北碚447锦橙叶片农学参数与其反射光谱的相关性研究

以锦橙叶片为材料,采用野外光谱辐射仪测量叶片的光谱反射率,并对叶片进行水分、氮、钾、磷、叶绿素的含量测定,计算光谱反射率一阶微分、二阶微分．采用统计学相关分析法,分析叶片农学参数与反射光谱之间的相关关系．结果表明：农学参数中只有磷含量与叶片原始光谱反射率有显著性相关,且与反射率一阶微分、二阶微分的相关系数大于与原始光谱反射率的相关系数．所有测定的农学参数都与叶片光谱反射率一阶微分、二阶微分之间均有显著性相关,其中氮含量与反射率一阶微分、二阶微分相关性最强,相关系数绝对值达到0.9以上．这说明利用微分技术可以增强叶片农学参数与光谱信息的相关性,并为高光谱遥感定量估算锦橙农学参数提供理论依据．     

棉花冠层叶片叶绿素含量与高光谱参数的相关性

【目的】研究棉花冠层叶片叶绿素含量与高光谱参数的相关性,建立叶绿素含量估算模型。【方法】2014年,以鲁棉研28号为研究对象,测定不同施氮水平和生育期棉花冠层叶片叶绿素含量及350~2 500nm光谱反射率,以棉花冠层高光谱反射率与冠层叶片叶绿素含量为数据源,在分析叶绿素含量与原始高光谱反射率(R)、一阶导数光谱反射率(DR)、光谱提取变量和植被指数相关性的基础上,采用一元线性与多元逐步回归的方法构建了叶绿素含量估算模型,并对从中筛选的6种棉花冠层叶片叶绿素含量估算模型进行精度对比。【结果】1)棉花冠层叶片叶绿素含量在反射光谱766nm处相关系数达到最大值,相关系数r=0.836;对于一阶导数光谱,叶绿素含量的敏感波段发生在753nm处,r=0.878;2)以9种光谱提取变量与8种植被指数为自变量,建立叶绿素含量的估算模型,筛选出的特征变量为红边面积(SDr)、绿峰与红谷的归一化值((Rg-Rr)/(Rg+Rr))、绿峰幅值(Rg),仅采用8种常用植被指数建立估算模型,筛选出的变量为比值植被指数(RVI);3)所建立的6种模型中以基于一阶导数光谱反射率建立的多元逐步回归估算模型精度最高,均方根误差(RMSE)为1.075,相对误差(RE)为2.22%,相关系数(r)为0.952。【结论】采用原始光谱、一阶导数光谱、光谱提取变量及植被指数均可对棉花叶绿素含量进行监测,其中基于一阶导数光谱的多元逐步回归模型对叶绿素含量的估算效果最优。     

基于不同光谱变换的剑湖茭草鲜生物量估测研究

通过实地采集剑湖湿地茭草反射光谱和现场测量鲜生物量,基于24种光谱变换对茭草反射光谱特征进行分析,选取16种光谱变换筛选全波段(350～2 350 nm)中对茭草鲜生物量敏感的特征波段,构建其鲜生物量估测模型。结果表明:不同形式的光谱变换更容易分析光谱特征,对数倒数和倒数的变换增强了可见光波段的特征。对数倒数一阶微分变换增强了近红外波段的特征,倒数二阶微分和对数倒数二阶微分增强了短波红外的特征,4～5尺度的连续小波变换适合分析原始光谱特征。连续小波变换后最大相关系数为0.734;其次为二阶微分变换,最大相关系数为-0.730。基于立方根二阶微分变换构建的多元回归模型对茭草鲜生物量估测效果最佳,R2、RMSE、P和RPD分别为0.88、1 044.90 g/m2、83.95%、2.64。     

基于高光谱的橡胶单叶叶绿素含量研究

采用高光谱分析和线性回归技术分析了3个橡胶树品种单叶片的室内光谱反射数据和叶绿素含量,确定了橡胶单叶高光谱特征参数(三边面积、反射率和一阶微分值)与3个品种综合的不同物候期和物候期综合下的叶绿素含量的敏感波段。结果表明:三边面积均与叶绿素含量的相关达到1%的极显著检验水平;基于反射率和一阶微分值的变量与叶绿素主要呈负相关,敏感波段主要在蓝边范围;利用一阶微分值构建的线性回归模型对叶绿素含量估算较好。     

南方丘陵稻田土壤全磷、有效磷高光谱特征与反演模型

以土壤高光谱反射率为研究对象,对江西省赣州市兴国县不同全磷、有效磷含量稻田土壤的光谱曲线特征进行研究。对比分析了同一种光谱反射率变换形式下土壤全磷、有效磷与高光谱反射率的相关性,提取了全磷和有效磷的高光谱敏感波段,建立了基于反射光谱特征的南方丘陵稻田土壤全磷、有效磷高光谱反演模型。结果表明,在350~1 100 nm这一波段,土壤全磷、有效磷含量与光谱反射率相关性呈同增同减,在1 101~1 700 nm这一波段,土壤有效磷含量与光谱反射率相关性要大于土壤全磷。通过分析兴国县稻田土壤全磷、有效磷含量与光谱反射率18种数学变换的相关系数,提取全磷的敏感波段为534、1 090 nm,有效磷的敏感波段为365、1 631、2 223 nm。通过SPSS软件进行不同线性拟合,发现多项式回归模型能较好地预测全磷、有效磷含量,预测相对分析误差(RPD)分别为1.43、1.54,能够为稻田土壤全磷、有效磷含量预估提供参考。     

基于非成像高光谱的云烟97号叶片钾含量估算研究

为无损快速检测基于单位重量的烟叶钾元素含量,应用ASD Field Spec 3便携式地物光谱仪采集了曲靖市大莫古镇主栽品种云烟97号不同长势的烟草叶片光谱,测定了相应烟叶的钾元素含量;利用光谱分析技术提取烟草叶片光谱特征变量,并分析了烤烟叶片钾元素含量与原始光谱、光谱一阶微分及高光谱特征变量间的相关性;采用多元逐步回归分析的方法,建立了基于光谱特征单变量估测钾含量模型并进行该模型的精度检验。结果表明,钾元素(K)与原始光谱反射率的相关系数在350 nm波长处最大;钾元素(K)与光谱一阶微分在1 089 nm波长处极显著负相关(相关系数为-0.661),在2 297 nm处极显著正相关(相关系数为0.710);钾元素与高光谱特征变量绿边面积(SDg)的相关系数最大。综合来看,基于叶片光谱反射率一阶微分的钾元素回归模型对烟草叶片钾含量的估测精度较高,估测效果较好。     

花生叶绿素含量的高光谱遥感估算模型研究

叶绿素是植物体进行光合作用吸收光能物质的主要色素,直接影响植被的光合作用。高光谱遥感为快速、大面积监测植被的叶绿素变化提供了可能。实测了不同品种、肥水条件下,花生冠层的高光谱反射率与叶绿素含量数据,对二者进行了相关分析;首先采用相关系数较大的波段作为变量进行叶绿素含量的估算,其次采用特定叶绿素敏感波段建立叶绿素估算模型。经对比发现,以原始高光谱反射率所构建的估算模型精度不高;一阶导数与叶绿素含量之间的关系采取同样的方法,表明线性模型可较好地预测叶绿素含量;最后在高光谱特征变量中,λr、λg、λo为自变量所构建的模型均通过极显著检验,以λr所构建的指数模型具有最大的决定系数(r2=0.543 5)和F值(F=33.333);通过精度检验,综合分析认为,以662 nm处的一阶微分反射率所构建的线性模型和以红边位置所构建的指数模型均可作为叶绿素含量估算较为合适的高光谱模型。     

基于高光谱的琯溪蜜柚叶片磷素含量估算模型研究

蜜柚叶片磷素(phosphorus,P)含量是准确诊断和定量评价生长状况的重要指标,为快速、无损、精确地估测磷素含量,需要建立蜜柚叶片磷素含量高光谱估算模型。基于蜜柚叶片高光谱数据和磷素含量实测数据,提取原始光谱及一阶微分光谱特征波段和光谱特征变量,构建单变量估算模型、偏最小二乘回归模型和BP神经网络回归模型,并确定蜜柚叶片磷素含量最佳估算模型。在350～1 050 nm波段,原始光谱和一阶微分光谱与叶片磷素含量在可见光范围内有多波段相关性显著,并出现多个极值。原始光谱敏感波长为549和718 nm,一阶微分的敏感波长为528、703和591 nm。在建立的回归模型中,选择决定系数较高的模型进行精度检验,其中BP神经网络模型的拟合R²(0.775 9)最大,偏最小二乘估算模型的拟合R²(0.749 9)次之。综合建模精度和模型检验精度,确定BP神经网络模型为蜜柚叶片磷含量的最佳估算模型,建模和验证的R²分别为0.71和0.775 9;其次为偏最小二乘估算模型,建模和验证的R²分别为0.64和0.74...     

基于一阶微分变换方法的南方丘陵稻田土壤电阻率高光谱特性研究

通过对土壤电导率和光谱测定,分析了南方丘陵稻田土壤电阻率特征、原始光谱数据及重采样光谱数据特征。在光谱重采样基础上进一步构建光谱包络线去除变换、光谱反射率倒数(1/R)、对数[ln(1/R)]、平方根(R0.5)、一阶微分等单一或复合变换模型。通过横向、纵向综合比较分析不同模型的反射率与电阻率相关性分析的曲线差异,着重探讨了基于一阶微分的数据变换模型间土壤电阻率与光谱反射率间相关性强弱,结果表明:(1)基于一阶微分变换的模型可以对重叠混合光谱进行分解以便识别,扩大样品之间的光谱特征差异,发掘敏感波段的光谱吸收、反射特征;(2)综合反射率的平方根的一阶微分变换、反射率的倒数的对数及反射率对数的一阶微分等模型得出,在波段为382 nm处,土壤电阻率与光谱反射率间相关系数最高达0.788,在波段为555~560 nm,多个微分变换模型相关性系数在0.7以上,可为后续反演因子的确定及土壤电阻率高光谱估测回归模型的建立提供参考。     

贵州南江3号烟叶全氮含量高光谱估算模型

为实现烟叶全氮含量快速无损检测,及时获取烤烟生长实时信息,以贵州喀斯特山区主栽品种南江3号为研究对象,利用地物高光谱仪采集烟叶高光谱,并测定其全氮含量,采用相关性和逐步回归方程分析全氮含量与原始光谱反射率、光谱反射率一阶微分、高光谱特征变量之间的关系。结果表明:全氮含量高光谱原始反射率的特征波长为702nm(r=—0.587),呈极显著负相关;光谱反射率一阶微分的特征波长为632nm(r=0.812),呈极显著正相关;绿峰与红谷比值Rg/Rr(r=—0.812)的相关系数较高;基于光谱反射率一阶微分的逐步回归方程对烟叶全氮含量的估测效果较好(R2=0.961,p0.01)。     

基于水稻冠层高光谱的叶片SPAD值估算模型研究

为进一步提高水稻冠层光谱对叶片叶绿素相对含量(soil and plant analyzer development,SPAD)值的反演精度,利用光谱仪和叶绿素计实测了水稻全生育期的冠层高光谱反射率和SPAD值,并对原始光谱反射率及一阶导数光谱与叶片SPAD值进行了相关性分析;利用主成分分析(principle component analysis,PCA)对原始光谱数据进行降维,将得到的主成分作为输入变量,分别应用逐步多元线性回归分析法(stepwise multiple linear regression,SMLR)与支持向量回归(support vector regression,SVR)构建叶片SPAD值的高光谱估算模型;另分析322种冠层光谱参数与叶片SPAD值之间的相关关系,筛选相关系数高的14种特征参数作为输入变量,分别应用逐步回归与支持向量回归构建SPAD值的高光谱估算模型,并进行验证。结果表明,叶片SPAD值与水稻冠层原始光谱反射率的相关性在669 nm处高达-0.876,与一阶导数光谱的相关性在543 nm处最高达-0.834;不同模型的精度值各异,以特征参数为输入变量建立的逐步回归模型和SVR模型的均方根误差RMSEv分别为2.926、3.895,相对分析误差RPD分别为2.064、1.55。而基于主成分分析建立的逐步回归模型和SVR模型的RMSEv分别为3.349、2.631,RPD分别为1.803、2.295。对比发现主成分分析结合支持向量机模型可以很好地预测叶片SPAD值。     

基于连续小波变换的蒺藜植被覆盖度预测

植被覆盖度是评价土地是否荒漠化最有效的指标之一,也是植被监测的重要指标。通过高光谱估算植被覆盖度,可以为植被监测提供重要依据。以半干旱区托克托县的固沙植被蒺藜（Tribulus terrestris L.）为研究对象,分析了不同植被覆盖度光谱曲线特征的变化情况;提取两波段原始光谱植被指数并与植被覆盖度之间的相关性,选取最优波段组合;利用连续小波变换（continuous wavelet transform,CWT）对植被光谱反射率进行不同尺度分解,提取出不同分解尺度的最优波段;采用偏最小二乘法（partial least square,PLSR）和支持向量机（support vector machine,SVM）两种方法,以不同自变量建立植被覆盖度估算模型。结果表明：①原始光谱植被指数与植被覆盖度呈显著相关,相关系数均在0.55以上,最优波段组合为DI（2 260 nm,2 210 nm）、RI（1 410 nm,660 nm）、NI（1 470 nm,670 nm）、RDVI（1 770 nm,670 nm）、MSR（1 410 nm,660 nm）;②小波系数也与植被覆盖度之间有良好的相关性,原始光谱中1~10尺度对应的相关系数均在0.72以上,在波段630 nm处第6分解尺度中,相关性最大为0.788 9;一阶微分光谱提取的小波系数与植被覆盖度的最大相关性为0.806 9;二阶微分光谱中1~10尺度小波系数与植被覆盖度的相关性均在0.6以上,其中最大相关性为0.781 8;③以原始光谱植被指数与不同导数变换的CWT提取的小波系数为自变量建立的模型中,输入量为二阶微分小波系数的PLSR模型精度最高,模型最稳定,R²为0.905 9,RMSE为0.035 6,这表明经过CWT算法处理后,可以提高光谱的特征信息,为植被覆盖度的估算反演提供技术方法。     

基于分数阶微分的博斯腾湖湖滨绿洲土壤电导率高光谱估算

【目的】探讨分数阶微分在高光谱估算湖滨带绿洲土壤电导率的可行性,实现土壤盐分的高精度监测.【方法】以博斯腾湖湖滨绿洲为研究区,引入分数阶微分对土壤高光谱反射率进行0～2阶微分处理,利用相关性检验和连续投影算法优选特征波段,构建土壤电导率的全波段和特征波段,以及利用连续投影算法优选的全波段和特征波段的4种偏最小二乘回归模型,依据决定系数、均方根误差优选土壤电导率的最佳估算模型.【结果】通过P=0.01显著性检验的特征波段,随着阶数的增加,土壤电导率的特征波段数从725增加至776再减少至498;相关系数值随着阶数的增加从0.48至0.68再减少至0.59.0～0.6阶的相关系数绝对值最大值对应的特征波段分布在581～744 nm, 0.8阶～2阶相关系数绝对值最大值对应的波段分布在近红外波段.利用连续投影算法筛选土壤电导率的全波段,其1.4阶微分的波段数量最多,达到6个;利用连续投影算法筛选土壤电导率的特征波段,其2阶微分的波段数量最多,达到3个.连续投影算筛选全波段的偏最小二乘回归模型为土壤电导率的最优模型,分数阶为1.6阶,波段分布在近红外波段,R_C~2=0.64,RMSE_C=3.06,R_V~2=0.83,RMSE_V=2.86.【结论】基于分数阶微分的高光谱估算模型具有较好的稳定性,模型估算的预测能力较好,可以为湖滨带绿洲土壤高光谱估算土壤电导率含量提供方法支持.     

云南高原特色农业烟草高光谱参数与多种生理生化指标的关系

以云烟97号为研究对象,为实时无损快速地检测叶片中的还原糖含量、总糖含量、干质量、鲜质量、含水率,采用Field Spec 3便携式地物光谱仪野外采集云烟97号的叶片非离体光谱,并在实验室测定相应的总糖、还原糖含量以及干质量、鲜质量、含水率,进一步采用光谱分析技术和统计相关分析法,对光谱数据进行处理,分析云烟97号叶片的生理生化参数与原始光谱、光谱一阶微分以及高光谱特征变量间的相关性,并利用多元逐步回归建立叶片总糖含量、还原糖含量、干质量、鲜质量、含水率的高光谱估测模型,对模型进行精度检验。结果表明,干质量、鲜质量、含水率与一阶微分的相关系数分别在754、752、480 nm处最大,相关系数分别为0.730、0.661、-0.569。总糖、还原糖含量与光谱特征变量黄边位置的相关性最为明显。基于光谱一阶微分的逐步回归模型对总糖、还原糖含量及鲜质量能够进行很好的估测。原始光谱反射率的多元逐步回归模型对叶片干质量、含水率估测效果明显。     

博斯腾湖西岸湖滨带土壤盐分高光谱反演

选取博斯腾湖西岸湖滨带为研究区,沿垂直湖岸线方向采集14个土壤剖面70个样本,利用ASD FieldSpec3地物光谱仪获取高光谱数据,基于Q型聚类分析研究不同含盐量土壤光谱特征,对土壤光谱反射率与含盐量做逐波段相关分析和显著性检验,筛选不同光谱变换下的敏感波段,通过多元逐步回归和偏最小二乘回归方法,分别以敏感波段和全波段光谱构建12个土壤含盐量反演模型,优选最佳反演模型。结果表明:17种高光谱变换中, 4种最优光谱变换使土壤含盐量与Savitzky-Golay平滑后的反射率极显著相关波段数明显增多,分别是反射率的一阶微分、平方根一阶微分、对数倒数一阶微分、倒数对数一阶微分,综合确定盐分敏感波段聚集在749、1 024、1 083、1 230、1 677和2 387 nm处;以对数倒数一阶微分光谱全波段建立的偏最小二乘回归模型更适合该区0～50 cm土壤含盐量的高光谱反演,其建模和验证决定系数R~2分别为0.93和0.85,均方根误差RMSE分别为0.37和0.42,相对预测偏差RPD为3.57。     

小波分析在大豆叶绿素含量高光谱反演中的应用

实测了不同水肥耦合作用下,大豆冠层高光谱反射率与叶绿素含量数据,并对光谱反射率、微分光谱与叶绿素含量进行了相关分析;采用叶绿素A与叶绿素B诊断波段构建了特定植被指数,对叶绿素A、叶绿素B进行了回归分析;采用小波分析对采集的光谱反射率数据进行了能量系数提取,并以小波能量系数作为自变量进行了单变量与多变量回归分析,对叶绿素含量进行估算。经分析发现,叶绿素A、B与光谱反射率在可见光与近红外波段的相关系数的变化趋势基本一致——在可见光谱波段呈负相关,近红外波段呈正相关,红边处相关系数由负变正。特定色素植被指数可以提高大豆叶绿素估算精度(R2>0.73);小波能量系数回归模型可以进一步提高大豆叶绿素含量的估算水平,以一个特定小波能量系数作为自变量的回归模型,叶绿素A其确定性系数R2为0.76,叶绿素B为0.78;以4变量与9变量回归分析结果表明:叶绿素A实测值与预测值的线性回归确定性系数R2分别大于0.85、0.89;叶绿素B实测值与预测值的线性回归确定性系数R2分别为0.86、0.90。     

典型龟裂碱土光谱特征分析及碱化程度预测

以宁夏银北地区典型龟裂碱土为研究对象，表层土壤光谱反射率选择平滑、倒数等7种数据处理方式，采用全回归、逐步回归和偏最小二乘三种回归方法，分析龟裂碱土光谱特征，筛选对土壤pH值和ESP的敏感波段，建立龟裂碱土碱化信息的预测模型。结果表明：龟裂碱土的光谱反射曲线属于缓斜型；土壤表层反射率与土壤pH值和ESP在研究波段内均呈极显著正相关关系；反射率倒数对数的一阶微分和反射率的一阶微分在特征波段范围表现较好；反射率与土壤pH值的相关性优于与土壤ESP的相关性。从拟合度和选用敏感波段的多少整体考虑，采用偏最小二乘回归来拟合土壤pH值和ESP的方程最佳，拟合度分别达到0.93和0.8367。     

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。     

基于连续小波变换的表层土壤有机碳含量的高光谱估算

土壤有机碳含量的高光谱估算，可快速、准确监测土壤肥力，为农业生产进行合理施肥提供科学依据。以博斯腾湖西岸湖滨绿洲为研究区，应用ASD FieldSpec3光谱仪测定表层土壤的高光谱反射率，采用重铬酸钾-外加热法测定表层土壤有机碳(SOC)含量；运用连续小波变换(CWT)分别对土壤高光谱反射率(R)及其一阶微分变换(R′)进行尺度分解，分析不同尺度分解后的数据与表层SOC含量的相关性，筛选敏感波段，分别建立偏最小二乘回归(PLSR)、随机森林(RF)和支持向量机(SVM)3种模型估算表层SOC含量。研究结果表明，土壤高光谱反射率与SOC含量呈负相关，经过一阶微分变换后，通过极显著性检验(P<0.01)的波段数由1 689个降低为227个，最大相关系数绝对值(|r|)由0.39提高至0.54;土壤高光谱数据CWT处理后，与表层SOC含量的相关性随分解尺度的增加呈现先增后降的趋势。R′-CWT-SVM模型估算效果最优，建模集和验证集R²分别为0.83和0.80,RMSE分别为5.24和3.56,RPD值为2.12,能够有效估算研究区表层SOC含量。     

南方丘陵稻田土壤全钾和速效钾高光谱特征与反演模型研究

以兴国县稻田土高光谱反射率为研究对象,对比分析了同一种光谱反射率变换形式下土壤全钾、速效钾与高光谱反射率的相关性,提取了全钾和速效钾的高光谱敏感波段,建立了基于反射光谱特征的南方丘陵稻田土全钾、速效钾高光谱反演模型.经分析可知,在355～620 nm波段,土壤全钾、速效钾含量与光谱反射率相关性同增同减,而在621～2 250 nm波段内,土壤全钾含量与光谱反射率相关性要大于土壤速效钾;通过分析兴国县稻田土全钾、速效钾含量与光谱反射率18种数学变换的相关系数,提取全钾的敏感波段为602、804 nm,速效钾的敏感波段为602、1 058、1 638、2 214 nm;采用偏最小二乘回归,利用高光谱指数构建的反演模型能较好地预测全钾、速效钾含量,模型建模的相关系数和验证系数都较高,基于速效钾含量建立的南方丘陵稻田土高光谱反演模型预测能力较好.