基于光谱变换的低温胁迫下冬小麦叶绿素含量估测研究

近年来,冻害已成为影响我国冬麦区的农业气象灾害之一,及时、快速、准确地获取冬小麦叶绿素含量对于监测冬小麦冻害发生具有极其重要的意义。本研究通过低温胁迫试验,在拔节期对两个冬麦品种进行-6℃,4 h、8 h和12 h的胁迫处理后,测定其冠层光谱反射率,并对原始光谱数据进行15种典型变换处理,分析比较不同光谱变换下冬小麦叶绿素含量的PLSR模型,筛选出能够表征低温胁迫下冬小麦叶绿素含量的最佳光谱变换方式。结果表明,随低温胁迫时间的延长,两个冬小麦品种叶绿素含量呈降低趋势,随着低温胁迫后天数的增加,各处理与对照的差异逐渐减小。胁迫后5 d,近红外区域反射率有较大升高,并随低温胁迫后时间的延长而升高;在可见光区域,短期内差异不明显。胁迫后10 d、20 d、35 d,黄、红波段逐渐趋于水平,同时近红外区域反射率差异逐渐缩小,可见光区域光谱反射率出现不同程度的上升。对原始光谱数据进行15种典型变换处理,发现原始光谱的倒数、对数、幂、平方根等变换难以提高与叶绿素含量的相关性,且建模效果较差。除原始光谱对数的一阶微分(T6)外,其他微分变换处理的叶绿素含量诊断模型都优于原始光谱。综合考虑模型的校正、验证效果、模型最佳因子数以及相对分析误差的大小,二阶微分变换处理(T15)叶绿素含量校正模型的R2和RMSE分别为0.930、0.340,验证模型的R~2为0.753,表明基于T15的光谱变换数据可实现低温胁迫下叶绿素含量的准确估算,为最佳光谱变换方式。     

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。     

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。     

基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算

为了进一步提高玉米叶绿素含量的高光谱估算精度,该文测定了西北地区玉米乳熟期叶片的光谱反射率及其对应的叶绿素相对含量（soil and plant analyzer development,SPAD）值,分析了一阶微分光谱、高光谱特征参数与 SPAD的相关关系,构建了基于一阶微分光谱、高光谱特征参数和 BP 神经网络的 SPAD 估算模型,并对模型进行验证;再结合主成分回归（principal component regression,PCR）、偏最小二乘回归（partial least squares regression,PLSR）以及传统回归模型与 BP 神经网络模型进行比较。结果表明：SPAD 值与一阶微分光谱在763nm 处具有最大相关系数（R=0.901）;以763 nm 处的一阶微分值、蓝边内最大一阶微分为自变量建立的传统回归模型可用于玉米叶片 SPAD 估算;将构建传统回归模型时筛选到的光谱参数作为输入,实测 SPAD 值作为输出,构建 BP 神经网络模型,其建模与验模 R2分别为0.887和0.896,RMSE 为2.782,RE 为4.59%,与其他回归模型相比,BP 神经网络模型预测精度最高,研究表明 BP 神经网络对叶绿素具有较好的预测能力,是估算玉米叶片 SPAD 值的一种实时高效的方法。     

无人机多光谱遥感反演冬小麦SPAD值

为研究无人机多光谱遥感5个波段光谱反射率反演冬小麦SPAD（Soil and Plant Analyzer Development）值的可行性，该研究采用六旋翼无人机搭载五波段多光谱相机，采集冬小麦拔节期、孕穗期、抽穗期、开花期的冠层光谱影像并提取反射率特征参数，建立SPAD值的反演模型。结果表明，当波长范围在蓝光、绿光和红光波段，冬小麦拔节期、孕穗期和开花期的无人机多光谱影像反射率参数与SPAD值呈负相关关系，而在抽穗期，二者呈正相关；当波长范围为红边及近红外波段，在整个生长期，二者均呈现正相关关系。该研究构建冬小麦SPAD值反演模型采用了主成分回归、逐步回归和岭回归法，经对比发现基于逐步回归法构建的模型效果最优，该模型的校正决定系数为0.77，主成分回归法次之，岭回归法较差。此外，冬小麦抽穗期多光谱反射率反演SPAD值效果最显著，3种回归模型的校正决定系数分别为0.72、0.74和0.77。该研究可为无人机多光谱遥感监测作物长势、实现精准农业生产管理提供技术依据。     

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。     

机器学习结合高光谱植被指数与SPAD值估算冬小麦氮含量

冬小麦叶片氮含量与叶片光合作用和营养状况密切相关，直接影响植株生长发育，而茎秆中的氮含量与茎秆中纤维素、半纤维素和木质素的比例和含量密切相关，直接影响茎秆质量及植株的抗倒伏能力。然而，有关对冬小麦茎秆氮含量估算研究较为有限，限制了从氮含量角度判断茎秆质量及对倒伏的预测能力。为精准估算冬小麦不同器官（叶片、茎秆）氮含量，该研究通过2年田间试验，获取冬小麦4个关键生育期（拔节期、抽穗期、开花期、灌浆期）和3种施氮水平条件下（N1、N2和N3）的冠层光谱反射率、叶片、茎秆氮含量及叶片SPAD (soil and plant analyzer development， SPAD)值。分析了不同生育期和施氮水平条件下高光谱植被指数对叶片和茎秆氮含量的敏感性，并结合5种常用的机器学习算法：随机森林回归（random forest regression，RFR）、支持向量回归（support vector regression，SVR）、偏最小二乘回归（partial least squares regression，PLSR）、高斯过程回归（gaussian process regression，GPR）、深度神经网络回归（deep neural networks，DNN）构建冬小麦叶片和茎秆氮含量估算模型。结果表明：高光谱植被指数对叶片和茎秆氮含量的敏感性受到生育期和施氮水平的影响。在灌浆期，最佳植被指数双峰冠层植被指数 DCNI（double-peak canopy nitrogen index）对叶片氮含量的敏感性最高，R²为0.866。对茎秆氮含量，在抽穗期的敏感性最高，最佳植被指数归一化叶绿素比值指数 NPQI（normalized phaeophytinization index）与氮含量相关系数R²＝0.677。施氮水平的提升增加了光谱植被指数对茎秆氮含量的敏感性。结合SPAD值的机器学习算法提升了氮含量的估算精度，对叶片氮含量，在不同生育期和施氮水平条件下估算精度提升了1%～7%，其中在全生育期的归一化均方根误差NRMSE从0.254提升到0.214，抽穗期的NRMSE提升最大，从0.201提升到0.128。对茎秆氮含量，全生育期的NRMSE从0.443提升到0.400，抽穗期的NRMSE提升最大，从0.323提升到0.268。在全生育期，结合SPAD值的DNN模型对叶片（R²=0.782、NRMSE=0.214）和茎秆（R²=0.802、NRMSE=0.400）氮含量的估算精度最佳。研究说明，SPAD值与光谱植被指数结合有利于提升冬小麦不同生育期和施氮水平条件下叶片和茎秆氮含量的估算精度。     

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SPAD-502与GreenSeeker的冬小麦氮营养诊断研究

用GreenSeeker和SPAD-502测定了不同氮素处理的冬小麦冠层NDVI与叶片SPAD值, 分析了它们与叶片全氮、叶绿素含量及产量间的关系。结果表明: 冬小麦抽穗期SPAD值和NDVI值均与叶绿素含量呈极显著正相关; 除抽穗期和返青期外, SPAD值与叶氮含量、叶绿素含量的相关系数在其余各生育期均达到显著或极显著水平; NDVI值与叶氮含量、叶绿素含量在拔节期、乳熟期的相关性同SPAD值一致; SPAD值可以进行叶绿素的诊断, NDVI值可以进行氮的诊断。氮营养诊断时期应该选择拔节期。通过回归建立了基于SPAD值、NDVI值的产量估测模型, 可以通过SPAD值、NDVI值对冬小麦产量进行估算。     

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。     

用于监测柑橘叶片冻害的叶绿素含量光谱反射模型研究

果树叶片的叶绿素含量（SPAD）是植株营养状况的表现,也决定其光合作用能力的强弱,并且越冬前的树体营养状态,对果树抵御极端低温和顺利越冬是一个重要的影响因素,而果树受冻时叶绿素渗出和降解也是冻害发生程度的指标。通过对不同生长期的柑橘叶片进行光谱扫描,采用逐步回归法、红边参数法和光谱指数法分析叶片光谱反射率和叶绿素含量之间的关系,构建了柑橘叶片叶绿素光谱反射模型。结果表明,柑橘叶片叶绿素含量与反射光谱之间有较强的相关性,且两种方法所得模型预测值与实测值的相对误差都小于10%,说明模型具有良好的预测结果。两种方法中,选择波段的逐步回归法比光谱指数法的精度更高,但从建模参数的物理意义和逻辑性方面考虑,推荐光谱指数法建模,该模型可为远距离遥感监测果园营养状况和冻害情况提供参考。     

药隔期低温胁迫对小麦功能叶超微结构及光合特性的影响

以抗倒春寒能力不同的两个小麦品种烟农19 (YN19)和新麦26 (XM26)为供试材料,于小麦幼穗分化的药隔期利用超低温人工气候培养箱进行4℃和-4℃两个温度处理,以低温处理期间大田环境平均温度10℃为对照(CK),观测不同程度低温处理下小麦功能叶超微结构及光合特性的变化。结果表明：(1)药隔期低温胁迫显著增加供试两品种小麦功能叶SOD、POD、CAT酶活性和MDA含量,其中CAT酶活性增幅最大,XM26在4℃、-4℃处理下功能叶CAT活性较CK分别增加了48.68%和87.55%,YN19则分别增加了76.59%和110.39%,总体来看YN19的抗氧化酶活性增幅均大于XM26,具有较强的活性氧清除能力。(2)低温胁迫破坏小麦功能叶叶绿体结构。XM26在4℃、-4℃处理功能叶叶绿体数和叶绿体面积较CK分别下降12.43%、24.97%和57.68%、5.88%,YN19分别下降14.56%、16.69%和25.88%、61.90%。随着温度的降低(4℃→-4℃),供试两品种小麦叶片的基粒片层数量和厚度大幅下降,细胞膜受到不同程度的损伤,基粒片层开始解体。(3)随着低温胁迫程度加深,...     

冬小麦苗期叶绿素含量检测光谱学参数寻优

光谱分析技术是作物生长检测的主要手段,为了解决大田漫反射采集所造成的光谱基线漂移和偏移问题,研究采集了冬小麦冠层325~1 075 nm范围反射光谱,采用多元散射校正方法对小麦原始光谱进行预处理。采取遗传算法对光谱特征参数寻优并结合相关分析结果,选取486、599、699和762 nm波长处反射率值并组合计算了RVI(ratio vegetation index),DVI(difference vegetation index),NDVI(normalized difference vegetation index)和SAVI(soil-adjusted vegetation index)共12个植被指数,分析了各植被指数与叶绿素含量值之间的相关关系,结果显示:DVI和SAVI可抑制苗期土壤背景干扰并对叶绿素含量响应较为敏感,与叶绿素含量相关性最优的参数分别为DVI(762,599)、SAVI(762,599)、DVI(762,699)和SAVI(762,699),与叶绿素含量的相关系数都达到0.6以上。基于相关性最优光谱植被指数DVI(762,699)和SAVI(762,599)利用最小二乘-支持向量回归建立冬小麦叶绿素含量预测模型,建模集决定系数为0.681,验证集决定系数为0.611。该模型可用于无损检测冬小麦苗期叶绿素含量,以期为后续施肥决策提供支持。     

小麦叶片水分及绿度特征的光谱法诊断

通过ASD FieldSpec光谱仪测定2个小麦品种3个氮肥处理、3个水分处理下的叶片反射光谱,用SPAD-502仪测定叶片的SPAD(绿度指数)值,并称取叶重。用ViewSpec Pro与Matlab软件处理光谱数据,分析光谱参数与叶片含水量及SPAD值的相关关系,从而明确叶片水分及绿度特征的最佳波段或光谱指数。结果表明,水分指数(WI)、水分胁迫指数(MSI)及中红外植被指数(MSVI1)与叶片含水量的相关关系密切且表现稳定,均通过了0.05水平的显著性检验;Fd664(664nm附近处一阶导数光谱值)、SDr/SDb(红边区域一阶微分总和与蓝边区域一阶微分总和的比值)与小麦叶片SPAD值的相关性达到极显著水平,因而利用光谱法诊断和监测小麦叶片水分及绿度特征具有良好的可行性,可为遥感技术应用于精准农业提供依据。     

旱地不同冬小麦品种氮素营养的叶绿素诊断

通过田间试验研究了叶绿素仪用于西北旱地主栽的10个冬小麦品种氮素营养诊断的效果。结果表明,冬小麦SPAD值与子粒产量、生物学产量有很好的相关性,尤其以拔节期和开花期相关性较高。不同施氮量下的SPAD值有明显的不同,施氮量为180kg/hm2时,SPAD值达到最大。在同一施氮水平下,开花期的SPAD值均最高。拔节期之前冬小麦不同品种间SPAD值的差异较小,拔节期以后差异较大,最大可达9.2个SPAD单位。小偃22在每个时期的SPAD值都最高,并且与陕253、陕229和小偃503之间的差异均达显著水平,而陕253、陕229和小偃503之间的差异不显著。可见,小偃22与其它3个品种对氮素反应分属于不同类型,应根据不同品种类型建立相应的诊断指标。     

基于冠层光谱的不同株型冬小麦籽粒蛋白质预测模型

冬小麦冠层光谱因不同株型而异，依不同株型建立模型是提高冬小麦蛋白质预测精度的重要途径之一。该研究利用ASD2500高光谱仪对不同株型冬小麦冠层光谱进行了测定，分析了冬小麦叶片叶绿素含量在冠层垂直方向上的变化及其与籽粒品质指标和冠层光谱特征参量间的相关性。结果表明，冠层叶绿素含量垂直梯度变化因不同生育时期和不同株型而异。同等条件下，其梯度以平展型品种大于直立型品种。并且，当将两种株型品种分别考虑时，第一二叶组之间叶绿素含量的差值(DCC)与小麦籽粒部分品质参数和冠层光谱特征参量具有显著的相关性。通过DCC可以间接地建立籽粒蛋白品质和冠层光谱特征之间的相关模型。通过研究筛选出预测籽粒蛋白质含量(GPC)的最佳时期为灌浆期，最佳光谱特征参量为560 nm的反射峰深度P_Depth560。并且，建立了不同株型品种GPC的预测模型并初步通过验证。     

Functional traits associated with nitrogen use efficiency in wheat

The association between functional traits and nitrogen use efficiency (NUE) was investigated to assist the breeding of nitrogen (N) use-efficient bread wheat (Triticum aestivum ssp. aestivum) varieties. This study combined results from a climate chamber experiment involving 41 spring wheat varieties and a field experiment involving six winter and six spring wheat varieties grown with and without the application of mineral N fertiliser. The climate chamber experiment was analysed by partial least squares (PLS) regression, with several predictors and NUE as response, to identify traits related to NUE. Specific hypotheses were then tested in the field experiment. The PLS indicated six traits of particular importance for overall NUE: leaf chlorophyll (SPAD value) of the top leaf at stem elongation, grains ear^?1, ears pot^?1, straw biomass pot^?1, days between emergence and anthesis, and days between emergence and completed senescence. In the field experiment, the SPAD value of flag leaves of winter wheat around anthesis was positively correlated with NUE and total grain N, at both N levels. Fast development was positively correlated with high NUE and N uptake efficiency in spring wheat. Early senescence of the flag leaf was positively correlated with grain N concentration and negatively correlated with grain-specific N efficiency in winter wheat at low N fertilisation levels. The results indicate that high SPAD value of the top leaf might be a candidate trait that could be used in wheat breeding for improved NUE, while genetic variation in senescence could possibly be used to tailor varieties for different end-use quality when grown at low N. More studies are needed to validate these findings in other environments and for other genotypes.     

表征冬小麦倒伏强度敏感冠层结构参数筛选及光谱诊断模型

针对倒伏胁迫下冬小麦冠层结构变化规律不清、冠层光谱响应机理不明的问题,以灌浆期倒伏冬小麦为研究对象,分析不同倒伏强度下冬小麦冠层结构参数变化规律,通过光谱探测视场内的茎、叶、穗面积比率与倒伏角度的相关性分析,筛选出表征倒伏强度的敏感冠层结构参数,采用传统光谱变换方法与连续小波变换方法对倒伏冬小麦冠层高光谱数据进行处理分析,筛选冠层结构参数的敏感波段和小波系数,采用偏最小二乘法构建冠层结构参数与高光谱特征参量的响应模型,并利用野外实测样本验证模型精度(建模集样本28个,验证集样本13个)。研究结果表明:倒伏后的冬小麦茎叶比与倒伏角度的相关性最高(-0.687,P0.01),能较好地表征冬小麦倒伏强度,且茎叶比随着倒伏角度的减小而增加;基于连续小波变换的冬小麦倒伏灾情诊断模型优于常规光谱变换方法,检验样本的决定系数为0.632(P0.01);以冠层茎叶比预测结果进行倒伏灾情等级划分的精度可达84.6%。因此,不同倒伏强度的冠层茎叶比与冬小麦冠层光谱之间的响应规律可以有效区分倒伏灾情等级,有助于为区域尺度的冬小麦倒伏灾情遥感监测提供先验知识。