苗期低温胁迫对“红颜”草莓叶绿素含量及冠层高光谱的影响

2020年9月−2021年1月以“红颜”（Fragaria×ananassa Duch “Benihope”）草莓为试材，在南京信息工程大学开展低温环境控制试验。设置21℃（日最高气温）/11℃（日最低气温）、18℃/8℃、15℃/5℃和12℃/2℃共4个低温处理，持续时间设置3d、6d、9d、12d共4个水平，以25℃/15℃为对照（CK）。测定草莓叶片叶绿素含量以及冠层高光谱反射率，研究低温胁迫对草莓叶绿素含量及冠层反射光谱的影响，筛选出叶绿素含量估算模型的敏感波段与特征参数。结果表明：（1）同一低温条件下，草莓叶片叶绿素a、叶绿素b和总叶绿素(a+b)等参数随着胁迫天数的延长而减少；同一胁迫天数下，温度越低其含量越低，即低温胁迫程度越大叶绿素含量下降幅度也越大。（2）不同温度同一胁迫天数处理草莓苗期冠层光谱反射率变化规律大致相同。在可见光区域草莓冠层反射光谱曲线均存在绿峰和红谷，在近红外反射平台随着温度降低，光谱反射率数值逐渐增大，即反射平台逐渐增高。（3）草莓冠层一阶微分光谱曲线变化较剧烈，有明显波峰和波谷，在红边范围内偶有双峰现象。随着低温胁迫程度的加深，一阶微分光谱最高峰的值越高，草莓冠层光谱的近红外反射率升高，红边位置蓝移，之后该峰值逐渐降低，红边位置红移。（4）草莓叶绿素(a+b)含量与冠层原始光谱反射率的相关系数均呈负相关，与原始光谱的近红外波段反射率的相关性明显高于可见光波段。叶绿素(a+b)含量与原始光谱反射率相关性较好，均达到显著水平，其中737nm波段相关系数达到最大，因此可以用其作为敏感波段对叶绿素含量进行预测。叶绿素(a+b)含量与植被指数中的DVI、MSAVI、PVI、RDVI、SAVI和TSAVI的相关性达极显著水平，可以选其作为特征参数对叶绿素含量进行预测。     

基于高分六号卫星红边波段的森林蓄积量遥感反演——以西宁市针叶林为例

红光波段和近红外波段常被作为森林蓄积量反演的敏感波段,介于两者之间的红边波段往往被忽略,为了明确红边波段对森林蓄积量的遥感反演精度的影响,本研究基于高分六号卫星宽幅影像（GF6-WFV）,结合西宁市2014年森林资源二类调查数据,从光谱特征、植被指数、地形因子、影像纹理等4个方面选取蓄积量反演的自变量,采用多元线性回归（MLR）、随机森林（RF）模型,分析比较了有无红边波段对西宁市针叶林蓄积量遥感反演精度的影响。结果表明：（1）无红边波段（No Red-Edge）和加入红边波段（Red-Edge Added）两组处理的纹理特征变量降维后,其主成分信息主要解释了红外、近红外以及红边1波段的纹理特征。（2）与蓄积量相关的光谱特征变量：No Red-Edge处理主要包括红边波段和近红外波段的地表反射率,Red-Edge Added处理主要为红边1波段的地表反射率;植被指数变量：No Red-Edge处理主要包括NDVI和SAVI,Red-Edge Added处理为MTCI。（3）加入红边波段后,RF模型的R²优于MLR模型,分别为0.6719和0.5487,RF模型的均方根误差（RMSE）小于MLR模型,分别为26.3m³hm⁻²和20.8m³hm⁻²。（4）去除模型对反演精度的影响后,相对于No Red-Edge,Red-Edge Added处理的反演结果与观测值拟合的R2提高了11.6%,RMSE降低了9.1%。说明加入红边波段可显著提高西宁市针叶林蓄积量的反演精度,研究结果可为森林蓄积量的遥感反演提供科学依据。     

用高光谱成像技术检测柑橘红蜘蛛为害叶片的色素含量

为解决传统理化法检测柑橘树叶片受红蜘蛛为害后色素含量变化时存在的工作量大、效率低等问题,该文研究应用高光谱成像技术检测柑橘红蜘蛛为害叶片色素含量的方法。研究中对比了正常叶片与受害叶片的原始光谱以及原始光谱一阶微分曲线的差异,寻找反映叶片色素含量变化的特征波段;分析了特征波段反射率比值与叶片色素间相关性;采用单变量线性回归法分析了常用植被指数预测叶片色素含量的效果;采用逐步回归分析法建立了叶片色素含量预测模型,并对模型预测效果进行了F检验。结果表明:常用植被指数预测叶片色素含量结果不理想;选取的667/522、667/647和522/647 nm等3个特征波段反射率比值与叶片3种色素含量间具有较高的相关性;用于建立叶片色素含量预测模型的最佳特征波段反射率比值为667/522和667/647 nm,所建立的模型可较好地预测健康及受害叶片的叶绿素a、叶绿素b和类胡萝卜素含量。     

水稻生物化学参数与高光谱遥感特征参数的相关分析

通过不同氮素营养水平的水稻田间试验，研究稻叶生物化学成份(叶绿素、类胡萝卜素、蛋白质、纤维素、淀粉含量) 与水稻冠层高光谱遥感特征参数之间的关系，结果表明，随着叶位的下移，叶片叶绿素含量与光谱特征变量之间的相关性明显减弱，绿峰反射率、红谷反射率、红边波长、蓝边面积和“三边”面积构成的植被指数等变量与上叶叶绿素含量、类胡萝卜素、纤维素、叶鞘淀粉含量之间有较好的相关性，而蛋白质含量与各种变量的相关系数均非常低。兰边面积、兰边面积和红边面积构成的植被植数与上叶叶绿素含量之间，红边面积 、绿反射峰与红反射峰构成的植被指数与叶鞘淀粉含量之间的相关系数都达到了0.01极显著检验水平，因此，可利用这些变量建立上叶叶绿素a、纤维素和叶鞘淀粉含量的估测模型。     

低温胁迫下冬小麦叶片叶绿素含量的高光谱估算

利用一次寒潮降温过程，以苗期12个品种的冬小麦为研究对象，测定其低温逆境下叶片光谱反射率和SPAD(Soil and Plant Analyzer Development，SPAD)值。以2020年12月28日（最高/最低温为15℃/3℃）的观测值为胁迫前数据，12月31日（最高/最低温为1℃/−9℃）的观测值为低温胁迫后数据，分析低温胁迫前后小麦叶片原始光谱和SPAD值的变化规律。在多种光谱参数中，采用相关分析方法遴选出5个与SPAD值密切相关的特征变量，分别建立低温胁迫前、后以原始光谱数据、一阶光谱导数和三种植被指数为自变量的小麦叶片叶绿素含量反演模型，并进行交互验证，筛选出低温胁迫后小麦叶绿素含量的最优反演模型。结果表明：（1）与胁迫前相比，低温胁迫后小麦叶片SPAD整体呈上升趋势，光谱反射率在叶绿素吸收较好的可见光区域有所降低，叶片表现出受冻特征；（2）构建的低温胁迫前后两种混合模型，交互验证后精度较低，表明常温下小麦叶绿素含量估算模型并不适用于遭受低温胁迫后的小麦叶绿素估算，需单独建立低温胁迫后的估算模型；（3）利用光谱数据构建冬小麦低温胁迫下叶绿素含量反演混合模型中，以一阶光谱导数在694nm处建立的模型估算效果最优，拟合度（R2）为0.694，均方根误差（RMSE）为3.191，说明利用小麦叶片光谱特征波段建立低温胁迫下叶片叶绿素含量反演模型的方法是可行的。研究结果可为多品种冬小麦叶片叶绿素含量无损监测提供参考。     

不同施氮水平下温室番茄叶片反射光谱特征分析

利用便携式光谱辐射仪测定了温室番茄叶片的光谱反射率,研究了不同施氮水平下特定光谱指数与叶片氮含量、光合速率及产量的关系。结果表明,温室番茄叶片的光谱反射率在可见光波段随供氮水平的升高而降低,在近红外波段随供氮水平的升高而增加。随施氮水平的提高,绿峰的蓝移和红边的红移现象明显,而红谷反射率与光合速率之间的关系可用二次方程拟合,相关系数达0.805。番茄叶片氮含量的敏感光谱波段为580~695 nm,740~900 nm,由695 nm、770 nm两个波段构建的高光谱指数(RVI、NDVI)与叶片氮含量的相关性显著。而基于原始光谱数据对番茄产量的估测也可在温室中得到很好的运用,其中光谱指数RV(I710,680)、VARI700和产量的拟合方程最优。     

不同氮营养冬小麦冠层光谱红边特征分析

利用FieldSpec FR2500光谱仪测定了不同氮素处理冬小麦冠层光谱,分析其红边特征变化规律及与农学成分的相关关系。结果表明,波长550 nm、680 nm、980 nm、1100 nm与350～680 nm和750～1100 nm可作为氮素营养诊断的敏感特征点与波段范围。随着施氮量的提高,拔节期、抽穗期以及灌浆期的红边位置（REP）、红谷位置（Lo）与光谱反射率一阶微分极大值（FD_Max）均增大,红边宽度（Lwidth）则有减小的趋势。总体上看,施氮与无氮处理在整个生育期均存在较大差异,施氮处理之间差异较小。冠层反射光谱的红边位置、红谷位置、随生育期向长波方向移动,呈现红移现象;从抽穗期开始逐渐减小,呈现蓝移现象。冬小麦红边参数中红边位置与农学组分之间的相关性优于其他参数,除与地上部生物量正相关显著外,与叶面积指数、叶含水率、叶绿素含量、叶可溶性蛋白含量、叶鲜重、叶含氮量均呈正相关且达到极显著水平。红谷位置则与叶面积指数、叶含水率、叶绿素含量、叶鲜重以及SPAD值呈极显著正相关;与可溶性蛋白呈显著正相关。红边宽度与叶面积指数、叶含水率、叶氮含量、叶绿素含量以及叶鲜重均呈极显著正相关;与可溶性蛋白含量呈显著正相关。反射率一阶导数极大值与叶面积指数、叶含水率、叶鲜重呈极显著正相关,与叶含氮量极显著负相关。通过红边参数与农学组分稳定良好的数学关系,可以对农学组分进行预测估算。     

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.     

稻纵卷叶螟危害下水稻叶片光谱特征及产量估测

2020年在南京市浦口区桥林街道对稻纵卷叶螟[Cnaphalocrocis medinalis Güenée(C. medinalis)]自然发生的水稻农田进行高光谱观测试验，以探明不同稻纵卷叶螟危害程度下水稻叶片光谱特征与产量的关系，并对水稻产量进行预测。试验共选取80个样点，各样点虫害等级根据稻株的受害叶片数量占叶片总数的比例进行划分，利用SOC710VP便携式高光谱成像仪，采集水稻主要生育期（拔节期、孕穗期、灌浆期和成熟期）各样点水稻叶片的高光谱数据，调查收获后各样点的水稻产量数据，分析不同虫害等级下水稻叶片原始光谱、一阶导数光谱特征和产量参数的变化规律，并利用观测光谱与产量相关性较强的特征波段计算植被指数，建立基于植被指数的水稻产量估算模型。结果表明：（1）同一生育期内，水稻叶片近红外波段和红边波段的反射率随着虫害等级的升高而降低，而红光波段则相反。（2）同一生育期内，一阶导数光谱的峰值、红边幅值和红边面积随着虫害等级的增大而降低，红边位置的“蓝移”现象加重。（3）水稻的有效穗数、千粒重、结实率以及产量总体上随着虫害等级的上升而降低；但虫害等级较低时，有效穗数、千粒重以及结实率...     

番茄叶片叶绿素含量光谱估算模型

以番茄品种“金粉2号”为试验材料,在玻璃温室内设置3种土壤水分胁迫水平,以正常灌溉为对照,于2013年3—7月和8—12月两个生长季对番茄进行全生育期持续处理。采用便携式地物光谱仪测定各生育期番茄冠层的光谱反射率,同步测定叶片总叶绿素和叶绿素a含量,并基于3—7月数据计算常见高光谱植被指数,分别建立番茄叶片叶绿素总量和叶绿素a估算模型,用8一12月生长季的试验数据对模拟精度进行检验。结果表明：（1）水分胁迫对番茄叶片总叶绿素、叶绿素a含量和番茄冠层光谱反射率产生明显影响,水分胁迫越严重,叶绿素总量和叶绿素a含量均越低,番茄冠层光谱反射率也越低;（2）随着生育期的推进,番茄总叶绿素和叶绿素a含量均持续增加,而冠层光谱反射率在红光和蓝光波段的反射率逐渐减少;（3）4种估算模型中R670模型的决定系数（R。）最高,效果最佳（P〈0．01）,番茄叶片总叶绿素和叶绿素a最佳估算模型分别为：C_chl（a＋b）=44．83R670＋_670＋7.36,C_chl=39．92R_670＋5．12,均根方误差分别为0．45、0．42mg·g^-1,表明利用高光谱数据估算番茄叶片的叶绿素含量可行。     

微分光谱遥感及其在水稻农学参数测定上的应用研究

通过不同氮素营养水平的水稻田间试验,解析了水稻冠层微分光谱对消除背景(湿土、水面)信息的影响,证实微分光谱在消除背景信息的影响方面起到了很好的作用。用微分光谱确定出最优的波段宽度应小于10nm;将微分光谱应用于农学参数测定,存在红边位移现象,在孕穗期之前,红边随施氮量增加向长波方向移动“红移”;孕穗期之后“红移”现象基本消失,而发生“蓝移”。红边参数(红边、红边振幅、红边振幅与最小振幅的比值、红边峰值面积)与上层叶片的叶绿素含量、LAI有着密切的关系,而与叶片中的叶绿素b、类胡萝卜素之间相关性不明显。一些红边参数可作为水稻叶绿素含量、LAI测定的简捷方法。从而证实了利用微分光谱测定一些农学参数的可行性     

不同施肥情况下甘蔗叶片的光谱特征分析及叶绿素含量检测

In order to investigate the visible-NIR spectral features of the leaves of a sugarcane variety(ROC 22), the spectral reflectance and the chlorophyll content were measured in the laboratory, and their correlations were analyzed.Prediction models were built eventually.Results showed that the negative correlations with r greater than 0.8 was found in 527-578 nm and 701-731 nm between spectral reflectance and chlorophyll content.And the red edge position(REP) was also found having high correlation with chlorophyll content, with the highest r of 0.8442.In order to explore the most sensitive bands for normalized difference vegetation index(NDVI), 48471 NDVI values were computed with different wavebands for each sample and their correlations with chlorophyll were also analyzed.The distribution maps of NDVI and its correlations in a two-spectral-dimension space both indicated that the red bands had significant influence than the NIR bands.The suggested sensitive red range was 710-735 nm, especially 720-725 nm; and the sensitive NIR range was from 780-850 nm, which had the higher robustness.The chlorophyll predication model with NDVI(725 and 840 nm) in tillering stage had determination coefficients of 0.7386, and was recommended for guiding the subsequent ridging fertilization.     

基于红边参数的植被叶绿素含量高光谱估算模型

利用ASD便携式野外光谱仪和SPAD-502叶绿素计实测了落叶阔叶树法国梧桐、毛白杨叶片的高光谱反射率与叶片绿度,并对原始光谱反射率及一阶导数光谱与叶片绿度进行了相关分析,建立了基于红边位置、峰度系数、偏度系数的叶片叶绿素含量的高光谱估算模型,最后采用红边位置、峰度、偏度作为BP人工神经网络的输入变量进行了叶绿素含量的估算。结果表明：基于红边位置的法国梧桐、毛白杨叶绿素估算模型的决定系数达到0.7366、0.7289;基于峰度、偏度建立的估算模型可以有效提高估算精度,模型的决定系数均达0.8341以上;法国梧桐和毛白杨人工神经网络模型的确定系数决定系数分别达到0.9574和0.9523。与单变量模型相比人工神经网络模型反演精度明显提高,是一种良好的植被叶绿素含量高光谱反演模式。     

基于反射光谱预处理的苹果叶片叶绿素含量预测

以苹果叶片叶绿素含量为研究对象,定量研究了光谱数据预处理方法对光谱特征提取及叶绿素含量预测模型的影响。首先,比较了苹果叶片原始反射率光谱、小波包去噪反射率光谱、反射率一阶差分光谱、先小波包去噪后一阶差分光谱、先一阶差分后小波包去噪光谱这5种光谱的波段间相关系数以及光谱与叶绿素含量间的相关系数,建立了叶绿素含量预测逐步回归模型并对建模结果进行了比较分析。结果表明单纯3层sym8小波包去噪可使光谱曲线平滑,但不会明显提高模型精度;一阶差分虽然放大了局部噪声,但是消除了基线漂移影响,可提高模型精度;先差分后小波包去噪比先小波包去噪后差分具有更高的峰值信号噪声比,更低的均方误差与最大误差,建模结果也显示出同样的结果。因此,先差分后小波包去噪算法可认为是一种有效的苹果叶片叶绿素含量预测光谱预处理方法。利用这一方法建立了苹果叶片叶绿素含量预测模型,获得了较高的预测精度。该研究可用于对苹果树营养状态的评价并指导按需施肥。     

施氮量对海南燥红壤和砖红壤N2O/CO2排放的影响

利用室内培养实验,分析燥红壤和砖红壤中分别施加N0（不添加氮素）、N1（氮添加量为100mg·kg⁻¹）、N2（氮添加量为200mg·kg⁻¹）和N3（氮添加量为300mg.kg⁻¹）4个水平氮后对土壤性质及N₂O、CO₂排放的影响。结果表明：氮肥添加显著降低了土壤pH和有机碳含量。相较于N0,燥红壤N1、N2和N3处理pH和有机碳降幅分别为8%～18%和4%～12%,砖红壤降幅分别为5%～23%和3%～15%;添加氮肥后各处理土壤全氮含量显著增加,燥红壤和砖红壤分别增加15%～54%和13%～52%。氮施入增加了土壤NH₄⁺−N和NO₃⁻−N含量,各处理土壤铵态氮和硝态氮含量均表现为N3>N2>N1>N0。氮添加促进土壤N₂O和CO₂排放,相较于N0,燥红壤N₂O和CO₂累积排放量分别增加1176%～2425%和124%～281%,砖红壤分别增加1054%～1887%和138%～256%。施氮量和土壤类型是影响农田土壤N₂O和CO₂排放的重要因素。土壤N₂O和CO₂排放与施氮量呈线性显著相关,减少施肥是降低土壤N₂O排放最直接和最有效的措施。与砖红壤相比,燥红壤N₂O和CO₂排放对氮素添加的响应更敏感。     

基于特征光谱参数的苹果叶片叶绿素含量估算

果树叶绿素含量的快速、无损、准确监测,可以及时掌握果树的营养水平,对指导果树管理具有重要意义。该文利用2012年和2013年山东省肥城市潮泉镇下寨村的苹果叶片叶绿素含量和叶片光谱数据,分析了叶绿素含量和苹果叶片原始光谱及其变换形式之间的相关性,筛选出较优光谱参数,并利用随机森林法、偏最小二乘法、BP神经网络和支持向量机回归法进行估算和验证。结果表明:1)叶绿素含量与叶片原始光谱及其变换形式之间的最优光谱参数分别为554和708 nm的原始光谱反射率,554和708 nm倒数之对数光谱,535、569、700和749 nm一阶微分光谱以及557和708 nm连续统去除光谱;2)随机森林、偏最小二乘法、BP神经网络和支持向量机估算模型的R2分别为0.94,0.61,0.66和0.60,RMSE分别为0.34,0.78,0.75和0.81 mg/dm2。说明随机森林算法模型用于估算苹果叶片叶绿素含量效果较好,为及时了解果树养分状况及果树营养诊断提供技术支持。