农业遥感技术研讨会-陈鹏飞

氮素营养指数(NNI)遥感反演研究,陈鹏飞1,2王纪华2NicolasTremblay31中国科学院地理科学与资源研究所（pengfeichen-001）2国家农业信息化工程技术研究中心3加拿大农业部园艺研究与发展中心,一.研究背景、目的及技术路线二.试验设计与数据获取三.结果与分析四.结论五.展望,一.研究背景、目的及技术路线,研究背景氮肥优化管理的重要性减少环境污染增加农民收益氮肥优化管理的基本步骤氮素营养诊断施肥策略优化,氮素营养诊断的新方法NNI,温性禾草或豆科牧草(LemaireandGastal,1997),热带禾草(Duruetal.,1997),玉米(PlnetandLemaire,2000；Ziadietal.,2008),高粱(PlnetandCruz,1997),水稻(Sheehyetal.,1998),大豆(Neyetal.,1997),土豆(Teietal.,2002)，小麦（Justesetal.,1994）,LemaireG.,JeuffroyM.H.,Note:Significantat0.01level,诊断作物植株氮浓度光谱指数的研究,诊断作物生物量光谱指数的研究,光谱指数间比较与分析,光谱指数间比较与分析,诊断作物生物量光谱指数的研究,饱和,饱和,饱和,光谱指数间比较与分析,诊断作物生物量光谱指数的研究,饱和,饱和,光谱指数与小麦、玉米+小麦地上干生物量间的定量关系,表8基于2004，2006，2007，2008年玉米及2005年小麦数据，各光谱指数与地上干/鲜生物量间的定量关系。线性、对数、指数、冥函数模型分别用来拟合回归曲线，表中为最优拟合结果(R2),光谱指数间比较与分析,诊断作物生物量光谱指数的研究,诊断作物生物量光谱指数的研究,ASD验证结果,表9基于2005年玉米数据RTVI验证结果(n=42)Table9ValidationresultsofRTVIbasedoncorndatabaseof2005(n=42),注释:*0.01水平极显著Note:*Significantat0.01level,图7基于CASI影像计算的2005年玉米地上干生物量空间分布图.预测干生物量由RTVI的预测方程计算得来.图中数字代表不同的施肥量，单位为kgNha-1.玉米地上干生物量的范围为43.96gm-2(红色)到520.31gm-2(深蓝色).Figure7MapofdrybiomassfromaCASIhyperspectralimageofsummer2005forcornfield.PredicteddrybiomasswascalculatedusingpredictiveequationofRTVI.Numbersinthefigure(0,53,105,and158)representamountofappliednitrogenexpressedinkilogramsperhectare.Abovegrounddrybiomassrangesfrom43.96gm-2(reddishtones)to520.31gm-2(bluishtones).,GPS点:0.51*(R2);73.2gm-2(RMSE),CASI影像验证结果,基于ASD的NNI遥感反演精度评价,图8预测NNI与实际NNI关系图(n=42)Figure8RelationshipbetweenpredictedNNIandactualNNI(n=42),NNI遥感反演精度评价,图9基于2005年CASI高光谱影像田间玉米NNI空间分布图.预测NNI由RTVI、DCNI及玉米关键氮浓度曲线计算得来.图中数字(0,53,105,和158)代表不同的追肥量,单位:kgNha-1.Figure9MapofNNIofcornfromaCASIhyperspectralimageofsummer2005forcornfield.PredictedNNIwascalculatedusingRTVI,DCNIandcriticalNcurve.Numbersinthefigure(0,53,105,and158)representamountofappliedtopdressingnitrogenexpressedinkilogramsperhectare,unit:kgNha-1.,GPS点：0.53*(R2),NNI遥感反演精度评价,四结论,双峰冠层氮光谱指数DCNI根据作物反射光谱曲线上的双峰变化设计而成,考虑了叶面积和土壤背景的影响,具有较好诊断植株氮浓度的能力，且不受作物类型的影响。红边三角光谱指数RTVI克服了已有光谱指数的缺点，其在较高生物量水平下，仍能维持对生物量变化的高敏感性。利用RTVI，DCNI及关键氮浓度曲线