花生叶鲜生物量的高光谱估算模型

利用花生生物物理参数和冠层高光谱数据,基于光谱一阶微分技术,选取对生物量敏感的波段组成高光谱植被指数,建立花生叶鲜生物量的高光谱遥感估算模型。结果表明,花生叶鲜生物量在绿峰525~556 nm、红谷645~689 nm和近红外710~900 nm波段范围反射光谱与花生叶鲜生物量有极显著相关关系。高光谱反射率与叶鲜生物量在大部分可见光区和近红外波段呈显著相关,并且在可见光红光波段呈负相关,在近红外波段呈极显著正相关。花生光谱反射率与花生叶鲜生物量相关的近红外、红光波段的敏感波段分别为770、673 nm,用这2个波段构建植被指数,组成高光谱归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)和再次归一化植被指数(RDVI),并构建生物量反演模型;相对于NDVI、DVI、RDVI建立的简单线性函数估测模型,RVI所构建的花生叶鲜生物量估测模型的预测精度较高。     

棉花叶面积指数冠层反射率光谱响应及其反演

【目的】研究棉花冠层光谱对不同叶面积指数（LAI）的响应，建立棉花LAI光谱反演模型。【方法】利用2003～2004年采集的棉花光谱与LAI的246组数据，分析LAI与冠层反射率光谱和反射率一阶微分光谱间的定量关系。【结果】当LAI大于2.5后不同LAI棉花群体光谱反射率在可见光波段趋于饱和；LAI与可见光波段和短波红外波段（水分吸收带除外）光谱反射率呈显著负相关，与近红外波段高光谱反射率呈显著正相关；LAI与棉花反射率一阶微分光谱主要在蓝边（523～531 nm）、黄边（570～576 nm）、红边（700～755 nm）形成3个相关系数高台区，均达极显著水平，其中红边区的相关性最高。棉花红边位置固定，分别在718 nm和723 nm，且以 723 nm处对LAI更敏感。在反演棉花LAI的高光谱参数中VI (660、800)、VI (550、800)、VI (500、800)、VI (670、800)、Sdy (570～573 nm)、SDr (714～755 nm)、D723、Dr 估算LAI相对误差低于30%，RSME小于0.6，其中VI (600、800)、VI(550、800)两个参数估算水平最高，相对误差分别为21.7%与21.0%，RMSE分别为0.416与0.419；利用SDr与SDr/SDb分别对LAI大于1.0 与小于1.0 的棉花群体反演，能显著提高LAI的估算水平。【结论】应用高光谱分析方法能够提取棉花冠层特征光谱信息，构建LAI高光谱反演参数，建立估算模型，并且利用包含不同光谱参数的分段模型可以进一步提高LAI反演精度。     

基于波段组合优化光谱指数的冬小麦LAI估算

叶面积指数（LAI）是表示植被利用光能状况和冠层结构的一个综合指数,与作物产量密切相关。高光谱遥感数据具有连续、高光谱分辨率等特点,为估算农作物生理生化参数和冠层结构参数提供了重要手段。为挖掘高光谱数据估算LAI的最优波段组合以及提高估算精度,以冬小麦作为研究对象,野外实测不同生长阶段（起身、拔节、开花阶段）的冠层高光谱数据,并对其进行不同数学变换处理,包括原始光谱、一阶导数光谱和连续统去除。利用3种不同预处理的冠层高光谱数据构建30种常用植被指数和4种优化光谱指数,比较常用植被指数与优化光谱指数对冬小麦LAI的响应,建立估算冬小麦LAI的单变量和多变量回归模型,对其进行精度验证,并筛选出最优估算模型。结果表明,随着生育期的推进,可见光波段范围内,冬小麦冠层光谱反射率较低、吸收较强,LAI对连续统去除光谱的影响较大,呈负相关;近红外波段范围内不同生育期间的差异较大,随着LAI的增大,冠层光谱的红边位置出现了“红移”现象;基于一阶导数的优化植被指数（NDSI和RSI）与LAI相关系数达到0.8;从估算模型来看,基于一阶导数的RSI_{（627 nm, 774 nm）}单变...     

冬小麦生物量高光谱敏感波段提取及监测

冬小麦生物量敏感波段的提取对冬小麦长势指标监测具有极其重要的意义。通过测定冬小麦生物量和冠层光谱,采用相关性分析,偏最小二乘法和逐步多元线性回归法进行建模与分析,最终提取了冬小麦生物量敏感波段。结果表明,利用偏最小二乘法实现了数据的降维,利用多元统计分析提取的冬小麦生物量特征波段为470,570,870,895,1 170,1 285,1 355,1 360 nm,所有敏感波段集中在可见光和近红外波段,其中,近红外波段最多,并基于提取的敏感波段构建了冬小麦生物量的监测模型,模型的验证参数TC为0.229,R2达到0.809,RMSE为0.351,取得较高的估算精度。为了验证模型的稳健性和准确度,利用野外大田数据进行验证,结果表明,实测值与预测值具有较高的拟合性,其拟合系数达到0.87。研究结果表明,利用多元分析方法对冬小麦敏感波段提取是可行的,可为冬小麦生物量监测提供一定的理论和实践参考。     

水稻叶绿素敏感波段选择方法的研究

利用典型相关分析方法分析了不同生育期叶绿素含量与各波段光谱特征的相关系数,结果表明,除分蘖期与叶绿素b含量相关性不显著外,各生育期在430-700 nm叶绿素含量与各波段光谱特征均达到显著相关。利用主成分分析方法对其分析的结果显示,第一主成分主要包含了510-520、520-530、530-540、540-550、550-560、570-580 nm几个可见光波段的信息,第二主成分主要包含了760-770、750-760、740-750、730-740 nm近红外波段的信息。利用典型相关分析和主成分分析对水稻叶片叶绿素进行分析得出的敏感波段范围基本一致。     

不同生育期冬小麦叶面积指数高光谱遥感估算模型

基于地面实测的冬小麦的生理生态参数数据和冠层光谱数据,分析返青期、拔节期、抽穗期、开花期冬小麦叶面积指数与原始光谱及其一阶微分的相关性,并构建基于等效TM数据的植被指数,建立不同生育时期的冬小麦叶面积指数(LAI)的高光谱遥感估算模型。结果表明:(1)返青期、拔节期、抽穗期的冬小麦LAI与原始光谱相关性较好,在400~720 nm波长范围内呈负相关,在720~900 nm之间呈正相关,开花期的冬小麦LAI与冠层光谱相关性较差;(2)返青期、拔节期冬小麦LAI与光谱一阶微分显著相关,分别在480~540 nm、550~580 nm形成波峰、波谷,在670~760 nm范围内形成"平台",相关系数达到0.8以上,但抽穗期、开花期LAI与光谱一阶微分的相关性较差;(3)在等效植被指数与返青期、拔节期和抽穗期LAI建立的回归模型中,分别使用m SRI、RVI与MSAVI2建立的幂函数模型或指数模型最佳,最优模型分别为y=0.053e4.962x,y=0.409x0.828,y=18.687x3.061,对应的r2分别为0.589、0.648、0.694,开花期不适宜使用等效植被指数建立遥感监测模型。     

棉花高光谱植被指数与LAI和地上鲜生物量的相关关系研究

通过测试棉花关键生育阶段350～2 500 nm波段的冠层高光谱数据,用近红外波段760～850 nm及红光波段650～670 nm的2个范围内的波段,组成了高光谱归一化植被指数(NDVI)和800和670 nm两个波段组成修改型二次土壤调节植被指数(MSAVI2),分别与棉花叶面积指数(LAI)和地上鲜生物量进行相关分析,结果表明,棉花NDVI和MSAVI2与LAI和地上鲜生物量两个参数均以幂指数相关关系为最佳(RNDVI-LAI=0.729 1·,RMSAVI2-LAI=0.743 6·,n=81;RNDVI-鲜生物量=0.742 6·,RMSAVI2-鲜生物量=0.791 1·,n=59), MSAVI2与LAI和地上鲜生物量的相关性均高于NDVI与LAI和地上鲜生物量的相关性,说明MSAVI2较NDVI能更好的消除土壤背景对反射光谱造成的影响,能较精确的提取反映棉花生长状况的叶面积指数和生物量信息.     

吐丝期玉米倒伏后地面高光谱特征参数分析

倒伏是玉米主要自然灾害之一,及时、准确地监测玉米倒伏的程度,对于玉米倒伏灾害的损失评估及防治有重要意义。设置玉米吐丝期不同倒伏程度的田间模拟试验,利用地面高光谱数据,比较正常生长的玉米及受倒伏危害玉米的冠层反射光谱和高光谱特征参数的差异,分析了倒伏角度与高光谱参数之间的相关关系。结果表明,玉米倒伏后可见光波段的反射率增加高于近红外波段,且随着时间的推移,近红外波段的差异变小。玉米吐丝期倒伏后红谷吸收深度变浅,反射绿峰高度降低,红边位置和近红外平台位置均向短波方向移动。红边内(620~760 nm)一阶微分光谱所包围的面积变化差异小;蓝边内(430~470 nm)和近红外平台(780~1 300 nm)的一阶微分光谱所包围的面积增加显著。倒伏角度与高光谱特征参数相关分析表明,D、SDr/SDb、(SDr-SDb)/(SDr+SDb)相关系数最高,可以作为监测玉米倒伏程度的高光谱特征参数指标。     

典型农作物波谱与环境要素的关系研究

农作物冠层光谱是植物冠层光谱与周围环境光谱的混合光谱。利用北京小汤山地区的冬小麦在2001年4~5月生长期内的土壤含水量和冬小麦波谱观测数据,以及北京海淀区的夏玉米在2003年7~9月生长期内的LAI和夏玉米波谱观测数据,分析了在不同生育时期条件下,典型农作物(如冬小麦,夏玉米)的波谱数据与主要环境要素之间的相互关系。结果表明:在夏玉米抽丝期前叶面积指数与冠层光谱反射率相关性较差,而在抽丝期后相关性较好;冬小麦的苗期土壤含水量与冠层光谱在近红外波段相关系数较高,并在1 360~1 380 nm拟合得出方程。经检验,在α=0.01水平下是显著的。     

基于高光谱的设施黄瓜蚜虫虫害检测及其预测模型

为构建基于高光谱参数的设施黄瓜蚜虫数量预测模型,使用手持光谱仪ASD Field Spec Hand Held检测不同数量黄瓜蚜虫为害下黄瓜叶片高光谱反射率,并分析了400~900 nm波段内的光谱反射率参数与黄瓜蚜虫数量的相关和回归关系。结果表明,随着蚜虫数量的增加,设施黄瓜光波反射率均持续下降,400~720 nm,790~900 nm 2个波段光谱反射率与蚜虫数量达到极显著相关(P0.01);选择可见光波段相关系数最大的528 nm处光谱反射率、近红外波段相关系数最大的837 nm处最大的光谱反射率,分别构建黄瓜蚜虫数量的预测模型。两个预测模型均达到极显著水平(P0.01)。因此,可以利用高光谱信息数据来预测设施黄瓜蚜虫数量。     

倒伏春性冬小麦冠层光谱特征及倒伏严重度预测

采用高光谱仪测定不同春性冬小麦品种于不同时期倒伏的群体冠层光谱反射率,分析不同倒伏条件下的小麦冠层光谱特征,建立可快速、有效监测小麦倒伏严重程度的数学模型,为合理评价倒伏程度提供依据。结果表明,小麦倒伏后冠层光谱反射率增加,可见光波段550 nm附近出现1个波峰,670 nm附近出现1个波谷;近红外波段1 000 nm处出现1个较明显的波动,呈现2个波谷,1个波峰。同一倒伏级别下,倒伏时期不同,光谱反射率曲线存在差异,可见光波段乳熟末期冠层反射率高于开花期光谱反射率,而近红外波段恰好相反;在同一倒伏时期,倒伏级别越高,光谱反射率越大。倒伏级别与冠层光谱反射率的相关系数于760 nm处达最大(r=0.973 4**)。与NDVI、RVI、DVI相比,采用760 nm处冠层光谱反射率和DVI可有效评估春性冬小麦倒伏严重度。     

不同氮营养水平与夏玉米光谱特性关系初报

【目的】揭示关中地区夏玉米叶面光谱特性与施氮量间的相关性,探索不同施氮水平下夏玉米叶片含氮量与叶绿素等生化指标及其光谱反射率特征。【方法】在田间设置不同施氮水平(纯氮施用量分为0,120和240kg/hm2)的试验小区,分别于喇叭期、抽穗期、吐丝期和乳熟期,采用FieldSpec光谱仪于室内标准光源下测定夏玉米叶片的光谱反射率,采用H2SO4-H2O2消煮,连续流动注射分析仪测定叶片氮含量,采用叶绿素仪测定穗位叶片的叶绿素含量,并对所得数据进行相关性分析。【结果】夏玉米叶片含氮量与叶绿素含量之间呈显著相关性,作物施氮水平对叶片的叶绿素含量及含氮量有直接影响;不同施氮水平下夏玉米叶面的反射波谱曲线趋势大致相同,均明显在绿波段(550 nm左右)有1个反射峰,在近红外波段(760~1 070 nm)有1个较高的反射率平台,在近红外波段(760~1 070 nm)处的反射率随氮肥用量的增加而提高,在可见光波段(400~760 nm)处的反射率则正好相反;在可见光波段,不同生长期玉米的叶面光谱反射率表现为乳熟期>抽雄期>喇叭口期>吐丝期,而在近红外波段其光谱反射率表现为乳熟期>喇叭口期>抽雄期>吐丝期;在可见光(400~760 nm)波段处,夏玉米不同生育期叶片的反射率与叶片含氮量及叶绿素含量呈负相关,而在近红外(760~1070 nm)波段处,除抽雄期外,其余生育期叶片的反射率与叶片含氮量及叶绿素含量均呈正相关,且相关性较为显著;高光谱遥感监测显示,关中地区夏玉米氮素营养水平的敏感时期分别是喇叭口期、吐丝期及乳熟期,敏感波段为可见光波段的500~720 nm和近红外区的760~1 070 nm。【结论】夏玉米的氮营养水平与叶面光谱反射率存在显著的相关性,利用高光谱遥感数据监测关中地区夏玉米的营养状况是可行的。     

基于人工神经网络的大豆叶面积高光谱反演研究

【目的】探索不同高光谱模型监测大豆叶面积指数LAI的精度。【方法】实测不同水肥耦合作用下，大豆冠层的高光谱反射率与叶面积指数（Leaf Area Index）数据，对二者进行相关分析；采用敏感波段(801nm,670nm)构建RVI, NDVI, SAVI, OSAVI 和MTVI2植被指数，建立大豆LAI估算模型；最后采用相关系数较大的波段作为神经网络模型的输入变量进行大豆LAI的估算。【结果】大豆LAI与光谱反射率在可见光波段呈负相关、近红外波段呈正相关、红边处相关系数由负变正；微分光谱在三边处与大豆LAI关系密切，在红边处取得最大回归确定性系数（R2 = 0.86）。植被指数可以较为精确反演大豆LAI，确定性系数R2>0.84。人工神经网络模型可以大大提高大豆LAI的估算水平，当隐藏层节点数为2时，R2为0.92，随着隐藏层节点数的增加，R2可高达0.96；在没有黄熟期数据干扰的情况下，神经网络可以进一步提高大豆LAI的反演精度，R2可高达0.99。【结论】与基于植被指数建立的模型相比，神经网络模型可以有效避免因LAI过高而出现的过饱和现象，大大提高了LAI的反演精度。     

叶片—冠层尺度的毛竹林分光谱特征

通过测定毛竹林的林分光谱数据与相应的叶绿素含量,选用原始光谱反射率、导数变换光谱与"三边"参数3种光谱形式,研究不同形式的光谱信息与相应叶绿素含量的相关关系,揭示毛竹林分光谱特征在叶片—冠层尺度的差异。结果表明,叶片尺度上,原始光谱反射率对叶绿素的敏感波段在可见光区域的543~580nm,导数光谱的敏感区域在532~543nm、599~607nm以及728~736nm,"三边"参数的敏感参数为黄边面积参数(SDy);冠层尺度上,原始光谱在可见光区域及近红外区域对叶绿素的响应程度未达到显著性水平,导数光谱的敏感响应波段在近红外区域的816~819nm,"三边"参数中各参数与叶绿素含量均没有良好的相关性。叶片—冠层尺度上,某些波段的导数光谱比原始光谱对叶绿素具有更好的响应,并且"三边"参数的黄边区域参数对叶绿素的敏感性均高于其他参数,但冠层尺度与叶片尺度光谱对叶绿素的敏感区间不存在重叠。     

基于高光谱成像技术的富士苹果轻微机械损伤检测研究

为降低苹果损伤造成的商业损失,延长苹果的储存期,利用高光谱成像技术实现了基于特征波段的苹果表面轻微机械损伤的快速、无损检测。以120个富士苹果为研究对象,首先利用波段范围在400～1 000nm的高光谱成像光谱仪获取完好和轻微损伤0、2、4 h的富士苹果的高光谱图像,并提取感兴趣区域的平均光谱数据,然后通过两次连续投影法进行分析,去除光谱波段间的冗余信息,找到共线性最小的波段组合(821 nm和940 nm);其次,对特征波段图像进行主成分分析,选择完好与损伤区域差异明显的第二主成分(PC2)作为检测损伤的有效图像;最后,对有效图像进行固定阈值分割和形态学处理,得到苹果表面机械损伤的检测结果。利用该方法对验证组40个正常和轻微损伤不同时间段的苹果进行测试,总体正确率达到94. 4%。     

不同灌溉条件下冬小麦叶面积指数的高光谱监测

LAI是作物长势监测的一个重要指标,实时、无损和准确地估测冬小麦LAI具有重要的实践意义。通过对冬小麦进行不同的灌溉处理试验,研究LAI与冠层光谱反射率的关系,计算350～2 450 nm不同波段组合的原始光谱指数和导数光谱指数,筛选最优波段组合光谱指数,并建立LAI的监测模型。结果表明,冬小麦LAI与冠层光谱反射率和不同波段组合光谱指数相关性较好;冬小麦LAI监测的最优光谱指数为DVI(435,447),以此为自变量建立的指数模型y=10.669e~(-701.9x)表现最优,模型最稳定。     

猕猴桃叶片叶绿素含量高光谱估算模型研究

【目的】研究猕猴桃叶片叶绿素含量的高光谱估算方法,为猕猴桃长势的遥感监测提供理论依据。【方法】以陕西杨凌蒋家寨村2018年不同生育期(初花期、幼果期、膨果期、壮果期、果实成熟期)的猕猴桃叶片为研究对象,分别测定其高光谱反射率和叶绿素含量(SPAD值),分析原始光谱和5个常见的植被指数(归一化植被指数、归一化叶绿素指数、改进的叶绿素吸收反射率指数、MERIS地面叶绿素指数、土壤调整指数)与叶绿素含量之间的相关关系,提取各生育期的特征波段,分别建立基于特征波段和植被指数的单波段叶绿素含量一元线性估算模型。利用主成分分析对原始光谱数据进行降维,将得到的主成分得分作为随机森林模型的输入变量,建立基于多波段信息的叶绿素含量多元估算模型,并对模型进行精度验证和分析。【结果】不同生育期猕猴桃叶片光谱反射率变化趋势基本一致,整体趋势为可见光波段反射率低,近红外波段反射率高;在可见光波段,光谱反射率随着叶绿素含量的升高而降低;在近红外波段,光谱反射率则随着叶绿素含量的增加而升高。通过相关性分析可知,初花期、幼果期、膨果期、壮果期、果实成熟期原始光谱的特征波段分别为729,548,707,707和712 nm,估算模型决定系数(R~2)分别为0.18,0.85,0.54,0.85和0.82,其中初花期估算模型未通过显著性检验,其余生育期均通过极显著性检验。在5个常用植被指数中,初花期与叶绿素含量相关性最高的是归一化叶绿素指数(NPCI),但是估算模型决定系数R~2只有0.1,未通过显著性检验;其他生育期与叶绿素含量相关性最高的是MERIS地面叶绿素指数(MTCI),所建立的估算模型拟合效果好,预测精度高。基于主成分分析和随机森林回归建立的不同生育期猕猴桃叶片叶绿素含量估算模型的R~2在0.91～0.98,均通过极显著性检验,其拟合效果和预测精度远高于单波段一元线性回归和基于植被指数的一元线性回归模型,是估算猕猴桃叶片叶绿素含量的最优模型。【结论】基于主成分分析的随机森林模型包含了更完整的波段信息,对不同生育期猕猴桃叶片叶绿素含量具有较好的预测能力。     

夏玉米光谱特征对其不同色素含量的响应差异

在不同施氮水平夏玉米的6个典型生育期,采用化学方法测定冠层叶绿素含量,利用叶绿素计测定的叶绿素读数以及光谱反射率,系统分析了单波段反射率、可见光和近红外波段组合而成的归一化植被指数(NDVI)、比值植被指数(RVI)等8种常见植被指数与相应时期2种方法测定的叶绿素含量的相关性。结果表明,随着施氮量的增加,叶绿素含量和冠层近红外波段反射率都随之增加;整个生育期中孕穗期在近红外区域反射率最高,与可见光波段反射率相差最大;6个生育期单波段510~1 100 nm反射率、NDVI、RVI等植被指数与叶绿素含量的2种测定结果显著相关或极显著相关,植被指数的表现较单波段更好,且从苗期到乳熟期,各波段反射率与叶绿素的相关性逐渐增强。整体来讲,可见光中560、660 nm和近红外760、810、590和1 300 nm组合的NDVI在各生育期与2个农学指标的相关性较好,选择NDVI(560,760)可以准确拟合夏玉米叶片叶绿素含量,其对化学方法测定的叶绿素含量拟合效果较佳。     

不同氮运筹模式冬小麦LAI光谱特征波段提取

叶面积指数(LAI)是评价作物冠层结构的重要参数之一,利用光谱技术实现冬小麦LAI的快速、准确监测具有重要的意义。连续2 a进行氮素运筹试验,通过测定各生育时期的光谱反射率和LAI,并基于偏最小二乘法-逐步多元线性回归(PLS-SMLR)统计学方法,提取各氮素运筹条件下LAI特征波段。结果表明,不同氮运筹条件下LAI的特征波段存在差异;同一施氮量,低基追肥比,特征波段前移,通过提取的波段预测LAI精度较高。表明利用PLS-SMLR提取不同氮运筹条件下的冬小麦LAI特征波段是可行的。     

新疆军塘湖流域融雪期不同积雪及雪被地物光谱反射率特征分析

用野外光谱仪测量了融雪期天山北坡军塘湖流域典型实验场的不同积雪及雪被地物的光谱,并对测得的光谱数据进行分析,结果表明,对于纯积雪光谱,在可见光波段有较高反射率,近红外波段范围内在1 100、1 300及2 260 nm附近出现反射波峰。与新雪相比,融化的积雪的反射率峰值在可见光波段和近红外波段内(2 100~2 400 nm)有明显的衰退,而雪被地物(包括覆有积雪的植被和有积雪背景的植被、土壤等)反射曲线均相对较低。对积雪/植被的混合像元光谱特征分析表明,雪被地物的光谱反射率曲线在可见光波段呈上升趋势,这是由于积雪背景的影响。最后,根据积雪、植被、土壤和积雪/植被混合像元的光谱特征建立混合光谱拟合方程,结果表明,模拟的光谱曲线与实测值有很好的相关性,其相关系数为0.927 6。