利用新型光谱指数改善冬小麦估产精度

基于冬小麦返青期至乳熟期8次采样的地面光谱数据和收割时的产量数据,首先,利用光谱反射率与产量进行了统计分析,可见光波段的光谱反射率与产量在起身后期才达到稳定的显著负相关水平;近红外波段的光谱反射率与产量在所有生育期都表现出稳定的显著正相关;短波红外波段的光谱反射率与产量在进入灌浆期后才达到稳定的显著负相关水平.其次,根据冬小麦冠层光谱的波形特征,利用近红外波段890 nm反射峰、980 nm和1 200 nm两个弱水汽吸收谷、短波红外1 650 nm和2 200 nm反射峰,设计归一化差值光谱指数,并与冬小麦产量进行相关分析,结果表明:利用上述波段组合定义的归一化差值光谱指数与产量在各个生育期都达到了显著或极显著相关水平,而归一化差值植被指数(NDVI)与产量间的相关在营养生长阶段不显著.最后,以(890 nm,1200 nm)弱水汽吸收光谱指数为例,建立了各个生育期的产量预报模型,为实现冬小麦营养生长期长势监测与更早、更可靠的产量预报提供了依据.     

基于冠层光谱特征的冬小麦产量估算研究

快速准确的粮食作物产量估算对于国家制订粮食政策和农业可持续发展具有重要意义。利用地面高光谱遥感的优点,获取作物冠层的精细光谱,并根据植被绿峰、红边、水汽吸收波段、近红外反射峰及短波红外反射峰等特征构建高光谱指数,从而对冬小麦产量进行预测。结果表明:可见光波段、近红外波段和短波红外波段的光谱反射率与产量从返青期到抽穗期分别达到显著负相关、显著正相关和显著负相关水平;通过分析光谱参量与产量的关系,由植被红边与近红外波段反射峰所定义的归一化植被指数(NDVI)与产量的统计相关特征在所有生育期都是极显著水平,统计相关性优于其他光谱参量,利用该参量所构建的非线性模型估产效果最好,可见利用NDVI指数进行产量预报效果更好。     

不同施肥长期定位试验地夏玉米冠层光谱特征研究

以黄淮海地区典型冬小麦-夏玉米轮作区的长期定位施肥试验为研究对象,筛选对氮、磷、钾三种营养元素及产量最敏感的波段和生育期,为监测不同时期作物营养胁迫情况和估产提供依据。系统分析了氮、磷、钾单一养分缺乏和两种或两种以上营养元素同时缺乏时典型生育期夏玉米冠层反射光谱特征、收获后秸秆和子粒氮、磷、钾及产量的变化规律。结果表明,缺素使冠层光谱反射率在可见光波段增加,在近红外波段降低。作物秸秆、子粒含氮量和含钾量及产量与可见光波段反射率呈负相关,与近红外区域7601~300 nm反射率呈正相关;秸秆含磷量与各反射率的相关性不明显,子粒含磷量与冠层光谱之间无明显规律。整体上,560和810 nm分别为收获期作物含氮量在可见光和近红外两个区域的敏感波段,开花期为夏玉米氮素诊断的敏感时期;夏玉米钾素在可见光和近红外区域的敏感波段分别为680和810 nm,拔节期为诊断钾素的敏感时期。整个生育期各单波段反射率与产量均呈极显著相关关系,拔节期关系最密切。说明在明确主导养分限制的前提下,利用作物冠层光谱来监测氮素和钾素的丰缺以及准确估产是可行的。     

拔节抽穗期不同时长干旱胁迫对水稻冠层光谱特征的影响

基于水稻干旱胁迫试验,采用ASD（Field Spec Pro FR2500）光谱辐射仪测定水稻拔节期和抽穗期不同时间尺度（10d、20d）干旱处理与对照（正常处理）的冠层光谱反射率,对干旱胁迫下水稻冠层光谱变化规律、植被指数、水分指数、导数光谱特征进行分析.结果表明：水稻拔节期和抽穗期干旱胁迫后冠层光谱反射率与对照（CK）相比,可见光、近红外波段反射率均显著减小,短红外波段反射率显著增加,导数光谱红边位置均向短波方向推移,红边面积和红边斜率均显著减少,复合构建的6种植被指数或水分指数呈下降趋势,四波段水分指数（SRND）、归一化差异红外指数（NDVII）下降幅度最大;与CK相比,拔节期干旱胁迫20d和抽穗期10d的水稻冠层对可见光、近红外波段的反射率极显著降低,对短红外波段反射率极显著升高,在此阶段红边特征参数、植被水分指数减少幅度最低.研究结果可为利用高光谱遥感技术快速无损监测水稻干旱灾害提供技术支持.     

不同生育期冬小麦光谱特征对叶绿素和氮素的响应研究

研究测定了不同施氮水平条件下冬小麦冠层在七个典型生育期叶片叶绿素、地上部分全氮含量以及冠层光谱,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)与相应时期叶片叶绿素和地上部分全氮含量的相关性。结果表明,施氮量增加,两个农学参量、冠层近红外波段反射率都随之增加,但当施氮量增加到300kg hm-(2一次性施入)时,上述各项指标均降低;整个生长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;除分蘖期外,其它时期单波段510nm～1100nm反射率、NDVI、RVI与叶绿素和全氮含量显著相关,植被指数的相关性较单波段高,且从分蘖期到乳熟期,相关性逐渐增强;整体来讲,可见光中560nm、660nm和近红外760nm、1100nm和1200nm组合的NDVI在各生育期与两个农学指标的相关性较好,选择NDVI(560,760)可以准确拟合叶片叶绿素和地上部分全氮含量。     

干旱区棉花冠层高光谱反射特征研究

为揭示棉花冠层高光谱特征,建立棉花高光谱估算模型,促进高光谱技术在棉花长势监测和估产中的应用。基于新疆棉花生长发育规律,对棉花各生育期冠层进行高光谱反射率的测定,研究不同灌水量、氮素营养条件及品种对棉花冠层光谱反射特性的影响。结果表明:在可见光区(400-700nm),适度缺氮(N1)条件下的棉花冠层光谱反射率相对较高,而氮过量(N3)条件下的冠层光谱反射率相对较低;随着灌水量的增加,在近红外波段(700-800nm),棉花冠层光谱反射率呈上升趋势,在盛蕾期和盛花期不同灌水量处理的光谱反射率差异明显;不同棉花品种冠层光谱反射率存在一定差异,在近红外区新陆早13与新陆早10只在吐絮后期光谱反射率差异不明显,在前3个生育期差异较明显。     

水稻冠层光谱反射特征及其与叶面积指数关系研究

在水稻试验小区,通过人为控制的方法造成施N水平的差异,对水稻整个生长期内冠层光谱进行了比较系统、密集的测定,并测定了水稻几个重要生育期的叶面积指数。结果表明:随着施N水平的提高,水稻冠层光谱在各生育期呈现出一定的规律性,在近红外部分(760 ~ 1220 nm),冠层光谱反射率随着施N水平的提高而升高,而在可见光部分(460 ~ 710 nm),水稻冠层的光谱反射率反而逐渐降低。冠层光谱经差异显著性检验发现:水稻灌浆期以前,对施N水平最为敏感的波段是绿光(560 ~ 610 nm)和近红外(710 ~ 760 nm)部分;转换为归一化植被指数(NDVI)以后,差异最显著的是 (R760 - R560) / (R760 R560)。对叶面积指数与冠层光谱反射率的相关分析结果表明:在水稻抽穗期以前,叶面积与冠层光谱反射率相关性较差;而抽穗期以后,二者有较好的相关性。     

基于夏玉米光谱特征的叶绿素和氮素水平及氮肥吸收利用研究

本文首先分析不同施 N 水平条件下夏玉米冠层在6个典型生育期的光谱特征曲线,然后计算了可见光和近红外波段光谱反射率组成的归一化植被指数(NDvI)及相应时期叶片叶绿素含量和地上部分全N含量2个重要指标以及孕穗期冠层NDVI和几个N肥吸收利用效率的相关性.结果表明,孕穗期冠层光谱反射率在近红外区域反射率最大,且其可见光和近红外区域反射率差异最大:从苗期到孕穗期,NDVI和叶绿素、全N含量的相关性逐渐增强,到抽雄期减弱,灌浆期又有所增强;整体来讲绿色归一化植被指数 GNDNI(560,760)在各生育期与不同农学参量的相关性比其他波段组合的指数好,其次为NDVI(660,760)波段组合.随着施N量的增加,N肥利用效率、收获指数和N肥收获指数、N素农艺效率以及N肥回收效率均逐渐降低,对各N肥吸收利用指数的预测以NDVI(660,760)、NDVI(660,1100)和GNDVI(560,760)较理想.     

不同磷肥水平的小麦冠层多光谱特征研究

利用便携式冠层光谱仪对小麦进行连续观测获取光谱数据。本文分析了小麦在不同P肥施用水平及生育期变化情况下冠层的光谱响应特征,运用t-检验等统计方法获得了小麦冠层光谱对不同P肥水平的敏感波段,并由此找到判断P肥施用是否合理的关键生育期。结果表明小麦冠层光谱的近红外波段(810~1100nm)对P素的相应关系优于可见光波段,870nm等近红外波段为小麦P素敏感波段;从拔节期到孕穗期前后为其P素丰缺状况光谱诊断的关键生育期;归一化植被指数(NDVI)也可与小麦产量建立很好的回归方程。     

棉花地上鲜生物量的高光谱估算模型研究

通过测试棉花6个生育时期350～2500 nm波段的冠层高光谱数据，采用连续统去除和波段深度归一化的分析方法，计算出棉花反射光谱550～750 nm波段深度参数(Dc)；同时，将冠层反射光谱数据与棉花鲜生物量进行逐步回归分析，确定了近红外波段763 nm及红光波段670 nm是棉花鲜生物量的2个敏感波段，并组成了高光谱归一化植被指数(NDVI)和比值植被指数(RVI)；基于Dc参数和NDVI、RVI植被指数，建立了棉花地上鲜生物量的5种单变量线性与非线性函数模型，分析表明，RVI的指数函数模型反演的棉花地上鲜生物量的估计值与实测值的相关系数最大(R=0.7289^**，RMSE=0.8776)；5种函数模型方程，经检验均达到1%的极显著水平，其中，以指数函数、幂函数和双曲线函数构建的棉花鲜生物量估算模型精度相对较高；该研究采用高光谱植被参数和指数，实时、无损、动态、定量提取了棉花地上鲜生物量，为分析、模拟、评价、预测棉花群体大小，设计理想棉花群体及棉花高光谱遥感估产提供了科学的依据。     

基于高光谱特征和偏最小二乘法的春小麦叶绿素含量估算

叶绿素含量是影响作物生长及产量的主要因素。该研究以2017年6月小型试验田获取的抽穗期春小麦叶绿素含量及其对应的光谱反射率为数据源,对红边(627~780 nm)、黄边(566~589 nm)、蓝边(436~495 nm)、绿边(495~566 nm)、吸收谷和反射峰的最大反射率及反射率总和等16个高光谱特征参数与叶绿素含量之间的相关性进行了分析,并结合偏最小二乘回归法(partial least-squares regression,PLSR)对叶绿素含量进行高光谱建模及验证。结果表明:1)对特定的16个光谱特征参数而言,光谱特征参数绿边最大反射率与春小麦叶绿素质量分数之间的决定系数最低(R~20.5);决定系数较高(R~2≥0.5)的光谱特征参数包括蓝边最大反射率、蓝边反射率总和、黄边最大反射率、黄边反射率总和、红边最大反射率、红边反射率总和、绿边反射率总和、820~940 nm反射率总和及最大反射率、500~670 nm归一化吸收深度和560~760 nm归一化吸收深度,其中820~940 nm反射率总和决定系数达到最高(R~2为0.8);2)利用16个特征参量进行PLSR建模后,发现波段范围在820~940 nm的最大反射率及反射率总和所建立的PLSR估算模型为最优模型,其精度参数R~2p=0.8、RMSEp=2.0 mg/g、RPD=3.2。因此,该模型具有极好的预测能力。该研究为相关研究及当地精准农业提供科学支持和应用参考。     

基于高光谱遥感的不同品种花生冠层叶面积指数的通用估算模型

为了快速、无损地监测花生冠层LAI,获取其长势信息,于2014年通过大田试验选用5个品种花生作为供试品种,使用ASD FieldSpec HandHeld便携式野外光谱仪采集花生不同生育时期的冠层高光谱数据,同时使用SUNSCAN冠层分析系统实测花生冠层叶面积指数（LAI）,并应用光谱微分技术和统计分析技术,分别分析4种光谱形式和6种植被指数与LAI的相关关系,建立估算模型。结果表明：高光谱反射率及其光谱变换形式中最优波段与LAI的相关性均极显著,其中一阶微分光谱ρ'在793nm波段处构建的估测方程对花生冠层LAI的估算效果最好（r=-0.5391,P＜0.01,RE=0.2497）,其模拟值与实测值的拟合度达极显著水平（R=0.4435,P＜0.01）;一阶微分光谱ρ'在734nm波段处LAI的实测值与模拟值的拟合效果最好（R=0.5485,P＜0.01）。6种植被指数所选的最优组合波段与LAI均通过了0.01水平的显著性检验 （r≥0.5731,P＜0.01）,其中归一化植被指数NDVI[760,976]对花生冠层LAI的估算效果最好（r=-0.6421,P＜0.01,RE=0.2167）,模拟值与实测值的拟合度达极显著水平（R=0.6731,P＜0.01）,且优于ρ'对LAI的估算效果;LAI实测值与模拟值拟合效果最好的为DVI[760,976] （R=0.6893,P＜0.01）。研究结果表明一阶导数光谱和植被指数对花生冠层LAI的估算精度均较高,植被指数的估算精度尤高,研究同时进一步证实了导数光谱和植被指数能较好地消除土壤、大气等环境背景信息的影响。     

不同生育期水稻叶面积指数的高光谱遥感估算模型

2011年和2012年通过大田试验,利用便携式野外光谱仪实测水稻冠层不同生育时期的高光谱数据,同时使用SUNSCAN冠层分析系统采集水稻冠层叶面积指数（LAI）;采用光谱微分技术和统计分析技术,分别分析高光谱反射率及其植被指数与LAI之间的关系,建立LAI估算模型并进行模拟结果对比。结果表明：水稻抽穗-成熟期,利用光谱值的对数形式对LAI值的模拟效果较好,分蘖-抽穗期利用光谱反射率模拟LAI变化过程的效果不理想。 在利用各种植被指数估算LAI方法中,水稻分蘖-抽穗期以修改型土壤调整植被指数MSAVI[758,805]对LAI的估算效果最好,模拟值与实测值的相关系数通过了0.01水平的显著性检验（R=0.7754）,估算精度较高。在抽穗-成熟期,也以修改型土壤调整植被指数MSAVI[758,817]对LAI的模拟效果最好,模拟值与实测值的相关系数通过了0.01水平的显著性检验（R=0.6488）,估算精度较高。说明修改型土壤调整植被指数（MSAVI）能更好地模拟水稻不同生育期的叶面积指数,按照分蘖-抽穗期、抽穗-成熟期两个生育阶段分别建立水稻冠层LAI的高光谱估算模型能够提高LAI估算的准确度,研究结果也证实了分生育阶段建模的必要性。     

基于低空无人机成像光谱仪影像估算棉花叶面积指数

农作物叶面积指数(leaf area index,LAI)遥感监测具有快速、无损的优势。该文以低空无人机作为遥感平台,使用新型成像光谱仪获取的农田高光谱影像数据对棉花LAI进行反演。利用影像高光谱分辨率的特点,针对传统固定波段植被指数(fixed-bandvegetation index,F_VI)进行改进,通过动态搜索相应植被指数定义所使用波段范围内的反射率极值的方法,计算与各类植被指数对应的极值植被指数(extremum vegetation index,E_VI)。分别以原始全波段光谱反射率、连续投影算法(successive projections algorithm,SPA)提取的有效波段反射率以及各类F_VI和E_VI作为自变量,使用最小二乘和偏最小二乘(partial least squares,PLS)回归等方法构建LAI遥感估算模型。结果显示:1)以植被指数为自变量的模型估算效果(验证R2最高为0.85)优于以光谱反射率作为自变量的模型(验证R2最高为0.59);2)使用E_VI作为自变量能够显著提高LAI的估测精度(验证R2最大提高了0.11);3)使用PLS回归算法结合多个E_VI建立的LAI-E_VIs-PLS模型精度最高。使用LAI-E_VIs-PLS模型对棉花地块高光谱影像进行反演,制作棉花LAI空间分布图,取得良好的估算结果(验证R2=0.88,RMSE=0.29),为农作物LAI遥感监测提供了新的技术手段。     

冬小麦叶面积指数高光谱遥感反演方法对比

冬小麦叶面积指数(LAI,leafarea index)是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性。针对国际上普遍应用的2种高光谱遥感反演LAI模型方法,即回归分析法和BP神经网络法,在介绍2种LAI反演模型的基础上,选择位于黄淮海平原的山东省济南市长清区为研究区域,通过ASD地物光谱仪和SunScan冠层分析系统对冬小麦的冠层光谱及LAI变化进行田间观测,然后利用回归分析法和BP神经网络法构建冬小麦LAI反演模型,将模型估算LAI值和田间观测LAI值进行比对,分析评价2种方法的反演精度。结果表明,BP神经网络法较回归分析法估算冬小麦LAI的精度有较大提高,检验方程的决定系数(R2)为0.990、均方根误差(RMSE)为0.105。利用BP神经网络法构建反演模型能较好的对冬小麦LAI进行反演。研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持,并为大尺度传感器监测冬小麦长势和估产提供参考。     

Comparison of two inversion methods for winter wheat leaf area index based on hyperspectral remote sensing

冬小麦叶面积指数（LAI, leaf area index）是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性。针对国际上普遍应用的2种高光谱遥感反演LAI模型方法,即回归分析法和BP神经网络法,在介绍2种LAI反演模型的基础上,选择位于黄淮海平原的山东省济南市长清区为研究区域,通过ASD地物光谱仪和SunScan冠层分析系统对冬小麦的冠层光谱及LAI变化进行田间观测,然后利用回归分析法和BP神经网络法构建冬小麦LAI反演模型,将模型估算LAI值和田间观测LAI值进行比对,分析评价2种方法的反演精度。结果表明,BP神经网络法较回归分析法估算冬小麦LAI的精度有较大提高,检验方程的决定系数（R2）为0.990、均方根误差（RMSE）为0.105。利用BP神经网络法构建反演模型能较好的对冬小麦LAI进行反演。研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持,并为大尺度传感器监测冬小麦长势和估产提供参考。     

基于高光谱的夏玉米冠层SPAD值监测研究

开展夏玉米冠层SPAD值监测技术研究,建立叶绿素含量与敏感波段、光谱指数间的定量关系模型,以促进高光谱技术在玉米快速、无损长势监测及水肥精准管理的应用。以小型蒸渗仪夏玉米光谱反射率与植株冠层SPAD值的监测为基础,研究了夏玉米植株冠层光谱信息与SPAD值的响应关系,并优选出监测夏玉米冠层SPAD值的敏感波段与最优光谱指数。结果表明:夏玉米冠层光谱反射率在可见光波段随玉米冠层SPAD值增加而下降,在近红外波段却与之相反;采用原始光谱反射率、一阶微分光谱监测夏玉米冠层SPAD值的最敏感波段分别为700,690nm,与SPAD值的相关性分别为-0.498(p<0.05)和-0.538(p<0.01);而根据多元逐步回归分析获得的最优波段组合由405,408,700nm波段构成;从已报道的73个光谱指数中筛选出与夏玉米冠层SPAD值相关性较高的(SDr-SDb)/(SDr+SDb)、MCARI∥OSAVI、TCARI/OSAVI、SDr/SDb和MTCI等5个光谱指数,光谱指数(SDr-SDb)/(SDr+SDb)与SPAD值的相关性在各生育期均达极显著正相关,且在全生育期相关系数高达0.697(p<0.01),进一步优选出监测夏玉米冠层SPAD值最适宜的光谱指数为(SDr-SDb)/(SDr+SDb);在基于敏感波段、光谱指数和最优波段组合建立的夏玉米SPAD值的回归模型中,按照模拟效果由高到低排序依次为最优波段组合、光谱指数、原始光谱反射率、一阶微分光谱,其决定系数分别为0.777,0.539,0.351,0.282;推荐以(SDr-SDb)/(SDr+SDb)指数构建的二次多项式模型与基于405,408,700nm波段组合建立的线性回归监测模型作为夏玉米植株冠层SPAD值光谱监测适宜模型,且R2大于0.539,RMSE及MAE分别小于6.194和4.702。     

Estimating chlorophyll content from hyperspectral vegetation indices: Modeling and validation

Leaf chlorophyll content, a good indicator of photosynthesis activity, mutations, stress and nutritional state, is of special significance to precision agriculture. Recent studies have demonstrated the feasibility of retrieval of chlorophyll content from hyperspectral vegetation indices composed by the reflectance of specific bands. In this paper, a set of vegetation indices belonged to three classes (normalized difference vegetation index (NDVI), modified simple ratio (MSR) index and the modified chlorophyll absorption ratio index (MCARI, TCARI) and the integrated forms (MCARI/OSAVI and TCARI/OSAVI)) were tested using the PROSPECT and SAIL models to explore their potentials in chlorophyll content estimation. Different bands combinations were also used to derive the modified vegetation indices. In the sensitivity study, four new formed indices (MSR[705,750], MCARI[705,750], TCARI/OSAVI[705,750] and MCARI/OSAVI[705,750]) were proved to have better linearity with chlorophyll content and resistant to leaf area index (LAI) variations by taking into account the effect of quick saturation at 670 nm with relatively low chlorophyll content. Validation study was also conducted at canopy scale using the ground truth data in the growth duration of winter wheat (chlorophyll content and reflectance data). The results showed that the integrated indices TCARI/OSAVI[705,750] and MCARI/OSAVI[705,750] are most appropriate for chlorophyll estimation with high correlation coefficients R² of 0.8808 and 0.9406, respectively, because more disturbances such as shadow, soil reflectance and nonphotosynthetic materials are taken into account. The high correlation between the vegetation indices obtained in the developmental stages of wheat and Hyperion data (R² of 0.6798 and 0.7618 for TCARI/OSAVI[705,750] and MCARI/OSAVI[705,750], respectively) indicated that these two integrated index can be used in practice to estimate the chlorophylls of different types of corns.