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。     

大豆叶面积的高光谱模型

以ASD FieldSpec-Vnir光谱仪实测不同生长季大豆的冠层反射率,同期采集对应大豆LAI,然后逐波段分析冠层光谱反射率、导数光谱与大豆LAI的相关关系;并采用单变量线性回归逐波段分析了冠层光谱反射率、导数光谱与大豆LAI确定性系数随波长的变化趋势,建立了以近红外与可见光波段冠层光谱反射率的比值植被指数RVI与大豆LAI的高光谱遥感估算模型。结果表明,冠层光谱反射率在350￣680nm、760￣1050nm波谱区与大豆LAI相关性较大,而在红边区680￣760nm的相关性变化较大;导数光谱在红边区与大豆LAI相关程度高。通RVI方式建立的遥感估算模型能较为准确估算大豆LAI,通过对红外与蓝波段建立的RVI指数与大豆LAI的回归模型,表明其预测大豆LAI的能力较好,有进一步研究的必要;通过对比发现,神经网络模型可以大大提升高光谱反演大豆LAI的水平,模型的确定系数R2为0.9661,而总均方根误差RMSE仅为0.446m2.m-2。     

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。     

枸杞4大病虫害的遥感近地高光谱特征

为给枸杞病虫害的防治提供依据,填补我国枸杞光谱特征研究方面的空白,采用近地高光谱遥感方法对枸杞主产区宁夏中卫市中宁县枸杞的健康冠层与枸杞木虱、瘿螨、负泥虫和白粉病等4种枸杞病虫害危害冠层的近地高光谱特征及变化规律进行研究。结果表明:不同病虫害感染后的冠层都具特有的光谱特征规律。健康枸杞冠层的光谱特征曲线较为平滑,其光谱反射率在红光波段700~760nm和近红外波段处高于染病冠层;木虱、瘿螨和负泥虫危害的冠层光谱特征曲线较为曲折,出现较多折点,并且发生蓝移现象;白粉病危害冠层的光谱特征较其他3种病虫害的平缓,但其光谱反射率在近红外波段较健康枸杞冠层的低。随着受害程度的加重,木虱危害的枸杞冠层光谱反射率在红光波段700~760nm处和近红外波段处降低;瘿螨危害的枸杞冠层光谱反射率在绿光波段550~600nm和红光波段600~700nm处升高,在红光波段700~760nm处和近红外波段处光谱反射率降低;负泥虫危害的枸杞冠层光谱反射率在红光波段700~760nm和近红外波段处降低;白粉病危害的枸杞冠层光谱反射率在蓝光波段、绿光波段和红光波段600~730nm处升高,在红光波段730~760nm和近红外波段处降低。     

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。     

基于小波变换的带状套作玉米叶面积指数光谱估测

【目的】为构建带状套作种植下玉米全生育期叶面积指数光谱估测模型。【方法】基于玉米-大豆带状套作种植模式下的大田玉米氮素试验,测定带状套作玉米不同生育时期的冠层光谱反射率及叶面积指数,比较多种植被指数及小波系数与叶面积指数之间的关系,构建并筛选出最佳叶面积指数估测模型。【结果】带状套作玉米叶面积指数随施氮水平增加而增加,且在各生育时期下差异显著;冠层反射光谱曲线的"绿峰"位置(550 nm)及高反射率平台(760～1 000 nm)反射率在不同施氮水平上差异显著。叶面积指数与冠层光谱反射率在波长范围(400～725 nm、742～1 000 nm)内显著相关(P0.05);叶面积指数与植被指数及小波系数相关性均达到极显著水平(P0.01),其中与自由组合比值植被指数RVI(762,747)相关性最好,相关系数为0.900 4。通过估测模型的构建及筛选,构建了基于db3(750,10)下的小波系数作为光谱变量x的带状套作玉米全生育期叶面积指数估测模型y=-5.84x2+8.417 8x+2.231 1(R2=0.85,RMSE=0.49,RE=19.43%)。【结论】不同施氮水平下玉米冠层光谱和叶面积指数存在差异性,利用高光谱遥感技术可以实现带状套作玉米叶面积指数的实时监测。     

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。     

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...     

棉花主要栽培生理参数的高光谱估测研究

 应用地物光谱仪获取近地高光谱遥感数据 ,用高光谱技术提取和估计棉花主要栽培生理参数。结果表明 ,棉花叶片具有绿色植物典型的反射光谱曲线特征 ;早衰的棉花反射光谱红谷区谷低变浅 ,最小波段光谱反射率Ro及数值积分面积SRo增大 ,与叶片光合速率呈显著负相关。经逐步回归分析 ,确定的一阶微分光谱值与棉叶叶绿素浓度的最大相关系数是 0 .734 4 (n =2 1) ,发生在 75 0nm波段处 ;群体叶面积指数 (LAI)与归一化差值植被指数 (ND VI)呈很好的对数相关关系 ;红边、蓝边、黄边每边的积分面积积累了多波段信息 ,在估测棉花冠层叶片全氮含量中有较大的应用潜力。研究建立了棉花主要栽培生理参数叶绿素含量、LAI和冠层叶片全氮含量等的遥感估测统计模型。     

不同氮素水平下水稻LAI与冠层反射光谱的定量关系

通过光谱遥感技术对水稻长势进行监测,可以为水稻高产高效生产提供科学依据.该研究以晚稻天优华占为供试品种,设置不同施氮量的田间试验,研究不同氮素水平下水稻叶面积指数与冠层光谱反射率之间的关系,结果表明水稻叶面积指数有随着施氮量增加而增加的趋势,冠层光谱对不同施氮量群体有明显的响应特征,叶面积指数与冠层光谱反射率在720 nm左右的红边区域相关系数最大,进一步构建了水稻LAI与冠层反射光谱的数学模型.     

对水稻微分光谱和植被指数的探讨

通过不同供氮水平的田间试验，分析了微分光谱对消除水稻冠层光谱的背景影响和植被指数在农学参数测定中的作用。结果表明：由微分光谱所得的红边位置、红边斜率与盖度、叶面积指数及供氮水平之间有一定的相关性；水稻多光谱植被指数RVI、NDVI与叶面积指数LAI及其地上部生物量之间有极显著相关性；高光谱植被指数及其变量与植被盖度、供氮水平之间存在相关性。这些表明，用微分光谱技术与植被指数方法监测水稻的田间供氮水平和长势似乎是可行的。     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。     

基于多视角反射光谱的草地叶面积指数遥感反演

随着观测角度和观测平面的变化,同一地物产生的反射率、辐射信息也会产生很大差异。通过地面观测草地多平面多角度光谱反射率和叶面积指数数据,分析了光谱反射率随观测平面、观测角度的变化规律,并模拟TM资料红光(630～690 nm)、近红外(760～900nm)和蓝光(450～520 nm)波段反射率,计算RVI、DVI、NDVI、SAVI、ARVI和MSAVI等不同植被指数,分析不同观测平面和角度下植被指数与叶面积指数的相关性,建立遥感反演模型。结果表明,主平面上光谱反射率各向异性强于垂直主平面,且前向反射率低于后向,垂直主平面上前向和后向反射率呈现一定的对称性。主平面后向观测时植被指数与叶面积指数的相关性大于主平面前向观测、垂直主平面前向和后向观测的相关性。在建立的一元线性、乘幂、对数、指数、多项式等回归模型中,以三次多项式回归模型反演叶面积指数的精度最高。主平面上后向观测的NDVI、RVI、SAVI、ARVI的三次多项式回归模型均达到显著水平,在不同的观测角下,以-30°、-45°时拟合精度最高。     

基于新型植被指数的冬小麦LAI高光谱反演

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。     

Common Spectral Bands and Optimum Vegetation Indices for Monitoring Leaf Nitrogen Accumulation in Rice andWheat

Real-time monitoring of nitrogen status in rice and wheat plant is of significant importance for nitrogen diagnosis, fertilization recommendation, and productivity prediction. With 11 field experiments involving different cultivars, nitrogen rates, and water regimes, time-course measurements were taken of canopy hyperspectral reflectance between 350-2 500 nm and leaf nitrogen accumulation (LNA) in rice and wheat. A new spectral analysis method through the consideration of characteristics of canopy components and plant growth status varied with phenological growth stages was designed to explore the common central bands in rice and wheat. Comprehensive analyses were made on the quantitative relationships of LNA to soil adjusted vegetation index (SAVI) and ratio vegetation index (RVI) composed of any two bands between 350-2 500 nm in rice and wheat. The results showed that the ranges of indicative spectral reflectance were largely located in 770-913 and 729-742 nm in both rice and wheat. The optimum spectral vegetation index for estimating LNA was SAVI (R822,R738) during the early-mid period (from jointing to booting), and it was RVI (R822,R738) during the mid-late period (from heading to filling) with the common central bands of 822 and 738 nm in rice and wheat. Comparison of the present spectral vegetation indices with previously reported vegetation indices gave a satisfactory performance in estimating LNA. It is concluded that the spectral bands of 822 and 738 nm can be used as common reflectance indicators for monitoring leaf nitrogen accumulation in rice and wheat.     

玉米和大豆LAI高光谱遥感估算模型研究

以ASD Fieldspec光谱仪实测了不同生长季的大田玉米、大豆的冠层高光谱与作物的叶面积指数LAI。采用单变量线性与非线性拟合和逐步回归分析的方式,建立了玉米、大豆LAI高光谱遥感估算模型,并对模型的估算结果进行了初步分析。分析结果表明,绿光波段反射峰区、红光波段以及近红外区的单波段反射率与作物的LAI有较强的相关性,而其他波段的反射率与作物的LAI的相关性相对较弱;以高光谱的窄波段构造的NDVI和RVI与作物的LAI的相关程度高,回归模型的预测水平高;而以多波段逐步回归方式构造的统计模型的预测效果最好。     

基于冠层反射光谱的冬小麦干物质积累量的估测研究

[目的]分析了小麦光谱特征与干物质积累量的相关关系。[方法]通过对冬小麦不同品种的干物质积累量、叶面积等参数和冬小麦冠层光谱反射率、光谱一阶微分和光谱比值植被指数(RVI)的相关分析,确立了冬小麦干物质积累量的敏感波段,并建立了预测模型。[结果]开花期350~700 nm和1 420~1 520 nm冠层光谱反射率和灌浆期350~1 750 nm冠层光谱反射率分别与干物质积累量显著相关;比值植被指数RVI(560,1220)与干物质积累量的相关性较好;确立的冬小麦干物质积累量预测模型为:干物质积累量=-186.94×RVI(560,1220)-2 242.2(R2=0.713 8),说明通过遥感手段监测冬小麦的群体质量是可行的。[结论]该研究为高光谱遥感技术在监测小麦的群体质量的应用提供参考依据。     

封育条件下草地光谱反射特征及地上生物量估测

2005年7月至2006年4月,对云南省马龙县封育草地和过牧草地的光谱反射率、草层高度、覆盖度和地上生物量进行了测定,分析了归一化植被指数(NDVI)及比值植被指数(RVI)与地上生物量之间的相关性。结果表明:过牧草地封育1年之后,其草层高度、覆盖度和地上生物量显著增加,光谱反射特征也相应地发生明显变化。450~850 nm范围内,两种草地不同季相条件下在各波段的光谱反射率差异均达到极显著水平(P<0.01),覆盖度及季节变化对近红外波段的影响明显大于可见光波段。旺盛生长期(7月)和枯黄期(11月),封育草地具有植被反射型特征,而自由放牧草地表现为植被-土壤型;返青期(4月)两种草地均表现为土壤型。过牧草地地上生物量与两种植被指数之间无显著相关性。封育草地地上生物量与NDVI,RVI之间存在显著的(P<0.05)非线性相关,旺盛生长期和返青期NDVI与地上生物量的相关性强于RVI,枯黄期RVI与地上生物量相关性强于NDVI。     

封育条件下草地光谱反射特征及地上生物量估测*

 2005年7月至2006年4月,对云南省马龙县封育草地和过牧草地的光谱反射率、草层高度、覆盖度和地上生物量进行了测定,分析了归一化植被指数（NDVI）及比值植被指数（RVI）与地上生物量之间的相关性。结果表明:过牧草地封育1年之后,其草层高度、覆盖度和地上生物量显著增加,光谱反射特征也相应地发生明显变化。450~850 nm范围内,两种草地不同季相条件下在各波段的光谱反射率差异均达到极显著水平（P＜0.01）,覆盖度及季节变化对近红外波段的影响明显大于可见光波段。旺盛生长期（7月）和枯黄期（11月）,封育草地具有植被反射型特征,而自由放牧草地表现为植被-土壤型;返青期（4月）两种草地均表现为土壤型。过牧草地地上生物量与两种植被指数之间无显著相关性。封育草地地上生物量与NDVI,RVI之间存在显著的（P＜0.05）非线性相关,旺盛生长期和返青期NDVI与地上生物量的相关性强于RVI,枯黄期RVI与地上生物量相关性强于NDVI。