应用两种近地可见光成像传感器估测棉花冠层叶片氮素状况

作物叶片含氮量是作物长势监测、产量及品质估测的重要依据,实时、无损地监测植株体内氮素营养状况有助于棉花氮肥的正确施用。本研究比较2种近地可见光传感器的光谱和颜色信息用于监测棉花氮素营养的能力, 确定MSI200成像光谱仪和数码相机监测棉花冠层叶片氮含量最佳的波段、光谱指数和颜色参数并建立估测模型。结果表明,在可见光波段,冠层反射率随着冠层叶片氮素含量的增加而降低,且叶片含氮量的光谱敏感波段主要位于绿光和红光区域;与棉花冠层叶片含氮量的拟合效果最好的2种传感器的光谱指数为差值指数DI(R₅₈₀, R₆₈₀)和G–R,而颜色参数则分别为b*和H,同一传感器以光谱指数的拟合效果优于颜色参数,不同传感器以MSI200数据的拟合效果优于数码相机;利用独立试验资料检验所建模型的估测性能表明,差值指数对棉花冠层叶片氮素的预测能力优于比值指数和归一化差值指数,DI(R₅₈₀, R₆₈₀)和G–R所建模型的估测精度最高,分别为0.8131和0.7636。因此,利用数码相机和MSI200型成像光谱仪可以定量估测棉花冠层叶片氮素营养状况。     

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。     

水稻高光谱红边位置与叶层氮浓度的关系

实时无损监测叶片氮素状况对水稻精确氮素管理具有重要意义。本研究基于多年不同施氮水平和不同水稻品种的田间试验观测资料,系统分析了水稻高光谱红边区域和位置特征与冠层叶片氮浓度的定量关系。结果表明,水稻冠层的红边区域光谱受施氮水平和品种影响较大,一阶导数光谱在红边区域出现“三峰”现象。经典的红边位置(660~750 nm之间光谱反射率的一阶导数最大值)由于“三峰”特征现象而对水稻氮素浓度变化不够敏感,难以适用于水稻氮素状况的准确监测。基于倒高斯模型、线性内插法和线性外推法构造的红边位置随水稻氮浓度呈现连续变化模式,适用于水稻叶层氮浓度的定量监测;另外,基于695 nm、700 nm和705 nm等3个波段的拉格朗日算法也可估测水稻叶层氮浓度。比较不同红边位置发现,改进型线性外推法较其他几种算法更能有效地监测水稻冠层叶片氮浓度。     

以冠层反射光谱监测水稻叶片氮积累量的研究

作物氮素状况是评价作物长势、估测产量与品质的重要参考指标,对作物氮素精确诊断与管理具有重要意义。本文以不同施氮水平下的4年田间试验为基础,研究了水稻叶片氮积累量与冠层反射光谱的定量关系。结果显示,在冠层单波段反射率中,460 nm、510 nm及760~1 100 nm的光谱反射率与冠层叶片氮积累量的相关性较好;近红外波段(     

基于水稻冠层光谱特征构建粳型水稻籽粒蛋白质含量预测模型

水稻籽粒蛋白质含量是评价稻米品质的主要指标之一。本文以不同施氮水平下的4年田间试验为基础,系统分析了水稻成熟籽粒蛋白质含量与不同时期冠层反射光谱的相关性。结果显示,籽粒蛋白质含量与可见光波段(460~710 nm) 反射率呈负相关,与近红外波段(760~1 220 nm) 反射率呈正相关,其中孕穗期冠层单波段反射率与成熟籽粒蛋白质含量的相关性最高,在16个波段中以760 nm波段反射率与籽粒蛋白质含量的拟合效果最好,复相关系数达0.795。进一步分析比值植被指数、差值植被指数、归一化植被指数和红边参数等光谱参数与成熟籽粒蛋白质含量的相关性,运用线性逐步回归分析方法对相关拟合较好的16个参数进行筛选,建立了水稻成熟籽粒蛋白质含量（GPC）监测模型,GPC=－0.15× DVI(1 500, 950) + 3.00。利用不同年份不同品种及不同施氮水平下的观测数据对模型进行检验,预测值和实测值的精确度为0.56~0.86,准确度为0.85~1.18,根均方差（RMSE）为3.51%~19.91%,表明模型预测值与实测值之间符合度较高,对水稻成熟籽粒蛋白质含量具有较好的预测性。     

水稻穗部氮素含量高光谱估测研究

氮素是影响水稻生长发育的主要营养元素之一,稻穗生长与氮素营养息息相关。本研究利用高光谱技术测定了稻穗的全氮含量并进行了相应的分析,结果表明：稻穗全氮含量与冠层光谱反射率在近红外波段760~1 300nm呈极显著负相关关系,稻穗全氮含量与光谱特征指数λb、SDr、SDr/SDb、DVI的相关性较好,并建立了相应的估算模型。经独立的实测数据检验可知,基于SDr/SDb与DVI指数组合所建线性回归模型y=2.075+0.001x₁-2.952x₂估测稻穗全氮含量效果最好。上述结果为稻穗营养元素的快速诊断提供了新的手段。     

棉花冠层高光谱指数与叶片氮积累量的定量关系

利用冠层高光谱反射率及演变的多种高光谱植被指数(VI),分析了不同施氮水平下不同棉花品种叶片氮积累量与冠层反射光谱的定量关系,建立了棉花叶片氮积累量的敏感光谱参数及预测方程。结果显示,棉花叶片氮积累量和冠层高光谱反射率均随不同施氮水平显著变化;棉花叶片氮含量的敏感光谱波段为600~700 nm的红谷波段和750~900 nm的近红外波段,叶片氮积累量与光谱指数NVD672有密切的定量关系,且不同品种可以用统一的方程来描述,从而为棉花氮素营养的监测诊断与精确施肥提供了技术支持。     

棉花功能叶片色素含量与高光谱参数的相关性研究

叶片色素状况是评价植株光合能力、监测生长状况和预测产量潜力的重要指标,高光谱遥感技术为快速无损监测作物叶片色素提供了有效手段.本研究以4个棉花品种在3个施氮水平下的2年田间试验为基础,通过测定棉花(Gossypium hirsutum)功能叶片的高光谱反射率及对应的色素(叶绿素a、叶绿素b、叶绿素a b、类胡萝卜素)含量,定量分析了叶片高光谱参数与色素含量之间的相关关系.结果表明,与棉花功能叶片各色素指标相关性比较好的高光谱波段主要分布在500～700 nm;由敏感波段构建的光谱指数与各色素指标的相关性均在0.50以上;且红边最小值(Lo)可以作为共同的高光谱指数来估测不同棉花品种不同氮素水平下功能叶片的叶绿素总量(组合品种的R2为0.67).因此,通过高光谱参数来估算棉花功能叶片色素含量是可行的.     

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。     

冬小麦拔节期冻害后高光谱特征

以霜箱模拟冻害, 采用高光谱仪测定盆栽冬小麦叶片叶绿素含量及冠层高光谱反射率曲线, 以期为冻害遥感监测提供借鉴。结果表明, 冻害低温胁迫后, 对照组叶绿素含量比冻害组高约2~5个单位, 差异显著; 短期内高光谱曲线反射率接近, 线形相似, 约20 d后, 受损叶片过早衰败变黄, 高光谱曲线在黄、红波段区域反射率显著增强, “红谷”不明显, 曲线形状呈水平趋势; 光谱 “红边”具有“蓝移”、“红谷”具有“红移”现象。冻害程度的相关系数与绿峰、红边、红谷、光谱吸收指数分别为0.36*、-0.69*、0.42**、0.33**, 与蓝、绿、黄、红宽波段范围反射率面积分别为0.34*、0.43**、0.45**、0.44**, 与红边、红谷归一化植被指数为-0.33*, 与近红外、红波段反射率面积归一化植被指数为-0.39*, 与叶绿素含量为-0.49**。高光谱反射率曲线特征部位值差异显著性检验表明, 可利用近红外、红波段反射率面积构成的NDVI差异进行冻害识别, 其差异分级可划分冻害程度。     

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。     

Estimating canopy leaf nitrogen concentration in winter wheat based on multi-angular hyperspectral remote sensing

Real-time, nondestructive estimation of crop nitrogen (N) status is highly important for precision N management in winter wheat production. Developing a new N indicator based on the direct link between spectral index and chlorophyll content is important for crop N diagnosis. In this study, we investigated the quantitative relationships between leaf N concentration (LNC) and ground-based multi-angular remote sensing hyperspectral reflectance in winter wheat (Triticum aestivum L.). Field experiments were conducted from 2011 to 2014 across different sites, cultivars, growth stages, N rates, and planting densities, and a novel Multi-angular vegetation index (MAVI_SR) was developed to improve the prediction accuracy and stability of LNC measurement. The optimum vegetation indices (VIs) obtained from 40 traditional indices reported in the literature, as well as normalized difference spectral indices (ND) and Simple Ratio Indices (SR), were tested for their stability in estimating LNC at 13 viewing zenith angles (VZAs). Overall, the coefficient of determination (r²) of spectral reflectance and traditional VIs with LNC decreased with increasing VZA in both the forward and backward scattering directions and reached maximum values at a viewing angle of −20°. Ratio index (RI-1 dB) exhibited the best linear relationship to LNC (r² of 0.837) at the −20° viewing angle, but Enhanced vegetation index (EVI-1) showed the highest r² (0.819) with LNC at the nadir direction. The relationships between the LNC and two-band combinations indicate that there are three sensitive regions with high r², which vary with VZA, usually comprising combinations of blue–red wavelengths, green–red edge wavelengths, and between-red edge wavelengths. To further analyze the relationship between the combination of the three sensitive regions and the sensitive VZAs with LNC, the MAVI_SR index in the form of MAVI_SR = (R538/R768)₋₂₀ − (R478/R634)₊₁₀ was calculated and found to be highly correlated with LNC (r² = 0.897). When independent data were fit to the derived equations, the average relative error (RE) values were 15.5%, 14.3%, and 12.6% between measured and estimated LNC using EVI-1_0°, RI-1 dB_−20°, and MAVI_SR, respectively. These results suggest that the models can accurately estimate LNC in wheat, and the novel MAVI_SR is more effective for estimating LNC than previously reported VIs, independent of years, sites, and growth periods. The results also indicate the importance of taking into account angle effects when analyzing VIs.     

不同水分条件下棉花光谱数据对冠层叶片温度的响应特征

利用Fluke热像仪和ASD地物非成像高光谱仪,分别记录棉花新陆早33号、13号2个品种、4个水分处理、5个关键生育时期的冠层红外热图像和反射光谱数据;在红外热图像上提取棉花冠层受光叶片的温度,同时处理高光谱数据获得归一化植被指数(NDVI)、比值植被指数(RVI)、红光620 nm和近红外850 nm波段的反射率(ρ620,ρ850)。分析表明,棉花2个品种4个水分处理的冠层叶片温度(TL)在盛花期、盛花结铃期较高,在盛铃期达到最大值,在开花期和吐絮初期较低;棉花受到水分胁迫,冠层近红外波段光谱的反射率降低,红光波段的反射率升高,NDVI和RVI变小,TL升高;在充分灌溉条件下棉花近红外、红光波段的光谱反射率、NDVI和RVI及TL则与水分胁迫处理的表现相反。和620 nm和850 nm波段反射率与TL的线性相关比较,棉花NDVI和RVI与TL的线性相关性更强。研究表明,将红外热图像和高光谱遥感技术相结合,具有实时、非破坏性地监测棉花水分状况的潜力。     

Estimation of litchi (Litchi chinensis Sonn.) leaf nitrogen content at different growth stages using canopy reflectance spectra

The estimation of crop nitrogen status in fresh vegetation leaf using field spectroscopy is challenging due to the weak responses on leaf/canopy reflectance and the overlapping with the absorption features of other compounds. Although the spectral indices were proposed in the literature to predict leaf nitrogen content (LNC), the performance of selected spectral indices to estimate the LNC is often inconsistent. Moreover, the models for nitrogen content estimation changed with the growth stage. The goal of this study was to evaluate the performance of published indices, ratio of data difference index (RDDI) and ratio of data index (RDI) developed by band iterative-optimization algorithm in LNC estimation. The correlation analysis, linear regression and cross validation were used to analyze the relationship between spectral data and LNC and construct the best performed estimation model. The study was conducted by the data of five growing seasons of litchi from the orchards in Guangdong Province of China. Results showed that the relationship between chlorophyll (Chl) related spectral indices and LNC varied with the growth stage. Even in flower bud morphological differentiation stage and autumn shoot maturation stage, there were not significant correlations between the proposed spectral indices and LNC. Besides it is difficult to estimate the LNC by the general model across the growth stages due to the integrated effects of cultivar, biochemical, canopy structure, etc. The band iterative-optimization algorithm can improve the sensitivity of spectral data to LNC to some extent. The optimal RDDI performed better than other indices for the synthetic dataset and the dataset in each growth stage. And the sensitive bands selected in the optimal indices at each growth stage are not consistent, which are not only related to the Chl absorption but also other biochemical components, such as starch, lignin, cellulose, protein, etc. In general, the LNC can be estimated by the optimized CR-based RDDI indices in autumn shoot maturation stage, flower spike stage, fruit maturation stage, and flowering stage with the R² > 0.50 and RMSE < 0.14. Although there were the significant relationship between RDIs and RDDIs in flower bud morphological differentiation stage, the highest R²s of the model developed by RDDIs and RDIs were less than 0.50 in cross validation. This study indicated that the applicability of canopy reflectance to estimate litchi LNC was closely related to the growth stage of litchi. Growth stage-specific models will be preferred for estimating litchi LNC estimation.     

基于多视角反射光谱的冬小麦冠层叶片氮素营养监测研究

通过2个蛋白质含量不同的冬小麦品种和4个氮素水平的试验,研究传感器在垂直冬小麦垄平面上,冠层不同观测角度的反射光谱与叶片氮素营养的关系,改进小麦冠层氮素光谱诊断的理论与方法。结果表明,在本试验选择的7种植被指数光谱特征参量中,2个小麦品种均表现为比值植被指数（RVI[670,890]）与冠层叶片氮素含量（CLNC）相关性最高;不同视角的RVI与冠层叶片氮素含量关系中,0°、30°和90°的相关性最高;利用0°、30°和90°的RVI与CLNC进行模型拟合,其模型的决定系数是0°﹥30°﹥90°;在建立的0°模型中,京411小麦模型RMSE为0.2915,预测准确率为90.2%,中优9507模型RMSE为0.3827,预测准确率为87.2%。本研究证明改变反射光谱观测角度,能够提高冠层叶片氮素含量的光谱预测精度,不同小麦品种其光谱特征与冠层叶片氮素含量关系不同,在应用中要根据不同的小麦品种建立相应的模型。     

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。     

基于光谱红边参数的棉花黄萎病叶片氮素含量诊断研究

 以黄萎病胁迫下棉花叶片为供试材料,分析了黄萎病棉叶氮素含量(LNC)与光谱红边参数间的关系,建立了黄萎病棉叶LNC(Leaf nitrogen content) 的光谱红边参数诊断模型。结果表明：(1) 随着黄萎病严重程度的增加,棉叶LNC逐渐减小,且差异显著;（2）黄萎病棉叶红边参数红边位置(REP) 、红边振幅（Dr）、红谷位置(Lo) 、红边深度（Depth₆₇₂）和红边面积(Area₆₇₂) 均减小,红边宽度(Lwidth) 增加,且Area₆₇₂的值减小的幅度最大,Dr减小的幅度最小,Lwidth的值增加的幅度较大; (3) 黄萎病棉叶LNC含量均与红边参数REP、Lo、Depth₆₇₂和Area₆₇₂呈极显著正相关,与Lwidth呈极显著负相关,与Dr未达显著相关;(4)基于红边参数建立的黄萎病棉叶LNC含量的诊断模型均达到极显著水平（P<0.01）,其中以Area₆₇₂为自变量建立的黄萎病棉叶LNC的诊断模型的精度最高,R²超过0.7,RMSE小于0.6,RE小于0.007,能很好地诊断黄萎病棉叶LNC。     

利用光谱红边参数监测黄萎病棉叶叶绿素和氮素含量

以黄萎病胁迫下棉花叶片为试验材料, 分析感染病害棉叶叶绿素(Chl)含量和氮素含量(LNC)与光谱红边参数间的关系, 建立病害棉叶Chl含量和LNC的光谱红边参数诊断模型。结果表明：(1)随着病情加重, 棉叶Chl a、Chl b、Chl a+b和LNC逐渐减小, 其中Chl a下降最快, Chl b下降最慢;(2)黄萎病叶片光谱反射率在可见光区(400~700 nm), 近红外光区(700~1300 nm)和短波红外光区(1300~2500 nm)呈现逐渐上升趋势, 在520~680 nm间达极显著(P<0.01);光谱吸收率在可见光区和短波红外光区呈现逐渐下降的趋势, 达极显著(P<0.01), 在近红外光区呈现先升后降的趋势。(3)病害棉叶红边位置(REP)、红边振动幅(Dr)、红谷位置(Lo)、红边深度(Depth672)和红边面积(Area672)的值均减小, 红边宽度(Lwidth)的值增加, 且Area672减小的幅度最大, Dr减小的幅度最小, Lwidth增加的幅度较大;(4)病害棉叶Chl a含量、Chl b含量、Chl a+b含量和LNC均与红边参数REP、Lo、Depth672和Area672呈极显著正相关, 与Lwidth呈极显著负相关, 与Dr未达显著相关;(5)利用红边参数建立的棉叶Chl含量和LNC的诊断模型均达极显著(P<0.01), 其中以Area672为自变量建立的病害棉叶Chl a、Chl a+b和LNC的诊断模型和Lo为自变量建立的Chl b诊断模型的精度最高, 能很好的诊断病害棉叶Chl含量和LNC。