摘 要：水稻叶面积指数是评价其长势以及预测其产量的重要农学参数，光谱遥感能够实现快速无损地监测叶面积指数。本文以中国江苏省淮安市为研究区域，以连粳7，宁粳4和武运24,镇稻11为实验材料，设置4个不同的氮肥水平：0、8、16、24kgN/667m2。本文采用GreenSeeker与CGMD302测得水稻叶片的光谱数据，通过计算，得到植被指数，再对叶面积指数与植被指数进行研究。结果显示，叶面积指数（LAI）和归一化植被指数（NDVI）、比植被指数（RVI）、正交植被指数（PVI）均随施氮量的增加而增高，并且随水稻生长期不同呈先增大后减小的趋势。构建了水稻叶面积指数的反演模型，发现GreenSeeker的归一化植被指数对叶面积指数的的拟合度最好，R2达到0。7042，能够满足实际应用的需要。78274

毕业论文关键词：水稻，叶面积指数，多光谱无损检测，植被指数,NDVI,RVI

Abstract:Rice leaf area index is an important agronomic parameter to evaluate the growth and yield of rice。 Spectral remote sensing can achieve rapid and noninvasive monitoring of leaf area index。 This paper in Huaian City, Jiangsu Province, China as the study area, 7 to even the japonica, Ningjing 4 and Wu transport 24 as experimental material, set four different nitrogen levels: 0, 8, 16, 24kgN/667m2。 The rice leaf spectral data measured by GreenSeeker and CGMD302。 Through calculation and analysis, the vegetation index, leaf area index and vegetation index were studied。 The results showed that leaf area index (LAI) and normalized difference vegetation index (NDVI), ratio vegetation index (RVI), perpendicular vegetation index (PVI) were increased with the increase of the amount of nitrogen fertilizer was increased, and and with the rice in different growing periods showed a trend of first increase and then decrease。 Construction of the inversion model of rice leaf area index, found the GreenSeeker normalized difference vegetation index, leaf area index fitting is the best and R2 reached 0。7042, can meet the needs of practical application。

Keywords:Rice, leaf area index, multi spectral nondestructive testing, vegetation index ,NDVI,RVI

目   录

1 前言 3

2 材料与方法 4

2。1 实验材料 4

2。2实验方案 4

2。2。1 2014年实验方案 4

2。2。2 2015年实验方案 5

2。3 试验方法 6

2。3。1 基于数码图像的叶面积测量方法 6

2。3。2 LAI的计算 7

2。3。3光谱数据采集 7

3 结果分析 8

3。1 图像叶面积的测量精度研究 8

3。2 LAI随氮肥处理和水稻不同采样时期的变化 9

3。2。1 不同施氮量对LAI的影响 9

3。2。2 LAI随水稻不同采样时期的变化 10

3。3 基于GreenSeeker的植被指数随氮肥处理和水稻不同采样时期的变化 12

3。3。1 不同施氮量对NDVI的影响 12

3。3。2 NDVI随水稻不同采样时期的变化 13

3。3。3 不同施氮量对RVI的影响 15

3。3。4 RVI随水稻不同采样时期的变化