黑土土壤中全氮含量的高光谱预测分析

为实现快速、准确估测土壤氮素含量水平,推动土壤信息化管理进程,该研究利用ASD2500高光谱仪在室内条件下测定了风干土壤样品的可见—近红外光谱。结果表明,通过不同的变换,光谱反射率对数的一阶导数与土壤全氮含量相关性得到增强,以400～600 nm波段范围内相关性最好。该文确定了以反射率对数的一阶导数光谱预测黑土全氮（TN）含量的最佳回归模型,模型所用的波段为可见光波段的556 nm、近红外的1 642和2 491 nm。同时,也确定了利用由可见光波段550和450 nm组成的归一化光谱指数预测黑土TN含量的最佳预测模型。模型通过验证达到较好的效果：利用反射率对数的一阶导数、归一化光谱指数对土壤TN的预测R2分别为0.863、0.829,均方根误差RMSE分别为0.122、0.152。     

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IRIV算法优选大豆叶片高光谱特征波长变量估测SPAD值

在植物叶绿素特征波长变量筛选过程中,与叶绿素关系较弱的波长变量极易被忽略,导致这些弱信息变量包含叶绿素的有效信息丢失,因此,确定叶片光谱中弱信息变量对揭示叶绿素高光谱响应规律具有重要意义。该研究以江汉平原大豆鼓粒期的叶片为研究对象,采集80组大豆叶片高光谱和SPAD(soil and plant analyzer development)值,分析SPAD值与大豆叶片反射率相关关系和光谱波长变量自相关关系,基于迭代和保留信息变量法(iteratively retains informative variables,IRIV)筛选大豆叶片的特征波长变量,建立偏最小二乘回归(partial least squares regression,PLSR)和支持向量机(support vector machine,SVM)模型估测SPAD值。结果表明,大豆叶片SPAD值与光谱反射率在可见光波段具有极显著负相关,在近红外波段存在不显著的正相关性(P0.01);可见光、近红外2波段的波长变量之间相关性较弱,但2波段内变量之间的相关性较强;基于IRIV算法确定了大豆叶绿素的特征波长变量,利用特征波长变量建立的估测模型的估测能力高于仅利用强信息波长变量建立的估测模型,表明弱信息变量对估测叶片SPAD值具有重要意义;IRIV-SVM模型估测能力最优,验证集R2和相对分析误差(RPD)分别为0.73、1.82。该文尝试证明了光谱中弱信息变量的重要性,为揭示叶片高光谱响应机理提供了理论依据。     

基于光谱特征参量的核桃叶片氮素含量估测模型

建立基于光谱特征参量的新温185号(Juglans regia‘Xinwen185’)核桃叶片氮素含量估测模型,旨在为快速监测新温185号核桃叶片N素营养状况提供技术途径。基于肥料效应田间试验,测定N肥不同施用量水平下新温185号核桃果实坐果期、速生生长期、脂化期和近成熟期的叶片光谱反射率和N素含量,采用Pearson相关分析方法筛选与叶片N素含量呈极显著相关的光谱特征参量,并应用回归分析方法建立叶片N素含量光谱特征参量估测模型。结果表明:与叶片N素含量呈极显著相关(P0.01)的光谱特征参量在果实坐果期有绿峰反射率和红色比值指数,在果实速生生长期有黄边位置、红谷反射率和绿色比值指数、红色比值指数、绿色归一化差值指数、红色归一化差值指数,在果实脂化期有绿峰反射率和红色比值指数,在果实近成熟期有绿峰反射率、黄边幅值和红边面积。分别以绿峰反射率、黄边位置、红色比值指数和黄边幅值为自变量采用三次函数建立的果实坐果期、速生生长期、脂化期和近成熟期叶片N素含量回归估测模型的拟合度R2均在0.99以上,且模型具有很好的稳定性和很高的估测精度。表明可采用三次函数建立果实不同生育时期叶片N素含量光谱特征参量估测模型对新温185号核桃树体N素营养水平进行监测。光谱技术在核桃树体N素营养信息探测方面有较大的应用潜力。     

高光谱成像分析植物叶片滞尘前后光谱特征变化

灰霾的监测与治理是迫切需要解决的问题,分析植被叶片滞尘前后的光谱变化特征是灰霾监测的一种有效方式。植物叶片具有吸附空气颗粒物的能力。该文通过获取10种常见树木叶片10月和11月连续26 d的高光谱图像,对比分析每种叶片滞尘前后的光谱特征变化情况,得出滞尘前后叶片光谱变化的基本趋势:1)10种叶片变化趋势基本一致,10种叶片滞尘前后光谱变化明显的区间均表现在500~550 nm、550~700 nm、730~760 nm波段内;2)滞尘前后的叶片红边位置并没有发生改变,滞尘没有对叶片内部生理结构构成影响;3)金露梅和二球悬铃木在765 nm波段处的光谱响应与其它树种存在很大差异;白杜、金银忍冬、紫薇和玉兰在550~570 nm波段区间对于滞尘的敏感度较弱。研究为大气降尘的监测以及灰霾的治理提供应用参考。为进一步通过高光谱探测灰霾典型成分提供理论支撑。     

基于BP神经网络的橡胶苗叶片磷含量高光谱预测

为验证高光谱技术在橡胶苗叶片磷素营养诊断方面的可行性,该文以砂培橡胶苗为研究对象,利用高光谱仪测得不同磷处理水平下橡胶苗叶片光谱反射率,并应用微分技术求取去噪后光谱反射率一阶和二阶导数,以叶片磷含量和光谱变量相关性分析为基础,选择出叶片磷含量敏感波段,最后以敏感波段为输入变量,结合多重线性回归、偏最小二乘回归和反向传播神经网络模型对叶片磷含量进行预测。结果表明:原始光谱反射率555和722 nm、一阶导数674、710、855、1 091、1 197、1 275、1 718、2 181和2 228 nm以及二阶导数816、890、1 339、1 357和2 201 nm为叶片磷含量敏感波段;反向传播神经网络模型预测精度最高,训练集和验证集中预测值和实测值之间的相关系数r分别为0.964和0.967,均方根误差RMSE分别为0.0139和0.00856,模型性能指数(ratio of performance to deviation,RPD)分别为3.71和3.23,证明高光谱技术可以快速、准确诊断橡胶苗叶片磷含量。     

基于光谱特征参数的温室番茄叶片叶绿素含量预测

为了快速、准确估测温室番茄叶片叶绿素含量,提升作物精细管理水平,利用光谱分析技术研究了温室番茄不同生长阶段叶绿素含量和响应光谱的相关性,在幼苗营养生长阶段叶片叶绿素含量呈增长趋势,到移植50天前后达到最大值,在此期间反射光谱的红边会向红外方向（长波）偏移,同时绿峰向蓝光（短波）方向偏移,绿峰幅值减小。从结果期开始叶绿素含量呈下降趋势,而红边、绿峰及绿峰幅值向相反方向变化。为了定量分析叶绿素含量和叶片反射光谱间的关系,从自定义的68个光谱特征参数中提取了7个能反映叶绿素含量变化的最优参量,并使用逐步回归、岭回归、主成分分量回归和偏最小二乘回归消除了最优参量的多重共线性,建立了叶绿素含量预测模型,其中岭回归模型精度最佳,均方根误差（RMSE）为0.406,决定系数(R2)为0.839。     

结合SPA和PLS法提高冬小麦冠层全氮高光谱估算的精确度

【目的】 冠层高光谱全波段信息可以在小麦拔节期快速无损地估算叶片的氮含量。本研究结合连续投影算法 (SPA) 和偏最小二乘 (PLS) 技术,筛选了冬小麦拔节期冠层光谱对叶片氮含量的敏感特征波段,以期为冬小麦关键生育期氮素含量的遥感估算提供理论依据和技术支持。 【方法】 以陕西关中地区2015—2016年冬小麦小区试验为基础,基于连续投影算法 (SPA) 提取冬小麦叶片全氮含量的冠层光谱敏感波段,并结合偏最小二乘 (PLS) 回归法建立基于敏感特征波段的冬小麦拔节期叶片氮含量估算模型。 【结果】 SPA算法从冬小麦338～2510 nm的冠层光谱中优选出了1985 nm、2474 nm、1751 nm、1916 nm、2507 nm、1955 nm、2465 nm和344 nm共计8个叶片全氮含量的敏感特征波段,波段数目下降了98.9%,有效降低了光谱信息的冗余;基于敏感特征波段构建的叶片氮含量偏最小二乘回归模型的决定系数和均方根误差分别为0.82和0.28,模型验证方程的决定系数和均方根误差分别为0.84和0.21,模型的相对预测偏差大于2,具有较高的精度和良好的预测能力。 【结论】 与常用植被指数的叶片氮含量估算模型相比,连续投影算法 (SPA) 结合偏最小二乘 (PLS) 方法的叶片氮含量估算精度更高,稳定性更强,可以作为冬小麦拔节期叶片氮含量的高光谱估算方法。      

基于自然光照反射光谱的温室黄瓜叶片含氮量预测

利用便携式光谱辐射仪测量了自然光照条件下温室黄瓜叶片的光谱反射率,并计算了反射率光谱的一次微分光谱。反射率光谱以及一次微分光谱与叶片含氮量的相关分析表明,温室内光谱特性与叶片含氮量相关性最大的敏感波段分别是505～664 nm和685～722 nm。当利用原始光谱进行分析时,通过变量筛选得到了4个敏感波长,分别是568、596、640和664 nm。偏最小二乘回归分析(PLSR)以及归一化颜色指数(NDCI)分析都表明,建模时的相关系数R_C>0.800,模型验证时的相关系数R_V>0.700。对微分光谱进行的相关分析结果表明,利用单一敏感波长520 nm就可获得理想模型,建模时的相关系数为0.880,模型验证时的相关系数为0.787。对比原始光谱的PLSR模型与一阶微分光谱的一元线性回归模型可以得知,原始光谱以及一阶微分光谱都可用于温室内叶片含氮量的预测,而且一阶微分光谱在一些特殊的波长处具有更高的预测能力,这些模型将成为开发便携式作物长势诊断仪器的技术基础。     

稻纵卷叶螟为害水稻的冠层光谱特征及叶绿素含量估算

2017-2018年以南京农业大学农业气象与昆虫生态实验室培养的二龄稻纵卷叶螟幼虫为试验材料,在南京信息工程大学农业气象试验站水稻大田内,设置网罩控制下不同投虫量处理,以无虫量为对照,利用便携式波谱仪和SPAD-502叶绿素仪测定水稻全生育期冠层光谱反射率以及倒一叶叶绿素相对含量(SoilandPlant Analyzer Development,SPAD),分析不同初始虫量条件下、不同生育期水稻冠层的原始光谱、三边参数和SPAD值的变化规律。在此基础上,利用观测光谱中与SPAD值相关性较强的波段,计算基于光谱数据的植被指数和三边参数,并以这两类指数为自变量,建立水稻叶绿素相对含量的回归估算模型。结果表明:(1)稻纵卷叶螟为害下的水稻冠层光谱反射率与对照差异显著(P0.05),其中可见光波段的反射率在分蘖-孕穗期低于对照,在扬花-成熟期高于对照;(2)在近红外波段,表现为虫害处理的反射率低于对照,且随着投虫量的增加反射率呈下降趋势,其中以300头·百株~(-1)(4级)处理近红外波段的反射率最低;(3)随着投虫量的增加,红边位置发生明显"蓝移"。(4)SPAD值随投虫量的增加逐渐降低,4级处理最低;(5)归一化植被指数(Normalized Difference Vegetation Index,NDVI)、红边归一化植被指数(Red-Edge Normalized Difference Vegetation Index,NDVI_(705))以及红边位置与SPAD值的相关性较好;(6)利用观测光谱数据构建了SPAD单因子估算模型和多元逐步回归模型,其中以NDVI指数模型的估算效果最优,R~2达到0.72,且高于其它估算模型,说明利用水稻冠层光谱参数,建立全生育期稻纵卷叶螟为害下水稻叶片叶绿素相对含量估算模型的方法是可行的,且具有快速、无损的特点,利于实现持续、动态和长期定位观测。     

基于高光谱数据的水体叶绿素a指数反演模型的建立

水体叶绿素a含量是反映水体质量的重要指标之一,利用遥感技术监测其含量具有众多优势。该研究利用2012年7月在广西壮族自治区桂林市漓江流域实地采集的水体高光谱数据和实验室化验分析数据,借鉴陆表植被叶绿素a的遥感反演模型,发展了一种新的水体叶绿素a提取指数(water chlorophyll-a index,WCI)。通过与反射率敏感波段法、波段比值法和半分析方法对比分析发现,新提出的WCI指数使用650、685、696 nm波段,波段稳定,决定系数R2可达0.58,均方根误差最小为0.24,受水体悬浮物影响小,在天津海河区域的验证效果也表明了该模型可以有效地提取水体叶绿素a含量。该方法扩展了水体叶绿素a监测的建模思路,对水体叶绿素a监测建模有一定的指导作用。     

春玉米磷素营养的光谱响应及诊断

通过盆栽试验监测不同磷营养水平春玉米典型生育期叶片光谱变化,并对叶片光谱反射率与叶片磷含量做了相关分析。结果表明,春玉米大喇叭口期是磷素营养的光谱响应敏感期,3507～30.nm和14201～800.nm是磷素营养的光谱敏感波段。该生育期构建的单波段高光谱变量、窄波段光谱变量和宽波段光谱变量与叶片磷含量都存在显著或极显著的回归关系;窄波段光谱变量比值指数R6725/6256和R61745/15856与叶片磷含量的回归关系达到了极显著水平,R625/555达到显著水平。可见光波段光谱变量与磷含量的回归关系优于近红外波段光谱变量与磷含量的回归关系,表明可见光波段叶片光谱反射率可能更适合春玉米磷营养状况的评价。不同波段宽度的光谱变量分析表明,在敏感波段范围内,801～00.nm波段平均的叶片宽波段光谱反射率没有降低对叶片磷含量的估算精度。     

高光谱反射率与大豆叶面积及地上鲜生物量的相关分析

以ASD FieldSpec光谱仪实测了不同生长季大豆的冠层高光谱,同期采集了对应大豆LAI、地上鲜生物量。逐波段分析了冠层光谱反射率、导数光谱与大豆LAI、地上鲜生物量的相关关系;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、地上鲜生物量确定性系数随波长的变化趋势;并建立了以近红外与可见光波段的冠层光谱反射率的比值植被指数RVI与大豆LAI、地上鲜生物量的高光谱遥感估算模型。结果表明,冠层光谱反射率在350～680 nm、760～1050 nm波谱区与大豆LAI、地上鲜生物量相关性     

利用红边参数估计叶片叶绿素含量

Hyperspectral remote sensing makes it possible to non-destructively monitor leaf chlorophyll content (LCC). This study characterized the geometric patterns of the first derivative reflectance spectra in the red edge region of rapeseed (Brassica napus L.) and wheat (Triticum aestivum L.) crops. The ratio of the red edge area less than 718 nm to the entire red edge area was negatively correlated with LCC. This finding allowed the construction of a new red edge parameter, defined as red edge symmetry (RES). Compared to the commonly used red edge parameters (red edge position, red edge amplitude, and red edge area), RES was a better predictor of LCC. Furthermore, RES was easily calculated using the reflectance of red edge boundary wavebands at 675 and 755 nm (R675 and R755) and reflectance of red edge center wavelength at 718 nm (R718), with the equation RES = (R718－R675)/( R755－R675). In addition, RES was simulated effectively with wide wavebands from the airborne hyperspectral sensor AVIRIS and satellite hyperspectral sensor Hyperion. The close relationships between the simulated RES and LCC indicated a high feasibility of estimating LCC with simulated RES from AVIRIS and Hyperion data. This made RES readily applicable to common airborne and satellite hyperspectral data derived from AVIRIS and Hyperion sources, as well as ground-based spectral reflectance data.     

冬小麦越冬中期冻害高光谱敏感指数研究

利用试验箱进行冬小麦冻害盆栽试验,观测受冻前后叶片光谱反射率、叶绿素含量并分析其变化规律;通过对高光谱数据进行倒数对数、一阶导数、二阶导数变换,与叶绿素含量进行相关分析,寻找表征冻害胁迫的特征值,获得识别和评价冻害差异程度的波段或指数。结果表明,（1）在可见光范围内叶绿素含量与原始光谱反射率呈负相关,在近红外范围内呈正相关,与倒数对数光谱的相关性则相反。一阶导数光谱大部波段相关性通过0．01水平的显著性检验,二阶导数光谱仅少部分波段通过。（2）相关性分析表明,冻害监测的敏感性波段为684．92nm处倒数对数光谱、578．37nm处一阶导数光谱、571．93nm处二阶导数光谱,这些波段与叶绿素的相关系数均通过0．01水平的显著性检验,且相关系数最大,其中以倒数对数光谱为自变量的估算模型最优。（3）叶绿素含量与高光谱特征变量的相关性分析表明,以由蓝边面积（SDb）和红边面积（SDr）计算的VI3（VI3=SDr／SDb）或VI3[VI5=（SDr—SDb）／（SDr＋SDb）]为自变量的抛物线模型最优,其训练样本拟合与验证样本精度检验水平均最高,因此VI3、VI5为冬小麦冻害监测的敏感指数。研究结果揭示了冬小麦冻害后高光谱特征,可为促进高光谱技术在冬小麦长势监测和估产中的应用,提高冬小麦冻害遥感监测的准确性提供依据。     

艾比湖流域盐渍土含水量光谱特征分析与建模

盐渍土表层盐分累积与土壤含水量有着直接的关系.为了建立干旱区盐渍土含水量高光谱遥感监测模型,本文以艾比湖流域不同含水量的盐渍土为研究对象,采用光谱反射率变换和多元统计分析(MSAM)方法,对土壤含水量的光谱特征进行分析和建模.结果表明:随着土壤含水量的增加,土壤反射率呈下降趋势;在一定范围内,波长越长,土壤光谱反射率与含水量的相关性越高,其中1 937 nm处的土壤光谱反射率与含水量具有最高的相关性(r=-0.636).对土壤光谱反射率进行8种光谱反射率变换后,在此基础上利用多元统计方法分析盐渍土的不同含水量与光谱之间的相关性,筛选敏感波段,建立关系模型.得出对数一阶微分(Logarithm First Order Differential)在波长2024和2 357nm建立的模型以及均方根一阶微分(Root Mean Square First Order Differential)在波长1 972和2 357nm建立的模型最优,相关系数r分别为0.894和0.865.基于上述模型作者构建了一种耦合模型,其相关性r=0.926比对数一阶微分模型提高了0.032,比均方根一阶模型提高了0.061;因此,所构建的盐渍土含水量估算模型是可行的,可以为遥感反演提供理论参考,对高光谱遥感反演具有一定意义.     

基于去包络线法的番茄叶霉病发病程度估测方法

阐明番茄叶霉病(Fulvia fulva)光谱特征并对其发病程度进行估测,可为番茄叶霉病大面积遥感监测提供依据。本研究通过分析番茄叶霉病不同发病程度下叶片光谱变化特征,筛选对发病程度识别的敏感波段。并利用去包络线法对光谱反射率进行处理,构建基于光谱特征吸收参量的发病程度估测模型。研究结果表明:随着叶霉病病害等级的加深,番茄叶片的原始光谱反射率、光谱敏感度、相对反射率均呈逐渐降低趋势;可见光波段(550~730 nm)和短波红外波段(1 860~2 260 nm)是识别番茄叶霉病发病程度的最佳波段;且随着病害等级的增加,吸收波段位置(λ)向短波方向移动,最大吸收深度(D_c)和吸收面积(A)均呈递增规律。利用光谱参数构建的番茄叶霉病病害等级预测的逐步回归模型R~2达0.81,且模型验证结果较好。研究结果对利用高光谱遥感技术定量估测番茄叶霉病发病程度以及监测、防治农作物病虫害均具有较高的实用价值。     

基于波段深度分析和BP神经网络的水稻色素含量高光谱估算

该文以水稻田间氮肥水平试验为基础,采用单变量的线性和非线性回归方法,建立基于植被指数的水稻色素含量高光谱估算模型。各植被指数对色素含量的估计能力分析结果显示,植被指数在色素含量较大时存在饱和问题,为此尝试将波段深度分析(BDA)与BP神经网络结合,以提高利用高光谱技术对水稻叶片色素含量的估算精度。基于连续统去除处理的水稻冠层高光谱数据(400~750 nm),选取波段深度(BD)、波段深度比(BDR)、归一化波段深度(NBDI)和归一化面积波段指数(BNA)4种波段指数,在此基础上进行主成分分析(PCA)实现降维,然后采用反向传播(BP)神经网络方法对水稻叶片色素含量进行高光谱反演,探讨BDA与BP神经网络结合解决植被指数饱和问题的可能性和有效性。结果表明,波段深度分析突出了光谱吸收特征差异,挖掘了更多的潜在信息,使得光谱曲线的差异性得到增强。BD与BP结合的估算模型对水稻叶片中的类胡萝卜素含量估算精度最高(R~2=0.61,RMSEP=0.128 mg?g~(-1)),BNA与BP结合的估算模型对水稻叶片中的叶绿素含量估算精度最高(R~2=0.73,RMSEP=0.343 mg?g~(-1))。对比分析BDA与BP结合的模型和植被指数最佳回归模型的精度,发现波段深度分析建立的BP神经网络模型能较好地解决饱和问题,提高水稻叶片色素含量的估算精度。