棉花植株水分含量的高光谱监测模型研究

精确灌溉对无损、快速的水分监测技术有迫切需求。研究棉花冠层高光谱参数与水分的定量关系并建立水分估测模型,以实现棉花水分及时、准确监测。通过2年试验,测定棉花冠层高光谱及植株水分,根据光谱参数与植株含水量的相关关系,建立了植株含水量监测模型。结果表明:棉株含水量与叶片含水量在一定范围内随灌溉量增减而增减,并能区分棉花干旱程度;棉株及叶片含水量与冠层460～514 nm、605～698 nm、1451～1576 nm和1960～2457 nm反射率极显著负相关,与727～1345 nm反射率极显著正相关,且棉株的相关性好于叶片含水量。所选作物水分指数、归一化差值水分指数1、归一化差值水分指数2、水分胁迫指数1、水分胁迫指数2、水分波段指数、水分指数与归一化差值植被指数之比均与棉株及叶片含水量极显著相关;构建了棉株含水量和叶片含水量的最佳监测模型;所建模型精度能满足大田生产对棉花水分监测的要求。     

玉米粗脂肪含量高光谱估算模型初探

通过测定不同品种玉米不同器官（叶片、茎、穗和叶鞘）的室内光谱反射率及其对应的粗脂肪含量,采用相关性分析以及单变量线性拟合分析技术,对粗脂肪含量与原始光谱反射率、光谱反射率一阶微分之间的关系进行了分析。结果表明,采用高光谱反射率对玉米粗脂肪含量进行估算具有可行性。对所构建的方程采用3类指标进行精度检验,认为由1 954 nm处光谱反射率一阶微分所构建的指数模型可对玉米粗脂肪含量较好地预测。     

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。     

利用遥感方法诊断小麦叶片含水量的研究

应用地物光谱仪探讨了小麦叶片含水量对近红外（ＮＩＲ）波段光谱吸收特征参量的影响。结果表明：１．６５～１．８５μｍ间的光谱反射率与小麦叶片的含水量呈显著负相关,而且该波段在大气窗口之内,受大气层水的干扰较小,可作为航空或卫星遥感探测指标应用。根据大量观测数据建立了叶片含水量与吸收深度及吸收面积间的线性相关关系和回归方程式,从而提出一种利用光谱反射率诊断小麦叶片水分状况的遥感方法。     

桃树叶片氮素含量的高光谱遥感监测

通过设计试验分析用桃叶片反射率光谱预测其氮素含量,以及用光谱特征值与氮素含量建立相关模型的可能性。探讨采用光谱分析手段预测果树氮元素含量的精度及应用潜力。对桃树鲜叶的光谱反射率（Rλ）以及叶片全氮（TN）含量进行测定,并对氮素含量与Rλ及其多种变式数据（1/Rλ、log Rλ、d Rλ）的相关性进行分析,找出与氮素含量相关性最强的光谱数据形式;采用逐步回归法,对氮素和与其相关性最强的光谱数据形式进行回归分析,得到入选波长;利用入选的波长,进行基于最小误差平方和的回归建模。结果表明,可以由叶片的精细光谱特征,特别是利用d Rλ作为因子,较好地反映出氮素含量,从而为进一步探讨利用高光谱遥感探测叶片化学组分提供参考。     

基于水分光谱指数的烟草叶片等效水厚度估测

为及时、准确监测烟草叶片的水分状况,连续2年开展不同基因型烤烟品种的水分胁迫试验,测定烟叶的光谱反射率和叶片等效水厚度(EWT),系统分析350～2500 nm波段范围内任意2个波段组合而成的比值水分指数(SRWI)和归一化水分指数(NDWI),并构建烟草EWT的光谱指数预测模型。结果表明：(1)不同基因型烟草的叶片等效水厚度均随灌水量的减少而降低。(2)不同水分处理的烟叶光谱反射率在可见光波段和近红外波段均发生了规律性变化。(3)筛选出的烟草叶片等效水厚度的光谱敏感波段主要集中在可见光区域的500～600 nm、近红外区域的700～900和1000～1250 nm、短波红外区域的1900～2000 nm,最佳水分光谱指数分别为NDWI(R₁₉₂₀,R₁₉₃₀)、SRWI(R₁₉₃₀,R₁₉₂₀),核心波段为1920、1930 nm。(4)利用水分光谱指数构建的烟草叶片等效水厚度的线性和非线性预测模型,以极限学习机模型(ELM)的精准度和稳定性最佳(P-R²=0.853     

稻瘟病胁迫下水稻叶片叶绿素含量与光谱特征参数的相关性研究

为实现受稻瘟病侵染水稻叶片叶绿素含量的高光谱反演,以‘陵两优268’为研究对象,测定受稻瘟病侵染的85个水稻叶片样品的叶绿素含量和高光谱反射率,分析受稻瘟病侵染的水稻叶片高光谱反射率与叶绿素含量间的相关关系,使用线性与非线性回归技术建立叶绿素含量反演模型。结果显示:叶绿素含量与原始光谱及一阶导数光谱的敏感波段分别发生在700 nm和752 nm,基于光谱特征参数SDr的回归模型均方根误差为1.27,平均相对误差为10.2%。研究表明受稻瘟病侵染水稻叶片光谱反射率差异明显,基于光谱特征参数SDr的回归模型预测叶绿素含量具有较高的精度。     

淹水胁迫下棉花叶片SPAD高光谱估算模型研究

【目的】建立淹水胁迫下棉花叶片SPAD的高光谱模型。【方法】利用灌排可控的试验田在棉花花铃期模拟淹水处理,分析受涝1 d、3 d、6 d、9 d后棉花叶片光谱反射率、SPAD值的变化特征;并对淹水胁迫后棉花叶片高光谱特征参数与SPAD值进行相关与回归分析,探寻用于估算淹水胁迫下棉花叶片SPAD变化的高光谱模型。【结果】(1)受涝3 d时棉花倒4叶SPAD值就显著低于对照,到受涝9 d时SPAD值比对照减少15%左右。(2)棉花花铃期受涝后倒4叶绿光波段反射峰变陡,近红外短波段的反射率升高。花铃期受涝使棉花倒4叶红边位置"蓝移",涝害持续9 d时红边位置向短波方向移动了4~5 nm,红边幅度和红边面积呈先增大后减小趋势,在受涝6 d时达到最大,红边偏度和红边峰度增大。(3)涝后棉花叶片SPAD值与红边幅值(Dr)、红边位置(λr)、绿峰反射率(Rg)、绿峰位置(λg)、红谷位置(λo)、蓝边面积(SDb)、黄边偏度(Sy)、黄边峰度(Ky)、红边偏度(Sr)、红边峰度(Kr)等光谱特征参数极显著相关;分别以Sy、Sr、Kr为自变量的一元线性、多项式和指数模型估算SPAD值较优,其决定系数(R~2)均大于0.9,均方根误差(RMSE)均小于1;多元逐步回归分析发现以λg、SDr/SDb(VI3)、Sb、Sy、Ky为自变量的多元线性模型估算SPAD值较优,R~2高达0.973,RMSE为0.393。【结论】该模型可以作为估算淹水胁迫棉花叶片SPAD值的遥感模型。     

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。     

滴灌棉花不同生育时期冠层叶片叶绿素含量的高光谱估测模型

【目的】利用高光谱数据对新疆北方地区不同生育时期滴灌棉花冠层叶片叶绿素含量进行估测,建立生长时序的叶绿素含量估算模型。【方法】以新陆早45号为试验材料,测定不同施氮水平和生育时期棉花冠层叶片叶绿素含量及对应的光谱反射率,分析了12种指数与叶绿素含量的关系,构建了滴灌棉花冠层叶片叶绿素含量的估测模型。【结果】棉花的4个生育时期(现蕾期、盛蕾期、花铃期和吐絮期)中冠层叶片叶绿素含量与Vogelmann红边指数1的相关系数都高,分别是0.944、0.907、0.895、0.930;采用多元回归方法建立的模型精度高于单指数线性模型,其决定系数都大于0.8,且均方根误差(RMSE)都较小。现蕾期模型(y=82.509x_1+89.937x_2-94.438)精度最好。【结论】针对不同生育时期建立的模型均可对棉花冠层叶片叶绿素含量进行估测,其中现蕾期模型监测效果最好。     

基于光谱指数的苹果叶片水分含量估算模型研究

建立快速、无损的苹果叶片水分含量高光谱估算模型,为苹果树干旱预警提供理论依据。以2个不同生育期采集的苹果叶片为研究对象,研究了不同水分含量的苹果叶片高光谱特征,分析了苹果叶片水分含量与光谱指数(WI、WBI、PWI、GVWI、MSI、 NDW)之间的相关关系,建立了苹果叶片水分含量估算模型。结果表明,苹果叶片水分含量的敏感光谱波段主要集中于近红外和短波红外波段;利用6个光谱指数建立的单变量估算模型均达到了极显著水平(P<0.01),但以水分指数（WI）建立的估算模型y=29503x2-57746x+28317的拟合决定系数R2最大,为0.5401;经检验,拟合方程的RMSE为 2.4,RE为 5.8%,检验精度达到了94.2%。采用主成分回归分析方法,建立的苹果叶片水分含量估算模型y=-556.819+347.838x1-17.815x2-27.864x3+299.492x4+25.647x5+9.835x6的拟合决定系数R2为0.6371,经检验,拟合方程的RMSE为 1.26,RE为 1.8%,检验精度达到了98.2%。表明以主成分回归分析建立的苹果叶片水分含量估算模型具有较好的敏感性和稳定性。     

Hyperspectral Estimation Model of Chlorophyll Content in Cotton Canopy Leaves under Drip Irrigation at Different Growth Stages

[Objective] This article is aimed to estimate the chlorophyll content of cotton canopy leaves in drip irrigation fields at different growth stages in northern Xinjiang and establish a model for estimating chlorophyll content in growth time series by using hyperspectral. [Method] Using Xinluzao 45 as the experimental material, the chlorophyll content and the corresponding spectral reflectance of cotton canopy leaves at different nitrogen levels and growing stages were measured, and the relationship between 12 indices and the chlorophyll content was analyzed. The estimation models of the chlorophyll content in cotton canopy leaves under drip irrigation were established. [Result] The correlation coefficient between the chlorophyll content of canopy leaves and Vogelmann red edge index was high in the four growing periods of cotton, and the correlation coefficient was 0.944, 0.907, 0.895, 0.930, respectively. And the spectral reflectivity was the highest at the flowering and boll period. The precision of the model established by the multivariate regression method is higher than that of the single exponential linear model with the determination coefficient more than 0.8 and the root mean square error smaller than that of the single exponential linear model. The model of the budding stage (y＝82.509_x1＋89.937_x2－94.438) has the best precision. [Conclusion] The chlorophyll content can be estimated by the models established at different growth stages, and the budding stage model has the best monitoring effect.     

基于无人机多光谱的华北平原花铃期棉花叶片SPAD建模方法研究

华北平原地区棉花叶片SPAD光谱特征有待探明,其最适宜建模方法亦有待研究。笔者针对华北平原棉区,基于无人机多光谱探索其叶片SPAD光谱特征和最佳建模方法。以德州市夏津县大李庄棉区为研究区,利用无人机获取棉花花铃期的多光谱图像,同步测定棉花叶片SPAD值;对原始光谱进行预处理并组合构建光谱指数,进而采用相关分析筛选出6个棉花SPAD特征光谱指数;分别采用BP神经网络(BPNN)、多元逐步回归(MSR)和支持向量机(SVM)方法构建棉花SPAD值定量分析模型,并对模型验证、对比,优选最佳模型和建模方法,进而定量分析研究区棉花叶片SPAD空间分布。结果表明:棉花叶片SPAD的特征波段为红光和红边波段;入选模型的特征光谱指数为r、r*reg、(reg-r)/(reg+r)、r-g、r/g、$\sqrt{r^{2}+g^{2}}$;对比3种建模方法,BPNN模型精度最高,其建模集R²、RMSE分别为0.747、4.568,验证集R²、RMSE、RPD分别为0.758、4.142、2.135,确定为棉花叶片SPAD的最佳模型。基于BP神经网络模型进行棉花叶片SPAD的空间分布反演,反演值与实测值具有高度一致性,拟合结果较好。BP神经网络可以作为基于无人机多光谱的华北平原棉花叶片SPAD建模的优选方法,该研究可促进棉田定量遥感和棉花长势监测。     

基于高光谱的土壤有机质含量反演研究

土壤有机质含量是土壤肥力的一个重要指标,利用高光谱对土壤有机质含量进行定量化反演,为精准农业地表土壤有机质含量的快速测定提供参考。利用美国ASD FieldSpec FR地物光谱仪,在室内条件下对经过处理的土壤样品进行光谱测量,通过对土壤样品光谱反射率不同变换形式与有机质含量进行相关性分析,建立土壤光谱变量与土壤有机质含量的多元回归关系模型。结果表明：在波长492 nm、663 nm、1221 nm、1317 nm、1835 nm和2130 nm处,采用光谱反射率一阶微分建立的土壤有机质含量反演回归模型,预测精度最好,决定系数R2为0.909。建立的土壤有机质含量高光谱反演模型,可以较好地预测土壤有机质含量,从而为精准农业土壤有机质含量的快速测定提供新的途径。     

烟叶成熟度区分及烟碱含量检测模型研究

为探索一种有效的近红外光谱应用于烟叶成熟度区分以及烟碱含量检测模型建立的方法,对56组烟叶样品近红外光谱数据进行系统聚类,分类结果与原始结果基本一致,客观反映了成熟与未成熟烟叶的差异。识别率达到92.86%。采用多种不同的光谱预处理方法,并选择较优的多元散射校正处理原始光谱,再用偏最小二乘回归建立模型。结果表明：所建模型训练集r=0.9852,RMSE=0.0676;交叉验证r=0.9145,RMSE=0.1645。预测值能够较为均匀紧密地分布于拟合线的两侧,预测结果较好。     

水稻开花期抗旱性鉴定指标的筛选

水稻抗旱性鉴定指标的筛选已成为水稻抗旱性研究课题的热点之一。本文利用10个水、旱稻品种（组合）,在开花期水分胁迫条件下,测定了剑叶叶绿素、脯氨酸、丙二醛、可溶性糖含量,叶片相对含水量,株高,叶面积及光合速率等10项与抗旱性有关的形态和生理指标,进行了主成分分析和逐步回归分析。结果表明,水稻开花期叶片脯氨酸含量、叶片相对含水量、气孔导度、叶面积等4项指标对水稻的抗旱性有显著影响,可作为水稻开花期抗旱性鉴定指标。利用所建立的最优回归方程对供试品种（组合）进行了抗旱性预测,结果与它们在田间表现基本一致, 表明用这4个指标在开花期对水稻抗旱性进行鉴定是可行的。     

甘薯苗期耐盐性鉴定及其指标筛选

以18个甘薯品种(系)为试验材料, 设置对照和200 mmol L ^-1 NaCl浓度处理, 通过苗期盐土栽培胁迫方式, 对各处理下各品种(系)的茎叶鲜重、根系鲜重、茎叶干重、根系干重、叶片相对电导率、F_v/F_m、SPAD值、SOD酶活性、MDA含量、脯氨酸含量、根系活力、根系Na ⁺和K ⁺含量、Na ⁺/K ⁺比值等14个生理指标进行测定, 通过对各单项指标的耐盐系数进行相关分析、主成分分析、聚类分析和逐步回归等方法对品种(系)耐盐性进行综合评价。通过主成分分析, 将盐胁迫处理下甘薯苗期的14个单项指标转换成5个彼此独立的综合指标; 通过隶属函数分析, 得到不同品种(系)苗期耐盐性综合评价值(D值), 并通过聚类分析, 将18个甘薯品种(系)划分为4种耐盐类型, 其中盐敏感型4个、弱耐盐型3个、中度耐盐型7个和高度耐盐型4个。在此基础上, 利用逐步回归方法建立了可用于甘薯苗期耐盐性评价的回归方程, 同时筛选出茎叶鲜重、根系鲜重、茎叶干重、叶片SPAD值、SOD酶活性、MDA含量、脯氨酸含量、根系Na ⁺/K ⁺比值等8个可用于甘薯苗期耐盐性评价的生理指标。本研究可为甘薯耐盐新品种选育提供种质并为甘薯苗期耐盐性评价及耐盐机制研究提供理论依据。     

水稻苗期抗旱性指标的筛选

为探索水稻苗期抗旱性形态和生理机制，筛选苗期抗旱性指标，以15个水稻品种为试验材料，在干旱棚内系统研究了水、旱条件下苗期形态和生理指标的变化。结果表明，叶龄、心叶下倒数第1叶叶面积、叶鲜重、根长4个指标的相对值与反复干旱存活率显著或极显著相关，可作为苗期抗旱性的形态指标；超氧化物歧化酶（SOD）、过氧化物酶（POD）、过氧化氢酶（CAT）活性，氨基酸（AA）、抗坏血酸（AsA）、还原性谷甘肽（GSH）、可溶性蛋白质、丙二醛（MDA）含量8个指标的相对值与反复干旱存活率显著或极显著相关，可作为苗期抗旱性的生理指标。通过主成分分析确立了SOD酶活性、GSH含量、叶鲜重和叶龄4个指标相对值为水稻苗期抗旱性的综合指标，以反复干旱存活率为因变量，4个综合指标为自变量建立的回归方程对供试品种的抗旱性进行预测效果较好。     

基于RF和SPA的无人机高光谱估算棉花叶片全氮含量

为分析棉花叶片全氮含量（LNC）与冠层光谱反射特征的关系，实现作物生长过程中氮素水平的快速、准确和无损监测，以石河子大学教学试验场2019年棉花小区试验为基础，选用多元散射校正、SG平滑算法、变量标准化校正和一阶导数4种方法分别对棉花冠层原始光谱进行预处理，使用随机蛙跳（random frog,RF）和连续投影算法（successive projections algorithm,SPA）筛选特征波长并结合偏最小二乘回归法建立棉花LNC光谱估算模型。RF和SPA算法从棉花冠层398～1000nm的光谱中优选5组LNC的敏感特征波段，波段数目下降了93.0%～96.3%，有效降低了光谱的冗余信息；基于SPA算法筛选的敏感波段构建的LNC偏最小二乘回归模型的决定系数和均方根误差分别为0.52和2.55，模型验证的决定系数和均方根误差分别为0.70和2.37，模型具有较好的精度和稳定性，可作为棉花LNC的无人机高光谱估算方法。