基于吸收、透射和反射光谱预测水稻叶绿素含量研究

选择基于吸收率和透射率的叶绿素含量定量反演波段组合,构建叶绿素含量光谱估测模型寻找基于吸收、透射和反射光谱预测叶绿素含量的波段。以3个水稻品种临稻11,圣稻13和阳光200为材料,进行田间实验。比较水稻叶片吸收、反射及透射光谱曲线和一阶导数光谱曲线,发现440、480、630nm和681nm为叶绿素吸收峰的实际发生波段位置,其中630nm波段处的叶片光谱吸收率(A)、透射率(T)和反射率(R)之间相关性最好。比较三者之间的相关性,吸收率与透射率的相关性最强。630nm波段处的叶片光谱吸收率、透射率和反射率与叶绿素含量之间的相关性均达到极显著水平。回归分析表明基于440、480nm和681nm3个波段光谱吸收率线性模型,440、480nm和630nm3个波段光谱透射率线性模型估测叶绿素a含量,480、630nm和681nm3个波段光谱透射率线性模型估测叶绿素b含量,与单独使用630nm光谱变量估测叶绿素含量比较,在4个生育期估测精度均有显著提高,其中以叶绿素a和叶绿素总量的估测效果最好。     

棉花叶绿素密度和叶片氮积累量的高光谱监测研究

利用非成像高光谱仪,获取棉花不同品种、不同密度冠层关键生育时期的反射光谱数据,应用光谱多元统计分析技术,研究表明,棉花冠层叶绿素密度（CH.D）和叶片氮积累量（LNA）分别在反射光谱762 nm和763 nm处的相关系数达最大值（R_CH.D= 0.8845**和R_LNA= 0.7870**,n = 47）;而一阶微分光谱数据对CH.D、LNA最敏感的波段均发生在750 nm处(R_CH.D= 0.9098**和R_LNA = 0.9164**,n = 47);采用47个建模样本的一阶微分光谱750 nm处的数值与棉花冠层CH.D建立线性相关模型方程,估算47个检验样本的棉花冠层CH.D,再根据CH.D与LNA建立的线性相关方程估算检验样本的LNA,47个检验样本的实测LNA与估测LNA极显著线性相关（R = 0.8982**,n = 94）,模型方程的估算精度达86.3%,实测值与估算值的R_MSE = 1.0155,相对误差为0.1380。说明基于高光谱数据的棉花冠层叶绿素密度的遥感估测,可以间接用于棉花冠层叶片氮积累量的监测研究。     

基于高光谱植被指数的棉花干物质积累估算模型研究

利用北疆8个棉花主栽品种(其中2个棉花品种设4水平种植密度)的各生育期冠层高光谱数据,经多元统计分析与光谱微分处理,建立了基于比值植被指数(RVI)和归一化植被指数(NDVI)的5种函数形式的棉花干物质积累估测模型,相关系数均达到了极显著水平(α=1%,n=96)。基于RVI和NDVI构建的估测模型,前者比后者具有更高的估测精度,指数函数、对数函数和双曲线函数形式的模型可以产生较高的预测精度;一阶微分光谱数据与棉花干物质积累量的逐步回归相关分析表明,相关系数的最高值发生在748 nm波段处(r=0.6920**),由748 nm波段处的微分数值建立的回归模型,估测精度较高,具有实际应用的潜力。     

棉花叶面积指数和地上干物质积累量的高光谱估算模型研究

 用ASD FieldSpec光谱仪实测棉花冠层不同生育时期的高光谱数据,同期获取棉花叶面积指数(LAI)和地上干物质积累量(Above-ground Dry Matter Accumulation,ADMA)。分析棉花冠层反射光谱与棉花LAI、地上部干物质积累量（ADMA）的相关关系,分析结果表明,反射光谱数据与棉花LAI、ADMA的相关系数的最高值分别发生在783 nm（r=0.6394^**）和766 nm处(r=0.6287^**);对反射光谱数据进行统计分析,建立了基于比值植被指数(RVI)和归一化植被指数(NDVI)的5种函数形式的棉花LAI、ADMA估测模型。经检验,基于RVI的估测模型具有较高的精度;对一阶微分光谱数据与棉花LAI和ADMA的逐步回归相关分析表明,敏感波段分别发生在736 nm（r=0.6769^**）和742 nm处(r=0.6847^**)。由736 nm、742 nm波段处的微分数值建立的LAI和ADMA线性回归估测模型,R值均达到了1%极显著的检验水平,说明一阶微分光谱敏感波段的数值,对棉花LAI和ADMA具有一定的估算能力。     

稻瘟病胁迫下水稻叶片叶绿素含量与光谱特征参数的相关性研究

为实现受稻瘟病侵染水稻叶片叶绿素含量的高光谱反演,以‘陵两优268’为研究对象,测定受稻瘟病侵染的85个水稻叶片样品的叶绿素含量和高光谱反射率,分析受稻瘟病侵染的水稻叶片高光谱反射率与叶绿素含量间的相关关系,使用线性与非线性回归技术建立叶绿素含量反演模型。结果显示:叶绿素含量与原始光谱及一阶导数光谱的敏感波段分别发生在700 nm和752 nm,基于光谱特征参数SDr的回归模型均方根误差为1.27,平均相对误差为10.2%。研究表明受稻瘟病侵染水稻叶片光谱反射率差异明显,基于光谱特征参数SDr的回归模型预测叶绿素含量具有较高的精度。     

高光谱数据与棉花叶绿素含量和叶绿素密度的相关分析

 通过获取棉花不同品种、不同种植密度单叶和冠层关键生育时期的反射光谱,与其相应的单叶叶绿素含量（CHL.C,下同）和冠层叶绿素密度（CH.D,下同）进行多元统计的逐步相关分析。结果表明,棉花冠层CH.D在其反射光谱762 nm波段处的相关系数达最大值（R_CH.D=0.8134^**,n=94）;对于一阶微分光谱,单叶CHL.C和冠层CH.D的敏感波段均发生在750 nm波段处,基于750 nm波段的微分数值,建立了棉花CHL.C和CH.D线性相关模型(R_CHL.C=0.7382^**,RMSE=0.1831,n=66;R_CH.D =0.9027^**,RMSE=0.3078,n=94）,为利用高光谱遥感技术精确提取反映棉花生长状况的叶绿素信息提供了依据。     

基于高光谱数据的滴灌甜菜叶片全氮含量估算

本文旨在明确甜菜叶片全氮含量与高光谱地面植被遥感的定量关系,建立干旱区甜菜叶片全氮含量精确估测模型,及时监测甜菜生长状况。本研究选取新疆滴灌甜菜(Beta356)为材料,利用ASD野外高光谱仪在甜菜叶丛快速生长期、块根膨大期与糖分积累期采集各处理反射光谱,并同时测定全氮含量,分析原始光谱反射率及一阶微分光谱反射率与全氮含量的相关性,并进一步建立光谱特征参数与敏感波段植被指数全氮含量估算模型。结果表明,光谱特征参数Dr762幂函数下估算模型具有较好估算甜菜叶片全氮含量的能力,其决定系数R2=0.747,验证相对误差RE(%)为21.635,验证均方根误差RMSE为4.914;通过植被指数与叶片全氮含量建立多种函数估测模型,其中差值植被指数Dr762–Dr496下一元线性函数具有较好估算甜菜叶片全氮含量的能力,其决定系数R2=0.794,验证相对误差RE(%)为23.008,验证均方根误差为5.372。     

基于近地高光谱棉花生物量遥感估算模型

分析棉花地上鲜生物量冠层高光谱反射率变异系数，反射率光谱、一阶微分光谱与地上鲜生物量相关关系得结果表明：在可见光近红外波段棉花冠层反射率光谱变异系数在672 nm波段处最大；棉花地上鲜生物量与反射率光谱相关系数最大值在可见光波段出现在589~700 nm，在近红外波段出现在865~919 nm波段，且前者大于后者。地上鲜生物量与一阶微分光谱相关系数在可见光波段出现524~528 nm、552~588 nm、710~755 nm 3个高值区。基于以上研究，选择19个高光谱特征参数建立了棉花地上鲜生物量高光谱遥感监测模型，经检验，单波段中以F₆₂₉估算水平最高，估算模型为Y = 9.7914 exp(－20.738 F629)，准确度为83.9%、RMSE为0.64 kg m^-2、预测值与实测值相关系数为0.940**；组合参数以[629, 901]指数形式估算模型估算水平最高，模型为Y = 0.0986 exp(4.3696[629, 901])，准确度达84.0%，RMSE为0.55 kg m^-2，预测值与实测值相关系数为0.960**，上述两个模型为参选模型中估算棉花地上鲜生物量最佳高光谱估算模型。     

基于高光谱数据的棉花冠层FPAR和LAI的估算研究

 通过非成像高光谱仪和光量子传感器,获取了棉花2品种4水平种植密度冠层关键生育时期的反射光谱数据和光合有效辐射值;利用光谱多元统计分析技术与微分处理,分析表明,反射光谱813 nm（_ρ813）和758 nm（_ρ758）处分别是光合有效辐射截获量（FPAR）和叶面积指数（LAI）的敏感波段。用反射率_ρ813和_ρ758分别与FPAR和LAI建立的线性相关模型方程估测FPAR和LAI,经检验,它们的实测值与估测值之间均呈极显著的线性相关（r_FPAR=0.7199^**,r_LAI=0.6430^**,α=1％,n=70）,模型方程的估算精度分别达96.5%、81.7%;而一阶微分光谱数据与FPAR在350 ~2500 nm波段范围相关不显著,与LAI的最大相关发生在734 nm波段处。基于一阶微分光谱_ρ′734与棉花冠层LAI线性相关的模型方程,估测LAI,实测值与估测值之间呈极显著的线性相关（r_LAI=0.6947^**,α=1％,n=70）,估算精度为82.4%,与反射光谱758 nm估测LAI的精度接近。结果表明,棉花冠层光谱数据可以对光合有效辐射截获量FPAR和LAI进行实时、无损、动态、定量的估算。     

土壤水分的高光谱响应特性及定量监测研究

为及时、准确地监测土壤含水量（SMC），采用室内条件下人工模拟不同SMC环境的方法，通过测定各时间段的SMC及其对应的土壤光谱反射率，运用连续投影算法（SPA）提取土壤水分的特征波长，结合多元线性回归（MLR）方法，构建SMC的高光谱定量监测模型。结果表明，光谱反射率随着样本SMC的增加而逐渐降低，二者存在明显的负相关关系；采用SPA方法提取的光谱特征波段为422、629、817、976、1121、1258、1359、1448、1830和2022nm；构建的SPA-MLR土壤水分高光谱监测模型表现出良好的预测效果（校正集的R2=0.930、RMSE=8.845、RPD=3.794，验证集的R2=0.927、RMSE=8.799、RPD=3.581）。研究结果可为土壤水分的高效精准监测提供一定的实践探索和理论参考。     

基于HJ1A-HSI超光谱影像的县域耕地土壤盐渍度预测研究

针对目前干旱半干旱地区存在的土壤盐渍化问题,以北疆典型盐渍化地区玛纳斯县为研究区,以HJ1A-HSI超光谱影像为主要数据源,结合实测耕地土壤含盐量,分析光谱反射率及其变化形式与盐分含量的相关性,筛选耕地盐分响应的敏感波段,利用多元回归分析方法,建立基于环境卫星影像的耕地含盐量定量反演模型。结果表明,盐分的HSI影像响应波段均位于可见光与近红外波段间,以500~549 nm和696~776 nm范围最佳,相关系数均大于0.5;HSI反射率对数(lgP)预测模型精度最高,可实现对研究区耕地土壤盐分遥感反演。     

基于高光谱分数阶微分的烟叶SPAD值估测

基于高光谱分数阶微分估测烟叶SPAD值,旨在提升高光谱数据估测烟叶SPAD值的准确度。首先,确定估测烟叶SPAD值的最优变换方式,并进行分数阶微分处理;然后,基于相关性分析、袋外数据(OOB)重要性、随机森林(RF)相结合的方法,筛选特征波长;最后构建烟叶SPAD值估测模型。结果表明：（1）估测烟叶SPAD值的特征波长主要有绿波段(499、500 nm),红边波段(634、636、702、703、732 nm)、近红外波段(972、1286、1289、1295、1298、1316 nm)、短红外波段(1450、1453、1456、1806 nm)。（2）以1.9阶次的特征波长所构建的RF-SPAD模型的精度最高,R²=0.690,较0、1、2阶次分别提高了22.1%、42.6%、87%,RMSE=2.799,比0、1、2阶分别减少了13.5%,20.2%,27.8%。利用1.9阶次特征波长构建的RF-SPAD模型较整数阶次模型有效提高了烟叶SPAD值的估测精度,为高光谱分数阶微分技术估测SPAD值提供了新的思路。     

基于小麦籽粒高光谱特征的品种鉴别研究

为探究高光谱成像技术在小麦籽粒品种鉴别等的研究,以15种品种已知的小麦籽粒为对象,分别采集样品的光谱和图像信息。运用主成分分析法优选三个特征波长(447nm、615nm、955nm),提取特征波长下小麦籽粒图像的形态特征(面积、周长、圆度、长轴长度、短轴长度)和纹理特征(均值、标准差、熵)。应用Bayes判别分析法进行多元统计分析,建立判别函数判别回代准确率为99.9%,交叉验证的准确率为98%,模型的判别效果良好。研究表明利用高光谱成像技术结合Bayes判别分析的方法可用于小麦籽粒品种的鉴别。     

玉米粗脂肪含量高光谱估算模型初探

通过测定不同品种玉米不同器官（叶片、茎、穗和叶鞘）的室内光谱反射率及其对应的粗脂肪含量,采用相关性分析以及单变量线性拟合分析技术,对粗脂肪含量与原始光谱反射率、光谱反射率一阶微分之间的关系进行了分析。结果表明,采用高光谱反射率对玉米粗脂肪含量进行估算具有可行性。对所构建的方程采用3类指标进行精度检验,认为由1 954 nm处光谱反射率一阶微分所构建的指数模型可对玉米粗脂肪含量较好地预测。     

Detection of fruit fly infestation in pickling cucumbers using a hyperspectral reflectance/transmittance imaging system

Fruit fly infestation can be a serious problem in pickling cucumber production. In the United States and many other countries, there is zero tolerance for fruit flies in pickled cucumber products. Currently, processors rely on manual inspection to detect and remove fruit fly-infested cucumbers, which is labor intensive and also prone to error due to human fatigue and the difficulty of visually detecting infestation that is hidden inside the fruit. In this research, a laboratory hyperspectral imaging system operated in an integrated mode of reflectance and transmittance was used to detect fruit fly-infested pickling cucumbers. Hyperspectral reflectance (450–740 nm) and transmittance (740–1000 nm) images were acquired simultaneously for 329 normal (infestation-free) and fruit fly-infested pickling cucumbers of three size classes with the mean diameters of 16.8, 22.1, and 27.6 mm, respectively. Mean spectra were extracted from the hyperspectral image of each cucumber, and they were then corrected for the fruit size effect using a diameter correction equation. Partial least squares discriminant analyses for the reflectance, transmittance and their combined data were performed for differentiating normal and infested pickling cucumbers. With reflectance mode, the overall classification accuracies for the three size classes and the mixed class were between 82% and 88%, whereas transmittance achieved better classification results with the overall accuracies of 88–93%. Integration of reflectance and transmittance did not result in noticeable improvements, compared to transmittance mode. The hyperspectral imaging system performed better than manual inspection, which had an overall accuracy of 75% and whose performance decreased significantly for smaller size cucumbers. This research demonstrated that hyperspectral imaging is potentially useful for detecting fruit fly-infested pickling cucumbers.     

基于光谱特征与PLSR结合的叶面积指数拟合方法的无人机画幅高光谱遥感应用

以冬小麦LAI为研究对象,利用孕穗期、开花期和灌浆期获取的无人机UHD185高光谱影像以及同步测定的地面数据(冬小麦冠层ASD反射率和冬小麦LAI),论证光谱特征(红边参数或植被指数)与偏最小二乘回归算法结合的改进型LAI拟合方法在无人机画幅高光谱遥感LAI探测方面的应用价值。首先,从光谱反射率相关性和植被指数相关性两方面比较UHD185与ASD,验证UHD185数据精度;结果表明,第3~第96波段(458~830 nm)的无人机UHD185高光谱数据具有较好的光谱质量,适宜探测冬小麦LAI。其次,分析光谱特征(6种植被指数和4种红边参数)与LAI的相关性,并通过独立验证和交叉验证方法,依次对基于红边参数或植被指数的传统LAI拟合方法和改进型LAI拟合方法的冬小麦LAI预测精度进行评价,相比于传统LAI拟合方法,改进型LAI拟合方法能大幅度提高冬小麦LAI的预测精度,特别是PLSR+REP。研究结果证实,改进型LAI拟合方法能更加充分地利用无人机UHD185高光谱数据预测冬小麦LAI,可望为无人机高光谱遥感的作物理化参数探测提供几点可借鉴的思路。     

东洞庭湖湿地指示植被高光谱特征分析

为了建立东洞庭湖湿地指示植被光谱数据库,笔者通过分析指示植被的光谱特征,得到识别湿地植被高分辨率遥感波段窗口,为湿地健康监测提供技术支撑。选取东洞庭湖植被苔草、泥蒿、芦苇、辣蓼与灯心草5种典型湿地植被为东洞庭湖湿地指示植被,对它们进行研究。根据野外测定5种指示植被光谱数据,分析东洞庭湖湿地指示植被的光谱特性、植被类型识别的特征波段及其基本规律。研究发现：（1）在波段范围610~680 nm、810~880 nm、1030~1100 nm、1170~1240 nm、1635~1705 nm之间具有明显的差异。特别在波段1030~1100 nm之间,5种指示植被光谱差异性最大,光谱曲线区分特别明显;（2）通过对苔草、泥蒿、芦苇、辣蓼与灯心草5种湿地植被光谱反射率(R)采用LOG(1/R)变换,得到1个可以区分5种植被的区间,即660~680 nm之间的波段,5种湿地指示植被倒数的对数值依次降低次序是：苔草、芦苇、辣蓼、灯心草和泥蒿;（3）对同一种湿地指示植被苔草不同长势的光谱数据进行降噪、倒数的对数处理后,得到1个特征区间在500~700 nm内,可以明显的区分苔草的长势情况即：长势良好的苔草光谱反射率倒数的对数值要高于长势不好的苔草。     

基于遗传算法结合偏最小二乘的潮土碱解氮高光谱特征及含量估测

提取土壤碱解氮特征光谱是利用高光谱数据进行其含量估测的关键。对山东省典型潮土土壤样本测试高光谱并进行变换;采用遗传算法（GA）结合偏最小二乘法（PLS）,在筛选潮土碱解氮含量特征谱区的基础上,构建潮土碱解氮含量偏最小二乘（PLS）回归估测模型;优选最佳模型并与相关分析、逐步回归分析和单纯偏最小二乘回归分析的模型进行比较。结果表明：潮土碱解氮特征波段为449~469nm,988~1001nm,1065~1078nm,1716~1736nm,1912~1925nm,2213~2233nm,2262~2275nm;基于各输入光谱特征谱区构建的估测模型决定系数R²均较高,其中基于反射率一阶导数光谱筛选的特征谱区,构建的模型精度最高,数据点（147个）为原始全谱的7.17%,建模R²达到0.97,均方根误差RMSE为4.78mg/kg,验证R²为0.95,RMSE为5.49mg/kg,对潮土碱解氮含量具有较好的预测准确性;在光谱变换形式中,反射率的一阶导数表现最佳;方法比较显示采用遗传算法结合偏最小二乘（GA-PLS）获得较高预测精度的同时,可简化模型。说明遗传算法结合偏最小二乘法（GA-PLS）,可有效筛选土壤碱解氮的特征波段,减少模型参与变量,提高估测精度。