物生产的动态监测和管理决策的科学性，取得了较好的经济、社会和生态效益，同时对保证粮食安全具有十分重大的意义。

遥感技术以其不直接接触目标物、快速、覆盖面积大、周期短、费用低等优点为大区域作物面积获取、长势监测与产量估测提供了重要的技术支撑。作物的叶面积指数与遥感植被指数间有较好的相关性。植被指数是卫星遥感数据多波段间经过不同组合的表达方式，不同的表达方式具有特定的意义，对植被特征的理解有所不同。NDVI是最常用的植被指数，前人利用NDVI进行长势监测、产量估算以及籽粒品质监测等方面做了大量研究，形成了较好的理论基础，但是这些研究多数基于单景遥感数据开展的。随着近年大量卫星发射成功，多源遥感的利用将成为农业遥感研究热点。因此，利用多源卫星数据对冬小麦进行监测，在分析不同时期NDVI和LAI关系的基础上，建立LAI的最优遥感反演模型，形成利用多源遥感数据快速获取大片叶面积指数的方法，旨在为大田冬小麦长势信息监测提供技术支持^[8]。

高光谱成像技术是在多光谱成像的基础上发展而来的，在较宽的波段范围内，利用成像光谱仪对目标物体进行连续成像，从而获得每个像元的数十或者数百条光谱信息。其成像特点是：光谱范围广（200—2500nm）、超多波段（上百个波段）、高的高光谱分辨率（几个nm）波段窄（≤10λ）和图谱合一等^[9]。由于所获得的图像信息不仅可以反映物体的大小、形态、缺陷等外部特征，而且不同物体因结构和成分不同使光谱吸收液不同，从而可以用于物体内部的物理结构和化学成分的检测^[10]。

2 材料与方法

2.1 试验方案

实验冬小麦品种为淮麦31（H）、徐麦31（X），共5个氮肥处理，3次重复，共30个小区，小区面积为20m²（4m×5m），基本苗为13万苗/667m²。

氮肥水平：0、9、18、27、36kgN/667m²。基追比为5:5。试验的处理编号见表1，小区分布见图1。

剩余内容已隐藏，请支付后下载全文，论文总字数：7482字